Java+OpenCV高效入门

　　OpenCV作为一个应用广泛的开源计算机视觉库，正在受到越来越多的关注。目前OpenCV的各类教程基本上以Python和C 为主，基于Java的OpenCV书籍则少之又少，本书旨在弥补这一空白。 本书共13章，前4章是基础部分，包括OpenCV概述和安装配置、数字图像基础及图像基础操作等内容；第5到11章则包括了图像的几何变换、图像平滑、形态学操作、直方图、边缘检测与轮廓、霍夫变换、特征点检测和匹配等进阶内容；第12~13章属于提高内容，主要介绍机器学习和视频跟踪技术。 本书以通俗易懂的语言，图文并茂的讲解力图使初学者能够快速高效入门。本书面向的读者是包括高校学生在内的各类初学者、研究计算机视觉的业余爱好者及需要快速上手的专业人员。

　　姚利民，毕业于东南大学，长期在外资企业从事管理工作，同时致力于AI及图像处理的研究。2012年赴某知名跨国企业全球总部工作，回国后自主创业。目前主要从事AI研究，专攻棋类博弈和计算机视觉。有感于相关资源的匮乏，主讲基于Java的OpenCV课程，短期内获大量关注。

第1章  OpenCV概述 1
1.1  OpenCV简介 1
1.1.1  什么是OpenCV 1
1.1.2  OpenCV简史 1
1.1.3  OpenCV的特色与应用 2
1.1.4  OpenCV的主要模块 2
1.2  OpenCV的下载及安装 3
1.2.1  Java环境的配置 4
1.2.2  Eclipse简介及安装 6
1.2.3  OpenCV的下载和安装 8
1.2.4  Eclipse中OpenCV的配置 11
1.2.5  第1个OpenCV程序 13
1.3  Eclipse及Java基础 18
1.3.1  Eclipse的界面 18
1.3.2  Eclipse的常用快捷键 19
1.3.3  Eclipse中如何新建Java项目 20
1.3.4  Eclipse中如何新建Java类 21
1.3.5  Eclipse中如何调试程序 21
1.3.6  Java语言基础 23
1.4  本章小结 25
第2章  图像处理基础 26
2.1  数字图像基础 26
2.1.1  数字图像的基本概念 26
2.1.2  像素的存储 29
2.1.3  数字图像的分类 31
2.2  矩阵与Mat类 33
2.2.1  Mat类简介 33
2.2.2  矩阵数据的存储 35
2.2.3  创建矩阵的方法 35
2.2.4  获取矩阵信息 40
2.2.5  矩阵相关操作 42
2.3  OpenCV中常用数据结构 48
2.3.1  点的表示：Point类 48
2.3.2  矩形的表示：Rect类 48
2.3.3  尺寸的表示：Size类 48
2.3.4  颜色的表示：Scalar类 49
2.4  颜色和通道 50
2.5  本章小结 51
第3章  图像基本操作（1） 52
3.1  图像读写与显示 52
3.1.1  图像的读取 52
3.1.2  图像的保存 53
3.1.3  图像的显示 54
3.2  绘图函数 56
3.2.1  绘制直线 56
3.2.2  绘制矩形 56
3.2.3  绘制圆形 56
3.2.4  绘制椭圆 58
3.2.5  绘制多边形 59
3.2.6  绘制文字 59
3.2.7  绘制箭头 61
3.2.8  绘制外框 62
3.3  颜色空间操作 63
3.3.1  颜色空间的转换 63
3.3.2  图像通道的拆分与合并 67
3.4  本章小结 69
第4章  图像基本操作（2） 71
4.1  图像的算术运算 71
4.1.1  加法运算 71
4.1.2  减法运算 73
4.1.3  点乘运算 74
4.1.4  点除运算 76
4.2  图像的按位运算 79
4.2.1  按位非运算 79
4.2.2  按位与运算 80
4.2.3  按位或运算 81
4.2.4  按位异或运算 83
4.3  图像二值化 85
4.4  查找表 90
4.5  图像的拼接 94
4.6  子矩阵 96
4.7  掩膜 99
4.8  图像金字塔 101
4.8.1  图像金字塔概述 101
4.8.2  向下采样与向上采样 101
