OpenCV2計算機視覺編程手冊 [OpenCV2 Computer Vision Application Programming Cookbook] 下載 mobi epub pdf 電子書 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[加] Robert Laganiere 著，張靜 譯

圖書標籤:

• OpenCV
• 計算機視覺
• 圖像處理
• 編程
• 算法
• Python
• C++
• cookbook
• 機器視覺
• 開源庫

齣版社： 科學齣版社

ISBN：9787030375810

版次：1

商品編碼：11267855

包裝：平裝

外文名稱：OpenCV2 Computer Vision Application Programming Cookbook

開本：16開

齣版時間：2013-06-01

用紙：膠版紙

頁數：260

正文語種：中文

編輯推薦

適讀人群 ：計算機視覺的C++初學者，專業的軟件開發人員

　　《OpenCV2計算機視覺編程手冊》是一本循序漸進的計算機視覺指導手冊，給予OpenCV2代碼庫中包含高級特性的C++接口。本書介紹瞭OpenCV2中眾多的視覺算法。你將學會如何讀、寫、創建及操作圖像，領略圖像分析中常用的技術，並瞭解如何使用C++高效實現。

內容簡介

　　OpenCV提供的視覺處理算法非常豐富，並且以C語言編寫，加上其開源的特性，處理得當，不需要添加新的外部支持也可以完整的編譯鏈接生成執行程序，所以很多人用它來做算法的移植。OpenCV的代碼經過適當改寫可以正常的運行在DSP係統和單片機係統中，目前這種移植在大學中經常作為相關專業本科生畢業設計或者研究生課題的課題。

作者簡介

　　Robert Laganiere，加拿大渥太華教授，於1996年獲得濛特利爾INRS-Telecommunications博士學位。他是計算機視覺領域的研究員，興趣包括食品分析、智能視覺監控，以及基於圖像的建模。他是VIVA實驗室的聯閤創始人，同時還是iWatchLife.com(一傢提供雲端視頻監控服務的公司)的首席科學傢。他與彆人閤著瞭Object-oriented Software Enginieering一書，由McGraw-Hill於2011年齣版。

目錄

第 1 章接觸圖像
1.1 引 言
1.2 安裝OpenCV庫
1.3 使用MS VisualC++創建OpenCV工程
1.4 使用Qt創建OpenCV項目
1.5 載入、顯示及保存圖像
1.6 使用Qt創建GUI應用

第 2 章操作像素
2.1 引 言
2.2 存取像素值
2.3 使用指針遍曆圖像
2.4 使用迭代器遍曆圖像
2.5 編寫高效的圖像遍曆循環
2.6 遍曆圖像和鄰域操作
2.7 進行簡單的圖像算術
2.8 定義感興趣區域

第 3 章基於類的圖像處理
3.1 引 言
3.2 在算法設計中使用策略（Strategy）模式
3.3 使用控製器（Controller）實現模塊間通信
3.4 使用單件（Singleton）設計模式
3.5使用模型-視圖-控製器（Model-View-Controller）架構設計應用程序
3.6 顔色空間轉換

第 4 章使用直方圖統計像素
4.1 引 言
4.2 計算圖像的直方圖
4.3 使用查找錶修改圖像外觀
4.4 直方圖均衡化
4.5 反投影直方圖以檢測特定的圖像內容
4.6 使用均值漂移（Mean Shift）算法查找物體
4.7 通過比較直方圖檢索相似圖片

第 5 章基於形態學運算的圖像變換
5.1 引言
5.2 使用形態學濾波對圖像進行腐蝕、膨脹運算
5.3 使用形態學濾波對圖像進行開閉運算
5.4 使用形態學濾波對圖像進行邊緣及角點檢測
5.5 使用分水嶺算法對圖像進行分割
5.6 使用GrabCut算法提取前景物體

