第1章 初识OpenCV
1.1 什么是OpenCV
1.1.1 OpenCV与计算机视觉
1.1.2 OpenCV的发展
1.1.3 OpenCV4带来了什么
1.2 安装OpenCV-Python
1.2.1 在Windows系统中安装OpenCV-Python
1.2.2 在Ubuntu系统中安装OpenCV-Python
1.3 OpenCV的模块架构
1.4 示例程序
1.4.1 配置运行环境
1.4.2 边缘检测
1.4.3 K聚类算法
1.4.4 基于特征点的图像匹配
1.4.5 行人检测
1.4.6 手写数字识别
1.5 本章小结
第2章 载入、显示与保存数据
2.1 图像的表示
2.1.1 图像基础
2.1.2 NumPy相关介绍
2.2 图片的读取与显示
2.2.1 图片读取函数
2.2.2 图像窗口函数
2.2.3 图片显示函数
2.3 22加载与摄像头调用
2.3.1 读取22数据
2.3.2 摄像头的直接调用
2.4 数据保存
2.4.1 保存图像
2.4.2 保存
2.4.3 保存和读取XML和YMAL文件
2.5 本章小结
第3章 图像基本操作
3.1 颜色空间
3.1.1 颜色空间与转换
3.1.2 多通道分离与合并
3.2 关于像素的操作
3.2.1 图像像素统计
3.2.2 两图像间的像素操作
3.2.3 图像二值化
3.2.4 LUT
3.3 图像连接和图像变换
3.3.1 图像连接
3.3.2 图像尺寸变换
3.3.3 图像翻转变换
3.3.4 图像仿射变换
3.3.5 图像透视变换
3.3.6 极坐标变换
3.4 在图像上绘制几何图形和生成文字
3.4.1 绘制圆形
3.4.2 绘制直线
3.4.3 绘制椭圆
3.4.4 绘制多边形
3.4.5 生成文字
3.5 感兴趣区域
3.6 图像金字塔
3.6.1 高斯金字塔
3.6.2 拉普拉斯金字塔
3.7 窗口交互操作
3.7.1 图像窗口滑动条
3.7.2 鼠标响应
3.8 本章小结
第4章 图像直方图
4.1 图像直方图的计算与绘制
4.1.1 图像直方图的计算
4.1.2 图像直方图的绘制
4.2 2D直方图
4.3 关于直方图的操作
4.3.1 直方图归一化
4.3.2 直方图比较
4.3.3 直方图均衡化
4.3.4 直方图匹配
4.3.5 直方图反向投影
4.4 图像模板匹配
4.5 本章小结
第5章 图像滤波
5.1 图像卷积
5.2 噪声的种类与生成
5.2.1 椒盐噪声
5.2.2 高斯噪声
5.3 线性滤波
5.3.1 均值滤波
5.3.2 方框滤波
5.3.3 高斯滤波
5.3.4 可分离滤波
5.3.5 中值滤波
5.3.6 双边滤波
5.4 图像边缘检测
5.4.1 边缘检测原理
5.4.2 Sobel算子
5.4.3 Scharr算子
5.4.4 生成边缘检测滤波器
5.4.5 Laplacian算子
5.4.6 Canny算法
5.5 本章小结
第6章 图像形态学操作
6.1 像素距离与连通域
6.1.1 图像距离变换
6.1.2 图像连通域分析
6.2 腐蚀与膨胀
6.2.1 图像腐蚀
6.2.2 图像膨胀
6.3 形态学应用
6.3.1 开运算
6.3.2 闭运算
6.3.3 形态学梯度
6.3.4 顶帽运算
6.3.5 黑帽运算
6.3.6 击中击不中变换
6.3.7 图像细化
6.4 本章小结
第7章 目标检测
7.1 形状检测
7.1.1 直线检测
7.1.2 直线拟合
7.1.3 圆形检测
7.2 轮廓检测
7.2.1 轮廓发现与绘制
7.2.2 轮廓面积
7.2.3 轮廓长度
7.2.4 轮廓外接多边形
7.2.5 点到轮廓距离
7.2.6 凸包检测
7.3 矩的计算
7.3.1 几何矩与中心矩
7.3.2 Hu矩
7.3.3 基于Hu矩的轮廓匹配
7.4 点集拟合
7.5 二维码检测
7.6 本章小结
第8章 图像分析与修复
8.1 傅里叶变换
8.1.1 离散傅里叶变换
8.1.2 通过傅里叶变换计算卷积
8.1.3 离散余弦变换
8.2 积分图
8.3 图像分割
8.3.1 漫水填充法
8.3.2 分水岭法
8.3.3 Grabcut图像分割
8.3.4 Mean-Shift分割算法
8.4 图像修复
8.5 本章小结
第9章 特征点检测与匹配
9.1 角点检测
9.1.1 显示关键点
9.1.2 Harris角点检测
9.1.3 Shi-Tomasi角点检测
9.1.4 亚像素级别角点检测
9.2 特征点检测
9.2.1 关键点
9.2.2 描述子
9.2.3 SIFT特征点检测
9.2.4 SURF特征点检测
9.2.5 ORB特征点检测
9.3 特征点匹配
9.3.1 DescriptorMatcher类
9.3.2 暴力匹配
9.3.3 显示特征点匹配结果
9.3.4 FLANN匹配
9.3.5 RANSAC优化特征点匹配
9.4 本章小结
第10章 立体视觉
10.1 单目视觉
10.1.1 单目相机模型
10.1.2 标定板角点提取
10.1.3 单目相机标定
10.1.4 单目相机校正
10.1.5 单目投影
10.1.6 单目位姿估计
10.2 双目视觉
10.2.1 双目相机模型
10.2.2 双目相机标定
10.2.3 双目相机校正
10.3 本章小结
第11章 22分析
11.1 差值法检测移动物体
11.2 均值迁移法目标跟踪
11.2.1 均值迁移的目标跟踪
11.2.2 自适应均值迁移的目标跟踪
11.3 光流法目标跟踪
11.3.1 Faeneback多项式扩展算法
11.3.2 基于LK光流跟踪
11.4 本章小结
第12章 OpenCV与机器学习
12.1 OpenCV与传统机器学习
12.1.1 k均值聚类算法
12.1.2 K近邻算法
12.1.3 决策树
12.1.4 随机森林
12.1.5 支持向量机
12.2 OpenCV与深度神经网络应用实例
12.2.1 加载深度学习模型
12.2.2 图像识别
12.2.3 快速风格迁移
12.2.4 性别检测
12.3 本章小结
本书旨在讨论OpenCV 4的功能，以及OpenCV在图像处理和计算机视觉方面的应用。本书共12章，主要内容包括OpenCV的基础知识，数据的载入、显示与保存，图像基本操作，直方图，图像滤波，图像形态学操作，目标检测，图像分析与修复，特征点检测与匹配，立体视觉，视频分析，机器学习在OpenCV中的实现方式。
本书适合从事计算机视觉研究和开发的专业人士阅读，也可作为计算机相关专业的教材。
1.基于Python讲述OpenCV大量函数用法构建功能强大的应用程序
2.基于OpenCV4.1，涵盖上百个函数
3.一线实践案例讲述计算机视觉知识及OpenCV库
4.深入学习图像处理、特征检测、视频分析等算法
5.提供GitHub托管测试数据、源代码等配套资源
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
