《OpenCV 4详解：基于Python》基于OpenCV 4.1版本，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，图像分割与修复，目标检测，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。
《OpenCV 4详解：基于Python》适合计算机视觉方面的专业人士阅读，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
目 录
第 1章 初识OpenCV 1
1.1 什么是OpenCV 1
1.1.1 OpenCV与计算机视觉 1
1.1.2 OpenCV的发展 2
1.1.3 OpenCV 4带来了什么 3
1.2 安装OpenCV-Python 4
1.2.1 在Windows系统中安装
OpenCV-Python 4
1.2.2 在Ubuntu系统中安装
OpenCV-Python 9
1.3 OpenCV的模块架构 12
1.4 示例程序 14
1.4.1 配置运行环境 14
1.4.2 边缘检测 14
1.4.3 K聚类算法 15
1.4.4 基于特征点的图像匹配 16
1.4.5 行人检测 17
1.4.6 手写数字识别 18
1.5 本章小结 19
第 2章 载入、显示与保存数据 20
2.1 图像的表示 20
2.1.1 图像基础 20
2.1.2 NumPy相关介绍 22
2.2 图片的读取与显示 27
2.2.1 图片读取函数 28
2.2.2 图像窗口函数 29
2.2.3 图片显示函数 29
2.3 视频加载与摄像头调用 30
2.3.1 读取视频数据 30
2.3.2 摄像头的直接调用 33
2.4 数据保存 33
2.4.1 保存图像 34
2.4.2 保存视频 36
2.4.3 保存和读取XML和YMAL
文件 38
2.5 本章小结 41
第3章 图像基本操作 42
3.1 颜色空间 42
3.1.1 颜色空间与转换 42
3.1.2 多通道分离与合并 47
3.2 关于像素的操作 49
3.2.1 图像像素统计 50
3.2.2 两图像间的像素操作 53
3.2.3 图像二值化 58
3.2.4 LUT 62
3.3 图像连接和图像变换 64
3.3.1 图像连接 64
3.3.2 图像尺寸变换 66
3.3.3 图像翻转变换 68
3.3.4 图像仿射变换 69
3.3.5 图像透视变换 72
3.3.6 极坐标变换 75
3.4 在图像上绘制几何图形和生成文字 77
3.4.1 绘制圆形 77
3.4.2 绘制直线 78
3.4.3 绘制椭圆 78
3.4.4 绘制多边形 79
3.4.5 生成文字 80
3.5 感兴趣区域 83
3.6 图像金字塔 85
3.6.1 高斯金字塔 85
3.6.2 拉普拉斯金字塔 86
3.7 窗口交互操作 88
3.7.1 图像窗口滑动条 88
3.7.2 鼠标响应 90
3.8 本章小结 92
第4章 图像直方图 94
4.1 图像直方图的计算与绘制 94
4.1.1 图像直方图的计算 94
4.1.2 图像直方图的绘制 96
4.2 2D直方图 100
4.3 关于直方图的操作 103
4.3.1 直方图归一化 103
4.3.2 直方图比较 106
4.3.3 直方图均衡化 109
4.3.4 直方图匹配 111
4.3.5 直方图反向投影 114
4.4 图像模板匹配 115
4.5 本章小结 119
第5章 图像滤波 120
5.1 图像卷积 120
5.2 噪声的种类与生成 124
5.2.1 椒盐噪声 124
5.2.2 高斯噪声 126
5.3 线性滤波 129
5.3.1 均值滤波 129
5.3.2 方框滤波 132
5.3.3 高斯滤波 134
5.3.4 可分离滤波 137
5.3.5 中值滤波 140
5.3.6 双边滤波 142
5.4 图像边缘检测 145
5.4.1 边缘检测原理 145
5.4.2 Sobel算子 148
5.4.3 Scharr算子 151
5.4.4 生成边缘检测滤波器 152
