OpenCV圖像處理入門(mén)與實(shí)踐

第 1 章 初識(shí) OpenCV
1．1　OpenCV 簡(jiǎn)介
1．2　OpenCV 的安裝
1．2．1　在 Visual Studio 2017 上安裝
1．2．2　在 PyCharm 上安裝
1．2．3　在其他編譯器上安裝
1．3　OpenCV 常用的 Python 內(nèi)置函數(shù)
1．3．1　ord 函數(shù)
1．3．2　max 函數(shù)和 min 函數(shù)
1．3．3　sorted 函數(shù)
1．4　常見(jiàn)的錯(cuò)誤
1．4．1　NameErron name ‘np’ is not defined
1．4．2　未知&0xff 產(chǎn)生的錯(cuò)誤
1．4．3　圖片無(wú)法正常顯示或程序死機(jī)
1．4．4　OpenCV 版本不同產(chǎn)生的問(wèn)題
1．5　OpenCV 代碼體驗(yàn)
第　2 章 圖片與初用 OpenCV
2．1　圖片在計(jì)算機(jī)中的存儲(chǔ)形式
2．1．1　BGR 圖
2．1．2　灰度圖
2．1．3　HSV 圖．
2．1．4　二值圖
2．2　圖片的讀取與寫(xiě)出
2．2．1　圖片讀取
2．2．2　圖片保存
2．2．3　BGR 圖的讀取與寫(xiě)出
2．2．4　灰度圖的讀取與寫(xiě)出
2．2．5　圖片展示．
2．2．6　圖片延時(shí)．
2．2．7　圖片讀取演示
2．3　計(jì)算機(jī)視覺(jué)中常用的圖片屬性
第　3 章 OpenCV 的基礎(chǔ)函數(shù)
3．1　OpenCV 的繪圖函數(shù)
3．1．1　畫(huà)直線
3．1．2　畫(huà)矩形
3．1．3　畫(huà)圓
3．1．4　畫(huà)橢圓
3．1．5　畫(huà)多邊形
3．1．6　添加文字
3．2　OpenCV 的處理鼠標(biāo)事件函數(shù)
3．2．1　調(diào)用回調(diào)函數(shù)
3．2．2　鼠標(biāo)事件
3．2．3　回調(diào)函數(shù)
3．3　OpenCV 實(shí)現(xiàn)滑動(dòng)條式調(diào)色板
第　4 章 OpenCV 的基礎(chǔ)圖像操作
4．1　圖像的基礎(chǔ)操作
4．1．1　獲取像素值
4．1．2　修改像素值
4．1．3　拆分及合并圖像通道
4．1．4　圖像擴(kuò)邊
4．2　圖像的算術(shù)操作
4．2．1　圖像加法
4．2．2　OpenCV 與 NumPy 模塊算術(shù)加法的區(qū)別
4．2．3　圖像加法練習(xí)
4．2．4　圖像加權(quán)
4．2．5　圖像邏輯運(yùn)算
4．3　直接像素點(diǎn)操作與 ROI
第　5 章 OpenCV 中動(dòng)態(tài)圖像的基礎(chǔ)操作
5．1　捕獲視頻
5．1．1　cv2．VideoCapture 函數(shù)
5．1．2　攝像頭捕獲視頻
5．1．3　獲取本地視頻
5．1．4　cv2．VideoWriter 函數(shù)
5．1．5　視頻的保存
5．1．6　錯(cuò)誤處理：函數(shù)不存在
5．2　物體追蹤
5．2．1　圖像的顏色空間轉(zhuǎn)換
5．2．2　構(gòu)建掩膜
5．2．3　指定 HSV 圖像物體追蹤
5．2．4　找到要追蹤對(duì)象的 HSV 值
第　6 章 OpenCV 圖像變換
6．1　縮放變換
6．2　平移變換
6．3　旋轉(zhuǎn)變換
6．4　仿射變換
6．5　透視變換
第　7 章 OpenCV 圖像噪點(diǎn)
7．1　圖像閾值
7．1．1　簡(jiǎn)單閾值
7．1．2　自適應(yīng)閾值
7．1．3　Otsu's 二值化算法