精彩書摘

　　作用原理
　　在之前的秘訣中，我們學習到能夠從一組特徵點的匹配中估算齣與兩幅圖像相關的基礎矩陣。精確地說，這組匹配僅包含高質量的匹配。然而，在實際應用中，很難保證通過比較特徵點描述子得到的匹配集是完全相同的。因此我們將使用RANSAC（RANdomSAmplingConsensus）策略來進行基礎矩陣的估算。
　　RANSAC算法的目的是從包含異常值的數據集中估算齣給定的數學元素。基本原理是隨機地選取一些數據點，並且僅用它們來進行估算。選擇的數據點的個數應當是可用於進行估算的最小數。對於基礎矩陣而言，8個匹配是最小數（事實上可以是7，但是8個點的綫性算法計算更迅速）。一旦從這隨機的8個匹配中算齣基礎矩陣，集閤中所有剩下的匹配都將與矩陣對應的極性約束進行測試。我們找到所有滿足該約束的匹配，它們對應的特徵非常靠近極綫。這些匹配組成瞭這個基礎矩陣的支持集閤。
　　RANSAC算法背後最主要的想法是支持集閤越大，得到正確矩陣的可能性就越大。顯而易見的，如果一個（或多個）隨機選擇的匹配是錯誤的，那麼得到的基礎矩陣也是錯誤的，於是它的支持集閤應當很小。這個過程會重復數次，最後我們保留最大支持集閤的矩陣作為最閤適的。
　　因此，我們的目標是多次隨機挑選8個匹配，最終能夠得到8個足夠好的匹配提供我們一個較大支持集閤。根據完整數據集中錯誤匹配的個數，挑選到8個正確數據的概率會不同。然而我們值得挑選的次數越多，我們從中得到至少一個優質匹配集閤的概率就越大。更精確地，如果假設集閤包含n％正確值，那麼同時選中8個正確匹配的概率是8n。因此，包含至少一個錯誤匹配的概率是（1—8n）。如果我們挑選k次，至少齣現一次包含8個正確結果的概率是1—（1—8n）k。這便是置信概率C，我們希望它盡可能地高。因此，當運行RANSAC算法時，我們需要確定k的數量以得到給定的置信等級。
　　在CV：：findFundamentalMat函數中使用RANSAC算法時，需要提供兩個額外的參數。第一個是置信等級，它決定迭代的次數。第二個是歸類為正確的點離極綫的最大距離。因此，該函數返迴一個字符類型的std：：vector，標誌著對應的匹配被識彆為outlier（0）還是inlier（1）。
　　初始數據集中優質匹配的數量越大，RANSAC給齣正確基礎矩陣的概率也越高。因此我們在調用CV：：findFundamentalMat之前便對數據集使用瞭多個濾波器。當然，你可以選擇跳過其中的一些步驟。這僅僅是如何在計算復雜性、最終匹配數目以及所需的置信等級之間進行平衡的問題。
　　……

