《OpenCV圖像處理編程實例》 目錄

噹噹網購買地址：http://product.dangdang.com/23956649.html
京東網購買地址：http://item.jd.com/11929148.html

內容簡介

本書以 OpenCV 開源庫爲基礎實現圖像處理領域的不少通用算法，並結合當今圖像處理領域前沿技術，
對多個典型工程實例進行講解及實現。全書內容覆蓋面廣，由基礎到進階，各個技術點均提供詳細的代碼
實現，以幫助讀者快速上手和深刻學習。
本書內容共三個部分，其中 1～2 章爲基礎篇， 3～6 章爲進階篇， 7～9 章爲高級篇。第一部分基礎篇
主要介紹 OpenCV 開發基礎的相關知識，讓讀者熟悉圖像處理開發環境以及簡單的圖像處理操做；第二部
分進階篇主要介紹圖像處理技術，包括灰度變換技術、平滑技術、邊緣檢測及形態學技術；第三部分高級
篇主要介紹圖像應用技術，包括圖像分割技術、特徵分析和複雜視頻處理技術。進階篇與高級篇的每章末
節均提供了與本章內容相關的應用實例，意在讓讀者更好理解知識點，進而有效地進行圖像處理開發。
本書適合圖像處理、計算機視覺及模式識別等相關領域學習和工做的人士閱讀，也可做爲其餘相關領
域研究工做者的參考資料。

 

本書特點
本書將理論與實際案例相結合，始終秉承「學以至用」的理念，提供多個頗
具實用性和前沿性的實例，用詳細的代碼驗證明現，經過大量的例子讓讀者邊學
邊練，注重給予讀者必定的啓發和引導。本書的編寫是站在一線開發人員的角度，
用通俗易懂的語言詳細解釋了 OpenCV 的應用，更像一個 OpenCV 的工做人員在
解說 OpenCV 的方方面面，嚴謹的邏輯結構和清晰的脈絡爲讀者入門及深刻了解
和掌握 OpenCV 圖像處理開發技術奠基了紮實的基礎。

