顶部
收藏

计算机视觉应用开发案例教程(OpenCV)


作者:
袁文韬 李雅峰 刘卓亚 主编
定价:
45.00 元
版面字数:
340.00千字
开本:
16开
装帧形式:
平装
版次:
1
最新版次
印刷时间:
2026年
ISBN:
978-7-04-067430-9
物料号:
67430-00
出版时间:
2026-07-09
读者对象:
高等职业教育
一级分类:
计算机大类
二级分类:
计算机类
三级分类:
计算机应用技术

本书依据教育部最新制定的《人工智能技术应用专业教学标准》相关人才培养要求,聚焦计算机视觉核心技术及应用实践。全书共9章,从基础入门到项目实战层层递进:首先介绍计算机视觉与OpenCV基础及环境配置,然后系统讲解图像基本操作、预处理、几何变换、特征检测与匹配、目标检测、图像分割等核心技术,并通过实时物件检测等实战项目整合所学知识,最后讲解计算机视觉与深度学习的融合应用,与当前人工智能相关产业发展方向接轨。

本书特色鲜明,以职业岗位需求为导向,依托大量行业典型应用场景案例与实践任务,帮助学习者快速掌握相关知识与技能;注重融入我国计算机视觉应用领域新发展成果,强化科技报国志向与职业素养培育。

本书配有微课视频、教学课件、授课计划、电子教案、案例源码及素材库、习题答案等丰富的数字化教学资源。与本书配套的数字课程“计算机视觉应用”在“智慧职教”平台(www.icve.com.cn)上线,学习者可登录平台进行在线学习,授课教师可调用本课程构建符合自身教学特色的SPOC,详见“智慧职教”服务指南。本书同时配有MOOC,学习者可访问“智慧职教MOOC学院”(mooc.icve.com.cn)进行在线开放课程(AI优课)学习。授课教师也可登录“高等教育出版社产品信息检索系统”(xuanshu.hep.com.cn)搜索并下载本书配套教学资源,首次使用本系统的用户,请先进行注册并完成教师资格认证。

