[正版] OpenCV算法精解 基于Python与C++ Windows和ubuntu上部署OpenCV教程书籍 C+

        店铺公告

  为保障消费者合理购买需求及公平交易机会，避免因非生活消费目的的购买货囤积商品，抬价转售等违法行为发生，店铺有权对异常订单不发货且不进行赔付。异常订单：包括但不限于相同用户ID批量下单，同一用户（指不同用户ID，存在相同/临近/虚构收货地址，或相同联系号码，收件人，同账户付款人等情形的）批量下单（一次性大于5本），以及其他非消费目的的交易订单。

温馨提示：请务必当着快递员面开箱验货，如发现破损，请立即拍照拒收，如验货有问题请及时联系在线客服处理，（如开箱验货时发现破损，所产生运费由我司承担，一经签收即为货物完好，如果您未开箱验货，一切损失就需要由买家承担，所以请买家一定要仔细验货）。

  关于退货运费：对于下单后且物流已发货货品在途的状态下，原则上均不接受退货申请，如顾客原因退货需要承担来回运费，如因产品质量问题（非破损问题）可在签收后，联系在线客服。

    开篇先介绍如何在Windows和ubuntu上部署OpenCV，然后过度到核心章节，从灰度图像、彩色图像、图像平滑、边缘检测、霍夫变换等几个维度入手讲解，尽量拆分算法，代码实现用C++和Python代码。案例在每章最后分享，方便读者练习。本书特色： 基本概念理论+数学原理 详细介绍OpenCV实现对应的函数 注重代码实现（分别给出Python和C++实现）及实际应用。Python与C++双实现，助力读者轻松驾驭OpenCV算法，夯实计算机视觉领域基础知识！

