零、前言
简而言之，这本书是有关使用 OpenCV 的计算机视觉的，它是计算机视觉（也是机器学习）库和 Python 编程语言。 您可能想知道为什么使用 OpenCV 和 Python？ 这确实是一个好问题，我们将在本书的第一章中解决。 总而言之，OpenCV 是最好的开源计算机视觉库（BSD 许可证，它对学术和商业都是免费的），提供了 2500 多种优化算法，包括最新的计算机视觉算法，并且还具有机器学习和深度学习支持。 OpenCV 用优化的 C/C++ 编写，但是提供了 Python 包装器。 因此，该库可以在您的 Python 程序中使用。 从这个意义上讲，Python 被认为是科学计算的理想语言，因为它可以刺激快速原型开发，并为计算机视觉项目的各个方面提供了许多预构建的库。
如前一段所述，您可以在项目中使用许多预构建的库。 确实，在本书中，我们使用了很多库，向您展示了安装和使用新库确实非常容易。 本书中将使用 Matplotlib，scikit-image，SciPy，Dlib，人脸识别，Pillow，Cvlib，Keras，TensorFlow 和 Flask 之类的库来向您展示 Python 生态系统的潜力。 如果您是第一次阅读这些库，请不要担心，因为我们为几乎所有这些库引入了 hello world 示例。
这本书是使用 Python 和 OpenCV 使用各种技术（例如面部识别，目标跟踪，增强现实，对象检测和分类等）创建高级应用的完整资源。 此外，本书 探索了使用 Python 生态系统在机器视觉应用中机器学习和深度学习技术的潜力。
现在该深入了解本书的内容了。 我们将向您介绍本书的内容，包括一段简短的段落，介绍本书的每一章。 所以，让我们开始吧！
这本书是给谁的
本书非常适合具有 Python 基本编程知识的学生，研究人员和开发人员，这些知识对于计算机视觉来说是新手，他们想更深入地研究这个世界。 假定读者以前有使用 Python 的经验。 对图像数据（例如，像素和颜色通道）的基本理解也将有所帮助，但不是必需的，因为本书中涵盖了这些概念。 最后，需要标准的数学技能。
本书涵盖的内容
第 1 章，“设置 OpenCV”显示了如何安装开始使用 Python 和 OpenCV 进行编程所需的所有内容。 还将向您介绍一般的术语和概念，以使您将学到的内容相关联，并使用 OpenCV 建立和设置与计算机视觉主要概念相关的基础。
第 2 章，“OpenCV 中的图像基础”演示了如何开始编写您的第一个脚本，以向您介绍 OpenCV 库。
第 3 章，“处理文件和图像”向您展示如何处理文件和图像，这是构建计算机视觉应用所必需的。
第 4 章，“在 OpenCV 中构建基本形状”涵盖了如何使用 OpenCV 库绘制形状-从基本形状到更高级的形状。
第 5 章，“图像处理技术”介绍了计算机视觉项目所需的大多数常见图像处理技术。
第 6 章，“构造和构建直方图”展示了如何创建和理解直方图，这是了解图像内容的强大工具。
第 7 章，“阈值处理技术”介绍了计算机视觉应用所需的主要阈值处理技术，这些技术是图像分割的关键过程。
第 8 章，“轮廓检测，滤波和绘图”显示了如何处理轮廓，这些轮廓用于形状分析以及对象检测和识别。
第 9 章，“增强现实”，教您如何构建第一个增强现实应用。
第 10 章，“使用 OpenCV 的机器学习”向您介绍机器学习的世界。 您将看到如何在计算机视觉项目中使用机器学习。
第 11 章，“人脸检测，跟踪和识别”展示了如何使用最新算法，结合人脸检测，跟踪和识别来创建人脸处理项目 。
第 12 章，“深度学习简介”向您介绍使用 OpenCV 进行深度学习的世界，以及一些深度学习 Python 库（TensorFlow 和 Keras）。
第 13 章，“使用 Python 和 OpenCV 的移动和 Web 计算机视觉”展示了如何使用 Flask 创建计算机视觉和深度学习 Web 应用。
充分利用这本书
为了充分利用本书，您必须考虑两个简单但重要的考虑因素：
- 由于本书中的所有脚本和示例均使用 Python，因此假定您具备一些 Python 编程的基本知识。
- NumPy 和 OpenCV-Python 包高度互连（您将在本书中了解原因）。 尽管已经充分说明了 NumPy 的示例，但是如果在开始本书之前获得了一些 NumPy 的知识，则可以缓解学习曲线。
下载示例代码文件
您可以从 www.packt.com 的帐户中下载本书的示例代码文件。 如果您在其他地方购买了此书，则可以访问 www.packt.com/support 并注册以将文件直接通过电子邮件发送给您。
您可以按照以下步骤下载代码文件：
- 登录或注册 www.packt.com 。
- 选择支持选项卡。
- 单击代码下载和勘误。
- 在搜索框中输入书籍的名称，然后按照屏幕上的说明进行操作。
下载文件后，请确保使用以下最新版本解压缩或解压缩文件夹：
- Windows 的 WinRAR/7-Zip
- Mac 的 Zipeg/iZip/UnRarX
- Linux 的 7-Zip/PeaZip
本书的代码包也托管在 GitHub 上。 如果代码有更新，它将在现有 GitHub 存储库上进行更新。
我们还从这里提供了丰富的书籍和视频目录中的其他代码包。 去看一下！
下载彩色图像
我们还提供了 PDF 文件，其中包含本书中使用的屏幕截图/图表的彩色图像。 您可以在此处下载。
使用约定
本书中使用了许多文本约定。
CodeInText：指示文本，数据库表名称，文件夹名称，文件名，文件扩展名，路径名，虚拟 URL，用户输入和 Twitter 句柄中的代码字。 这是一个示例：“接下来提供build_sample_image()的代码。”
代码块设置如下：
channels = cv2.split(img)
eq_channels = []
for ch in channels:
eq_channels.append(cv2.equalizeHist(ch))
当我们希望引起您对代码块特定部分的注意时，相关行或项目以粗体显示：
Hu moments (original): '[ 1.92801772e-01 1.01173781e-02 5.70258405e-05 1.96536742e-06 2.46949980e-12 -1.88337981e-07 2.06595472e-11]'
Hu moments (rotation): '[ 1.92801772e-01 1.01173781e-02 5.70258405e-05 1.96536742e-06 2.46949980e-12 -1.88337981e-07 2.06595472e-11]'
Hu moments (reflection): '[ 1.92801772e-01 1.01173781e-02 5.70258405e-05 1.96536742e-06 2.46949980e-12 -1.88337981e-07 -2.06595472e-11]'
任何命令行输入或输出的编写方式如下：
$ mkdir opencv-project
$ cd opencv-project
粗体：表示新术语，重要单词或您在屏幕上看到的单词。 例如，菜单或对话框中的单词会出现在这样的文本中。 这是一个示例：“从管理面板中选择系统信息。”
警告或重要提示如下所示。
提示和技巧如下所示。
