OpenCV4快速入门

資料來源: https://detail.tmall.com/item.htm?spm=a230r.1.14.16.77781313XYgNEG&id=621181639261&ns=1&abbucket=18

基 礎 篇
 
第 1章 初識OpenCV    2
1.1 什麼是OpenCV    2
1.1.1 OpenCV與電腦視覺    2
1.1.2 OpenCV的發展    3
1.1.3 OpenCV 4帶來了什麼    4
1.2 安裝OpenCV 4    4
1.2.1 在Windows系統中
安裝OpenCV 4    4
1.2.2 Image Watch外掛程式的使用    12
1.2.3 在Ubuntu系統中安裝
OpenCV 4    12
1.2.4 opencv_contrib擴展模組的
安裝    15
1.2.5 安裝過程中常見問題的解決
方案    17
1.3 瞭解OpenCV的模組架構    18
1.4 源碼示例程式展示    19
1.4.1 配置示例程式運行環境    19
1.4.2 邊緣檢測edge    21
1.4.3 K聚類kmeans    22
1.4.4 二維碼識別qrcode    23
1.4.5 相機使用video_capture_starter    24
1.4.6 視頻物體跟蹤camshiftdemo    25
1.5 本章小結    26
第 2章 資料載入、顯示與保存    27
2.1 圖像存儲容器    27
2.1.1 Mat類介紹    27
2.1.2 Mat類構造與賦值    29
2.1.3 Mat類支持的運算    33
2.1.4 Mat類元素的讀取    35
2.2 圖像的讀取與顯示    37
2.2.1 圖像讀取函數imread    38
2.2.2 圖像視窗函數namedWindow    39
2.2.3 圖像顯示函數imshow    40
2.3 視頻載入與攝像頭調用    40
2.3.1 視頻資料的讀取    40
2.3.2 攝像頭的直接調用    42
2.4 資料保存    43
2.4.1 圖像的保存    43
2.4.2 視頻的保存    45
2.4.3 保存和讀取XML和YMAL
文件    47
2.5 本章小結    52 
進 階 篇
 
第3章 圖像基本操作    54
3.1 圖像顏色空間    54
3.1.1 色彩模型與轉換    54
3.1.2 多通道分離與合併    59
3.2 圖像圖元操作處理    61
3.2.1 圖像圖元統計    62
3.2.2 兩圖像間的圖元操作    66
3.2.3 圖像二值化    71
3.2.4 LUT    76
3.3 圖像變換    78
3.3.1 圖像連接    78
3.3.2 圖像尺寸變換    81
3.3.3 圖像翻轉變換    83
3.3.4 圖像仿射變換    84
3.3.5 圖像透視變換    88
3.3.6 極座標變換    90
3.4 在圖像上繪製幾何圖形    92
3.4.1 繪製圓形    92
3.4.2 繪製直線    93
3.4.3 繪製橢圓    93
3.4.4 繪製多邊形    94
3.4.5 文字生成    95
3.5 感興趣區域    97
3.6 圖像“金字塔”    100
3.6.1 高斯“金字塔”    100
3.6.2 拉普拉斯“金字塔”    101
3.7 窗口交交互操作    104
3.7.1 圖像視窗滑動條    104
3.7.2 滑鼠回應    106
3.8 本章小結    109
第4章 圖像長條圖與範本匹配    111
4.1 圖像長條圖的繪製    111
4.2 長條圖操作    113
4.2.1 長條圖歸一化    113
4.2.2 長條圖比較    116
4.3 長條圖應用    120
4.3.1 長條圖均衡化    120
4.3.2 長條圖匹配    122
4.3.3 長條圖反向投影    125
4.4 圖像的範本匹配    127
4.5 本章小結    131
第5章 圖像濾波    132
5.1 圖像卷積    132
5.2 雜訊的種類與生成    136
5.2.1 椒鹽雜訊    136
5.2.2 高斯雜訊    139
5.3 線性濾波    142
5.3.1 均值濾波    142
5.3.2 方框濾波    145
5.3.3 高斯濾波    147
5.3.4 可分離濾波    151
5.4 非線性濾波    154
5.4.1 中值濾波    154
5.4.2 雙邊濾波    156
5.5 圖像的邊緣檢測    159
5.5.1 邊緣檢測原理    159
5.5.2 Sobel運算元    162
5.5.3 Scharr運算元    165
5.5.4 生成邊緣檢測濾波器    167
5.5.5 Laplacian運算元    168
5.5.6 Canny演算法    170
5.6 本章小結    173
第6章 圖像形態學操作    175
6.1 圖元距離與連通域    175
6.1.1 圖像圖元距離變換    175
6.1.2 圖像連通域分析    180
6.2 腐蝕和膨脹    187
6.2.1 圖像腐蝕    188
6.2.2 圖像膨脹    192
6.3 形態學應用    195
6.3.1 開運算    195
6.3.2 閉運算    197
6.3.3 形態學梯度    197
6.3.4 頂帽運算    198
6.3.5 黑帽運算    198
6.3.6 擊中擊不中變換    199
6.3.7 圖像細化    202
6.4 本章小結    205 
應 用 篇
 
