给大家带来的一篇关于计算机视觉相关的电子书资源，介绍了关于OpenCV3、Qt5、计算机视觉、应用开发方面的内容，本书是由机械工业出版社出版，格式为PDF，资源大小117.2 MB，阿敏·艾哈迈迪·泰编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：7.2。

内容介绍

全书共分成12章，全方位系统化叙述了OpenCV3和Qt5的具体内容，包含：OpenCV和Qt详细介绍、建立OpenCV和Qt新项目、Mat和QImage、图型景图架构、OpenCV中的图象处理、特点与描述符、多核、视频分析、视頻可靠性、调节与检测、连接与布署、Qt Quick手机应用程序等。以便有利于学习与实践，这书出示了实例优化算法的编号保持。也向用户全方位详细地详细介绍了应用场景OpenCV和Qt开展图象处理、计算机视觉等程序编写的技术性和方式。

目录

译者序

序

前言

评阅者简介

第1章　OpenCV和Qt简介1

1.1　需要什么2

1.2　Qt介绍3

1.2.1　Qt基本模块3

1.2.2　Qt扩展4

1.2.3　附加值模块4

1.2.4　技术预览模块5

1.2.5　Qt支持的平台5

1.2.6　Qt Creator6

1.3　OpenCV介绍7

1.3.1　主模块8

1.3.2　附加模块8

1.4　安装Qt9

1.4.1　Qt安装准备9

1.4.2　在哪里获得Qt10

1.4.3　安装方法11

1.4.4　测试Qt安装14

1.5　安装OpenCV19

1.5.1　为构建OpenCV做准备19

1.5.2　在哪里获得OpenCV19

1.5.3　如何构建20

1.5.4　配置OpenCV安装23

1.5.5　测试OpenCV安装25

1.6　小结27

第2章　创建第一个Qt + OpenCV项目28

2.1　什么是Qt Creator29

2.2　IDE一览30

2.2.1　Qt Creator的模式30

2.2.2　Qt Creator的选项窗口58

2.3　小结61

第3章　创建完整的Qt + OpenCV项目62

3.1　后台63

3.1.1　qmake工具63

3.1.2　元对象编译器(moc)65

3.1.3　用户界面编译器(uic)66

3.2　设计模式67

3.3　Qt资源系统69

3.4　样式化应用程序73

3.4.1　选择器类型74

3.4.2　子控件75

3.4.3　伪状态75

3.4.4　级联75

3.5　多语言支持77

3.6　创建和使用插件81

3.6.1　接口82

3.6.2　插件84

3.6.3　插件加载器和用户88

3.7　创建基础94

3.8　小结96

第4章　Mat和QImage97

4.1　关于Mat类的所有内容98

4.1.1　构造函数、属性与方法100

4.1.2　Mat_<_tp>类107

4.1.3　Matx<_tp m n>107

4.1.4　UMat类108

4.1.5　InputArray、OutputArry、InputOutputArray108

4.2　利用OpenCV读取图像109

4.3　利用OpenCV写入图像110

4.4　OpenCV中的视频读写110

4.5　OpenCV中的HighGUI模块112

4.6　Qt中的图像和视频处理113

4.6.1　QImage类113

4.6.2　QPixmap类116

4.6.3　QImageReader与QImageWriter类119

4.6.4　QPainter类119

4.6.5　Qt中的相机和视频处理124

4.7　小结125

第5章　图形视图框架126

5.1　场景-视图-对象元素架构127

5.2　场景QGraphicsScene130

5.3　对象元素QGraphicsItem134

5.4　视图QGraphicsView142

5.5　小结152

第6章　基于OpenCV的图像处理153

6.1　图像滤波154

6.2　图像变换功能168

6.2.1　几何变换168

6.2.2　其他变换174

6.3　OpenCV绘图180

6.4　模板匹配183

6.5　小结185

第7章　特征及其描述符187

7.1　所有算法的基础—Algorithm类188

7.2　二维特征框架191

7.2.1　检测特征192

7.2.2　提取和匹配描述符204

7.3　如何选择算法211

7.3.1　精度212

7.3.2　速度212

7.3.3　资源利用率213

7.3.4　可用性213

7.4　小结213

第8章　多线程215

8.1　Qt中的多线程216

8.2　利用QThread实现低级多线程217

8.2.1　子类化QThread217

8.2.2　使用moveToThread函数222

8.3　线程同步工具224

8.3.1　互斥锁224

8.3.2　读写锁226

8.3.3　信号量228

8.3.4　等待条件228

8.4　基于QtConcurrent的高级多线程230

8.5　小结235

第9章　视频分析237

9.1　理解直方图238

9.2　理解反投影图像242

9.2.1　直方图比较250

9.2.2　直方图均衡化252

9.3　MeanShift算法和CamShift算法253

9.4　背景/前景检测260

9.5　小结263

第10章　调试与测试265

10.1　Qt Creator调试266

10.2　Qt测试框架271

10.2.1　创建单元测试272

10.2.2　数据驱动的测试276

10.2.3　基准测试278

10.2.4　GUI 测试278

10.2.5　测试用例项目281

10.3　小结283

第11章　链接和部署285

11.1　后台构建过程286

11.1.1　预处理286

11.1.2　编译286

