從零開始：數字圖像處理的編程基礎與應用

本書主要介紹數字圖像處理基礎知識與基於OpenCV和C++的圖像編程技術的相關內容，旨在幫助讀者盡快掌握數字圖像理論知識和編程技術。

本書第1章主要介紹OpenCV基礎；第2章主要介紹圖像預處理；第3章主要介紹圖像分割和數學形態學；第4章主要介紹特徵提取與匹配；第5章主要介紹模板匹配與輪廓繪制；第6章主要介紹視頻錄制與目標追蹤；第7章主要介紹三維重建；第8章主要介紹距離測量與角點檢測；第9章主要介紹圖像識別應用，涉及文字識別、二維碼識別、人臉識別和車牌識別等內容；第10章主要介紹基於深度學習的圖像應用。

書中通過近百個編程實例和項目，幫助讀者掌握數字圖像處理原理，並進一步掌握數字圖像的編程技術。

本書不僅適合各類院校相關專業的學生使用，也適合對數字圖像編程感興趣，已有一定的C++編程基礎，但沒有數字圖像基礎理論知識的讀者閱讀。

彭凌西

广州大学教授，计算机应用专业博士，博士后导师，中国计算机学会高级会员，主要研

究方向为智能算法和网络安全，发表SCI论文20多篇，出版著作2部，从事计算机教学和研究工作20多年，主讲C/C++程序设计、UNIX系统编程、数据库原理、可视化程序设计、人工智能导论等课程。

彭绍湖

主要研究图像分割算法、图像特征提取、基于机器学习特征分类和目标识别，具有近

二十年的相关研发实践经历。曾任Shonics公司和Techvalley公司算法工程师，作为负责人或主要人员参与国家自然科学基金、省部级科研项目3项，发表论文30余篇，申请发明专利5件，授权1件。

唐春明

广州大学教授，博士生导师，广州市高层次人才优秀专家。现为广州大学研究生院常务

副院长、广东省信息安全技术重点实验室主任、中国密码学会组织工作委员会副主任、

广东省数学会常务理事兼副秘书长、广东省学位与研究生教育学会常务理事。

陈统

广东轩辕网络科技股份有限公司董事长，广州市高层次人才优秀专家，主要研究方向为

计算机应用技术、云计算大数据及人工智能等，参与编写行业白皮书1 本，参与制定行业标准2项，参与编写云计算大数据教材14部，同时主持参与了10余项国家、省、市等政府科技项目。

