《OpenCV圖像處理入門與實踐》是2021年人民郵電出版社出版的圖書。
基本介紹
- 中文名：OpenCV圖像處理入門與實踐
- 作者：榮嘉祺
- 出版社：人民郵電出版社
- 出版時間：2021年
- 開本：128 開
- 裝幀：平裝-膠訂
- ISBN：9787115570567
內容簡介,作者簡介,目 錄,
內容簡介
OpenCV 是一個開源的計算機視覺庫，可以實現計算機視覺算法。本書從 OpenCV 用 Python 實現的基礎語法講起，逐步深入計算機視覺的進階實戰，並在後配合項目實戰案例，重點介紹使用 OpenCV 進行人工智慧項目以及日常生活中小應用程式開發的方法。通過本書讀者不但可以系統地學習有關計算機視覺鞏說的知識，而且還能對圖像處理的算法有更為深入的理解。
本書基於 Python，由淺入深、循序漸進地介紹了 OpenCV 從入門到實踐的內容。本書共 13 章，院紋騙內容涵蓋OpenCV 基礎知識、常見的圖像操作、圖像去噪、圖像輪廓的提取與分析，以及人臉識別、廈充嬸目標追蹤等計算機視覺的項目實戰。
作者簡介
榮嘉祺
中國通信學會學生會員，CSDN 學生會員。背戀市禁在校期間帶隊獲得“中國智慧型機器人格鬥大賽 - 大學組”二等獎、金磚國家青年創客大賽優勝獎等諸多獎項。深入學習實踐OpenCV 多年。
目 錄
第 1 章 初識 OpenCV
1.1 OpenCV 簡介
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 內置函式
1.3.1 ord 函式
1.3.2 max 函式和 min 函式
1.3.3 sorted 函式
1.4 常見的錯誤
1.4.1 NameErron name ‘np’ is not defined
1.4.2 未知&0xff 產生的錯誤
1.4.3 圖片無法正常顯示或程式當機
1.4.4 OpenCV 版本不同產生的問題
1.5 OpenCV 代碼體驗
第 2 章 圖片與初用 OpenCV
2.1 圖片在計算機中的存儲形式
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 圖的讀取與寫出
2.2.4 灰度圖的讀取與寫出
2.2.5 圖片企炒擔展示.
2.2.6 圖片延時.
2.2.7 圖片讀取演示
2.3 計算機視覺中常用的圖片屬性
第 3 章 OpenCV 的基礎函式
3.1 OpenCV 的繪圖函式
3.1.1 畫直線
3.1.2 畫矩形
3.1.3 畫圓
3.1.4 畫橢圓
3.1.5 畫多邊形
3.1.6 添加文字
3.2 OpenCV 的處理鼠阿戲提拔標事件函式
3.2.1 調用回調函式
3.2.2 滑鼠事件
3.2.3 回調函式
3.3 OpenCV 實現滑動條式調色板
第 4 章 OpenCV 的基礎圖像操作
4.1 圖像的基礎操作
4.1.1 獲取像素值
4.1.2 修改像素值
4.1.3 拆分及合併圖像通道
4.1.4 圖像擴邊
4.2 圖像的算術操作
4.2.1 圖像加法
4.2.2 OpenCV 與 NumPy 模組算術加法的區別
4.2.3 圖像加法練習
4.2.4 圖像加權
4.2.5 圖像邏輯運算
4.3 直接像素點操作與 ROI
第 5 章 OpenCV 中動態圖像的基礎操作
5.1 捕獲視頻
5.1.1 cv2.VideoCapture 函式
5.1.2 攝像頭捕獲視頻
5.1.3 獲取本地視頻
5.1.4 cv2.VideoWriter 函式
5.1.5 視頻的保棵懂洪存
5.1.6 錯誤處理：函式不存在
5.2 物體追蹤
5.2.1 圖像的顏色空間轉換
5.2.2 構建掩膜
5.2.3 指定 HSV 圖像物體追蹤
5.2.4 找到要追蹤對象的 HSV 值
第 6 章 OpenCV 圖像變換
6.1 縮放變換
6.2 平移變換
6.3 旋轉變換
6.4 仿射變換
6.5 透視變換
第 7 章 OpenCV 圖像噪點
7.1 圖像閾值
7.1.1 簡單閾值
7.1.2 自適應閾值
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 濾波後的處理操作
7.3 形態學轉換
7.3.1 形態學腐蝕
7.3.2 形態學膨脹
7.3.3 形態學高級操作
7.3.4 形態學梯度
7.3.5 形態學禮帽
7.3.6 形態學黑帽
7.3.7 結構化元素
第 8 章 圖像邊緣
8.1 圖像梯度
8.1.1 cv2.Sobel 函式
8.1.2 Sobel 運算元和 Scharr 運算元
8.1.3 Laplacian 運算元
8.2 Canny 邊緣檢測
