本书使用Python语言,以OpenCV源码结构中的模块为章节,系统地介绍了OpenCV在图像处理和计算机视觉领域的应用。本书第1章主要介绍OpenCV的源码,以及开发环境的搭建和使用源码方式的编译技巧;第2~14章主要介绍OpenCV的各个模块,包括模块导读,以及模块中重点算法使用案例的讲解,并在章节的最后提供了相应的进阶知识。本书以OpenCV源码结构的方式讲解,一方面可以让读者深入了解OpenCV软件及相应的源码,另一方面可以加深读者对软件的透彻理解。初学者可以参考本书前6章系统地学习图像处理应用,特别是第4章和第5章,因为经典的图像处理算法基本上都封装在imgproc模块中;对于其他特殊需求,可以参考对应章节,如与特征点相关的知识可以参考第10章,与机器学习和深度学习相关的知识可以分别参考第13章和第14章。


作者

肖铃 

硕士,2016年毕业于中国科学技术大学与中国科学院合肥物质科学研究院安徽光机所大气光学研究中心,曾就职于中兴通讯股份有限公司和珠海金山办公软件有限公司,长期从事图像处理、深度学习计算机视觉算法,以及基于TensorFlow Lite的AI模型部署研究。


查看全部
目录

作者简介

内容简介

前言

第1章 OpenCV快速入门

1.1 OpenCV介绍

1.2 OpenCV开发环境搭建

1.3 OpenCV模块介绍

1.4 OpenCV源码编译

1.5 进阶必备:OpenCV入门参考

第2章 图像读/写模块imgcodecs

2.1 模块导读

2.2 图像读/写操作

2.3 图像编/解码

2.4 进阶必备:聊聊图像格式

第3章 核心库模块core

3.1 模块导读

3.2 基本数据结构

3.3 矩阵运算

3.4 矩阵变换

3.5 进阶必备:聊聊图像像素遍历与应用

第4章 图像处理模块imgproc(一)

4.1 模块导读

4.2 案例30:颜色空间变换

4.3 案例31:图像尺寸变换

4.4 基本绘制

4.5 形态学运算

4.6 图像滤波

4.7 边缘检测

4.8 进阶必备:聊聊颜色模型

第5章 图像处理模块imgproc(二)

5.1 霍夫变换

5.2 案例52:仿射变换

5.3 案例53:透视变换

5.4 案例54:重映射

5.5 阈值化

5.6 图像金字塔

5.7 直方图

5.8 传统图像分割

5.9 角点检测

5.10 图像轮廓

5.11 轮廓包裹

5.12 案例72:多边形填充

5.13 图像拟合

5.14 案例76:凸包检测

5.15 进阶必备:图像处理算法概述

第6章 可视化模块highgui

6.1 模块导读

6.2 图像窗口

6.3 图像操作

6.4 案例81:键盘操作

6.5 案例82:鼠标操作

6.6 案例83:进度条操作

6.7 进阶必备:在Qt中使用OpenCV

第7章 视频处理模块videoio

7.1 模块导读

7.2 视频读取

7.3 视频保存

7.4 进阶必备:视频编/解码工具FFMPEG

第8章 视频分析模块video

8.1 运动分析

8.2 目标跟踪

8.3 进阶必备:深度学习光流算法

第9章 照片处理模块photo

9.1 模块导读

9.2 案例93:基于OpenCV的无缝克隆

9.3 案例94:基于OpenCV的图像对比度保留脱色

9.4 案例95:基于OpenCV的图像修复

9.5 案例96:基于OpenCV的HDR成像

9.6 图像非真实感渲染

9.7 进阶必备:照片处理算法概述

第10章 2D特征模块features2d

10.1 模块导读

10.2 特征点检测

10.3 特征点匹配

10.4 进阶必备:特征点检测算法概述

第11章 相机标定与三维重建模块calib3d

11.1 模块导读

11.2 单应性变换

11.3 相机标定

11.4 进阶必备:聊聊镜头失真

第12章 传统目标检测模块objdetect

12.1 模块导读

12.2 级联分类器的应用

12.3 案例117:HOG描述符行人检测

12.4 二维码应用

12.5 进阶必备:聊聊条形码与二维码

第13章 机器学习模块ml

13.1 模块导读

13.2 案例120:基于OpenCV的Logistic回归

13.3 案例121:基于OpenCV的支持向量机

13.4 案例122:基于OpenCV的主成分分析

13.5 进阶必备:机器学习算法概述

第14章 深度学习模块dnn

14.1 模块导读

14.2 风格迁移

14.3 图像分类

14.4 目标检测

14.5 图像超分

14.6 进阶必备:OpenCV与计算机视觉

查看全部
书评
查看更多
请您登录后发表评论 登录 | 注册
我的评分:
提交
0/400