OpenCV 4詳解：基於Python

第1章　初識OpenCV 1
1.1　什麼是OpenCV 1
1.1.1　OpenCV與電腦視覺 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的模組架構 12
1.4　示例程式 14
1.4.1　配置運行環境 14
1.4.2　邊緣檢測 14
1.4.3　K聚類演算法 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　手寫數位識別 18
1.5　本章小結 19

第2章　載入、顯示與保存資料 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　圖像視窗函數 29
2.2.3　圖片顯示函數 29
2.3　視頻載入與攝像頭調用 30
2.3.1　讀取視頻資料 30
2.3.2　攝像頭的直接調用 33
2.4　資料保存 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　關於圖元的作 49
3.2.1　圖像圖元統計 50
3.2.2　兩圖像間的圖元作 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　圖像仿變換 69
3.3.5　圖像透視變換 72
3.3.6　極座標變換 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*交互作 88
3.7.1　圖像視窗滑動條 88
3.7.2　滑鼠回應 90
3.8　本章小結 92

第4章　圖像長條圖 94
4.1　圖像長條圖的計算與繪製 94
4.1.1　圖像長條圖的計算 94
4.1.2　圖像長條圖的繪製 96
4.2　2D長條圖 100
4.3　關於長條圖的作 103
4.3.1　長條圖歸一化 103
4.3.2　長條圖比較 106
4.3.3　長條圖均衡化 109
4.3.4　長條圖匹配 111
4.3.5　長條圖反向投影 114
4.4　圖像範本匹配 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　雜訊的種類與生成 124
5.2.1　椒鹽雜訊 124
5.2.2　高斯雜訊 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運算元 148
5.4.3　Scharr運算元 151
5.4.4　生成邊緣檢測濾波器 152
5.4.5　Laplacian運算元 154
5.4.6　Canny演算法 156
5.5　本章小結 158

第6章　圖像形態學作 159
6.1　圖元距離與連通域 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　傅裡葉變換 228
8.1.1　離散傅裡葉變換 228
8.1.2　通過傅裡葉變換計算卷積 235
8.1.3　離散余弦變換 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分割演算法 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　亞圖元級別角點檢測 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　均值遷移法目標跟蹤 323
11.2.1　均值遷移的目標跟蹤 324
11.2.2　自我調整均值遷移的目標跟蹤 327
11.3　光流法目標跟蹤 330
11.3.1　Faeneback多項式擴展演算法 332
11.3.2　基於LK光流跟蹤 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均值聚類演算法 339
12.1.2　K近鄰演算法 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與深度神經網路應用實例 354
12.2.1　載入深度學習模型 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