11.1.3　链接287

11.2　构建OpenCV静态库288

11.3　构建Qt静态库289

11.4　部署Qt + OpenCV应用程序295

11.4.1　使用静态链接部署295

11.4.2　使用动态链接部署297

11.4.3　Qt安装程序框架299

11.5　小结302

第12章　Qt Quick应用程序304

12.1　QML介绍305

12.2　QML中的用户交互和脚本310

12.3　Qt Quick Designer的使用312

12.4　Qt Quick应用程序的结构313

12.5　集成C++和QML代码318

12.6　Android和iOS上的Qt和OpenCV应用程序324

12.7　小结326

学习笔记

详解python opencv3人脸识别(windows)

本文实例为大家分享了python人脸识别程序，大家可进行测试 #coding:utf-8 import cv2 import sys from PIL import Image def CatchUsbVideo(window_name, camera_idx): cv2.namedWindow(window_name) # 视频来源，可以来自一段已存好的视频，也可以直接来自USB摄像头 cap = cv2.VideoCapture(camera_idx) # 告诉OpenCV使用人脸识别分类器 classfier = cv2.CascadeClassifier(C:\\opencv\\build\\etc\\haarcascades\\haarcascade_frontalface_alt2.xml) # 识别出人脸后要画的边框的颜色，RGB格式 color = (0, 255, 0) while cap.isOpened(): ok, frame = cap.read() # 读取一帧数据 if not ok: break # 将当前帧转换成灰度图像 grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 人脸检测，1.2和2分别为图片缩放比例和需要检测的有效点……

Python+OpenCV图片局部区域像素值处理详解

背景故事： 我需要对一张图片做一些处理，是在图像像素级别上的数值处理，以此来反映图片中特定区域的图像特征，网上查了很多，大多关于opencv的应用教程帖子基本是停留在打开图片，提取像素重新写入图片啊之类的基本操作，我是要取图片中的特定区域再提取它的像素值，作为一个初学者开始接触opencv简直一脸懵，慢慢摸索着知道了opencv的一些函数是可以实现的像SetImageROI()函数设置ROI区域，即感兴趣区域，就很好用啊，总之最后是实现了自己想要的功能。现在看个程序确实是有点挫，也有好多多余的没必要的代码，但毕竟算一次码代码的历程，就原模原样贴在这里吧。 代码功能： 在python下用……

Python3+OpenCV2实现图像的几何变换(平移、镜像、缩放、旋转、仿射)

前言 总结一下最近看的关于opencv图像几何变换的一些笔记. 这是原图: 1.平移 import cv2import numpy as npimg = cv2.imread("image0.jpg", 1)imgInfo = img.shapeheight = imgInfo[0]width = imgInfo[1]mode = imgInfo[2]dst = np.zeros(imgInfo, np.uint8)for i in range( height ): for j in range( width - 100 ): dst[i, j + 100] = img[i, j]cv2.imshow('image', dst)cv2.waitKey(0) demo很简单,就是将图像向右平移了100个像素.如图: 2.镜像 import cv2import numpy as npimg = cv2.imread('image0.jpg', 1)cv2.imshow('src', img)imgInfo = img.shapeheight= imgInfo[0]width = imgInfo[1]deep = imgInfo[2]dst = np.zeros([height*2, width, deep], np.uint8)for i in range( height ): for j in range( width ): dst[i,j] = img[i,j] dst[height*2-i-1,j] = img[i,j]for i in range(width): dst[hei……

Python OpenCV 直方图的计算与显示的方法示例

本篇文章介绍如何用OpenCV Python来计算直方图，并简略介绍用NumPy和Matplotlib计算和绘制直方图 直方图的背景知识、用途什么的就直接略过去了。这里直接介绍方法。 计算并显示直方图 与C++中一样，在Python中调用的OpenCV直方图计算函数为cv2.calcHist。 cv2.calcHist的原型为： cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]]) #返回hist 通过一个例子来了解其中的各个参数： #coding=utf-8 import cv2 import numpy as np image = cv2.imread("D:/histTest.jpg", 0) hist = cv2.calcHist([image], [0], #使用的通道 None, #没有使用mask [256], #HistSize [0.0,255.0]) #直方图柱的范围 其中第一个参数必须用方括号括起来。 第二个参数是用于计算直方图的……

以上就是本次介绍的计算机视觉电子书的全部相关内容，希望我们整理的资源能够帮助到大家，感谢大家对码农之家的支持。

展开 +

收起 -