本書目錄

Part I 基礎篇 OpenCV開發基礎
第1章 初識OpenCV
1．1　OpenCV初識
1．1．1　OpenCV簡介
1．1．2　OpenCV組件及架構
1．1．3　OpenCV資源
1．2　VS2012安裝OpenCV2．4．x
1．3　VS2013安裝OpenCV3．0
1．4　Sublime下配置OpenCV
1．5　小結
第2章 圖像及視頻基本操做
2．1　圖像初級操做
2．1．1　Mat類
2．1．2　Mat基本操做
2．1．3　Mat類型轉換
2．1．4　圖像讀取顯示保存
2．1．5　圖像存儲
2．2　圖像幾何變換
2．2．1　座標映射
2．2．2　平移
2．2．3　縮放
2．2．4　旋轉
2．2．5　仿射變換
2．3　視頻操做
2．3．1　VideoCapture類
2．3．2　視頻寫操做
2．3．3　視頻質量評價
2．4　圖像基礎應用操做
2．4．1　界面事件
2．4．2　區域提取
2．4．3　圖像元素遍歷――反色
2．4．4　單窗口顯示多幅圖像
2．4．5　圖像顏色空間轉換
2．4．6　圖像批量讀取――規則
2．4．7　圖像批量讀取――無規則
2．5　小結
Part II 進階篇 圖像處理技術
第3章 進階篇――圖像灰度變換技術
3．1　閾值化處理
3．1．1　OTSU閾值化
3．1．2　固定閾值化
3．1．3　自適應閾值化
3．1．4　雙閾值化
3．1．5　半閾值化
3．2　直方圖處理
3．2．1　灰度直方圖
3．2．2　H-S直方圖
3．2．3　BGR直方圖
3．2．4　自定義直方圖
3．2．5　灰度直方圖均衡
3．2．6　彩色直方圖均衡
3．2．7　直方圖變換――查找
3．2．8　直方圖變換――累計
3．2．9　直方圖匹配
3．2．10　直方圖對比
3．2．11　直方圖的反向投影
3．3 距離變換
3．3．1　距離
3．3．2　鄰接性
3．3．3　區域
3．3．4　距離變換――掃描
3．3．5　距離變換――distanceTransform
3．4　Gamma校訂
3．5　其餘常見的灰度變換技術
3．5．1　線性變換
3．5．2　對數變換
3．5．3　對比度拉伸
3．5．4　灰度級分層
3．5．5　灰度比特平面
3．6　實例應用
3．6．1　最大熵閾值分割
3．6．2　投影峯谷查找
3．7　小結
第4章 進階篇――圖像平滑技術
4．1　圖像採樣
4．1．1　最近鄰插值
4．1．2　雙線性插值
4．1．3　插值操做性能對比
4．1．4　圖像金字塔
4．2　傅里葉變換
4．2．1　圖像掩碼操做
4．2．2　離散傅里葉
4．2．3　圖像卷積
4．3　圖像噪聲
4．3．1　椒鹽噪聲
4．3．2　高斯噪聲
4．4　空間平滑
4．4．1　盒濾波
4．4．2　均值濾波
4．4．3　中值濾波
4．4．4　高斯濾波
4．4．5　雙邊濾波
4．5　實例應用
4．5．1　導向濾波
4．5．2　圖像污點修復
4．5．3　旋轉文本圖像矯正
4．6　小結
第5章 進階篇――邊緣檢測技術
5．1　邊緣檢測基礎
5．1．1　邊緣檢測概念
5．1．2　梯度算子
5．1．3　一階微分算子
5．1．4　二階微分算子
5．1．5　圖像差分運算
5．1．6　非極大值抑制
5．2　基本邊緣檢測算子――Sobel
5．2．1　非極大值抑制Sobel檢測
5．2．2　圖像直接卷積實現Sobel
5．2．3　圖像卷積下非極大值抑制Sobel
5．2．4　Sobel庫函數實現
5．3　基本邊緣檢測算子――Laplace
5．4　基本邊緣檢測算子――Roberts
5．5　基本邊緣檢測算子――Prewitt
5．6　改進邊緣檢測算子――Canny
5．6．1　Canny算子
5．6．2　Canny原理及實現
5．6．3　Canny庫函數實現
5．7　改進邊緣檢測算子――Marr-Hildreth
5．8　幾何檢測
5．8．1　霍夫變換
5．8．2　線檢測技術
5．8．3　LSD快速直線檢測
5．8．4　圓檢測技術
5．9　形狀檢測
5．9．1　輪廓檢測
5．9．2　凸包檢測
5．9．3　輪廓邊界框
5．9．4　輪廓矩
5．9．5　點多邊形測試
5．10　角點檢測
5．10．1　moravec角點
5．10．2　harris角點
5．10．3　Shi-Tomasi角點
5．11　實例應用
5．11．1　顏色圓檢測
5．11．2　車牌區域檢測
5．12　小結
第6章 進階篇――形態學技術
6．1　腐蝕膨脹操做
6．2　開閉運算操做
6．3　形態學梯度
6．4　形態學Top-Hat
6．5　實例應用
6．5．1　形態學濾波角點提取
6．5．2　車牌目標提取
6．6　小結
Part III 高級篇 圖像應用技術
第7章 高級篇――圖像分割技術
7．1　分水嶺分割
7．1．1　分水嶺的特徵
7．1．2　實現分水嶺分割
7．1．3　分水嶺分割合併
7．2　FloodFill分割
7．3　均值漂移MeanShift
7．4　圖割Grabcut
7．5　實例實例
7．5．1　奇異區域檢測
7．5．2　膚色檢測
7．6　小結
第8章 高級篇――特徵分析
8．1　尺度空間
8．1．1　尺度與旋轉不變性
8．1．2　特徵點尺度變換
8．2　特徵描述子
8．2．1 SIFT特徵
8．2．2　SURF特徵
8．2．3　ORB特徵
8．3　方向梯度直方圖HOG
8．3．1　HOG原理
8．3．2　HOG特徵提取步驟
8．3．3　HOGDescriptor特徵描述類
8．3．4　HOG特徵描述實現
8．4　局部二值模式LBP
8．4．1　經典LBP
8．4．2　圓形LBP
8．5　Haar特徵描述
8．5．1　Haar原理
8．5．2　Haar特徵提取
8．6　應用實例
8．6．1　最近鄰特徵點目標提取
8．6．2　最大極值穩定區域匹配MSER
8．6．3　字符特徵提取
8．6．4　車牌字符SVM訓練
8．7　小結
第9章 高級篇――複雜視頻處理技術
9．1　視頻穩像技術
9．2　圖像拼接
9．2．1　拼接原理及過程
9．2．2　圖像拼接實現
9．3　高動態範圍圖像HDR
9．3．1　HDR合成技術
9．3．2　HDR合成原理
9．3．3　OpenCV實現
9．4　背景建模
9．4．1　背景差分
9．4．2　混合高斯背景建模
9．4．3　混合高斯背景建模實現
9．4．4　混合模型MOG2成員參數設定
9．4．5　KNN模型背景建模實現
9．4．6　GMG模型背景建模實現
9．5　級聯分類器――人臉檢測
9．5．1　級聯分類器
9．5．2　CascadeClassifier類
9．6　應用實例
9．6．1　運動目標提取
9．6．2　TLD單目標跟蹤
9．6．3　人眼檢測與跟蹤
9．7　小結
附錄A
1――代碼清單
2――CMake編譯OpenCV3．1源碼
3――OpenCV3．1 Extra擴展庫
參考文獻