OpenCV圖像處理編程實例OpenCV圖像處理編程實例

 

資料來源：http://www.3dwoo.com/showBookDetail.asp?nb=43984

 

內容簡介：
本書以OpenCV開源庫為基礎實現圖像處理領域的 很多通用算法，并結合當今圖像處理領域前沿技術，對多個典型工程實例進行講解及實現。全書內容覆蓋面廣，由基礎到進階，各個技術點均提供詳細的代碼實現，以幫助讀者快速上手和深入學習。
目錄：
Part I 基礎篇 OpenCV開發基礎
第1章 初識OpenCV
1.1　OpenCV初識
1.1.1　OpenCV簡介
1.1.2　OpenCV組件及架構
1.1.3　OpenCV資源
1.2　VS2012安裝OpenCV2.4.x
1.3　VS2013安裝OpenCV3.0
1.4　Sublime下配置OpenCV
1.5　小結
第2章 圖像及視頻基本操作
2.1　圖像初級操作
2.1.1　Mat類
2.1.2　Mat基本操作
2.1.3　Mat類型轉換
2.1.4　圖像讀取顯示保存
2.1.5　圖像存儲
2.2　圖像幾何變換
2.2.1　坐標映射
2.2.2　平移
2.2.3　縮放
2.2.4　旋轉
2.2.5　仿射變換
2.3　視頻操作
2.3.1　VideoCapture類
2.3.2　視頻寫操作
2.3.3　視頻質量評價
2.4　圖像基礎應用操作
2.4.1　界面事件
2.4.2　區域提取
2.4.3　圖像元素遍歷——反色
2.4.4　單窗口顯示多幅圖像
2.4.5　圖像顏色空間轉換
2.4.6　圖像批量讀取——規則
2.4.7　圖像批量讀取——無規則
2.5　小結
Part II 進階篇 圖像處理技術
第3章 進階篇——圖像灰度變換技術
3.1　閾值化處理
3.1.1　OTSU閾值化
3.1.2　固定閾值化
3.1.3　自適應閾值化
3.1.4　雙閾值化
3.1.5　半閾值化
3.2　直方圖處理
3.2.1　灰度直方圖
3.2.2　H-S直方圖
3.2.3　BGR直方圖
3.2.4　自定義直方圖
3.2.5　灰度直方圖均衡
3.2.6　彩色直方圖均衡
3.2.7　直方圖變換——查找
3.2.8　直方圖變換——累計
3.2.9　直方圖匹配
3.2.10　直方圖對比
3.2.11　直方圖的反向投影
3.3 距離變換
3.3.1　距離
3.3.2　鄰接性
3.3.3　區域
3.3.4　距離變換——掃描
3.3.5　距離變換——distanceTransform
3.4　Gamma校正
3.5　其他常見的灰度變換技術
3.5.1　線性變換
3.5.2　對數變換
3.5.3　對比度拉伸
3.5.4　灰度級分層
3.5.5　灰度比特平面
3.6　實例應用
3.6.1　最大熵閾值分割
3.6.2　投影峰谷查找
3.7　小結
第4章 進階篇——圖像平滑技術
4.1　圖像采樣
4.1.1　最近鄰插值
4.1.2　雙線性插值
4.1.3　插值操作性能對比
4.1.4　圖像金字塔
4.2　傅里葉變換
4.2.1　圖像掩碼操作
4.2.2　離散傅里葉
4.2.3　圖像卷積
4.3　圖像噪聲
4.3.1　椒鹽噪聲
4.3.2　高斯噪聲
4.4　空間平滑
4.4.1　盒濾波
4.4.2　均值濾波
4.4.3　中值濾波
4.4.4　高斯濾波
4.4.5　雙邊濾波
4.5　實例應用
4.5.1　導向濾波
4.5.2　圖像污點修復
4.5.3　旋轉文本圖像矯正
4.6　小結
第5章 進階篇——邊緣檢測技術
5.1　邊緣檢測基礎
5.1.1　邊緣檢測概念
5.1.2　梯度算子
5.1.3　一階微分算子
5.1.4　二階微分算子
