图书详情

图书信息

图书目录

数字化资源

计算机视觉应用开发案例教程（OpenCV）

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。

作者：

袁文韬李雅峰刘卓亚主编

定价：

45.00 元

出版时间：

2026-07-09

ISBN：

978-7-04-067430-9

物料号：

67430-00

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

重点项目：

暂无

版面字数：

340千字

开本：

16开

装帧形式：

平装

版次：

最新版次
印刷时间：

2026年

目录
- 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

如无法打开或下载资源，请在电脑端（xuanshu.hep.com.cn)进行下载操作。

图书详情

计算机视觉应用开发案例教程（OpenCV）

相关图书