7．2　圖像去噪
7．2．1　卷積
7．2．2　2D 卷積
7．2．3　平均卷積
7．2．4　高斯模糊
7．2．5　中值濾波
7．2．6　雙邊濾波
7．2．7　濾波后的處理操作
7．3　形態(tài)學(xué)轉(zhuǎn)換
7．3．1　形態(tài)學(xué)腐蝕
7．3．2　形態(tài)學(xué)膨脹
7．3．3　形態(tài)學(xué)高級(jí)操作
7．3．4　形態(tài)學(xué)梯度
7．3．5　形態(tài)學(xué)禮帽
7．3．6　形態(tài)學(xué)黑帽
7．3．7　結(jié)構(gòu)化元素
第　8 章 圖像邊緣
8．1　圖像梯度
8．1．1　cv2．Sobel 函數(shù)
8．1．2　Sobel 算子和 Scharr 算子
8．1．3　Laplacian 算子
8．2　Canny 邊緣檢測(cè)
8．2．1　Canny 邊緣檢測(cè)原理
8．2．2　cv2．Canny 函數(shù)
8．2．3　Canny 邊緣檢測(cè)實(shí)例
8．3　圖像金字塔
8．3．1　構(gòu)建圖像金字塔
8．3．2　高斯金字塔
8．3．3　拉普拉斯金字塔
第　9 章 圖像輪廓
9．1　什么是輪廓
9．2　輪廓的尋找與繪制
9．2．1　輪廓尋找
9．2．2　輪廓繪制
9．2．3　輪廓的尋找與繪制實(shí)例
9．3　輪廓特征
9．3．1　圖像的矩
9．3．2　輪廓的重心
9．3．3　輪廓的面積
9．3．4　輪廓的周長(zhǎng)
9．3．5　輪廓近似
9．4　凸包
9．5　凸性檢測(cè)
9．6　輪廓框定
9．6．1　輪廓外接
9．6．2　圖像擬合
9．7　輪廓的性質(zhì)
9．7．1　面積占比
9．7．2　密實(shí)度
9．7．3　圓替換
9．7．4　輪廓夾角
9．7．5　輪廓中極點(diǎn)的坐標(biāo)
9．8　常用的輪廓處理函數(shù)
9．8．1　找凸缺陷
9．8．2　判斷點(diǎn)與輪廓的位置關(guān)系
9．8．3　形狀匹配
9．9　輪廓的層次結(jié)構(gòu)
第　10 章 綜合運(yùn)用 1：現(xiàn)代物體追蹤
10．1　霍夫變換——?jiǎng)討B(tài)檢測(cè)
10．1．1　霍夫變換
10．1．2　霍夫變換的工作原理
10．1．3　霍夫變換提取直線的實(shí)現(xiàn)原理
10．1．4　直線檢測(cè)
10．1．5　基本霍夫變換的局限性
10．1．6　動(dòng)態(tài)圓形檢測(cè)
10．1．7　其他圖形檢測(cè)
10．1．8　廣義霍夫變換
10．2　“HSV+輪廓”追蹤物體
10．2．1　基本原理
10．2．2　實(shí)際運(yùn)用
10．2．3　優(yōu)化算法
10．2．4　噪點(diǎn)去除
10．3　Camshift 目標(biāo)追蹤
10．3．1　Camshift 目標(biāo)追蹤的原理
10．3．2　顏色直方圖
10．3．3　Camshift 目標(biāo)追蹤代碼分析
10．4　光流法追蹤
10．4．1　運(yùn)動(dòng)場(chǎng)與光流場(chǎng)
10．4．2　光流法
10．4．3　直接法
10．4．4　光流法的代碼實(shí)現(xiàn)
10．5　KCF 目標(biāo)追蹤
10．5．1　工作原理．
10．5．2　KCF 目標(biāo)追蹤實(shí)例
10．6　多目標(biāo)追蹤
10．6．1　創(chuàng)建單目標(biāo)對(duì)象追蹤器
10．6．2　讀取攝像頭（視頻）內(nèi)初幀
10．6．3　在初幀內(nèi)確定追蹤的所有對(duì)象
10．6．4　初始化多目標(biāo)追蹤的類
10．6．5　更新圖像并輸出圖像
第　11 章 綜合運(yùn)用 2：圖像數(shù)據(jù)交互
