《OpenCV4套用開發：入門、進階與工程化實踐》是2023年機械工業出版社出版的圖書。
基本介紹
- 中文名：OpenCV4套用開發：入門、進階與工程化實踐
- 出版時間：2023年12月1日
- 出版社：機械工業出版社
- ISBN：9787111737209
內容簡介,圖書目錄,
內容簡介
本書專注於介紹OpenCV4在工業領域的常用模組，通過合理的章節設定構建了階梯式的知識點學習路徑。化繁就簡、案例驅動，注重算法原理、代碼演示及在相關場景的實際使用。本書還介紹了必備的深度學習知識與開發技巧，拓展OpenCV開發者技能。全書共16章，分為3篇。
● 基礎篇（第1～4章）：主要介紹OpenCV的簡單使用、像素操作、色彩空間、圖像直方圖。
特色：從如何配置OpenCV開發環境開始到完成第一個OpenCV代碼演示，從圖像的表示到基本的像素操作，方便讀者全面紮實地掌握基本圖像處理知識與函式使用技巧，為深入學習打下堅實基礎。
● 進階篇（第5～12章）：主要介紹卷積操作、二值圖像分析、形態學分析、特徵提取、視頻分析、機器學習、DNN。
特色：結合代碼演示學習OpenCV框架中主要圖像處理模組的算法原理與相關函式使用，通過多個案例打通知識節點，學會使用OpenCV傳統算法解決實際問題。
● 高級與實戰篇（第13～16章）：主要介紹YOLO 5自定義對象檢測、缺陷檢測、OpenVINO加速與CUDA加速。
特色：面向工程套用，幫助OpenCV開發者提升技能，通過實戰案例增強OpenCV套用能力，掌握視覺開發必備的深度學習知識，以及從模型訓練到部署加速的技巧。
圖書目錄
前言
基礎篇
第1章 OpenCV簡介與安裝 / 2
1.1 OpenCV簡介 / 2
1.1.1 OpenCV歷史 / 2
1.1.2 OpenCV的模組與功能 / 3
1.1.3 OpenCV4里程碑 / 4
1.1.4 OpenCV發展現狀與
套用趨勢 / 4
1.2 OpenCV源碼項目 / 4
1.3 OpenCV4開發環境搭建 / 5
1.4 第一個OpenCV開發程式 / 6
1.5 圖像載入與保存 / 7
1.5.1 載入圖像 / 7
1.5.2 保存圖像 / 8
1.6 載入視頻 / 9
1.7 小結 / 12
第2章 Mat與像素操作 / 13
2.1 Mat對象 / 13
2.1.1 什麼是Mat對象 / 13
2.1.2 一切圖像皆Mat / 14
2.1.3 Mat類型與深度 / 15
2.1.4 創建Mat / 15
2.2 訪問像素 / 18
2.2.1 遍歷Mat中的像素 / 18
2.2.2 像素算術運算 / 20
2.2.3 位運算 / 21
2.2.4 調整圖像亮度與對比度 / 22
2.3 圖像類型與通道 / 23
2.3.1 圖像類型 / 23
2.3.2 圖像通道 / 23
2.3.3 通道操作 / 24
2.4 小結 / 25
第3章 色彩空間 / 26
3.1 RGB色彩空間 / 26
3.2 HSV色彩空間 / 28
3.3 LAB色彩空間 / 29
3.4 色彩空間的轉換與套用 / 30
3.5 小結 / 31
第4章 圖像直方圖 / 32
4.1 像素統計信息 / 32
4.2 直方圖的計算與繪製 / 34
4.2.1 直方圖計算 / 35
4.2.2 直方圖繪製 / 36
4.3 直方圖均衡化 / 37
4.4 直方圖比較 / 40
4.5 直方圖反向投影 / 41
4.6 小結 / 43
進階篇
第5章 卷積操作 / 46
5.1 卷積的概念 / 46
5.2 卷積模糊 / 49
5.3 自定義濾波 / 53
5.4 梯度提取 / 56
5.5 邊緣發現 / 59
5.6 噪聲與去噪 / 61
5.7 邊緣保留濾波 / 64
5.8 銳化增強 / 66
5.9 小結 / 68
第6章 二值圖像 / 70
6.1 圖像閾值化分割 / 70
6.2 全局閾值計算 / 72
6.3 自適應閾值計算 / 76
6.4 去噪與二值化 / 77
6.4.1 去噪對二值化的影響 / 77
6.4.2 其他方式的二值化 / 78
6.5 小結 / 79
第7章 二值分析 / 80
7.1 二值圖像分析概述 / 80
7.2 連通組件標記 / 82
7.3 輪廓發現 / 85
7.3.1 輪廓發現函式 / 85
7.3.2 輪廓繪製函式 / 87
7.3.3 輪廓發現與繪製的示例
代碼 / 87
7.4 輪廓測量 / 88
7.5 擬合與逼近 / 90
7.6 輪廓分析 / 95
7.7 直線檢測 / 97
7.8 霍夫圓檢測 / 99
7.9 最大內接圓與最小外接圓 / 101
7.10 輪廓匹配 / 102
7.11 最大輪廓與關鍵點編碼 / 104
7.12 凸包檢測 / 106
7.13 小結 / 107
