目 录__eol__第 1 部分 基于 OpenCV 的传统视觉应用__eol__第 1 章 图像生成 /2__eol__1.1 图像显示 /3__eol__1.1.1 使用 OpenCV 显示图像 /3__eol__1.1.2 使用 Matplotlib 显示图像 /3__eol__1.1.3 案例实现——使用OpenCV 显示图像 /3__eol__1.1.4 案例实现——使用Matplotlib 显示图像 /5__eol__1.2 图像读取 /6__eol__1.2.1 使用 OpenCV 读取图像 /6__eol__1.2.2 使用 Matplotlib 读取图像 /7__eol__1.2.3 案例实现——使用OpenCV 读取图像 /7__eol__1.2.4 案例实现——使用Matplotlib 读取图像 /9__eol__1.3 图像保存 /10__eol__1.3.1 使用 OpenCV 保存图像 /10__eol__1.3.2 使用 Matplotlib 保存图像/11__eol__1.3.3 案例实现——使用OpenCV 保存图像 /11__eol__1.3.4 案例实现——使用Matplotlib 保存图像 /14__eol__本章总结 /16__eol__作业与练习 /16__eol__第 2 章 OpenCV 图像处理（1） /17__eol__2.1 图像模糊 /17__eol__2.1.1 均值滤波 /17__eol__2.1.2 中值滤波 /18__eol__2.1.3 高斯滤波 /18__eol__2.1.4 案例实现 /18__eol__2.2 图像锐化 /21__eol__2.2.1 图像锐化简介 /21__eol__2.2.2 案例实现 /21__eol__本章总结 /24__eol__作业与练习 /24__eol__第 3 章 OpenCV 图像处理（2） /26__eol__3.1 OpenCV 绘图 /26__eol__3.1.1 使用 OpenCV 绘制各种图形 /26__eol__3.1.2 案例实现 /27__eol__3.2 图像的几何变换 /31__eol__3.2.1 几何变换操作 /31__eol__3.2.2 案例实现 /32__eol__本章总结 /38__eol__作业与练习 /38__eol__第 4 章 图像特征检测 /40__eol__4.1 边缘编辑和增强 /41__eol__4.1.1 Canny 边缘检测简介 /41__eol__4.1.2 案例实现 /42__eol__4.2 图像轮廓检测 /44__eol__4.2.1 轮廓查找步骤 /45__eol__4.2.2 查找轮廓函数 /45__eol__4.2.3 绘制轮廓函数 /45__eol__4.2.4 案例实现 /46__eol__4.3 图像角点和线条检测 /48__eol__4.3.1 角点的定义 /48__eol__4.3.2 Harris 角点简介 /48__eol__4.3.3 Harris 角点检测函数 /49__eol__4.3.4 案例实现 /49__eol__本章总结 /51__eol__作业与练习 /52__eol__第 5 章 图像特征匹配 /53__eol__5.1 ORB 关键点检测与匹配 /53__eol__5.1.1 FAST 算法 /54__eol__5.1.2 BRIEF 算法 /55__eol__5.1.3 特征匹配 /56__eol__5.1.4 代码流程 /56__eol__5.2 案例实现 /57__eol__本章总结 /59__eol__作业与练习 /59__eol__第 6 章 图像对齐与拼接 /60__eol__6.1 全景图像拼接 /60__eol__6.1.1 全景图像的拼接原理 /61__eol__6.1.2 算法步骤 /61__eol__6.1.3 Ransac 算法介绍 /62__eol__6.1.4 全景图像剪裁 /63__eol__6.2 案例实现 /64__eol__本章总结 /67__eol__作业与练习 /67__eol__第 7 章 相机运动估计 /68__eol__7.1 双目相机运动估计 /68__eol__7.1.1 相机测距流程 /68__eol__7.1.2 双目相机成像模型 /69__eol__7.1.3 极限约束 /70__eol__7.1.4 双目测距的优势 /70__eol__7.1.5 双目测距的难点 /70__eol__7.2 案例实现 /72__eol__本章总结 /82__eol__作业与练习 /83__eol__第 2 部分 基于机器学习和深度学习的视觉应用__eol__第 8 章 基于 SVM 