5.4.5 Laplacian算子 154
5.4.6 Canny算法 156
5.5 本章小结 158
第6章 图像形态学操作 159
6.1 像素距离与连通域 159
6.1.1 图像距离变换 159
6.1.2 图像连通域分析 164
6.2 腐蚀与膨胀 170
6.2.1 图像腐蚀 170
6.2.2 图像膨胀 175
6.3 形态学应用 178
6.3.1 开运算 178
6.3.2 闭运算 180
6.3.3 形态学梯度 180
6.3.4 顶帽运算 181
6.3.5 黑帽运算 181
6.3.6 击中击不中变换 182
6.3.7 图像细化 185
6.4 本章小结 187
第7章 目标检测 189
7.1 形状检测 189
7.1.1 直线检测 189
7.1.2 直线拟合 198
7.1.3 圆形检测 200
7.2 轮廓检测 202
7.2.1 轮廓发现与绘制 203
7.2.2 轮廓面积 207
7.2.3 轮廓长度 208
7.2.4 轮廓外接多边形 209
7.2.5 点到轮廓距离 213
7.2.6 凸包检测 215
7.3 矩的计算 216
7.3.1 几何矩与中心矩 217
7.3.2 Hu矩 218
7.3.3 基于Hu矩的轮廓匹配 220
7.4 点集拟合 222
7.5 二维码检测 224
7.6 本章小结 226
第8章 图像分析与修复 228
8.1 傅里叶变换 228
8.1.1 离散傅里叶变换 228
8.1.2 通过傅里叶变换计算卷积 235
8.1.3 离散余弦变换 236
8.2 积分图 240
8.3 图像分割 243
8.3.1 漫水填充法 244
8.3.2 分水岭法 246
8.3.3 Grabcut图像分割 249
8.3.4 Mean-Shift分割算法 251
8.4 图像修复 254
8.5 本章小结 256
第9章 特征点检测与匹配 258
9.1 角点检测 258
9.1.1 显示关键点 258
9.1.2 Harris角点检测 261
9.1.3 Shi-Tomasi角点检测 264
9.1.4 亚像素级别角点检测 266
9.2 特征点检测 268
9.2.1 关键点 268
9.2.2 描述子 269
9.2.3 SIFT特征点检测 270
9.2.4 SURF特征点检测 273
9.2.5 ORB特征点检测 276
9.3 特征点匹配 279
9.3.1 DescriptorMatcher类 279
9.3.2 暴力匹配 281
9.3.3 显示特征点匹配结果 282
9.3.4 FLANN匹配 284
9.3.5 RANSAC优化特征点匹配 287
9.4 本章小结 290
第 10章 立体视觉 291
10.1 单目视觉 291
10.1.1 单目相机模型 291
10.1.2 标定板角点提取 294
10.1.3 单目相机标定 298
10.1.4 单目相机校正 302
10.1.5 单目投影 305
10.1.6 单目位姿估计 307
10.2 双目视觉 312
10.2.1 双目相机模型 312
10.2.2 双目相机标定 313
10.2.3 双目相机校正 316
10.3 本章小结 319
第 11章 视频分析 321
11.1 差值法检测移动物体 321
11.2 均值迁移法目标跟踪 323
11.2.1 均值迁移的目标跟踪 324
11.2.2 自适应均值迁移的目标跟踪 327
11.3 光流法目标跟踪 330
11.3.1 Faeneback多项式扩展算法 332
11.3.2 基于LK光流跟踪 335
11.4 本章小结 338
第 12章 OpenCV与机器学习 339
12.1 OpenCV与传统机器学习 339
12.1.1 k均值聚类算法 339
12.1.2 K近邻算法 343
12.1.3 决策树 347
12.1.4 随机森林 349
12.1.5 支持向量机 351
12.2 OpenCV与深度神经网络应用
实例 354
12.2.1 加载深度学习模型 355
12.2.2 图像识别 357
12.2.3 快速风格迁移 359
12.2.4 性别检测 361
12.3 本章小结 363
书单推荐
