OpenCV圖像處理入門與實踐

第 1 章 初識 OpenCV
1．1　OpenCV 簡介
1．2　OpenCV 的安裝
1．2．1　在 Visual Studio 2017 上安裝
1．2．2　在 PyCharm 上安裝
1．2．3　在其他編譯器上安裝
1．3　OpenCV 常用的 Python 內(nèi)置函數(shù)
1．3．1　ord 函數(shù)
1．3．2　max 函數(shù)和 min 函數(shù)
1．3．3　sorted 函數(shù)
1．4　常見的錯誤
1．4．1　NameErron name ‘np’ is not defined
1．4．2　未知&0xff 產(chǎn)生的錯誤
1．4．3　圖片無法正常顯示或程序死機
1．4．4　OpenCV 版本不同產(chǎn)生的問題
1．5　OpenCV 代碼體驗
第　2 章 圖片與初用 OpenCV
2．1　圖片在計算機中的存儲形式
2．1．1　BGR 圖
2．1．2　灰度圖
2．1．3　HSV 圖．
2．1．4　二值圖
2．2　圖片的讀取與寫出
2．2．1　圖片讀取
2．2．2　圖片保存
2．2．3　BGR 圖的讀取與寫出
2．2．4　灰度圖的讀取與寫出
2．2．5　圖片展示．
2．2．6　圖片延時．
2．2．7　圖片讀取演示
2．3　計算機視覺中常用的圖片屬性
第　3 章 OpenCV 的基礎函數(shù)
3．1　OpenCV 的繪圖函數(shù)
3．1．1　畫直線
3．1．2　畫矩形
3．1．3　畫圓
3．1．4　畫橢圓
3．1．5　畫多邊形
3．1．6　添加文字
3．2　OpenCV 的處理鼠標事件函數(shù)
3．2．1　調(diào)用回調(diào)函數(shù)
3．2．2　鼠標事件
3．2．3　回調(diào)函數(shù)
3．3　OpenCV 實現(xiàn)滑動條式調(diào)色板
第　4 章 OpenCV 的基礎圖像操作
4．1　圖像的基礎操作
4．1．1　獲取像素值
4．1．2　修改像素值
4．1．3　拆分及合并圖像通道
4．1．4　圖像擴邊
4．2　圖像的算術(shù)操作
4．2．1　圖像加法
4．2．2　OpenCV 與 NumPy 模塊算術(shù)加法的區(qū)別
4．2．3　圖像加法練習
4．2．4　圖像加權(quán)
4．2．5　圖像邏輯運算
4．3　直接像素點操作與 ROI
第　5 章 OpenCV 中動態(tài)圖像的基礎操作
5．1　捕獲視頻
5．1．1　cv2．VideoCapture 函數(shù)
5．1．2　攝像頭捕獲視頻
5．1．3　獲取本地視頻
5．1．4　cv2．VideoWriter 函數(shù)
5．1．5　視頻的保存
5．1．6　錯誤處理：函數(shù)不存在
5．2　物體追蹤
5．2．1　圖像的顏色空間轉(zhuǎn)換
5．2．2　構(gòu)建掩膜
5．2．3　指定 HSV 圖像物體追蹤
5．2．4　找到要追蹤對象的 HSV 值
第　6 章 OpenCV 圖像變換
6．1　縮放變換
6．2　平移變換
6．3　旋轉(zhuǎn)變換
6．4　仿射變換
6．5　透視變換
第　7 章 OpenCV 圖像噪點
7．1　圖像閾值
7．1．1　簡單閾值
7．1．2　自適應閾值
7．1．3　Otsu's 二值化算法
7．2　圖像去噪
7．2．1　卷積
7．2．2　2D 卷積
7．2．3　平均卷積
7．2．4　高斯模糊
7．2．5　中值濾波
7．2．6　雙邊濾波
7．2．7　濾波后的處理操作
7．3　形態(tài)學轉(zhuǎn)換
7．3．1　形態(tài)學腐蝕
7．3．2　形態(tài)學膨脹
7．3．3　形態(tài)學高級操作
7．3．4　形態(tài)學梯度
7．3．5　形態(tài)學禮帽
7．3．6　形態(tài)學黑帽
7．3．7　結(jié)構(gòu)化元素
第　8 章 圖像邊緣
8．1　圖像梯度
8．1．1　cv2．Sobel 函數(shù)
8．1．2　Sobel 算子和 Scharr 算子
8．1．3　Laplacian 算子
8．2　Canny 邊緣檢測
8．2．1　Canny 邊緣檢測原理
8．2．2　cv2．Canny 函數(shù)
8．2．3　Canny 邊緣檢測實例
8．3　圖像金字塔
8．3．1　構(gòu)建圖像金字塔
8．3．2　高斯金字塔
8．3．3　拉普拉斯金字塔
第　9 章 圖像輪廓
9．1　什么是輪廓
9．2　輪廓的尋找與繪制
9．2．1　輪廓尋找
9．2．2　輪廓繪制
9．2．3　輪廓的尋找與繪制實例
9．3　輪廓特征
9．3．1　圖像的矩
9．3．2　輪廓的重心
9．3．3　輪廓的面積
9．3．4　輪廓的周長
9．3．5　輪廓近似
9．4　凸包
9．5　凸性檢測
9．6　輪廓框定
9．6．1　輪廓外接
9．6．2　圖像擬合
9．7　輪廓的性質(zhì)