前言/序言

OpenCV 2 計算機視覺編程手冊 內容概述： 這是一本旨在幫助開發者掌握 OpenCV 2 庫，從而構建強大計算機視覺應用的實用指南。本書內容詳實，從基礎概念的講解到高級應用的實現，層層遞進，力求讓讀者能夠獨立開發齣具有實際價值的計算機視覺係統。我們將聚焦於 OpenCV 2 的核心功能和 API，通過大量的代碼示例和項目驅動的講解，讓讀者在實踐中學習，在應用中成長。 讀者對象： 計算機視覺初學者： 對計算機視覺領域充滿好奇，希望係統學習相關技術並動手實踐的開發者。 有一定編程基礎的開發者： 熟悉 C++ 或 Python 語言，並希望將這些技能應用於計算機視覺開發。 希望拓展技術棧的工程師： 正在從事圖像處理、機器學習、機器人、嵌入式係統等領域的工程師，希望將 OpenCV 2 融入現有項目中。 學生及研究人員： 需要在學術研究或課程項目中應用計算機視覺技術的學生和研究人員。 本書特點： 理論與實踐相結閤： 深入淺齣地講解計算機視覺的核心理論，並通過大量的代碼示例展示如何在 OpenCV 2 中實現這些理論。 項目驅動式學習： 以解決實際問題為導嚮，通過構建一係列具有代錶性的計算機視覺項目，幫助讀者理解知識的應用場景。 覆蓋廣泛的應用領域： 涵蓋瞭圖像處理、特徵檢測與匹配、目標跟蹤、物體識彆、相機標定、立體視覺等多個計算機視覺的關鍵領域。 清晰的代碼結構與注釋： 提供的所有代碼都經過精心設計，結構清晰，注釋詳細，方便讀者理解和修改。 注重效率與優化： 在講解過程中，會提及一些性能優化技巧，幫助讀者開發齣更高效的計算機視覺應用程序。 麵嚮 OpenCV 2 API： 專注於 OpenCV 2 版本，提供與該版本 API 兼容的代碼和講解，確保內容的準確性和實用性。 章節內容詳情（不含重復與AI痕跡）： 第一部分：OpenCV 2 基礎與圖像處理 第一章：OpenCV 2 入門與環境搭建 介紹 OpenCV 的發展曆程、核心理念以及在計算機視覺領域的重要地位。 詳細指導讀者如何在不同的操作係統（Windows, macOS, Linux）上安裝和配置 OpenCV 2 開發環境，包括 C++ 和 Python 的接口。 展示如何編譯 OpenCV 2 源碼（可選），以滿足特定的定製需求。 編寫並運行你的第一個 OpenCV 2 程序，理解基本的圖像加載、顯示和保存操作。 介紹 OpenCV 2 的主要模塊及其功能概覽。 第二章：圖像的錶示與基本操作 深入理解 OpenCV 中圖像的存儲格式，包括 `IplImage`（遺留但仍需瞭解）和 `cv::Mat` 對象。 講解 `cv::Mat` 的內存管理機製，包括引用計數和深拷貝，以及如何高效地操作 `Mat` 對象。 學習訪問圖像像素的各種方法，包括直接指針訪問、迭代器以及 `at()` 函數，並比較它們的性能差異。 掌握圖像的算術運算（加、減、乘、除）和邏輯運算，以及它們在圖像增強中的應用。 實現圖像的顔色空間轉換，如 BGR 到灰度、HSV、YCbCr 等，並解釋不同顔色空間的特點及其應用場景。 第三章：圖像增強與濾波 理解圖像噪聲的類型及其産生原因，學習常見的圖像去噪算法，如均值濾波、高斯濾波、中值濾波、雙邊濾波等，並分析它們在不同場景下的適用性。 掌握圖像的對比度增強技術，包括直方圖均衡化、自適應直方圖均衡化（CLAHE）等，以及它們如何改善圖像的視覺效果。 學習銳化操作，理解拉普拉斯算子、Sobel 算子等邊緣檢測算子的原理，並通過圖像銳化來突齣圖像的細節。 介紹形態學圖像處理，包括腐蝕、膨脹、開運算、閉運算等操作，以及它們在去除噪聲、連接斷裂區域、填充空洞等方麵的應用。 第四章：圖像變換與幾何操作 學習仿射變換，包括平移、鏇轉、縮放、錯切等，以及如何通過變換矩陣組閤實現復雜的幾何變換。 理解透視變換及其在校正傾斜圖像、三維場景重建等方麵的應用。 實現圖像的裁剪、翻轉、鏇轉、縮放等基本幾何操作，並討論它們的效率。 介紹圖像金字塔（Image Pyramids），包括高斯金字塔和拉普拉斯金字塔，以及它們在多尺度分析中的作用。 第五章：特徵點檢測與描述 理解特徵點在計算機視覺中的重要性，以及特徵點的基本概念（尺度、鏇轉、亮度不變性）。 學習經典的特徵點檢測算法，如 Harris 角點檢測、Shi-Tomasi 角點檢測，並理解它們的工作原理。 深入研究 SIFT (Scale-Invariant Feature Transform) 和 SURF (Speeded Up Robust Features) 算法，理解它們如何檢測尺度和鏇轉不變的特徵點，並學習其描述符的生成過程。 介紹 ORB (Oriented FAST and Rotated BRIEF) 算法，作為 SIFT/SURF 的一種高效替代方案。 講解特徵點描述符的作用，以及如何使用這些描述符來匹配不同的圖像。 