8.2.1 Canny 邊緣檢測原理
8.2.2 cv2.Canny 函式
8.2.3 Canny 邊緣檢測實例
8.3 圖像金字塔
8.3.1 構建圖像金字塔
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 什麼是輪廓
9.2 輪廓的尋找與繪製
9.2.1 輪廓尋找
9.2.2 輪廓繪製
9.2.3 輪廓的尋找與繪製實例
9.3 輪廓特徵
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
9.3.5 輪廓近似
9.4 凸包
9.5 凸性檢測
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
9.7.1 面積占比
9.7.2 密實度
9.7.3 圓替換
9.7.4 輪廓夾角
9.7.5 輪廓中極點的坐標
9.8 常用的輪廓處理函式
9.8.1 找凸缺陷
9.8.2 判斷點與輪廓的位置關係
9.8.3 形狀匹配
9.9 輪廓的層次結構
第 10 章 綜合運用 1：現代物體追蹤
10.1 霍夫變換——動態檢測
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現原理
10.1.4 直線檢測
10.1.5 基本霍夫變換的局限性
10.1.6 動態圓形檢測
10.1.7 其他圖形檢測
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 實際運用
10.2.3 最佳化算法
10.2.4 噪點去除
10.3 Camshift 目標追蹤
10.3.1 Camshift 目標追蹤的原理
10.3.2 顏色直方圖
10.3.3 Camshift 目標追蹤代碼分析
10.4 光流法追蹤
10.4.1 運動場與光流場
10.4.2 光流法
10.4.3 直接法
10.4.4 光流法的代碼實現
10.5 KCF 目標追蹤
10.5.1 工作原理.
10.5.2 KCF 目標追蹤實例
10.6 多目標追蹤
10.6.1 創建單目標對象追蹤器
10.6.2 讀取攝像頭（視頻）內初幀
10.6.3 在初幀內確定追蹤的所有對象
10.6.4 初始化多目標追蹤的類
10.6.5 更新圖像並輸出圖像
第 11 章 綜合運用 2：圖像數據互動
11.1 圖像中物體的裁剪
11.1.1 圖像的轉換和捕捉
11.1.2 圖像的去噪和填充
11.1.3 畫圖像輪廓
11.1.4 圖像的截取
11.2 單目測距
11.2.1 單目測距的原理
11.2.2 靜態單目測距
11.2.3 動態單目測距
11.3 圖像數據上傳
11.3.1 郵件的傳送協定
11.3.2 基於 SMTP 的郵件傳送
11.3.3 無附屬檔案的 SMTP 傳輸
11.3.4 有附屬檔案的 SMTP 傳輸
11.4 圖像數據遠程互動
11.4.1 MQTT 協定
11.4.2 雲上設備創建
11.4.3 規則引擎的創建
11.4.4 本地數據發布端代碼
11.4.5 本地數據接收端代碼
第 12 章 綜合運用 3：圖像與現代生活
12.1 二維碼識別
12.1.1 靜態的二維碼識別
12.1.2 動態的二維碼識別
12.2 人臉識別
12.2.1 人臉識別的原理——Haar特徵
12.2.2 人臉識別的實現
12.2.3 判斷是否存在人臉
12.3 手勢識別
12.3.1 手勢識別的分類
12.3.2 2D 攝像頭手勢識別
12.3.3 手勢識別的實現
12.4 人臉表情識別
12.4.1 基於 dlib 的人臉表情識別
12.4.2 靜態圖像的人臉表情識別
12.4.3 動態的人臉表情識別
12.5 文字的挖取與識別
12.5.1 文字挖取
12.5.2 文字識別
12.6 圖片與 ASCII 藝術
12.6.1 ASCII 藝術
12.6.2 圖片 ASCII 轉換
12.7 透明實現
12.7.1 透明實現的原理
12.7.2 區域檢測
12.7.3 背景幀的替換
12.7.4 透明實現過程
12.8 泊松克隆
12.8.1 泊松克隆簡介
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
12.9.1 圖像修復原理
12.9.2 INPAINT_NS 修復
12.9.3 INPAINT_TELEA 修復
12.10 非真實感渲染
12.10.1 什麼是非真實感渲染
12.10.2 保邊濾波器
12.10.3 細節增強
12.10.4 素描濾波器
12.10.5 風格濾波
第 13 章 綜合運用 4：圖像與工業.