001 第 1章 OpenCV基礎

002　1.1 OpenCV簡介

002　1.2 OpenCV 編程環境搭建

002　1.2.1 Visual Studio 2019安裝

004　1.2.2 Qt 安裝

006　1.2.3 OpenCV Release版本安裝

006　1.2.4 VS 2019中OpenCV 4.4環境的配置

010　1.2.5 Qt 5.9.9中OpenCV 4.4環境的搭建

016　1.3 Mat圖像存儲容器

016　1.3.1 Mat容器簡介

018　1.3.2 存儲方法

019　1.3.3 創建Mat對象

024　1.4 圖像讀取與保存

024　1.4.1 圖像讀取

027　1.4.2 圖像保存

029　1.5 視頻讀取與輸出

029　1.5.1 視頻讀取

031　1.5.2 視頻輸出

033　1.6 圖像屬性與基本圖形繪制

033　1.6.1 圖像屬性

034　1.6.2 基本圖形繪制

036　1.6.3 顏色空間轉換

038　1.7 電腦交互

038　1.7.1 鼠標和鍵盤

040　1.7.2 滑動條

041　1.8 小結

042　第 2章 圖像預處理

043　2.1 圖像格式和通道

043　2.1.1 圖像格式

043　2.1.2 通道分離與合並

047　2.2 點運算

047　2.2.1 像素點操作和捲積

052　2.2.2 圖像反轉

054　2.2.3 對數變換

055　2.2.4 冪律變換

057　2.2.5 線性變換

058　2.2.6 全域線性變換

061　2.2.7 圖像灰度化

063　2.3 直方圖處理

064　2.3.1 標準直方圖

067　2.3.2 直方圖均衡化

068　2.3.3 直方圖匹配

072　2.3.4 局部直方圖處理

075　2.4 圖像去噪

075　2.4.1 均值濾波

077　2.4.2 高斯濾波

080　2.4.3 中值濾波

081　2.4.4 雙邊濾波

083　2.4.5 小波濾波

088　2.5 小結

089　第3章 圖像分割和數學形態學

090　3.1 圖像分割

090　3.1.1 灰度閾值算法

095　3.1.2 OTSU閾值算法

099　3.1.3 區域生長算法

105　3.1.4 分水嶺算法

108　3.1.5 迭代式閾值分割

110　3.1.6 Grab Cut圖像切割算法

113　3.2 數學形態學

113　3.2.1 膨脹和腐蝕

116　3.2.2 開運算與閉運算

117　3.2.3 形態學梯度

118　3.2.4 頂帽

120　3.2.5 黑帽

121　3.2.6 綜合運用——細線和噪點去除

122　3.3 圖像金字塔

122　3.3.1 高斯金字塔

123　3.3.2 拉普拉斯金字塔

127　3.3.3 高斯不同

129　3.4 小結

130　第4章 特徵提取與匹配

131　4.1 邊緣檢測

131　4.1.1 梯度法

131　4.1.2 索貝爾算子

134　4.1.3 拉普拉斯算子

136　4.1.4 坎尼算子

138　4.1.5 普魯伊特算子

139　4.1.6 羅伯茨算子

140　4.2 顏色特徵

140　4.2.1 灰度直方圖

143　4.2.2 聚類

145　4.3 關鍵點特徵

146　4.3.1 SURF算法

148　4.3.2 SIFT算法

150　4.3.3 ORB算法

153　4.3.4 LBP算法

154　4.3.5 Gabor算法

156　4.4 特徵描述與匹配

156　4.4.1 SIFT特徵描述子

158　4.4.2 ORB特徵描述子

160　4.5 形狀提取

161　4.5.1 標準霍夫變換

163　4.5.2 累計概率霍夫變換

165　4.5.3 霍夫圓變換

167　4.6 小結

168　第5章 模板匹配與輪廓繪制

169　5.1 模板匹配

172　5.2 輪廓繪制

178　5.3 小結

179　第6章 視頻錄制與目標追蹤

180　6.1 簡單視頻錄制

187　6.2 視頻目標追蹤

187　6.2.1 BS算法

190　6.2.2 Meanshift算法與Camshift算法

191　6.2.3 示例程序

196　6.3 小結

197　第7章 三維重建

198　7.1 超分辨率重建

198　7.1.1 常見的超分辨率重建技術

206　7.1.2 光流法簡介

211　7.1.3 視頻重建的原理和過程

215　7.2 三維重建的具體操作

215　7.2.1 calib3d模塊簡介

215　7.2.2 黑白棋盤重構

217　7.2.3 單目相機標定

222　7.3 小結

223　第8章 距離測量與角點檢測

224　8.1 距離測量

225　8.1.1 單目測距

227　8.1.2 雙目測距

228　8.2 角點檢測

228　8.2.1 Harris角點檢測

230　8.2.2 Shi-Tomasi角點檢測

231　8.2.3 亞像素級角點檢測

233　8.3 小結

234　第9章 圖像識別應用

235　9.1 文字識別

235　9.1.1 OCR簡介

235　9.1.2 OCR操作基礎

237　9.1.3 示例程序

239　9.2 二維碼識別

240　9.2.1 二維碼編程原理

241　9.2.2 二維碼識別原理

241　9.2.3 示例程序

242　9.3 人臉識別

243　9.3.1 人臉識別Haar特徵

244　9.3.2 Cascade分類器

246　9.3.3 Eigen Faces人臉識別算法

248　9.3.4 示例程序

255　9.4 車牌識別

255　9.4.1 灰度二值化處理

255　9.4.2 車牌定位

256　9.4.3 字符識別

257　9.4.4 示例程序

266　9.5 小結

267　第 10章 基於深度學習的圖像應用

268　10.1 深度學習基本原理

268　10.1.1 神經網絡

269　10.1.2 捲積神經網絡

270　10.1.3 循環神經網絡

271　10.2 深度神經網絡模塊

271　10.2.1 主流框架模型簡介

272　10.2.2 模型操作

272　10.2.3 硬件加速

273　10.3 人體姿態識別

273　10.3.1 原理簡介

274　10.3.2 人體姿態識別示例程序

277　10.4 YOLO物體識別

277　10.4.1 原理簡介

279　10.4.2 YOLO算法示例程序

283　10.5 圖片分類

286　10.6 小結

287　附錄1 OpenCV編程常見問題

290　附錄2 OpenCV 4.4源碼及opencv_contrib模塊編譯

300　附錄3　基於Caffe框架的神經網絡訓練過程