OpenCV и Java, Обработка изображений и компьютерное зрение, Прохоренок Н.А., 2018

OpenCV и Java, Обработка изображений и компьютерное зрение, Прохоренок Н.А., 2018.
        
   Книга знакомит с современными технологиями компьютерного зрения, позволяющими машинам, роботам, веб-камерам и другим устройствам распознавать изображения. Приведено описание библиотеки компьютерного зрения OpenCV применительно к языку программирования Java. Объясняется, как загружать и сохранять изображения в различных форматах, захватывать кадры с веб-камеры в режиме реального времени, выполнять обработку, трансформацию и сегментацию изображения, применять к изображению фильтры. На практических примерах рассмотрены алгоритмы компьютерного зрения, предназначенные для обнаружения, классификации и отслеживания объектов, выделения границ и контуров объектов, поиска объектов по шаблону, особым точкам, цвету или обученному классификатору.




Создание и преобразование изображений.
Изображение представляет собой двумерную таблицу, состоящую из столбцов (ширина изображения) и строк (высота изображения). Каждая ячейка такой таблицы, имеющая квадратную или прямоугольную форму, содержит описание цвета пикселя. В свою очередь, цвет может описываться несколькими компонентами. Черно-белое изображение и изображение в оттенках серого содержит всего один компонент, полноцветное — три компонента (обычно это красный, зеленый и синий — цветовая модель RGB), а полноцветное с альфа-каналом (с прозрачностью) — четыре компонента (обычно это красный, зеленый, синий и альфа-канал — цветовая модель RGBА).

Обратите внимание: в библиотеке ОpenСV порядок следования компонентов цвета отличается от обычного представления. Вначале идет синий, зачем зеленый, потом красный и последним указывается альфа-канал (цветовая модель BGRA). Таким образом, изображение есть не что иное, как матрица, каждый элемент которой содержит один, три или четыре канала. Для хранения изображений используется класс Mat, а для указания значений компонентов цвета — класс scalar.

