ApacheCN 计算机视觉译文集 20210212 更新

新增了六个教程：

• OpenCV 图像处理学习手册
  • 零、前言
  • 一、处理图像和视频文件
  • 二、建立图像处理工具
  • 三、校正和增强图像
  • 四、处理色彩
  • 五、视频图像处理
  • 六、计算摄影
  • 七、加速图像处理
• Python3 OpenCV4 计算机视觉学习手册
  • 零、前言
  • 一、设置 OpenCV
  • 二、处理文件，相机和 GUI
  • 三、使用 OpenCV 处理图像
  • 四、深度估计和分割
  • 三、检测和识别人脸
  • 六、检索图像并将图像描述符用于搜索
  • 七、建立自定义对象检测器
  • 八、追踪对象
  • 九、相机模型和增强现实
  • 十、使用 OpenCV 的神经网络简介
  • 十一、附录 A：使用“曲线”过滤器弯曲颜色空间
• 使用计算机视觉实战项目精通 OpenCV
  • 零、前言
  • 一、Android 的卡通化器和换肤器
  • 二、iPhone 或 iPad 上基于标记的增强现实
  • 三、无标记增强现实
  • 四、使用 OpenCV 探索运动结构
  • 五、使用 SVM 和神经网络识别车牌
  • 六、非刚性人脸跟踪
  • 七、使用 AAM 和 POSIT 的 3D 头部姿势估计
  • 八、使用 EigenFace 或 Fisherfaces 的人脸识别
• OpenCV 安卓编程示例
  • 零、前言
  • 一、准备就绪
  • 二、应用 1-建立自己的暗室
  • 三、应用 2-软件扫描程序
  • 四、应用 2-应用透视校正
  • 五、应用 3-全景查看器
  • 六、应用 4 –自动自拍
• Python OpenCV 计算机视觉项目
  • 零、前言
  • 第 1 部分：模块 1
    • 一、设置 OpenCV
    • 二、处理文件，相机和 GUI
    • 三、过滤图像
    • 四、使用 Haar 级联跟踪人脸
    • 五、检测前景/背景区域和深度
  • 第 2 部分：模块 2
    • 六、检测边缘并应用图像过滤器
    • 七、对图像进行卡通化
    • 八、检测和跟踪不同的身体部位
    • 九、从图像中提取特征
    • 十、创建全景图像
    • 十一、接缝雕刻
    • 十二、检测形状和分割图像
    • 十三、对象跟踪
    • 十四、对象识别
    • 十五、立体视觉和 3D 重建
  • 第 3 部分：模块 3
    • 十六、增强现实
    • 十七、过滤器的乐趣
    • 十八、使用 Kinect 深度传感器的手势识别
    • 十九、通过特征匹配和透视变换来查找对象
    • 二十、使用运动结构重建 3D 场景
    • 二十一、跟踪视觉上显着的对象
    • 二十二、学习识别交通标志
    • 二十三、学习识别面部表情
  • 附录 A：集成 Pygame
  • 附录 B：为自定义目标生成 Haar 级联
  • 附录 C：参考书目
• 树莓派计算机视觉编程
  • 零、前言
  • 一、计算机视觉和 Raspberry Pi 简介
  • 二、为计算机视觉准备 Raspberry Pi
  • 三、Python 编程简介
  • 四、计算机视觉入门
  • 五、图像处理基础
  • 六、色彩空间，变换和阈值
  • 七、让我们发出一些声音
  • 八、高通过滤器和特征检测
  • 九、图像还原，分割和深度图
  • 十、直方图，轮廓和形态转换
  • 十一、计算机视觉的实际应用
  • 十二、结合 Mahotas 和 Jupyter
  • 十三、附录

下载

Docker

docker pull apachecn0/apachecn-cv-zh
docker run -tid -p :80 apachecn0/apachecn-cv-zh
# 访问 http://localhost:{port} 

PYPI

pip install apachecn-cv-zh
apachecn-cv-zh 
# 访问 http://localhost:{port} 

NPM

npm install -g apachecn-cv-zh
apachecn-cv-zh 
# 访问 http://localhost:{port} 

贡献指南

本项目需要校对，欢迎大家提交 Pull Request。

请您勇敢地去翻译和改进翻译。虽然我们追求卓越，但我们并不要求您做到十全十美，因此请不要担心因为翻译上犯错——在大部分情况下，我们的服务器已经记录所有的翻译，因此您不必担心会因为您的失误遭到无法挽回的破坏。（改编自维基百科）