OpenCV 4 詳解：基於 Python

目錄
第 1章　初識OpenCV 1
1．1　什麼是OpenCV 1
1．1．1　OpenCV與計算機視覺 1
1．1．2　OpenCV的發展 2
1．1．3　OpenCV 4帶來了什麼 3
1．2　安裝OpenCV-Python 4
1．2．1　在Windows系統中安裝OpenCV-Python 4
1．2．2　在Ubuntu系統中安裝OpenCV-Python 9
1．3　OpenCV的模塊架構 12
1．4　示例程序 14
1．4．1　配置運行環境 14
1．4．2　邊緣檢測 14
1．4．3　K聚類算法 15
1．4．4　基於特徵點的圖像匹配 16
1．4．5　行人檢測 17
1．4．6　手寫數字識別 18
1．5　本章小結 19

第 2章　載入、顯示與保存數據 20
2．1　圖像的表示 20
2．1．1　圖像基礎 20
2．1．2　NumPy相關介紹 22
2．2　圖片的讀取與顯示 27
2．2．1　圖片讀取函數 28
2．2．2　圖像窗口函數 29
2．2．3　圖片顯示函數 29
2．3　視頻加載與攝像頭調用 30
2．3．1　讀取視頻數據 30
2．3．2　攝像頭的直接調用 33
2．4　數據保存 33
2．4．1　保存圖像 34
2．4．2　保存視頻 36
2．4．3　保存和讀取XML和YMAL文件 38
2．5　本章小結 41

第3章　圖像基本操作 42
3．1　顏色空間 42
3．1．1　顏色空間與轉換 42
3．1．2　多通道分離與合併 47
3．2　關於像素的操作 49
3．2．1　圖像像素統計 50
3．2．2　兩圖像間的像素操作 53
3．2．3　圖像二值化 58
3．2．4　LUT 62
3．3　圖像連接和圖像變換 64
3．3．1　圖像連接 64
3．3．2　圖像尺寸變換 66
3．3．3　圖像翻轉變換 68
3．3．4　圖像仿射變換 69
3．3．5　圖像透視變換 72
3．3．6　極坐標變換 75
3．4　在圖像上繪製幾何圖形和生成文字 77
3．4．1　繪製圓形 77
3．4．2　繪製直線 78
3．4．3　繪製橢圓 78
3．4．4　繪製多邊形 79
3．4．5　生成文字 80
3．5　感興趣區域 83
3．6　圖像金字塔 85
3．6．1　高斯金字塔 85
3．6．2　拉普拉斯金字塔 86
3．7　窗口交互操作 88
3．7．1　圖像窗口滑動條 88
3．7．2　鼠標響應 90
3．8　本章小結 92

第4章　圖像直方圖 94
4．1　圖像直方圖的計算與繪製 94
4．1．1　圖像直方圖的計算 94
4．1．2　圖像直方圖的繪製 96
4．2　2D直方圖 100
4．3　關於直方圖的操作 103
4．3．1　直方圖歸一化 103
4．3．2　直方圖比較 106
4．3．3　直方圖均衡化 109
4．3．4　直方圖匹配 111
4．3．5　直方圖反向投影 114
4．4　圖像模板匹配 115
4．5　本章小結 119

第5章　圖像濾波 120
5．1　圖像卷積 120
5．2　噪聲的種類與生成 124
5．2．1　椒鹽噪聲 124
5．2．2　高斯噪聲 126
5．3　線性濾波 129
5．3．1　均值濾波 129
5．3．2　方框濾波 132
5．3．3　高斯濾波 134
5．3．4　可分離濾波 137
5．3．5　中值濾波 140
5．3．6　雙邊濾波 142
5．4　圖像邊緣檢測 145
5．4．1　邊緣檢測原理 145
5．4．2　Sobel算子 148
5．4．3　Scharr算子 151
5．4．4　生成邊緣檢測濾波器 152
5．4．5　Laplacian算子 154
5．4．6　Canny算法 156
5．5　本章小結 158