第8章 形態學分析 / 108
8.1 圖像形態學概述 / 108
8.2 膨脹與腐蝕 / 109
8.3 開/閉操作 / 111
8.4 形態學梯度 / 113
8.5 頂帽與黑帽 / 115
8.6 擊中/擊不中 / 116
8.7 結構元素 / 119
8.8 距離變換 / 120
8.9 分水嶺分割 / 121
8.10 小結 / 124
第9章 特徵提取 / 125
9.1 圖像金字塔 / 125
9.1.1 高斯金字塔 / 125
9.1.2 拉普拉斯金字塔 / 128
9.1.3 圖像金字塔融合 / 129
9.2 Harris角點檢測 / 131
9.3 shi-tomas角點檢測 / 133
9.4 亞像素級別的角點檢測 / 135
9.5 HOG特徵與使用 / 137
9.5.1 HOG特徵描述子 / 137
9.5.2 HOG特徵行人檢測 / 139
9.6 ORB特徵描述子 / 140
9.6.1 關鍵點與描述子提取 / 140
9.6.2 描述子匹配 / 144
9.7 基於特徵的對象檢測 / 148
9.7.1 單應性矩陣計算方法 / 148
9.7.2 特徵對象的位置發現 / 150
9.8 小結 / 152
第10章 視頻分析 / 153
10.1 基於顏色的對象跟蹤 / 153
10.2 視頻背景分析 / 155
10.3 幀差法背景分析 / 157
10.4 稀疏光流分析法 / 158
10.5 稠密光流分析法 / 161
10.6 均值遷移分析 / 163
10.7 小結 / 166
第11章 機器學習 / 167
11.1 KMeans分類 / 167
11.1.1 KMeans圖像語義
分割 / 167
11.1.2 提取主色彩構建色卡 / 170
11.2 KNN分類 / 172
11.2.1 KNN函式支持 / 172
11.2.2 KNN實現手寫數字
識別 / 173
11.3 SVM分類 / 175
11.3.1 SVM的原理與分類 / 175
11.3.2 SVM函式 / 176
11.3.3 SVM實現手寫數字
識別 / 176
11.4 SVM與HOG實現對象檢測 / 177
11.4.1 數據樣本特徵提取 / 178
11.4.2 SVM特徵分類 / 179
11.4.3 構建SVM對象檢測器 / 179
11.5 小結 / 181
第12章 深度神經網路 / 182
12.1 DNN概述 / 182
12.2 圖像分類 / 183
12.3 對象檢測 / 186
12.3.1 SSD對象檢測 / 187
12.3.2 Faster-RCNN對象
檢測 / 188
12.3.3 YOLO對象檢測 / 190
12.4 ENet圖像語義分割 / 193
12.5 風格遷移 / 195
12.6 場景文字檢測 / 197
12.7 人臉檢測 / 199
12.8 小結 / 201
高級與實戰篇
第13章 YOLO 5自定義對象
檢測 / 204
13.1 YOLO 5對象檢測框架 / 204
13.2 YOLO 5對象檢測 / 205
13.3 自定義對象檢測 / 208
13.3.1 數據集製作與生成 / 209
13.3.2 模型訓練與查看損失
曲線 / 210
13.3.3 模型導出與部署 / 211
13.4 小結 / 212
第14章 缺陷檢測 / 213
14.1 簡單背景下的缺陷檢測 / 213
14.2 複雜背景下的缺陷檢測 / 216
14.2.1 頻域增強的缺陷檢測 / 216
14.2.2 空間域增強的缺陷檢測 / 219
14.3 案例：刀片缺陷檢測 / 220
14.4 基於深度學習的缺陷檢測 / 222
14.4.1 基於分類的缺陷檢測 / 223
14.4.2 基於分割的缺陷檢測 / 226
14.5 小結 / 228
第15章 OpenVINO加速 / 229
15.1 OpenVINO框架安裝與環境
配置 / 229
15.1.1 OpenVINO安裝 / 230
15.1.2 配置C++開發支持 / 232
15.2 OpenVINO2022.x版SDK
推理演示 / 233
15.2.1 推理SDK介紹 / 234
15.2.2 推理SDK演示 / 235
15.3 OpenVINO支持UNet部署 / 236
15.4 OpenVINO支持YOLO 5
部署 / 237
15.5 小結 / 239
第16章 CUDA加速 / 240
16.1 編譯OpenCV源碼支持CUDA
加速 / 240
16.2 用CUDA加速傳統圖像處理 / 245
16.2.1 Mat與GpuMat / 245
16.2.2 加速圖像處理與視頻
分析 / 246
16.3 加速DNN / 248
16.4 小結 / 249