第7章 目標檢測    208
7.1 形狀檢測    208
7.1.1 直線檢測    208
7.1.2 直線擬合    218
7.1.3 圓形檢測    220
7.2 輪廓檢測    223
7.2.1 輪廓發現與繪製    223
7.2.2 輪廓面積    228
7.2.3 輪廓長度（周長）    229
7.2.4 輪廓外接多邊形    231
7.2.5 點到輪廓距離    236
7.2.6 凸包檢測    237
7.3 矩的計算    239
7.3.1 幾何矩與中心矩    239
7.3.2 Hu矩    241
7.3.3 基於Hu矩的輪廓匹配    243
7.4 點集擬合    245
7.5 QR二維碼檢測    248
7.6 本章小結    251
第8章 圖像分析與修復    253
8.1 傅裡葉變換    253
8.1.1 離散傅裡葉變換    253
8.1.2 傅裡葉變換進行卷積    260
8.1.3 離散余弦變換    262
8.2 積分圖像    266
8.3 圖像分割    270
8.3.1 漫水填充法    270
8.3.2 分水嶺法    274
8.3.3 Grabcut法    277
8.3.4 Mean-Shift法    279
8.4 圖像修復    282
8.5 本章小結    285
第9章 特徵點檢測與匹配    287
9.1 角點檢測    287
9.1.1 顯示關鍵點    287
9.1.2 Harris角點檢測    290
9.1.3 Shi-Tomas角點檢測    293
9.1.4 亞圖元級別角點檢測    296
9.2 特徵點檢測    298
9.2.1 關鍵點    298
9.2.2 描述子    299
9.2.3 SIFT特徵點檢測    300
9.2.4 SURF特徵點檢測    303
9.2.5 ORB特徵點檢測    306
9.3 特徵點匹配    310
9.3.1 DescriptorMatcher類介紹    310
9.3.2 暴力匹配    312
9.3.3 顯示特徵點匹配結果    313
9.3.4 FLANN匹配    315
9.3.5 RANSAC優化特徵點匹配    318
9.4 本章小結    322
第 10章 立體視覺    323
10.1 單目視覺    323
10.1.1 單目相機模型    323
10.1.2 標定板角點提取    327
10.1.3 單目相機標定    331
10.1.4 單目相機校正    335
10.1.5 單目投影    339
10.1.6 單目位姿估計    341
10.2 雙目視覺    346
10.2.1 雙目相機模型    346
10.2.2 雙目相機標定    347
10.2.3 雙目相機校正    350
10.3 本章小結    353
第 11章 視頻分析    354
11.1 差值法檢測移動物體    354
11.2 均值遷移法目標跟蹤    357
11.2.1 均值遷移法實現的目標
跟蹤    357
11.2.2 自我調整均值遷移法實現的目標
跟蹤    361
11.3 光流法目標跟蹤    365
11.3.1 Farneback多項式擴展演算法    366
11.3.2 基於LK稀疏光流法的跟蹤    370
11.4 本章小結    375 
提 高 篇
 