4.8.3  高斯金字塔 102
4.8.4  拉普拉斯金字塔 103
4.9  本章小结 106
第5章  图像的几何变换 108
5.1  仿射变换 108
5.2  透视变换 111
5.3  平移 113
5.4  旋转 115
5.5  缩放 117
5.6  图像的翻转 118
5.7  本章小结 120
第6章  图像平滑 122
6.1  图像的噪声 122
6.2  滤波器 125
6.3  线性滤波 128
6.3.1  均值滤波 128
6.3.2  方框滤波 130
6.3.3  高斯滤波 132
6.4  非线性滤波 134
6.4.1  中值滤波 134
6.4.2  双边滤波 136
6.5  本章小结 139
第7章  图像形态学 140
7.1  像素的距离 140
7.2  像素的邻域 145
7.3  膨胀与腐蚀 150
7.3.1  腐蚀 152
7.3.2  膨胀 156
7.4  形态学操作 158
7.4.1  开运算和闭运算 158
7.4.2  顶帽和黑帽 160
7.4.3  形态学梯度 162
7.4.4  击中击不中 163
7.5  本章小结 165
第8章  直方图与匹配 167
8.1  直方图简介 167
8.2  直方图统计 171
8.3  直方图比较 173
8.4  直方图均衡化 176
8.5  自适应的直方图均衡化 178
8.6  直方图反向投影 180
8.7  模板匹配 182
8.8  本章小结 186
第9章  边缘与轮廓 188
9.1  边缘检测 188
9.2  边缘检测算子 189
9.2.1  Sobel算子 189
9.2.2  Scharr算子 192
9.2.3  Laplacian算子 194
9.3  Canny边缘检测 195
9.3.1  Canny边缘检测的步骤 196
9.3.2  Canny算法的实现 197
9.4  轮廓 198
9.4.1  轮廓检测 198
9.4.2  轮廓的层级 199
9.4.3  轮廓的特征 204
9.5  本章小结 218
第10章  霍夫变换 221
10.1  霍夫变换的原理 221
10.2  霍夫线检测 223
10.2.1  标准霍夫变换 224
10.2.2  概率霍夫变换 227
10.3  霍夫圆检测 230
10.3.1  霍夫圆检测的原理 230
10.3.2  霍夫梯度法 230
10.4  本章小结 234
第11章  特征点检测和匹配 236
11.1  角点检测 236
11.1.1  角点的概念 236
11.1.2  Harris角点检测算法 237
11.1.3  Shi-Tomasi角点检测算法 240
11.2  特征点检测 244
11.2.1  SIFT算法 244
11.2.2  SURF算法 249
11.2.3  FAST算法 252
11.2.4  ORB算法 254
11.3  特征点匹配 257
11.3.1  暴力匹配 260
11.3.2  FLANN匹配 262
11.3.3  RANSAC 264
11.4  本章小结 268
第12章  机器学习 269
12.1  K均值 269
12.2  K近邻 274
12.3  决策树 277
12.4  随机森林 280
12.5  SVM 282
12.6  人脸检测 291
12.6.1  Haar特征 291
12.6.2  AdaBoost 292
12.6.3  级联分类器 293
12.7  本章小结 297
第13章  视频分析 299
13.1  视频基础操作 299
13.1.1  视频的读取 299
13.1.2  视频的保存 301
13.1.3  视频属性 303
13.2  均值迁移法 305
13.2.1  Meanshift算法 305
13.2.2  Camshift算法 309
13.3  背景建模 312
13.3.1  高斯混合模型 313
13.3.2  K-NN模型 315
13.4  光流分析 318
13.4.1  稀疏光流法 318
13.4.2  稠密光流法 322
13.5  本章小结 325
参考文献 327
　　
　　
IV
V