第6章　圖像形態學操作 159
6．1　像素距離與連通域 159
6．1．1　圖像距離變換 159
6．1．2　圖像連通域分析 164
6．2　腐蝕與膨脹 170
6．2．1　圖像腐蝕 170
6．2．2　圖像膨脹 175
6．3　形態學應用 178
6．3．1　開運算 178
6．3．2　閉運算 180
6．3．3　形態學梯度 180
6．3．4　頂帽運算 181
6．3．5　黑帽運算 181
6．3．6　擊中擊不中變換 182
6．3．7　圖像細化 185
6．4　本章小結 187

第7章　目標檢測 189
7．1　形狀檢測 189
7．1．1　直線檢測 189
7．1．2　直線擬合 198
7．1．3　圓形檢測 200
7．2　輪廓檢測 202
7．2．1　輪廓發現與繪製 203
7．2．2　輪廓面積 207
7．2．3　輪廓長度 208
7．2．4　輪廓外接多邊形 209
7．2．5　點到輪廓距離 213
7．2．6　凸包檢測 215
7．3　矩的計算 216
7．3．1　幾何矩與中心矩 217
7．3．2　Hu矩 218
7．3．3　基於Hu矩的輪廓匹配 220
7．4　點集擬合 222
7．5　二維碼檢測 224
7．6　本章小結 226

第8章　圖像分析與修復 228
8．1　傅里葉變換 228
8．1．1　離散傅里葉變換 228
8．1．2　通過傅里葉變換計算卷積 235
8．1．3　離散餘弦變換 236
8．2　積分圖 240
8．3　圖像分割 243
8．3．1　漫水填充法 244
8．3．2　分水嶺法 246
8．3．3　Grabcut圖像分割 249
8．3．4　Mean-Shift分割算法 251
8．4　圖像修復 254
8．5　本章小結 256

第9章　特徵點檢測與匹配 258
9．1　角點檢測 258
9．1．1　顯示關鍵點 258
9．1．2　Harris角點檢測 261
9．1．3　Shi-Tomasi角點檢測 264
9．1．4　亞像素級別角點檢測 266
9．2　特徵點檢測 268
9．2．1　關鍵點 268
9．2．2　描述子 269
9．2．3　SIFT特徵點檢測 270
9．2．4　SURF特徵點檢測 273
9．2．5　ORB特徵點檢測 276
9．3　特徵點匹配 279
9．3．1　DescriptorMatcher類 279
9．3．2　暴力匹配 281
9．3．3　顯示特徵點匹配結果 282
9．3．4　FLANN匹配 284
9．3．5　RANSAC優化特徵點匹配 287
9．4　本章小結 290

第 10章　立體視覺 291
10．1　單目視覺 291
10．1．1　單目相機模型 291
10．1．2　標定板角點提取 294
10．1．3　單目相機標定 298
10．1．4　單目相機校正 302
10．1．5　單目投影 305
10．1．6　單目位姿估計 307
10．2　雙目視覺 312
10．2．1　雙目相機模型 312
10．2．2　雙目相機標定 313
10．2．3　雙目相機校正 316
10．3　本章小結 319

第 11章　視頻分析 321
11．1　差值法檢測移動物體 321
11．2　均值遷移法目標跟踪 323
11．2．1　均值遷移的目標跟踪 324
11．2．2　自適應均值遷移的目標跟踪 327
11．3　光流法目標跟踪 330
11．3．1　Faeneback多項式擴展算法 332
11．3．2　基於LK光流跟踪 335
11．4　本章小結 338

第 12章　OpenCV與機器學習 339
12．1　OpenCV與傳統機器學習 339
12．1．1　k均值聚類算法 339
12．1．2　K近鄰算法 343
12．1．3　決策樹 347
12．1．4　隨機森林 349
12．1．5　支持向量機 351
12．2　OpenCV與深度神經網絡應用實例 354
12．2．1　加載深度學習模型 355
12．2．2　圖像識別 357
12．2．3　快速風格遷移 359
12．2．4　性別檢測 361
12．3　本章小結 363