9．7．1　面積占比
9．7．2　密實度
9．7．3　圓替換
9．7．4　輪廓夾角
9．7．5　輪廓中極點的坐標
9．8　常用的輪廓處理函數(shù)
9．8．1　找凸缺陷
9．8．2　判斷點與輪廓的位置關系
9．8．3　形狀匹配
9．9　輪廓的層次結(jié)構(gòu)
第　10 章 綜合運用 1：現(xiàn)代物體追蹤
10．1　霍夫變換——動態(tài)檢測
10．1．1　霍夫變換
10．1．2　霍夫變換的工作原理
10．1．3　霍夫變換提取直線的實現(xiàn)原理
10．1．4　直線檢測
10．1．5　基本霍夫變換的局限性
10．1．6　動態(tài)圓形檢測
10．1．7　其他圖形檢測
10．1．8　廣義霍夫變換
10．2　“HSV+輪廓”追蹤物體
10．2．1　基本原理
10．2．2　實際運用
10．2．3　優(yōu)化算法
10．2．4　噪點去除
10．3　Camshift 目標追蹤
10．3．1　Camshift 目標追蹤的原理
10．3．2　顏色直方圖
10．3．3　Camshift 目標追蹤代碼分析
10．4　光流法追蹤
10．4．1　運動場與光流場
10．4．2　光流法
10．4．3　直接法
10．4．4　光流法的代碼實現(xiàn)
10．5　KCF 目標追蹤
10．5．1　工作原理．
10．5．2　KCF 目標追蹤實例
10．6　多目標追蹤
10．6．1　創(chuàng)建單目標對象追蹤器
10．6．2　讀取攝像頭（視頻）內(nèi)初幀
10．6．3　在初幀內(nèi)確定追蹤的所有對象
10．6．4　初始化多目標追蹤的類
10．6．5　更新圖像并輸出圖像
第　11 章 綜合運用 2：圖像數(shù)據(jù)交互
11．1　圖像中物體的裁剪
11．1．1　圖像的轉(zhuǎn)換和捕捉
11．1．2　圖像的去噪和填充
11．1．3　畫圖像輪廓
11．1．4　圖像的截取
11．2　單目測距
11．2．1　單目測距的原理
11．2．2　靜態(tài)單目測距
11．2．3　動態(tài)單目測距
11．3　圖像數(shù)據(jù)上傳
11．3．1　郵件的發(fā)送協(xié)議
11．3．2　基于 SMTP 的郵件發(fā)送
11．3．3　無附件的 SMTP 傳輸
11．3．4　有附件的 SMTP 傳輸
11．4　圖像數(shù)據(jù)遠程交互
11．4．1　MQTT 協(xié)議
11．4．2　云上設備創(chuàng)建
11．4．3　規(guī)則引擎的創(chuàng)建
11．4．4　本地數(shù)據(jù)發(fā)布端代碼
11．4．5　本地數(shù)據(jù)接收端代碼
第　12 章 綜合運用 3：圖像與現(xiàn)代生活
12．1　二維碼識別
12．1．1　靜態(tài)的二維碼識別
12．1．2　動態(tài)的二維碼識別
12．2　人臉識別
12．2．1　人臉識別的原理——Haar特征
12．2．2　人臉識別的實現(xiàn)
12．2．3　判斷是否存在人臉
12．3　手勢識別
12．3．1　手勢識別的分類
12．3．2　2D 攝像頭手勢識別
12．3．3　手勢識別的實現(xiàn)
12．4　人臉表情識別
12．4．1　基于 dlib 的人臉表情識別
12．4．2　靜態(tài)圖像的人臉表情識別
12．4．3　動態(tài)的人臉表情識別
12．5　文字的挖取與識別
12．5．1　文字挖取
12．5．2　文字識別
12．6　圖片與 ASCII 藝術(shù)
12．6．1　ASCII 藝術(shù)
12．6．2　圖片 ASCII 轉(zhuǎn)換
12．7　透明實現(xiàn)
12．7．1　透明實現(xiàn)的原理
12．7．2　區(qū)域檢測
12．7．3　背景幀的替換
12．7．4　透明實現(xiàn)過程
12．8　泊松克隆
12．8．1　泊松克隆簡介
12．8．2　正?？寺?br />12．8．3　混合克隆
12．8．4　遷移融合
12．9　圖像修復
12．9．1　圖像修復原理
12．9．2　INPAINT_NS 修復
12．9．3　INPAINT_TELEA 修復
12．10　非真實感渲染
12．10．1　什么是非真實感渲染
12．10．2　保邊濾波器
12．10．3　細節(jié)增強
12．10．4　素描濾波器
12．10．5　風格濾波
第　13 章 綜合運用 4：圖像與工業(yè)．
13．1　中值背景估計
13．1．1　時間中值濾波
13．1．2　運用中值濾波進行背景估計
13．1．3　幀差分
13．2　ORB 圖像對齊
13．2．1　圖像對齊的原理
13．2．2　尋找對應點
13．2．3　基于特征的圖像對齊步驟
13．2．4　圖像對齊
13．3　圖像填充
13．3．1　前景與背景
13．3．2　前背分離
13．3．3　漫水填充算法