11．1　圖像中物體的裁剪
11．1．1　圖像的轉(zhuǎn)換和捕捉
11．1．2　圖像的去噪和填充
11．1．3　畫(huà)圖像輪廓
11．1．4　圖像的截取
11．2　單目測(cè)距
11．2．1　單目測(cè)距的原理
11．2．2　靜態(tài)單目測(cè)距
11．2．3　動(dòng)態(tài)單目測(cè)距
11．3　圖像數(shù)據(jù)上傳
11．3．1　郵件的發(fā)送協(xié)議
11．3．2　基于 SMTP 的郵件發(fā)送
11．3．3　無(wú)附件的 SMTP 傳輸
11．3．4　有附件的 SMTP 傳輸
11．4　圖像數(shù)據(jù)遠(yuǎn)程交互
11．4．1　MQTT 協(xié)議
11．4．2　云上設(shè)備創(chuàng)建
11．4．3　規(guī)則引擎的創(chuàng)建
11．4．4　本地?cái)?shù)據(jù)發(fā)布端代碼
11．4．5　本地?cái)?shù)據(jù)接收端代碼
第　12 章 綜合運(yùn)用 3：圖像與現(xiàn)代生活
12．1　二維碼識(shí)別
12．1．1　靜態(tài)的二維碼識(shí)別
12．1．2　動(dòng)態(tài)的二維碼識(shí)別
12．2　人臉識(shí)別
12．2．1　人臉識(shí)別的原理——Haar特征
12．2．2　人臉識(shí)別的實(shí)現(xiàn)
12．2．3　判斷是否存在人臉
12．3　手勢(shì)識(shí)別
12．3．1　手勢(shì)識(shí)別的分類
12．3．2　2D 攝像頭手勢(shì)識(shí)別
12．3．3　手勢(shì)識(shí)別的實(shí)現(xiàn)
12．4　人臉表情識(shí)別
12．4．1　基于 dlib 的人臉表情識(shí)別
12．4．2　靜態(tài)圖像的人臉表情識(shí)別
12．4．3　動(dòng)態(tài)的人臉表情識(shí)別
12．5　文字的挖取與識(shí)別
12．5．1　文字挖取
12．5．2　文字識(shí)別
12．6　圖片與 ASCII 藝術(shù)
12．6．1　ASCII 藝術(shù)
12．6．2　圖片 ASCII 轉(zhuǎn)換
12．7　透明實(shí)現(xiàn)
12．7．1　透明實(shí)現(xiàn)的原理
12．7．2　區(qū)域檢測(cè)
12．7．3　背景幀的替換
12．7．4　透明實(shí)現(xiàn)過(guò)程
12．8　泊松克隆
12．8．1　泊松克隆簡(jiǎn)介
12．8．2　正常克隆
12．8．3　混合克隆
12．8．4　遷移融合
12．9　圖像修復(fù)
12．9．1　圖像修復(fù)原理
12．9．2　INPAINT_NS 修復(fù)
12．9．3　INPAINT_TELEA 修復(fù)
12．10　非真實(shí)感渲染
12．10．1　什么是非真實(shí)感渲染
12．10．2　保邊濾波器
12．10．3　細(xì)節(jié)增強(qiáng)
12．10．4　素描濾波器
12．10．5　風(fēng)格濾波
第　13 章 綜合運(yùn)用 4：圖像與工業(yè)．
13．1　中值背景估計(jì)
13．1．1　時(shí)間中值濾波
13．1．2　運(yùn)用中值濾波進(jìn)行背景估計(jì)
13．1．3　幀差分
13．2　ORB 圖像對(duì)齊
13．2．1　圖像對(duì)齊的原理
13．2．2　尋找對(duì)應(yīng)點(diǎn)
13．2．3　基于特征的圖像對(duì)齊步驟
13．2．4　圖像對(duì)齊
13．3　圖像填充
13．3．1　前景與背景
13．3．2　前背分離
13．3．3　漫水填充算法