5.1.5　圖像差分運算
5.1.6　非極大值抑制
5.2　基本邊緣檢測算子——Sobel
5.2.1　非極大值抑制Sobel檢測
5.2.2　圖像直接卷積實現Sobel
5.2.3　圖像卷積下非極大值抑制Sobel
5.2.4　Sobel庫函數實現
5.3　基本邊緣檢測算子——Laplace
5.4　基本邊緣檢測算子——Roberts
5.5　基本邊緣檢測算子——Prewitt
5.6　改進邊緣檢測算子——Canny
5.6.1　Canny算子
5.6.2　Canny原理及實現
5.6.3　Canny庫函數實現
5.7　改進邊緣檢測算子——Marr-Hildreth
5.8　幾何檢測
5.8.1　霍夫變換
5.8.2　線檢測技術
5.8.3　LSD快速直線檢測
5.8.4　圓檢測技術
5.9　形狀檢測
5.9.1　輪廓檢測
5.9.2　凸包檢測
5.9.3　輪廓邊界框
5.9.4　輪廓矩
5.9.5　點多邊形測試
5.10　角點檢測
5.10.1　moravec角點
5.10.2　harris角點
5.10.3　Shi-Tomasi角點
5.11　實例應用
5.11.1　顏色圓檢測
5.11.2　車牌區域檢測
5.12　小結
第6章 進階篇——形態學技術
6.1　腐蝕膨脹操作
6.2　開閉運算操作
6.3　形態學梯度
6.4　形態學Top-Hat
6.5　實例應用
6.5.1　形態學濾波角點提取
6.5.2　車牌目標提取
6.6　小結
Part III 高級篇 圖像應用技術
第7章 高級篇——圖像分割技術
7.1　分水嶺分割
7.1.1　分水嶺的特征
7.1.2　實現分水嶺分割
7.1.3　分水嶺分割合并
7.2　FloodFill分割
7.3　均值漂移MeanShift
7.4　圖割Grabcut
7.5　實例實例
7.5.1　奇異區域檢測
7.5.2　膚色檢測
7.6　小結
第8章 高級篇——特征分析
8.1　尺度空間
8.1.1　尺度與旋轉不變性
8.1.2　特征點尺度變換
8.2　特征描述子
8.2.1 SIFT特征
8.2.2　SURF特征
8.2.3　ORB特征
8.3　方向梯度直方圖HOG
8.3.1　HOG原理
8.3.2　HOG特征提取步驟
8.3.3　HOGDescriptor特征描述類
8.3.4　HOG特征描述實現
8.4　局部二值模式LBP
8.4.1　經典LBP
8.4.2　圓形LBP
8.5　Haar特征描述
8.5.1　Haar原理
8.5.2　Haar特征提取
8.6　應用實例
8.6.1　最近鄰特征點目標提取
8.6.2　最大極值穩定區域匹配MSER
8.6.3　字符特征提取
8.6.4　車牌字符SVM訓練
8.7　小結
第9章 高級篇——復雜視頻處理技術
9.1　視頻穩像技術
9.2　圖像拼接
9.2.1　拼接原理及過程
9.2.2　圖像拼接實現
9.3　高動態范圍圖像HDR
9.3.1　HDR合成技術
9.3.2　HDR合成原理
9.3.3　OpenCV實現
9.4　背景建模
9.4.1　背景差分
9.4.2　混合高斯背景建模
9.4.3　混合高斯背景建模實現
9.4.4　混合模型MOG2成員參數設定
9.4.5　KNN模型背景建模實現
9.4.6　GMG模型背景建模實現
9.5　級聯分類器——人臉檢測
9.5.1　級聯分類器
9.5.2　CascadeClassifier類
9.6　應用實例
9.6.1　運動目標提取
9.6.2　TLD單目標跟蹤
9.6.3　人眼檢測與跟蹤
9.7　小結
附錄A
1——代碼清單
2——CMake編譯OpenCV3.1源碼
3——OpenCV3.1 Extra擴展庫
參考文獻