13.1 中值背景估計
13.1.1 時間中值濾波
13.1.2 運用中值濾波進行背景估計
13.1.3 幀差分
13.2 ORB 圖像對齊
13.2.1 圖像對齊的原理
13.2.2 尋找對應點
13.2.3 基於特徵的圖像對齊步驟
13.2.4 圖像對齊
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
3.1.6 添加文字
3.2 OpenCV 的處理滑鼠事件函式
3.2.1 調用回調函式
3.2.2 滑鼠事件
3.2.3 回調函式
3.3 OpenCV 實現滑動條式調色板
第 4 章 OpenCV 的基礎圖像操作
4.1 圖像的基礎操作
4.1.1 獲取像素值
4.1.2 修改像素值
4.1.3 拆分及合併圖像通道
4.1.4 圖像擴邊
4.2 圖像的算術操作
4.2.1 圖像加法
4.2.2 OpenCV 與 NumPy 模組算術加法的區別
4.2.3 圖像加法練習
4.2.4 圖像加權
4.2.5 圖像邏輯運算
4.3 直接像素點操作與 ROI
第 5 章 OpenCV 中動態圖像的基礎操作
5.1 捕獲視頻
5.1.1 cv2.VideoCapture 函式
5.1.2 攝像頭捕獲視頻
5.1.3 獲取本地視頻
5.1.4 cv2.VideoWriter 函式
5.1.5 視頻的保存
5.1.6 錯誤處理：函式不存在
5.2 物體追蹤
5.2.1 圖像的顏色空間轉換
5.2.2 構建掩膜
5.2.3 指定 HSV 圖像物體追蹤
5.2.4 找到要追蹤對象的 HSV 值
第 6 章 OpenCV 圖像變換
6.1 縮放變換
6.2 平移變換
6.3 旋轉變換
6.4 仿射變換
6.5 透視變換
第 7 章 OpenCV 圖像噪點
7.1 圖像閾值
7.1.1 簡單閾值
7.1.2 自適應閾值
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 濾波後的處理操作
7.3 形態學轉換
7.3.1 形態學腐蝕
7.3.2 形態學膨脹
7.3.3 形態學高級操作
7.3.4 形態學梯度
7.3.5 形態學禮帽
7.3.6 形態學黑帽
7.3.7 結構化元素
第 8 章 圖像邊緣
8.1 圖像梯度
8.1.1 cv2.Sobel 函式
8.1.2 Sobel 運算元和 Scharr 運算元
8.1.3 Laplacian 運算元
8.2 Canny 邊緣檢測
8.2.1 Canny 邊緣檢測原理
8.2.2 cv2.Canny 函式
8.2.3 Canny 邊緣檢測實例
8.3 圖像金字塔
8.3.1 構建圖像金字塔
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 什麼是輪廓
9.2 輪廓的尋找與繪製
9.2.1 輪廓尋找
9.2.2 輪廓繪製
9.2.3 輪廓的尋找與繪製實例
9.3 輪廓特徵
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
9.3.5 輪廓近似
9.4 凸包
9.5 凸性檢測
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
9.7.1 面積占比
9.7.2 密實度
9.7.3 圓替換
9.7.4 輪廓夾角
9.7.5 輪廓中極點的坐標
9.8 常用的輪廓處理函式
9.8.1 找凸缺陷
9.8.2 判斷點與輪廓的位置關係
9.8.3 形狀匹配
9.9 輪廓的層次結構
第 10 章 綜合運用 1：現代物體追蹤
10.1 霍夫變換——動態檢測
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現原理
10.1.4 直線檢測
10.1.5 基本霍夫變換的局限性
10.1.6 動態圓形檢測
10.1.7 其他圖形檢測
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 實際運用
10.2.3 最佳化算法
10.2.4 噪點去除
10.3 Camshift 目標追蹤
10.3.1 Camshift 目標追蹤的原理
10.3.2 顏色直方圖
10.3.3 Camshift 目標追蹤代碼分析
10.4 光流法追蹤
10.4.1 運動場與光流場
10.4.2 光流法
10.4.3 直接法
10.4.4 光流法的代碼實現
10.5 KCF 目標追蹤
10.5.1 工作原理.