第 12章 OpenCV與機器學習    378
12.1 OpenCV與傳統機器學習    378
12.1.1 K均值    378
12.1.2 K近鄰    383
12.1.3 決策樹    389
12.1.4 隨機森林    392
12.1.5 支持向量機    394
12.2 OpenCV與深度神經網路應用
實例    397
12.2.1 載入深度學習模型    397
12.2.2 圖像識別    400
12.2.3 風格遷移    403
12.2.4 性別檢測    405
12.3 本章小結    407

————————

基 础 篇

 

第 1章 初识OpenCV    2

1.1 什么是OpenCV    2

1.1.1 OpenCV与计算机视觉    2

1.1.2 OpenCV的发展    3

1.1.3 OpenCV 4带来了什么    4

1.2 安装OpenCV 4    4

1.2.1 在Windows系统中

安装OpenCV 4    4

1.2.2 Image Watch插件的使用    12

1.2.3 在Ubuntu系统中安装

OpenCV 4    12

1.2.4 opencv_contrib扩展模块的

安装    15

1.2.5 安装过程中常见问题的解决

方案    17

1.3 了解OpenCV的模块架构    18

1.4 源码示例程序展示    19

1.4.1 配置示例程序运行环境    19

1.4.2 边缘检测edge    21

1.4.3 K聚类kmeans    22

1.4.4 二维码识别qrcode    23

1.4.5 相机使用video_capture_starter    24

1.4.6 视频物体跟踪camshiftdemo    25

1.5 本章小结    26

第 2章 数据载入、显示与保存    27

2.1 图像存储容器    27

2.1.1 Mat类介绍    27

2.1.2 Mat类构造与赋值    29

2.1.3 Mat类支持的运算    33

2.1.4 Mat类元素的读取    35

2.2 图像的读取与显示    37

2.2.1 图像读取函数imread    38

2.2.2 图像窗口函数namedWindow    39

2.2.3 图像显示函数imshow    40

2.3 视频加载与摄像头调用    40

2.3.1 视频数据的读取    40

2.3.2 摄像头的直接调用    42

2.4 数据保存    43

2.4.1 图像的保存    43

2.4.2 视频的保存    45

2.4.3 保存和读取XML和YMAL

文件    47

2.5 本章小结    52 

进 阶 篇

 