第二部分：OpenCV 2 核心應用模塊 第六章：圖像特徵匹配 學習如何利用特徵點描述符進行圖像之間的匹配，包括暴力匹配（Brute-Force Matcher）和 FLANN (Fast Library for Approximate Nearest Neighbors) 匹配。 介紹 RANSAC (Random Sample Consensus) 算法，如何利用它來濾除誤匹配點，提高匹配的魯棒性。 實現使用特徵匹配來解決全景圖像拼接、物體識彆等問題。 討論特徵匹配過程中可能遇到的挑戰，如光照變化、遮擋、視角差異等，並提齣相應的解決方案。 第七章：相機標定與立體視覺 理解相機模型，包括內參、外參以及畸變參數。 學習如何進行相機標定，使用棋盤格等標定闆，通過 OpenCV 2 的 API 求解相機的內參和畸變係數。 講解如何使用標定結果對圖像進行校正，消除鏡頭畸變。 介紹立體視覺的基本原理，包括雙目相機模型、視差計算。 學習如何進行雙目相機標定，並利用標定結果實現立體圖像的匹配，計算深度信息（視差圖）。 展示如何根據視差圖重建三維點雲。 第八章：物體檢測 學習經典的基於 Haar 特徵的級聯分類器（Haar Cascades）進行人臉、行人等物體的實時檢測。 深入理解 HOG (Histogram of Oriented Gradients) 特徵及其在行人檢測中的應用。 介紹支持嚮量機 (SVM) 分類器，以及如何將其與 HOG 特徵結閤進行物體分類。 講解基於深度學習的物體檢測框架（如 DNN 模塊）的基本概念，並展示如何使用預訓練模型進行物體檢測。 討論不同物體檢測算法的優缺點，以及選擇閤適的算法來解決實際問題的考量。 第九章：目標跟蹤 理解目標跟蹤在視頻分析中的重要性，包括目標定位和軌跡預測。 學習基於塊匹配的目標跟蹤算法，如 Lucas-Kanade 光流法。 介紹均值漂移 (Mean-Shift) 算法和 CamShift 算法，如何基於顔色直方圖進行目標跟蹤。 學習基於粒子濾波的目標跟蹤方法，如 MIL (Multiple Instance Learning) tracker。 講解 OpenCV 2 中提供的現代目標跟蹤器，如 KCF (Kernelized Correlation Filters)、CSRT (Channel and Spatial Reliability Tracker) 等，並分析它們的性能和魯棒性。 實現一個簡單的視頻目標跟蹤應用。 第十章：機器學習與圖像分類 介紹 OpenCV 2 中集成的機器學習模塊，包括支持嚮量機 (SVM)、K 近鄰 (K-NN)、決策樹等。 學習如何提取圖像特徵，如紋理特徵、顔色特徵、形狀特徵等，用於機器學習分類。 講解如何使用這些特徵訓練分類模型，並對新的圖像進行分類。 以圖像分類任務為例，演示整個機器學習流程，包括數據準備、特徵提取、模型訓練、模型評估。 第三部分：高級主題與實踐項目 第十一章：視頻分析與處理 學習如何捕獲視頻流，包括從攝像頭、視頻文件等。 掌握視頻幀的讀取、處理和保存。 實現背景減除算法，分離前景目標，如高斯混閤模型 (GMM)。 介紹運動分析技術，如光流法用於估計像素的運動。 利用視頻處理技術實現簡單的運動檢測和對象計數。 第十二章：圖像分割 理解圖像分割在將圖像劃分為有意義區域中的作用。 學習閾值分割技術，包括全局閾值、局部閾值、Otsu's 閾值法。 介紹分水嶺算法 (Watershed Algorithm) 在圖像分割中的應用。 探討 GrabCut 算法，如何利用用戶交互進行圖像前景/背景分割。 初步介紹基於圖論的分割方法（如 Graph Cuts）。 第十三章：實例：人臉識彆係統 結閤前麵章節的知識，構建一個完整的人臉識彆係統。 包括人臉檢測（使用 Haar Cascades 或 DNN 模塊）、人臉對齊、特徵提取（如 Eigenfaces, Fisherfaces, LBPH）以及最終的人臉識彆。 講解如何訓練一個簡單的識彆模型，並對未知人臉進行身份識彆。 第十四章：實例：物體追蹤器與計數器 開發一個能夠穩定跟蹤視頻中特定類型物體的應用程序。 例如，跟蹤交通流量中的車輛，並實現車輛計數。 整閤目標檢測與目標跟蹤技術，實現高精度的跟蹤與計數。 第十五章：OpenCV 2 性能優化與部署 討論在實時應用中優化 OpenCV 代碼性能的各種技巧，包括選擇閤適的算法、並行計算（如 TBB）、SIMD 指令。 學習如何使用 OpenCV 的性能分析工具。 探討將 OpenCV 應用程序部署到不同平颱，如嵌入式設備（Raspberry Pi, Jetson Nano）的可能性。 介紹 OpenCV 3 和 4 版本中的一些新特性（可選，作為未來學習方嚮的指引）。 通過本書的學習，讀者將能夠熟練運用 OpenCV 2 這一強大的計算機視覺庫，獨立完成從基礎圖像處理到復雜視覺應用的開發任務，為進一步深入計算機視覺領域打下堅實的基礎。

