OpenCV圖像處理技術（微課版）

本書通過項目化的教學模式，採用“任務驅動、案例教學、探究實踐”的教學方法組織編寫而成，可以培養學生的動手能力，充分發揮學生的主導作用。本書系統地介紹了圖像處理基礎、圖像運算、圖像增強、圖像分析4個方面的相關知識，內容包括數字圖像處理基礎、圖像運算、色彩空間與幾何變換、閾值處理與圖像平滑、形態學操作、圖像梯度與邊緣檢測、圖像金字塔、圖像輪廓、圖像直方圖、模板匹配與霍夫變換、圖像分割與提取、視頻處理，同時結合綜合實戰，註重理論聯系實際，培養學生的綜合實踐能力。案例選取貼近崗位真實應用，以“任務目標→任務場景→任務準備→任務演練→任務鞏固”的設計思路，深入解析電腦視覺的方式與方法，引導學生崇德尚能、知行合一、服務社會，形成良好的職業素養。

項目1 數字圖像處理基礎 1
任務1 數字圖像處理簡介 1
1.1.1 數字圖像處理的概念 2
1.1.2 數字圖像處理的應用領域 4
任務2 OpenCV的安裝配置 7
1.2.1 OpenCV簡介 7
1.2.2 Python的安裝配置 8
1.2.3 Numpy的安裝配置 11
1.2.4 OpenCV庫的安裝配置 11
1.2.5 Jupyter Notebook的安裝與使用 12
任務3 讀取圖像、顯示圖像、保存圖像 15
1.3.1 讀取圖像 16
1.3.2 顯示圖像 16
1.3.3 保存圖像 17
任務4 圖像的屬性與圖像像素級操作 18
1.4.1 圖像的屬性 18
1.4.2 圖像像素級操作 19
項目2 圖像運算 22
任務1 圖像算術運算 22
2.1.1 圖像算術運算的概念 23
2.1.2 圖像加法 23
2.1.3 圖像減法 24
任務2 圖像淡入淡出效果 27
任務3 圖像邏輯運算 28
2.3.1 按位與運算 29
2.3.2 按位或運算 30
2.3.3 按位非運算 31
2.3.4 按位異或運算 31
任務4 面部加密及解碼 34
項目3 色彩空間與幾何變換 39
任務1 圖像類型轉換 39
3.1.1 RGB色彩空間 40
3.1.2 GRAY色彩空間 41
3.1.3 HSV色彩空間 41
3.1.4 圖像類型轉換函數 42
任務2 提取指定顏色的物體 44
3.2.1 HSV色彩空間的進階知識 44
3.2.2 標記指定顏色 45
任務3 簡單的幾何變換 48
3.3.1 縮放圖像 48
3.3.2 翻轉圖像 50
3.3.3 平移圖像 50
3.3.4 旋轉圖像 51
任務4 圖像幾何矯正 54
項目4 閾值處理與圖像平滑 57
任務1 閾值處理基礎 57
4.1.1 簡單閾值法 58
4.1.2 Otsu閾值法 59
4.1.3 自適應閾值法 59
任務2 使用滑動條調整閾值 62
4.2.1 cv2.createTrackbar()函數 63
4.2.2 cv2.getTrackbarPos()函數 63
任務3 平滑處理基礎 65
4.3.1 均值濾波 65
4.3.2 高斯濾波 66
4.3.3 中值濾波 66
4.3.4 雙邊濾波 67
任務4 使用滑動條進行平滑處理 70
項目5 形態學操作 73
任務1 腐蝕與膨脹 73
5.1.1 結構元 74
5.1.2 腐蝕 74
5.1.3 膨脹 75
任務2 通用形態學函數 77
任務3 形態學結構元 81
任務4 去除電子書筆記中的註釋 83
項目6 圖像梯度與邊緣檢測 85
?任務1 使用Sobel算子進行邊緣檢測 85
6.1.1 圖像梯度的概念 86
6.1.2 Sobel算子 86
6.1.3 cv2.convertScaleAbs()函數 87
任務2 使用Laplacian算子進行邊緣檢測 89
任務3 Canny邊緣檢測算法 91
6.3.1 Canny邊緣檢測算法的概念 92
6.3.2 cv2.Canny()函數 92
任務4 實戰：車道檢測 94
項目7 圖像金字塔 97
任務1 圖像金字塔與高斯金字塔 97