模型的手写数字识别/85__eol__8.1 手写数字识别 /85__eol__8.1.1 手写数字图像 /85__eol__8.1.2 图像处理 /86__eol__8.2 案例实现 /87__eol__本章总结 /95__eol__作业与练习 /95__eol__第 9 章 基于 HOG+SVM 的行人检测 /96__eol__9.1 行人检测 /96__eol__9.1.1 HOG+SVM /96__eol__9.1.2 检测流程 /97__eol__9.1.3 滑动窗口 /98__eol__9.1.4 非极大值抑制 /100__eol__9.2 案例实现 /101__eol__本章总结 /109__eol__作业与练习 /109__eol__第 10 章 数据标注 /110__eol__10.1 目标检测数据标注 /110__eol__10.1.1 数据收集与数据标注 /111__eol__10.1.2 数据标注的通用规则 /112__eol__10.1.3 案例实现 /113__eol__10.2 视频目标跟踪数据标注 /118__eol__10.2.1 视频与图像数据标注的差异 /118__eol__10.2.2 案例实现 /119__eol__本章总结 /127__eol__作业与练习 /127__eol__第 11 章 水果识别 /128__eol__11.1 LeNet-5 模型的训练与评估 /128__eol__11.1.1 卷积层 /129__eol__11.1.2 池化层 /130__eol__11.1.3 ReLU 层 /131__eol__11.1.4 LeNet-5 模型 /131__eol__11.1.5 Keras /132__eol__11.1.6 案例实现 /133__eol__11.2 LeNet-5 模型的应用 /139__eol__11.2.1 使用 OpenCV 操作摄像头 /139__eol__11.2.2 OpenCV 的绘图功能 /140__eol__11.2.3 OpenCV 绘图函数的常见参数 /140__eol__11.2.4 Keras 模型的保存和加载 /140__eol__11.2.5 案例实现 /142__eol__本章总结 /145__eol__作业与练习 /145__eol__第 12 章 病虫害识别 /147__eol__12.1 植物叶子病虫害识别 /147__eol__12.1.1 PlantVillage 数据集 /148__eol__12.1.2 性能评估 /148__eol__12.1.3 感受野 /149__eol__12.2 案例实现 /149__eol__本章总结 /161__eol__作业与练习 /162__eol__第 13 章 相似图像搜索 /163__eol__13.1 以图搜图 /163__eol__13.1.1 VGG 模型 /164__eol__13.1.2 H5 模型文件 /165__eol__13.1.3 案例实现 /166__eol__13.2 人脸识别 /173__eol__13.2.1 人脸检测 /173__eol__13.2.2 分析面部特征 /174__eol__13.2.3 人脸识别特征提取 /175__eol__13.2.4 人脸相似性比较 /176__eol__13.2.5 案例实现 /176__eol__本章总结 /184__eol__作业与练习 /185__eol__第 14 章 多目标检测 /186__eol__14.1 人脸口罩佩戴检测 /186__eol__14.1.1 目标检测 /187__eol__14.1.2 YOLO 模型 /188__eol__14.1.3 YOLOv3 模型 /190__eol__14.1.4 YOLOv3-Tiny 模型 /191__eol__14.2 案例实现 /192__eol__本章总结 /198__eol__作业与练习 /198__eol__第 15 章 可采摘作物检测 /199__eol__15.1 番茄成熟度检测 /199__eol__15.1.1 数据集 /200__eol__15.1.2 RCNN 模型 /201__eol__15.1.3 SPP-Net 模型 /202__eol__15.1.4 Fast-RCNN 模型 /202__eol__15.1.5 Faster-RCNN 模型 /202__eol__15.1.6 Mask-RCNN 模型 /203__eol__15.2 案例实现 /204__eol__本章总结 /213__eol__作业与练习 /213__eol__第 16 章 智能照片编辑 /214__eol__16.1 图像自动着色 /