10.5.2 KCF 目標追蹤實例
10.6 多目標追蹤
10.6.1 創建單目標對象追蹤器
10.6.2 讀取攝像頭（視頻）內初幀
10.6.3 在初幀內確定追蹤的所有對象
10.6.4 初始化多目標追蹤的類
10.6.5 更新圖像並輸出圖像
第 11 章 綜合運用 2：圖像數據互動
11.1 圖像中物體的裁剪
11.1.1 圖像的轉換和捕捉
11.1.2 圖像的去噪和填充
11.1.3 畫圖像輪廓
11.1.4 圖像的截取
11.2 單目測距
11.2.1 單目測距的原理
11.2.2 靜態單目測距
11.2.3 動態單目測距
11.3 圖像數據上傳
11.3.1 郵件的傳送協定
11.3.2 基於 SMTP 的郵件傳送
11.3.3 無附屬檔案的 SMTP 傳輸
11.3.4 有附屬檔案的 SMTP 傳輸
11.4 圖像數據遠程互動
11.4.1 MQTT 協定
11.4.2 雲上設備創建
11.4.3 規則引擎的創建
11.4.4 本地數據發布端代碼
11.4.5 本地數據接收端代碼
第 12 章 綜合運用 3：圖像與現代生活
12.1 二維碼識別
12.1.1 靜態的二維碼識別
12.1.2 動態的二維碼識別
12.2 人臉識別
12.2.1 人臉識別的原理——Haar特徵
12.2.2 人臉識別的實現
12.2.3 判斷是否存在人臉
12.3 手勢識別
12.3.1 手勢識別的分類
12.3.2 2D 攝像頭手勢識別
12.3.3 手勢識別的實現
12.4 人臉表情識別
12.4.1 基於 dlib 的人臉表情識別
12.4.2 靜態圖像的人臉表情識別
12.4.3 動態的人臉表情識別
12.5 文字的挖取與識別
12.5.1 文字挖取
12.5.2 文字識別
12.6 圖片與 ASCII 藝術
12.6.1 ASCII 藝術
12.6.2 圖片 ASCII 轉換
12.7 透明實現
12.7.1 透明實現的原理
12.7.2 區域檢測
12.7.3 背景幀的替換
12.7.4 透明實現過程
12.8 泊松克隆
12.8.1 泊松克隆簡介
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
12.9.1 圖像修復原理
12.9.2 INPAINT_NS 修復
12.9.3 INPAINT_TELEA 修復
12.10 非真實感渲染
12.10.1 什麼是非真實感渲染
12.10.2 保邊濾波器
12.10.3 細節增強
12.10.4 素描濾波器
12.10.5 風格濾波
第 13 章 綜合運用 4：圖像與工業.
13.1 中值背景估計
13.1.1 時間中值濾波
13.1.2 運用中值濾波進行背景估計
13.1.3 幀差分
13.2 ORB 圖像對齊
13.2.1 圖像對齊的原理
13.2.2 尋找對應點
13.2.3 基於特徵的圖像對齊步驟
13.2.4 圖像對齊
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