7.1.1 圖像金字塔的概念 98
7.1.2 高斯金字塔 98
任務2 拉普拉斯金字塔 100
任務3 還原高分辨率的圖像 103
任務4 使用圖像金字塔進行圖像融合 106
項目8 圖像輪廓 109
任務1 查找與繪制圖像輪廓 109
8.1.1 查找圖像輪廓 110
8.1.2 繪制圖像輪廓 110
任務2 計算輪廓長度與面積 112
8.2.1 輪廓長度的計算方法 113
8.2.2 輪廓面積的計算方法 113
任務3 實現形狀匹配 115
任務4 輪廓的幾何形狀擬合 116
8.4.1 矩形包圍框 117
8.4.2 最小外接矩形框 117
8.4.3 最小包圍圓形 118
8.4.4 逼近多邊形 118
任務5 繪制凸包 122
任務6 凸缺陷檢測 124
任務7 實戰：輪廓分類 126
8.7.1 寬高比 126
8.7.2 占空比 126
項目9 圖像直方圖 128
任務1 繪制直方圖 128
9.1.1 圖像直方圖 129
9.1.2 繪制圖像直方圖 129
任務2 直方圖均衡化 131
9.2.1 直方圖均衡化的概念 132
9.2.2 自適應直方圖均衡化 132
任務3 直方圖比較 134
任務4 直方圖閾值分割 136
項目10 模板匹配與霍夫變換 139
任務1 模板匹配的概念 139
10.1.1 模板匹配 140
10.1.2 cv2.matchTemplate()函數 140
10.1.3 cv2.minMaxLoc()函數 141
任務2 實戰：印花檢測 142
任務3 霍夫變換的概念 144
10.3.1 霍夫線變換 145
10.3.2 霍夫圓變換 145
任務4 實戰：車道檢測進階 147
項目11 圖像分割與提取 150
任務1 圖像分割與提取的概念 150
11.1.1 基於閾值的分割方法 151
11.1.2 基於區域的分割方法 151
11.1.3 基於邊緣的分割方法 151
11.1.4 基於特定理論的分割方法 151
11.1.5 基於神經網絡的分割方法 152
任務2 實現分水嶺算法 153
11.2.1 分水嶺算法的概念 154
11.2.2 分水嶺算法的步驟 154
11.2.3 距離變換函數 154
11.2.4 圖像標註函數 155
11.2.5 分水嶺算法函數 155
任務3 鼠標交互 160
任務4 實現區域生長算法 163
11.4.1 區域生長算法的原理 163
11.4.2 灰度差值的區域生長算法實現 163
項目12 視頻處理 167
任務1 視頻處理基礎 167
12.1.1 cv2.VideoCapture()函數 168
12.1.2 捕獲幀 168
12.1.3 釋放幀 168
任務2 保存視頻 170
任務3 對視頻進行逐幀處理 171
任務4 實戰：口罩佩戴檢測 173
12.4.1 口罩佩戴檢測模型簡介 173
12.4.2 口罩佩戴檢測模型分析 174
項目13 綜合實戰 176
任務1 產品缺陷檢測 176
13.1.1 背景介紹 177
13.1.2 邏輯框示意圖 177
13.1.3 高斯濾波 177
13.1.4 圖像二值化 178
13.1.5 形態學操作 178
13.1.6 瑕疵判斷 178
任務2 圖像拼接 182
13.2.1 背景介紹 183
13.2.2 邏輯框示意圖 183
13.2.3 SIFT角點檢測算法 183
13.2.4 Brute-Force匹配 184
13.2.5 圖像融合 185
任務3 人臉檢測與人臉識別 188
13.3.1 背景介紹 188
13.3.2 邏輯框示意圖 188
13.3.3 cv2.CascadeClassifier()函數 188
13.3.4 faceCascade.detectMultiScale()函數 189
任務4 人體目標跟蹤檢測 193
13.4.1 背景介紹 193
13.4.2 邏輯框示意圖 193
13.4.3 OpenCV目標追蹤算法 194