前言

本书内容是关于OpenCV的Python绑定的。从经典技术到先进技术，从几何知识到机器学习，读者将学习大量的技术和算法。在构建良好应用程序的过程中，这些内容都有助于解决实际的计算机视觉问题。在使用OpenCV 4和Python 3的过程中，我们所采用的方法既适用于计算机视觉新手，又适用于希望扩展和更新技能的专家。

首先，我们将介绍OpenCV 4，并解释如何基于Python 3在各种平台上安装、设置OpenCV 4。接着将介绍如何执行读取、写入、操纵和显示静态图像、视频以及摄像头回传信号等基本操作。还将介绍图像处理和视频分析，以及深度估计和分割，通过构建简单的GUI应用程序，让读者获得实践技能。接下来，将处理两类主流问题：人脸检测和人脸识别。

随着学习的深入，我们将探索物体分类和机器学习的概念，使读者能够创建和使用物体检测器及分类器，甚至跟踪电影或者摄像头回传信号中的物体。随后我们将工作扩展到3D跟踪和增强现实。最后，在开发识别手写数字的应用程序并对人的性别和年龄进行分类时，我们将学习人工神经网络（Artificial Neural Network，ANN）和深度神经网络（Deep Neural Network，DNN）。

读完本书，你将获得正确的知识和技能，以着手实际的计算机视觉项目。

目标读者

本书是为那些对计算机视觉、机器学习以及OpenCV在真实场景中的应用感兴趣的读者编写的，无论是计算机视觉新手，还是那些希望跟进OpenCV 4和Python 3的专家，都非常适合阅读本书。读者应该熟悉基本的Python编程知识，但是不需要具备图像处理、计算机视觉或机器学习的先验知识。

本书内容

第1章解释如何基于Python 3在各种平台上安装OpenCV 4。本章还提供了常见问题的处理步骤。

第2章介绍OpenCV的I/O功能。本章还讨论了GUI项目的面向对象设计，我们将在其他章节中对该GUI项目进一步开发。

第3章介绍一些转换图像所需的技术，如颜色处理、图像锐化、物体轮廓标记以及几何形状检测。

第4章展示如何使用来自深度摄像头的数据识别前景和背景区域，以将效果限制在前景或背景。

第5章介绍基于OpenCV的一些人脸检测和识别功能，以及定义特定类型的可检测物体的数据文件。

第6章展示如何在OpenCV的帮助下描述图像的特征，以及如何利用特征进行图像匹配和搜索。

第7章结合计算机视觉和机器学习算法来定位和分类图像中的物体。本章还展示了如何使用OpenCV实现这种算法组合。

第8章演示跟踪和预测视频或实时摄像头中人和物体运动的方法。

第9章将构建一个增强现实应用程序，使用摄像头、物体和运动的信息，实时地将3D图形叠加到跟踪的物体上。

第10章介绍OpenCV中的人工神经网络和深度神经网络，并说明这些内容在实际应用中的用法。

附录描述颜色曲线的概念以及利用SciPy对其进行的实现。

最佳配置

读者至少要熟练掌握Python编程语言的基本知识。推荐使用Windows、macOS或Linux开发机。你可以参考第1章中关于安装OpenCV 4、Python 3以及其他依赖项的说明。

本书采用实践教学方法，包括77个示例脚本以及示例数据。阅读本书的时候，这些示例将有助于强化概念。

本书的代码是在BSD 3条款开放源码许可下发布的，这与OpenCV本身所使用的许可相同。鼓励读者使用、修改、改进示例程序，甚至发布对这些示例程序的更改。

下载示例代码及彩色图像

本书的示例代码文件及截图、样图和视频文件，可以从http://www.packtpub.com通过个人账号下载，也可以访问华章图书官网http://www.hzbook.com，通过注册并登录个人账号下载。

本书的代码包也托管在GitHub的https://github.com/PackPublishing/Learning-opencv-4-Computer-Vision-with-Python-Third-Edition处。如果代码有更新，其上代码也会随之更新。

本书约定

文本中的代码体：指示文本中的代码字、数据库表名、文件夹名、文件名、文件扩展名、路径名、用户输入和Twitter句柄。例如“OpenCV提供了VideoCapture和VideoWriter类，它们支持各种视频文件格式”。

代码块示例：

代码块中需关注的部分加粗表示：

通常，命令行输入或输出这样表示：

对于Windows系统，命令行输入或输出这样表示：

表示警告或重要注意点。

表示提示和技巧。