ОГЛАВЛЕНИЕ.
Введение.
ЧАСТЬ I. ЗАГРУЗКА ИЗОБРАЖЕНИЯ.
Глава 1. Первые шаги.
1.1. Установка OpenCV.
1.2. Настройка редактора Eclipse.
1.3. Вспомогательные классы.
1.3.1. Класс Point: точка.
1.3.2. Класс Point3: 3D-точка.
1.3.3. Класс Size: размеры прямоугольной области.
1.3.4. Класс Rect: прямоугольная область.
1.3.5. Класс RotatedRect: повернутая прямоугольная область.
1.3.6. Класс Scalar: объект из четырех элементов.
1.3.7. Класс Range: диапазон.
Глава 2. Матрицы.
2.1. Класс Mat: матрица.
2.1.1. Создание матрицы.
2.1.2. Размеры матрицы.
2.1.3. Тип элементов.
2.1.4. Доступ к элементам.
2.1.5. Получение диапазона значений.
2.1.6. Создание копии матрицы.
2.1.7. Транспонирование матрицы.
2.1.8. Изменение структуры матрицы.
2.1.9. Удаление матрицы.
2.2. Изменение значений матрицы.
2.2.1. Изменение сразу всех значений.
2.2.2. Сложение.
2.2.3. Вычитание.
2.2.4. Умножение.
2.2.5. Деление.
2.2.6. Вычисление квадратного корня.
2.2.7. Возведение в степень.
2.2.8. Вычисление натурального логарифма и экспоненты.
2.2.9. Использование таблицы соответствия.
2.2.10. Нормализация и вычисление нормы.
2.2.11. Побитовые операции.
2.3. Поиск минимального, максимального и среднего значений.
2.4. Вычисление суммы элементов.
2.5. Заполнение матрицы случайными числами.
2.6. Сортировка элементов матрицы.
2.7. Сравнение элементов.
2.8. Прочие методы.
2.9. Классы MatOfByte, MatOfInt, MatOfFloat и MatOfDouble.
2.10. Классы MatOfPoint, MatOfPoint3 и MatOfRect.
Глава 3. Создание и преобразование изображений.
3.1. Загрузка изображения из файла.
3.2. Сохранение изображения в файл.
3.3. Преобразование матрицы в массив и обратно.
3.4. Преобразование цветового пространства.
3.4.1. Преобразование BGR в оттенки серого.
3.4.2. Преобразование BGR в RGB.
3.4.3. Добавление или удаление альфа-канала.
3.4.4. Преобразование BGR в HSV.
3.4.5. Преобразование BGR в HLS.
3.4.6. Преобразование BGR в Lab.
3.5. Изменение типа изображения.
3.5.1. Преобразование типа CV_8U в CV_32F.
3.5.2. Преобразование типа CV_16U в CV_32F.
3.5.3. Преобразование типа CV_8U в CV_16U.
3.6. Преобразование Mat в BufferedImage.
3.7. Преобразование Mat в WritableImage.
3.8. Сохранение матрицы в бинарный файл.
3.9. Класс CvUtils и шаблон приложения JavaFX.
3.10. Чтение кадров из видеофайла.
3.11. Захват кадров с веб-камеры.
ЧАСТЬ II. АНАЛИЗ И ОБРАБОТКА ИЗОБРАЖЕНИЯ.
Глава 4. Рисование фигур и вывод текста на изображение.
4.1. Указание цвета.
4.2. Рисование линии.
4.3. Рисование стрелки.
4.4. Рисование прямоугольника.
4.5. Рисование круга.
4.6. Рисование эллипса, дуги или сектора.
4.7. Рисование ломаной линии и многоугольника.
4.8. Вывод текста на изображение.
4.9. Создание рамки.
4.10. Вставка одного изображения в другое.
4.11. Наложение одного изображения на другое.
4.12. Рисование маркеров.
Глава 5. Трансформация изображения.
5.1. Разделение изображения на отдельные каналы.
5.2. Создание зеркального отражения.
5.3. Объединение нескольких изображений.
5.4. Повтор изображения по горизонтали и вертикали.
5.5. Изменение размеров изображения.
5.6. Аффинные преобразования.
5.6.1. Смещение, масштабирование и сдвиг.
5.6.2. Вращение.
5.7. Трансформация перспективы.
Глава 6. Изменение значений компонентов цвета.
6.1. Преобразование цветного изображения в черно-белое.
6.2. Изменение яркости и насыщенности.
6.3. Изменение цветового баланса.
6.4. Изменение контраста.
6.5. Создание негатива изображения.
6.6. Сепия.
6.7. Вычисление гистограммы.
6.8. Автоматическое выравнивание гистограммы изображения в градациях серого.
6.9. Класс CLAHE.
6.10. Метод applyColorMap().
Глава 7. Применение фильтров.
7.1. Размытие и подавление цифрового шума.
7.1.1. Метод blur(): однородное сглаживание.
7.1.2. Размытие по Гауссу.
7.1.3. Метод bilateralFilter(): двустороннее сглаживание.
7.1.4. Метод adaptiveBilateralFilter().
7.1.5. Медианный фильтр.
7.1.6. Метод boxFilter().
7.2. Методы filter2D() и sepFilter2D().
7.3. Методы dilate() и erode().
7.4. Метод morphologyEx().
7.5. Гауссовы пирамиды.
7.6. Вычисление градиентов изображения.
7.6.1. Методы Sobel() и Scharr().
7.6.2. Метод Laplacian().
7.7. Фильтр Габора.
7.8. Повышение резкости.
ЧАСТЬ III. КОМПЬЮТЕРНОЕ ЗРЕНИЕ.
Глава 8. Поиск объектов.
8.1. Поиск контуров.
8.1.1. Метод Canny(): выделение границ.
8.1.2. Метод findContours(): поиск контуров.
8.1.3. Метод drawContours(): отрисовка контура.
8.1.4. Основные методы для работы с контурами.
8.1.5. Сравнение контуров.
8.2. Поиск объекта по цвету.
8.3. Вычитание фона из текущего кадра.
8.4. Поиск объекта по шаблону.
8.5. Поиск прямых линий и кругов.
8.6. Класс LineSegmentDetector.
Глава 9. Сегментация изображения.
9.1. Метод watershed().
9.2. Метод pyrMeanShiftFiltering().
9.3. Метод floodFill().
9.4. Метод grabCut().
9.5. Метод kmeans().
Глава 10. Поиск особых точек.
10.1. Поиск углов.
10.1.1. Детектор углов Харриса.
10.1.2. Метод cornerMinEigenVal().
10.1.3. Метод preCornerDetect().
10.1.4. Метод goodFeaturesToTrack().
10.1.5. Уточнение местоположения углов.
10.2. Поиск ключевых точек.
10.2.1. Класс KeyPoint.
10.2.2. Класс MatOfKeyPoint.
10.2.3. Отрисовка ключевых точек.
10.2.4. Класс FeatureDetector.
10.3. Сравнение ключевых точек.
10.3.1. Класс DescriptorExtractor.
10.3.2. Класс DMatch.
10.3.3. Класс MatOfDMatch.
10.3.4. Отрисовка найденных совпадений.
10.3.5. Класс DescriptorMatcher.
10.4. Создание панорамы.
10.5. Класс Feature2D.
Глава 11. Каскады Хаара.
11.1. Класс CascadeClassifier.
11.2. Поиск лиц.
11.3. Поиск глаз.
11.4. Поиск улыбки.
11.5. Поиск носа.
Заключение.
Приложение. Описание электронного архива.
Предметный указатель.

Купить .



Хештеги: #учебник по программированию :: #программирование :: #Прохоренок :: #компьютерное зрение :: #матрица :: #фильтр :: #изображение