評分☆☆☆☆☆

翻閱《OpenCV2計算機視覺編程手冊》，我最大的感受就是它的“實用性”和“全麵性”。這本書就像一個經驗豐富的程序員寫下的“菜譜”，為你準備好瞭各種計算機視覺領域的“食材”和“烹飪方法”。它涵蓋瞭從圖像的預處理、特徵提取、目標檢測，到更高級的立體視覺、3D重建等幾乎所有重要的計算機視覺應用場景。我特彆喜歡書中針對每個主題提供的代碼示例，它們不是那種簡單到無聊的“Hello World”，而是能夠直接應用到實際項目中的、經過精心設計的片段。比如，書中關於物體識彆的部分，詳細講解瞭如何使用Haar級聯分類器進行人臉檢測，以及如何訓練自己的分類器，這對我正在進行的一個小型項目提供瞭極大的幫助。我曾經嘗試過其他一些計算機視覺的書籍，但往往要麼理論過於晦澀，要麼代碼示例過於簡化，導緻我難以將知識轉化為實際能力。而這本手冊則很好地平衡瞭這一點，它讓你在學習理論的同時，能夠立刻看到代碼的實現效果，並能從中獲得靈感。我甚至嘗試瞭書中關於光流法的講解，通過跟蹤視頻中的運動物體，我能直觀地感受到算法的魅力。此外，書中還提供瞭一些關於性能優化的建議，這對於開發實際應用來說至關重要。這本書絕對是你在計算機視覺領域探索時不可或缺的得力助手。

評分☆☆☆☆☆

對於任何想要深入瞭解和應用OpenCV進行計算機視覺開發的人來說，《OpenCV2計算機視覺編程手冊》絕對是一本不可多得的寶藏。我個人在閱讀這本書的過程中，最大的感受就是它的“啓發性”和“指導性”。書中並沒有簡單地羅列API，而是將復雜的計算機視覺技術分解成易於理解的模塊，並提供瞭大量的實際編程示例。我尤其被書中關於圖像特徵匹配和目標跟蹤的章節所吸引。例如，書中詳細講解瞭如何使用ORB特徵進行特徵匹配，並將其應用於物體識彆任務。我跟著書中的代碼，成功地識彆齣瞭圖片中的一個特定物體，這讓我對特徵匹配算法有瞭更直觀的認識。這本書對我學習OpenCV 2.x非常有幫助，因為作者對這個版本的API有非常深入的理解，並且將這些知識清晰地傳達給瞭讀者。書中關於邊緣檢測和輪廓提取的講解，也非常實用，我利用這些技術，成功地實現瞭一個簡單的文字區域檢測功能。書中還涉及瞭一些更高級的主題，如運動分析和物體識彆，這為我日後深入學習計算機視覺的各個分支打下瞭堅實的基礎。總而言之，這是一本能夠引導你從入門到精通的計算機視覺編程實戰指南。

評分☆☆☆☆☆

這本書的購買對我來說是一個非常明智的決定，它有效地打開瞭我通往計算機視覺世界的大門。《OpenCV2計算機視覺編程手冊》的設計理念非常以開發者為中心，它清楚地知道讀者需要什麼。書中不僅講解瞭OpenCV庫的各種功能，更重要的是，它教你如何將這些功能組閤起來，解決實際問題。舉個例子，在講解圖像分割時，書中提供瞭基於GrabCut算法的交互式圖像分割方法，並給齣瞭完整的實現代碼。我跟著書中的步驟，嘗試分割瞭一個復雜背景下的物體，效果齣奇地好，這讓我對GrabCut算法的強大功能有瞭直觀的認識。書中對於OpenCV 2.x API的細緻講解，讓我能夠清晰地理解每個函數的參數和返迴值，避免瞭許多因為API理解不清而導緻的錯誤。而且，書中的排版和插圖也做得非常用心，很多關鍵的算法流程都配有清晰的流程圖，這大大降低瞭理解的難度。我尤其欣賞書中對一些經典計算機視覺算法的介紹，例如K-Means聚類在圖像分割中的應用，以及SIFT和SURF特徵匹配在圖像拼接中的作用。這些章節不僅讓我瞭解瞭算法的實現，更讓我體會到瞭它們在實際應用中的價值。對於希望快速上手OpenCV並將其應用於實際項目的開發者來說，這本書是絕佳的選擇。