目录

1  OpenCV入门

1.1 初识OpenCV

1.1.1 OpenCV的模块简介

1.1.2 OpenCV 2.4.13与3.2版本的区别

1.2 部署OpenCV

1.2.1 在Visual Studio 2015中 配置OpenCV

1.2.2 OpenCV 2.X C++ API的第一个示例

1.2.3 OpenCV 3.X C++ API的第一个示例

1.2.4 在Anaconda 2中配置OpenCV

1.2.5 OpenCV 2.X Python API的第一个示例

1.2.6 OpenCV 3.X Python API的第一个示例

2  图像数字化

2.1 认识Numpy中的ndarray

2.1.1 构造ndarray对象

2.1.2 访问ndarray中的值

2.2 认识OpenCV中的Mat类

2.2.1 初识Mat

2.2.2 构造单通道Mat对象

2.2.3 获得单通道Mat的基本信息

2.2.4 访问单通道Mat对象中的值

2.2.5 向量类Vec

2.2.6 构造多通道Mat对象

2.2.7 访问多通道Mat对象中的值

2.2.8 获得Mat中某一区域的值

2.3 矩阵的运算

2.3.1 加法运算

2.3.2 减法运算

2.3.3 点乘运算

2.3.4 点除运算

2.3.5 乘法运算

2.3.6 其他运算

2.4 灰度图像数字化

2.4.1 概述

2.4.2 将灰度图像转换为Mat

2.4.3 将灰度图转换为ndarray

2.5 彩色图像数字化

2.5.1 将RGB彩色图像转换为多通道Mat

2.5.2 将RGB彩色图转换为三维的ndarray

2.6 参考文献

3  几何变换

3.1 仿射变换

3.1.1 平移

3.1.2 放大和缩小

3.1.3 旋转

3.1.4 计算仿射矩阵

3.1.5 插值算法

3.1.6 Python实现

3.1.7 C++实现

3.1.8 旋转函数rotate（OpenCV3.X新特性）

3.2 投影变换

3.2.1 原理详解

3.2.2 Python实现

3.2.3 C++实现

3.3 极坐标变换

3.3.1 原理详解

3.3.2 Python实现

3.3.3 C++实现

3.3.4 线性极坐标函数linearPolar（OpenCV 3.X新特性）

3.3.5 对数极坐标函数logPolar（OpenCV 3.X新特性）

3.4 参考文献

4  对比度增强

4.1 灰度直方图

4.1.1 什么是灰度直方图

4.1.2 Python及C++实现

4.2 线性变换

4.2.1 原理详解

4.2.2 Python实现

4.2.3 C++实现

4.3 直方图正规化

4.3.1 原理详解

4.3.2 Python实现

4.3.3 C++实现

4.3.4 正规化函数normalize

4.4 伽马变换

4.4.1 原理详解

4.4.2 Python实现

4.4.3 C++实现

4.5 全局直方图均衡化

4.5.1 原理详解

4.5.2 Python实现

4.5.3 C++实现

4.6 限制对比度的自适应直方图均衡化

4.6.1 原理详解

4.6.2 代码实现

4.7 参考文献

5  图像平滑

5.1 二维离散卷积

5.1.1 卷积定义及矩阵形式

5.1.2 可分离卷积核

5.1.3 离散卷积的性质

5.2 高斯平滑

5.2.1 高斯卷积核的构建及分离性

5.2.2 高斯卷积核的二项式近似

5.2.3 Python实现

5.2.4 C++实现

5.3 均值平滑

5.3.1 均值卷积核的构建及分离性

5.3.2 快速均值平滑

5.3.3 Python实现

5.3.4 C++实现

5.4 中值平滑

5.4.1 原理详解

5.4.2 Python实现

5.4.3 C++实现

5.5 双边滤波

5.5.1 原理详解

5.5.2 Python实现

5.5.3 C++实现

5.6 联合双边滤波

5.6.1 原理详解

5.6.2 Python实现

5.6.3 C++实现

5.7 导向滤波

5.7.1 原理详解

5.7.2 Python实现

5.7.3 快速导向滤波

5.7.4 C++实现

5.8 参考文献

6  阈值分割

6.1 方法概述

6.1.1 全局阈值分割

6.1.2 阈值函数threshold（OpenCV3.X新特性）

6.1.3 局部阈值分割

6.2 直方图技术法

6.2.1 原理详解

6.2.2 Python实现

6.2.3 C++实现

6.3 熵算法

6.3.1 原理详解

6.3.2 代码实现

6.4 Otsu阈值处理

6.4.1 原理详解

6.4.2 Python实现

6.4.3 C++实现

6.5 自适应阈值

6.5.1 原理详解

6.5.2 Python实现

6.5.3 C++实现

6.6 二值图的逻辑运算

6.6.1 “与”和“或”运算

6.6.2 Python实现

6.6.3 C++实现

6.7 参考文献

7  形态学处理

7.1 腐蚀

7.1.1 原理详解

7.1.2 实现代码及效果

7.2 膨胀

7.2.1 原理详解

7.2.2 Python实现

7.2.3 C++实现

7.3 开运算和闭运算

7.3.1 原理详解

7.3.2 Python实现

7.4 其他形态学处理操作

7.4.1 顶帽变换和底帽变换

7.4.2 形态学梯度

7.4.3 C++实现

8  边缘检测

8.1 Roberts算子

8.1.1 原理详解

8.1.2 Python实现

8.1.3 C++实现

8.2 Prewitt边缘检测

8.2.1 Prewitt算子及分离性

8.2.2 Python实现

8.2.3 C++实现

8.3 Sobel边缘检测

8.3.1 Sobel算子及分离性

8.3.2 构建高阶的Sobel算子

8.3.3 Python实现

8.3.4 C++实现

8.4 Scharr算子

8.4.1 原理详解

8.4.2 Python实现

8.4.3 C++实现

8.5 Kirsch算子和Robinson算子

8.5.1 原理详解

8.5.2 代码实现及效果

8.6 Canny边缘检测

8.6.1 原理详解

8.6.2 Python实现

8.6.3 C++实现

8.7 Laplacian算子

8.7.1 原理详解

8.7.2 Python实现

8.7.3 C++实现

8.8 高斯拉普拉斯（LoG）边缘检测

8.8.1 原理详解

8.8.2 Python实现

8.8.3 C++实现

8.9 高斯差分（DoG）边缘检测

8.9.1 高斯拉普拉斯与高斯差分的关系

8.9.2 Python实现

8.9.3 C++实现

8.10 Marr-Hildreth边缘检测

8.10.1 算法步骤详解

8.10.2 Pyton实现

8.10.3 C++实现

8.11 参考文献

9  几何形状的检测和拟合

9.1 点集的最小外包

9.1.1 最小外包旋转矩形

9.1.2 旋转矩形的4个顶点（OpenCV 3.X新特性）

9.1.3 最小外包圆

9.1.4 最小外包直立矩形（OpenCV 3.X新特性）

9.1.5 最小凸包

9.1.6 最小外包三角形（ OpenCV 3.X新特性）

9.2 霍夫直线检测

9.2.1 原理详解

9.2.2 Python实现

9.2.3 C++实现

9.3 霍夫圆检测

9.3.1 标准霍夫圆检测

9.3.2 Python实现

9.3.3 基于梯度的霍夫圆检测

9.3.4 基于梯度的霍夫圆检测函数HoughCircles

9.4 轮廓

9.4.1 查找、绘制轮廓

9.4.2 外包、拟合轮廓

9.4.3 轮廓的周长和面积

9.4.4 点和轮廓的位置关系

9.4.5 轮廓的凸包缺陷

9.5 参考文献

10  傅里叶变换

10.1 二维离散的傅里叶（逆）变换

10.1.1 数学理解篇

10.1.2 快速傅里叶变换

10.1.3 C++实现

10.1.4 Python实现

10.2 傅里叶幅度谱与相位谱

10.2.1 基础知识

10.2.2 Python实现

10.2.3 C++实现

10.3 谱残差显著性检测

10.3.1 原理详解

10.3.2 Python实现

10.3.3 C++实现

10.4 卷积与傅里叶变换的关系

10.4.1 卷积定理

10.4.2 Python实现

10.5 通过快速傅里叶变换计算卷积

10.5.1 步骤详解

10.5.2 Python实现

10.5.3 C++实现

10.6 参考文献

11  频率域滤波

11.1 概述及原理详解

11.2 低通滤波和高通滤波

11.2.1 三种常用的低通滤波器

11.2.2 低通滤波的C++实现

11.2.3 低通滤波的Python实现

11.2.4 三种常用的高通滤波器

11.3 带通和带阻滤波

11.3.1 三种常用的带通滤波器

11.3.2 三种常用的带阻滤波器

11.4 自定义滤波器

11.4.1 原理详解

11.4.2 C++实现

11.5 同态滤波

11.5.1 原理详解

11.5.2 Python实现

11.6 参考文献

12  色彩空间

12.1 常见的色彩空间

12.1.1 RGB色彩空间

12.1.2 HSV色彩空间

12.1.3 HLS色彩空间

12.2 调整彩色图像的饱和度和亮度

12.2.1 Python实现

12.2.2 C++实现

    张平，毕业于温州大学，数学与应用数学专业硕士，算法工程师。致力于研究数字图像处理算法及OpenCV的使用。CSDN博主。