本书第3版仍然坚持“帮助计算机视觉工程师迈出掌握OpenCV的步”的初心。本书简化数学公式，但保留了重要的数学公式。针对当前热门的计算机视觉主题，如人脸及特征点检测、姿态估计，以及基于深度卷积网络的车牌识别，展示了从构思到运行的全过程，并提供了完整的项目代码。新版本加入“为项目找到*佳OpenCV算法”、“避免OpenCV中的常见陷阱”两个章节帮助程序员从成百上千的API中进行需求权衡、设计、技术选型、优化和避免陷阱。

译者序
前言
作者简介
审阅者简介
章树莓派上的卡通化和皮肤颜色分析1
1.1访问摄像头2
1.2桌面应用程序的相机处理主循环4
1.2.1生成黑白素描4
1.2.2生成彩色绘画和卡通6
1.2.3用边缘滤波器来生成邪恶模式8
1.2.4用皮肤检测来生成外星人造型9
1.3皮肤变色器的实现12
1.4从桌面移植到嵌入式设备19
1.4.1用于开发嵌入式设备代码的设备配置21
1.4.2在嵌入式设备上安装OpenCV27
1.5小结39
第2章使用SfM模块从运动中恢复结构40
2.1技术要求40
2.2SfM的核心概念41
2.2.1相机标定和对极几何42
2.2.2立体重建和SfM45
2.3在OpenCV中实现SfM48
2.3.1图像特征匹配48
2.3.2找到特征轨迹52
2.3.33D重建和可视化55
2.3.4用于稠密重建的MVS57
2.4小结60
第3章使用人脸模块进行人脸特征点及姿态检测61
3.1技术要求61
3.2背景和理论63
3.2.1主动外观模型与受约束的局部模型63
3.2.2回归方法64
3.3OpenCV中的人脸特征点检测65
3.4基于特征点的人脸方向估计68
3.4.1估计姿态计算69
3.4.2将姿态投影到图像上70
3.5小结71
第4章基于深度卷积网络的车牌识别72
4.1ANPR简介72
4.2ANPR算法74
4.3车牌检测77
4.3.1分割78
4.3.2分类84
4.4车牌识别87
4.4.1OCR分割88
4.4.2基于卷积神经网络的字符分类89
4.5小结105
第5章通过DNN模块进行人脸检测和识别106
5.1介绍人脸检测和人脸识别106
5.1.1人脸检测108
5.1.2人脸预处理116
5.1.3收集人脸并从中学习127
5.1.4人脸识别138
5.1.5收尾工作——保存和加载文件141
5.1.6收尾工作——制作一个漂亮的、交互体验好的GUI141
5.2小结153
5.3参考文献154
第6章Web计算机视觉之初识OpenCV.js155
6.1什么是OpenCV.js155
6.2编译OpenCV.js157
6.3OpenCV.js开发基础159
6.4访问摄像头流165
6.5图像处理和基本用户界面169
6.5.1阈值滤波器170
6.5.2高斯滤波器170
6.5.3canny滤波器170
6.6浏览器中的光流174
6.7在浏览器中使用Haar级联分类器进行人脸检测178
6.8小结180
第7章使用ArUco模块的Android相机校准和AR182
7.1技术要求182
7.2增强现实和姿态估计183
7.2.1相机校准184
7.2.2用于平面重建的增强现实标记186
7.3Android系统中的相机访问188
7.4使用ArUco进行相机校准191
7.5使用jMonkeyEngine实现增强现实195
7.6小结196
第8章带有拼接模块的iOS全景图198
8.1技术要求198
8.2全景图像拼接方法199
8.2.1全景图的特征提取和鲁棒匹配200
8.2.2变形图像，以便全景创建203
8.3项目概况204
8.4用CocoaPods设置iOSOpenCV项目204
8.5用于全景捕捉的iOSUI205
8.6Objective-C++包装器中的OpenCV拼接209
8.7小结212
8.8进一步阅读212
第9章为项目找到最佳OpenCV算法213
9.1技术要求213
9.2方案是否包含在OpenCV中214
9.3OpenCV中的算法选项215
9.4哪种算法最好217
9.5算法性能比较的示例218
9.6小结223
0章避免OpenCV中的常见陷阱224
10.1OpenCV从v1到v4的历史224
10.2OpenCV中的历史算法228
10.3常见陷阱和建议解决方案231
10.4小结236
10.5进一步阅读236