Prateek Joshi 计算机视觉专家，曾任职于NVIDIA、微软、高通等公司，其研究方向为基于内容的分析和深度学习。他在计算机视觉领域已经斩获多个专利，也赢得过很多关于图像识别技术的编程比赛。他还是《OpenCV with Python By Example》一书的作者。

David Millan Escriva; 有超过13年的IT工作经验和9年以上的计算机视觉领域从业经验，在不同的项目和初创企业工作过，并一直在工作中运用计算机视觉、光学字符识别、图像识别方面的知识。他是DamilesBlog (http://blog.damiles.com)的作者，还是《Mastering OpenCV with Practical Computer Vision Projects Book》一书的合著者。

Vinicius Godoy　PUCPR的计算机图形学教授、Blackmuppet公司的联合创始人。他感兴趣的领域包括图像处理、设计模式和多线程应用程序。

作品目录

译者序

前言

第1章　OpenCV的探险之旅 1

1.1　理解人类视觉系统 1

1.2　人类是怎么理解图像内容的 3

1.3　OpenCV可以做什么 4

1.4　安装OpenCV 11

1.5　总结 14

第2章　OpenCV基础知识介绍 15

2.1　CMake基本配置文件 15

2.2　创建库 16

2.3　管理依赖关系 17

2.4　脚本复杂化 19

2.5　图像和矩阵 21

2.6　读写图像 23

2.7　读取视频和摄像头 27

2.8　其他基本对象类型 30

2.9　矩阵的基本运算 33

2.10　基本数据持久性和存储 36

2.11　总结 38

第3章　图形用户界面和基本滤波 39

3.1　介绍OpenCV的用户界面 39

3.2　使用OpenCV实现基本图形用户界面 40

3.3　QT的图形用户界面 45

3.4　在界面上添加滑动条和鼠标事件 47

3.5　在用户界面上添加按钮 51

3.6　支持OpenGL 55

3.7　总结 60

第4章　深入研究直方图和滤波器 61

4.1　生成CMake脚本文件 62

4.2　创建图形用户界面 63

4.3　绘制直方图 65

4.4　图像色彩均衡化 69

4.5　LOMO效果 71

4.6　卡通效果 76

4.7　总结 80

第5章　自动光学检测、目标分割和检测 81

5.1　隔离场景中的目标 82

5.2　创建AOI应用程序 84

5.3　输入图像的预处理 86

5.4　分割输入图像 92

5.5　总结 101

第6章　学习目标分类 102

6.1　介绍机器学习的概念 103

6.2　计算机视觉和机器学习的工作流程 106

6.3　自动检测目标分类的示例 108

6.4　特征提取 110

6.5　总结 120

第7章　识别人脸部分并覆盖面具 121

7.1　理解Haar级联 121

7.2　积分图 123

7.3　在实时视频中覆盖上面具 124

7.4　戴上太阳镜 127

7.5　跟踪鼻子、嘴和耳朵 130

7.6　总结 131

第8章　视频监控、背景建模和形态学操作 132

8.1　理解背景差分 132

8.2　简单背景差分法 133

8.3　帧差值法 137

8.4　混合高斯方法 141

8.5　形态学图像操作 144

8.6　图像细化 145

8.7　图像加粗 146

8.8　其他形态学运算 147

8.9　总结 152

第9章　学习对象跟踪 153

9.1　跟踪特定颜色的对象 153

9.2　建立交互式对象跟踪器 156

9.3　使用Harris角点检测器检测点 161

9.4　Shi-Tomasi角点检测器 163

9.5　基于特征的跟踪 166

9.6　总结 175

第10章　文本识别中的分割算法 176

10.1　OCR简介 176

10.2　预处理步骤 178

10.3　在你的操作系统上安装Tesseract OCR 186

10.4　使用Tesseract OCR库 190

10.5　总结 195

第11章　使用Tesseract识别文本 196

11.1　文本识别API工作原理 196

11.2　使用文本识别API 200

11.3　总结 212