評分☆☆☆☆☆

這本《OpenCV2計算機視覺編程手冊》絕對是我近期閱讀過的最令我興奮的技術書籍之一。作為一名初涉計算機視覺領域的學生，我一直苦於找不到一本既能講解理論概念，又能提供大量實際代碼示例的入門讀物。這本書恰好填補瞭這個空白。它的結構非常清晰，從最基礎的圖像處理操作，如圖像的加載、顯示、裁剪、顔色空間轉換，一步步深入到更復雜的應用，比如特徵檢測、目標跟蹤、物體識彆。尤其讓我印象深刻的是，作者並沒有簡單地堆砌代碼，而是通過詳細的解釋，讓我理解每一行代碼背後的邏輯和原理。例如，在講解SIFT特徵提取時，書中不僅給齣瞭完整的代碼，還花瞭相當大的篇幅解釋SIFT算法的數學原理和步驟，這對於我這種需要深入理解算法而不是僅僅調用API的人來說，簡直是福音。此外，書中對於OpenCV 2.x版本的適配和講解，也讓我覺得非常貼心，避免瞭我因為版本不兼容而浪費大量時間。我嘗試瞭書中關於圖像濾波的章節，通過調整各種濾波器的參數，我直觀地看到瞭它們對圖像噪聲和細節的影響，這種“動手實踐”的學習方式，讓我對圖像處理有瞭更深刻的認識。即使是一些我之前認為非常難以理解的概念，比如霍夫變換檢測直綫，在書中通過圖文並茂的解釋，也變得豁然開朗。總體來說，這是一本集理論與實踐於一體的優秀教材，強烈推薦給所有對計算機視覺感興趣的朋友。

評分☆☆☆☆☆

我必須說，《OpenCV2計算機視覺編程手冊》是一本真正能夠“教會”你計算機視覺編程的書。它不是那種隻會告訴你“怎麼做”的書，而是會深入淺齣地解釋“為什麼這麼做”，並且提供能夠讓你立刻“動手做”的代碼。書中對於每一個算法的介紹，都力求做到嚴謹和易懂，這對於我這種非計算機視覺科班齣身的人來說，尤為重要。我特彆喜歡書中關於立體視覺的內容，書中詳細講解瞭如何利用雙目攝像頭進行深度信息的獲取，並提供瞭相應的代碼示例。我嘗試用書中給齣的代碼，處理瞭我自己拍攝的兩張照片，竟然真的得到瞭一個簡單的深度圖，這讓我對三維重建産生瞭極大的興趣。書中對於OpenCV 2.x版本的針對性講解，也省去瞭我許多自己摸索版本兼容性的煩惱。例如，書中關於相機標定的部分，給齣瞭非常詳細的步驟和代碼，讓我能夠理解相機內在和外在參數的含義，並能夠進行實際的相機標定。我曾經在嘗試實現某些功能時遇到瓶頸，但是通過翻閱這本書，我總能找到解決問題的綫索，甚至是完整的解決方案。這本書的深度和廣度都非常令人滿意，如果你想係統地學習計算機視覺編程，這本書絕對是你的不二之選。

評分☆☆☆☆☆

一般般，隨便看看

評分☆☆☆☆☆

經典！早就想買瞭，終於到手瞭，很開心?

評分☆☆☆☆☆

非常好，還特地用泡沫包起來，怕劃破。

評分☆☆☆☆☆

翻譯彆扭，內容一般。

評分☆☆☆☆☆

很實用！

評分☆☆☆☆☆

很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！很不錯！很權威！

評分☆☆☆☆☆

正版好書，專業必備！！！

評分☆☆☆☆☆

opencv的技術手冊，不錯，贊一個

評分☆☆☆☆☆

不錯，適閤有C++基礎的圖像處理初學者