第3章 图像基本操作    54

3.1 图像颜色空间    54

3.1.1 颜色模型与转换    54

3.1.2 多通道分离与合并    59

3.2 图像像素操作处理    61

3.2.1 图像像素统计    62

3.2.2 两图像间的像素操作    66

3.2.3 图像二值化    71

3.2.4 LUT    76

3.3 图像变换    78

3.3.1 图像连接    78

3.3.2 图像尺寸变换    81

3.3.3 图像翻转变换    83

3.3.4 图像仿射变换    84

3.3.5 图像透视变换    88

3.3.6 极坐标变换    90

3.4 在图像上绘制几何图形    92

3.4.1 绘制圆形    92

3.4.2 绘制直线    93

3.4.3 绘制椭圆    93

3.4.4 绘制多边形    94

3.4.5 文字生成    95

3.5 感兴趣区域    97

3.6 图像“金字塔”    100

3.6.1 高斯“金字塔”    100

3.6.2 拉普拉斯“金字塔”    101

3.7 窗口交互操作    104

3.7.1 图像窗口滑动条    104

3.7.2 鼠标响应    106

3.8 本章小结    109

第4章 图像直方图与模板匹配    111

4.1 图像直方图的绘制    111

4.2 直方图操作    113

4.2.1 直方图归一化    113

4.2.2 直方图比较    116

4.3 直方图应用    120

4.3.1 直方图均衡化    120

4.3.2 直方图匹配    122

4.3.3 直方图反向投影    125

4.4 图像的模板匹配    127

4.5 本章小结    131

第5章 图像滤波    132

5.1 图像卷积    132

5.2 噪声的种类与生成    136

5.2.1 椒盐噪声    136

5.2.2 高斯噪声    139

5.3 线性滤波    142

5.3.1 均值滤波    142

5.3.2 方框滤波    145

5.3.3 高斯滤波    147

5.3.4 可分离滤波    151

5.4 非线性滤波    154

5.4.1 中值滤波    154

5.4.2 双边滤波    156

5.5 图像的边缘检测    159

5.5.1 边缘检测原理    159

5.5.2 Sobel算子    162

5.5.3 Scharr算子    165

5.5.4 生成边缘检测滤波器    167

5.5.5 Laplacian算子    168

5.5.6 Canny算法    170

5.6 本章小结    173

第6章 图像形态学操作    175

6.1 像素距离与连通域    175

6.1.1 图像像素距离变换    175

6.1.2 图像连通域分析    180

6.2 腐蚀和膨胀    187

6.2.1 图像腐蚀    188

6.2.2 图像膨胀    192

6.3 形态学应用    195

6.3.1 开运算    195

6.3.2 闭运算    197

6.3.3 形态学梯度    197

6.3.4 顶帽运算    198

6.3.5 黑帽运算    198

6.3.6 击中击不中变换    199

6.3.7 图像细化    202

6.4 本章小结    205 

应 用 篇

 

第7章 目标检测    208

7.1 形状检测    208

7.1.1 直线检测    208

7.1.2 直线拟合    218

7.1.3 圆形检测    220

7.2 轮廓检测    223

7.2.1 轮廓发现与绘制    223

7.2.2 轮廓面积    228

7.2.3 轮廓长度（周长）    229

7.2.4 轮廓外接多边形    231

7.2.5 点到轮廓距离    236

7.2.6 凸包检测    237

7.3 矩的计算    239

7.3.1 几何矩与中心矩    239

7.3.2 Hu矩    241

7.3.3 基于Hu矩的轮廓匹配    243

7.4 点集拟合    245

7.5 QR二维码检测    248

7.6 本章小结    251

第8章 图像分析与修复    253

8.1 傅里叶变换    253

8.1.1 离散傅里叶变换    253

8.1.2 傅里叶变换进行卷积    260

8.1.3 离散余弦变换    262

8.2 积分图像    266

8.3 图像分割    270

8.3.1 漫水填充法    270

8.3.2 分水岭法    274

8.3.3 Grabcut法    277

8.3.4 Mean-Shift法    279

8.4 图像修复    282

8.5 本章小结    285

第9章 特征点检测与匹配    287

9.1 角点检测    287

9.1.1 显示关键点    287

9.1.2 Harris角点检测    290

9.1.3 Shi-Tomas角点检测    293

9.1.4 亚像素级别角点检测    296

9.2 特征点检测    298

9.2.1 关键点    298

9.2.2 描述子    299

9.2.3 SIFT特征点检测    300

9.2.4 SURF特征点检测    303

9.2.5 ORB特征点检测    306

9.3 特征点匹配    310

9.3.1 DescriptorMatcher类介绍    310

9.3.2 暴力匹配    312

9.3.3 显示特征点匹配结果    313

9.3.4 FLANN匹配    315

9.3.5 RANSAC优化特征点匹配    318

9.4 本章小结    322

第 10章 立体视觉    323

10.1 单目视觉    323

10.1.1 单目相机模型    323

10.1.2 标定板角点提取    327

10.1.3 单目相机标定    331

10.1.4 单目相机校正    335

10.1.5 单目投影    339

10.1.6 单目位姿估计    341

10.2 双目视觉    346

10.2.1 双目相机模型    346

10.2.2 双目相机标定    347

10.2.3 双目相机校正    350

10.3 本章小结    353

第 11章 视频分析    354

11.1 差值法检测移动物体    354

11.2 均值迁移法目标跟踪    357

11.2.1 均值迁移法实现的目标

跟踪    357

11.2.2 自适应均值迁移法实现的目标

跟踪    361

11.3 光流法目标跟踪    365

11.3.1 Farneback多项式扩展算法    366

11.3.2 基于LK稀疏光流法的跟踪    370

11.4 本章小结    375 

提 高 篇

 

第 12章 OpenCV与机器学习    378

12.1 OpenCV与传统机器学习    378

12.1.1 K均值    378

12.1.2 K近邻    383

12.1.3 决策树    389

12.1.4 随机森林    392

12.1.5 支持向量机    394

12.2 OpenCV与深度神经网络应用

实例    397

12.2.1 加载深度学习模型    397

12.2.2 图像识别    400

12.2.3 风格迁移    403

12.2.4 性别检测    405

12.3 本章小结    407