本书适合作为高等职业院校人工智能相关专业的教学用书,也可作为计算机视觉领域从业者或技术爱好者的入门参考书。

  • 前辅文
  • 第1章 计算机视觉与OpenCV入门
    • 【工作情境】
    • 【学习目标】
    • 1.1 计算机视觉概述
      • 1.1.1 计算机视觉的定义
      • 1.1.2 计算机视觉的典型应用场景
      • 1.1.3 计算机视觉与数字图像处理的关系
    • 1.2 OpenCV简介
      • 1.2.1 OpenCV的发展历程
      • 1.2.2 OpenCV的核心功能模块
      • 1.2.3 OpenCV的官方资源
    • 1.3 OpenCV(Python)环境安装与配置
      • 1.3.1 配置Python环境
      • 1.3.2 安装OpenCV-Python库
      • 1.3.3 验证OpenCV安装结果
      • 1.3.4 常见安装故障排除
      • 1.3.5 在conda虚拟环境中配置OpenCV环境
    • 1.4 你的第一个OpenCV程序
      • 1.4.1 程序功能与核心函数
      • 1.4.2 完整代码实现
      • 1.4.3 程序运行与结果分析
      • 1.4.4 功能扩展:显示灰度图与单通道图
    • 【任务实践】
      • 任务:图像的读取和显示
    • 【拓展实训】
      • 实训1:图像基础属性分析与格式转换
      • 实训2:简单按键交互与图像保存
    • 【本章小结】
    • 【课后习题】
  • 第2章 图像的基本操作
    • 【工作情境】
    • 【学习目标】
    • 2.1 NumPy基础知识
      • 2.1.1 NumPy核心数据类型
      • 2.1.2 NumPy数组的创建
      • 2.1.3 NumPy数组的形状操作
      • 2.1.4 NumPy数组的索引与切片
      • 2.1.5 NumPy数组的迭代与运算
    • 2.2 图像属性的获取与分析
      • 2.2.1 图像属性概述
      • 2.2.2 实例:分析图像属性
    • 2.3 像素的读取与修改
      • 2.3.1 单个像素的读取与修改
      • 2.3.2 区域像素的批量修改
    • 2.4 ROI的提取与处理
      • 2.4.1 ROI提取概述
      • 2.4.2 提取人脸ROI并修改
      • 2.4.3 ROI的复制与粘贴
    • 2.5 图像通道的分离与合并
      • 2.5.1 图像通道函数简介
      • 2.5.2 实例1:通道分离与单独显示
      • 2.5.3 实例2:通道修改与合并(实现特殊效果)
      • 2.5.4 实例3:单通道扩展为3通道(灰度图转彩色图)
    • 【任务实践】
      • 任务1:图像属性分析与ROI提取
      • 任务2:通道交换实现“反色”效果
    • 【拓展实训】
      • 实训1:证件照ROI提取与背景色调整
      • 实训2:渐变图制作(灰度+彩色)
    • 【本章小结】
    • 【课后习题】
  • 第3章 图像预处理技术
    • 【工作情境】
    • 【学习目标】
    • 3.1 图像灰度化与二值化
      • 3.1.1 图像灰度化
      • 3.1.2 图像二值化
    • 3.2 图像噪声与去噪
      • 3.2.1 常见噪声类型
      • 3.2.2 图像去噪:滤波
      • 3.2.3 常见滤波方法及选择
    • 3.3 图像边缘检测
      • 3.3.1 Sobel算子
      • 3.3.2 Canny边缘检测
    • 【任务实践】
      • 任务1:身份证图像预处理
      • 任务2:噪声图像去噪对比
    • 【拓展实训】
      • 实训1:文本图像预处理
      • 实训2:硬币边缘检测与计数
    • 【本章小结】
    • 【课后习题】
  • 第4章 图像几何变换
    • 【工作情境】
    • 【学习目标】
    • 4.1 基础几何变换
      • 4.1.1 图像平移
      • 4.1.2 图像旋转
      • 4.1.3 图像缩放
      • 4.1.4 图像翻转
    • 4.2 仿射变换
      • 4.2.1 仿射变换概述
      • 4.2.2 仿射变换示例
    • 4.3 透视变换
      • 4.3.1 透视变换概述
      • 4.3.2 透视变换示例
    • 【任务实践】
      • 任务1:图像的平移、旋转与缩放变换
      • 任务2:简单透视校正
    • 【拓展实训】
      • 实训1:图像组合变换
      • 实训2:照片透视校正
    • 【本章小结】
    • 【课后习题】
  • 第5章 特征检测与匹配
    • 【工作情境】
    • 【学习目标】
    • 5.1 角点检测
      • 5.1.1 Harris角点检测
      • 5.1.2 Shi-Tomasi角点检测
    • 5.2 尺度不变特征检测
      • 5.2.1 SIFT特征检测
      • 5.2.2 ORB特征检测
    • 5.3 特征匹配
      • 5.3.1 暴力匹配
      • 5.3.2 FLANN匹配
    • 【任务实践】
      • 任务1:简单图像拼接(基于ORB特征匹配)
      • 任务2:目标识别(基于ORB特征匹配)
    • 【拓展实训】
      • 实训1:Harris与Shi-Tomasi角点检测对比
      • 实训2:ORB特征匹配与图像拼接
    • 【本章小结】
    • 【课后习题】
  • 第6章 目标检测基础
    • 【工作情境】
    • 【学习目标】
    • 6.1 Haar级联分类器基础
      • 6.1.1 Haar级联分类器概述
      • 6.1.2 核心函数与参数
      • 6.1.3 模型路径获取
    • 6.2 静态图像人脸检测
    • 6.3 人脸+眼睛联合检测
    • 6.4 实时摄像头目标检测
    • 6.5 检测参数调优技巧
    • 【任务实践】
      • 任务:静态图像人脸+眼睛联合检测
    • 【拓展实训】
      • 实训1:静态图像多人脸检测与计数
      • 实训2:人脸检测+简单美颜
    • 【本章小结】
    • 【课后习题】
  • 第7章 图像分割基础
    • 【工作情境】
    • 【学习目标】
    • 7.1 阈值分割:基于灰度差异
      • 7.1.1 全局阈值分割:手动设定阈值
      • 7.1.2 Otsu自动阈值分割
    • 7.2 轮廓分割:基于物体轮廓
    • 7.3 分水岭算法:处理重叠物体
    • 【任务实践】
      • 任务:基于Otsu自动阈值的米粒分割与计数
    • 【拓展实训】
      • 实训1:基于图像预处理、阈值分割与形态学操作的古碑文数字化修复
      • 实训2:静态图像硬币计数系统
    • 【本章小结】
    • 【课后习题】
  • 第8章 计算机视觉项目实战
    • 【工作情境】
    • 【学习目标】
    • 8.1 项目1:基于分水岭算法的重叠药片计数系统
      • 8.1.1 项目目标
      • 8.1.2 项目准备
      • 8.1.3 项目实施
      • 8.1.4 项目结果
      • 8.1.5 分析与调参
      • 8.1.6 工业场景落地
    • 8.2 项目2:基于YOLO模型的实时物件检测系统
      • 8.2.1 项目目标
      • 8.2.2 项目实施
      • 8.2.3 操作说明
      • 8.2.4 常见问题与解决方法
    • 【本章小结】
    • 【课后习题】
  • 第9章 计算机视觉与深度学习
    • 【工作情境】
    • 【学习目标】
    • 9.1 计算机视觉与深度学习技术融合
    • 9.2 案例实践1:MobileNet-SSD物体识别
      • 9.2.1 案例引入
      • 9.2.2 实验准备
      • 9.2.3 完整代码与步骤解析
      • 9.2.4 将物件识别结果的名称映射改为中文
      • 9.2.5 案例拓展
    • 9.3 案例实践2:基于MobileNet的工业零件分类系统
      • 9.3.1 案例引入
      • 9.3.2 实验准备
      • 9.3.3 完整代码与步骤解析
      • 9.3.4 工业场景应用拓展
    • 【任务实践】
      • 任务:基于优化数据集和训练轮次的模型训练
    • 【本章小结】
    • 【课后习题】
  • 参考文献

相关图书