书籍详情

OpenCV 4快速入门

OpenCV 4快速入门

作者:冯振,郭延宁,吕跃勇 著

出版社:人民邮电出版社

出版时间:2020-07-01

ISBN:9787115534781

定价:¥89.00

购买这本书可以去
内容简介
  本书共12 章,主要内容包括OpenCV 4 基础知识,OpenCV 的模块架构,图像存储容器,图像的读取与显示,视频加载与摄像头调用,图像变换,图像金字塔,图像直方图的绘制,图像的模板匹配,图像卷积,图像的边缘检测,腐蚀与膨胀,形状检测,图像分割,特征点检测与匹配,单目和双目视觉,光流法目标跟踪,以及OpenCV 在机器学习方面的应用等。 本书面向的读者是计算机视觉与图像处理等相关专业的高校师生、企业内转行计算机视觉与图像处理的工作人员、已有图像处理基础并想了解OpenCV 4 新特性的人员。
作者简介
  冯振,哈尔滨工业大学博士,具有多年计算机视觉与图像处理经验,发表多篇学术论文。创建技术类公众号“小白学视觉”,参与翻译多个开源项目,在计算机视觉与图像处理领域具有一定的影响力。郭延宁,哈尔滨工业大学副教授、博士生导师。研究方向为深空探测制导与控制、视觉定位与导航,完成多个图像处理相关项目,发表SCI论文20余篇。吕跃勇,博士,哈尔滨工业大学讲师、硕士生导师,主要从事自动控制领域教学与研究工作,主持及参与多项智能控制与图像处理领域课题。
目录
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

12.1.4 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
猜您喜欢

读书导航