OpenCV3编程入门电子书

版权

作者

前言

第一部分 快速上手OpenCV

第1章 邂逅OpenCV

1.1 OpenCV周边概念认知

1.1.1 图像处理、计算机视觉与OpenCV

1.1.2 OpenCV概述

1.1.3 起源及发展

1.1.4 应用概述

1.2 OpenCV基本架构分析

1.3 OpenCV3带来了什么

1.3.1 项目架构的改变

1.3.2 将OpenCV2代码升级到OpenCV3报错时的一些策略

1.4 OpenCV的下载、安装与配置

1.4.1 预准备：下载和安装集成开发环境

1.4.2 第一步：下载和安装OpenCV SDK

1.4.3 第二步：配置环境变量

1.4.4 第三步：工程包含（include）目录的配置

1.4.5 第四步：工程库（lib）目录的配置

1.4.6 第五步：链接库的配置

1.4.7 第六步：在Windows文件夹下加入OpenCV动态链接库

1.4.8 第七步：最终测试

1.4.9 可能遇到的问题和解决方案

1.5 快速上手OpenCV图像处理

1.5.1 第一个程序：图像显示

1.5.2 第二个程序：图像腐蚀

1.5.3 第三个程序：图像模糊

1.5.4 第四个程序：canny边缘检测

1.6 OpenCV视频操作基础

1.6.1 读取并播放视频

1.6.2 调用摄像头采集图像

1.7 本章小结

第2章 启程前的认知准备

2.1 OpenCV官方例程引导与赏析

2.1.1 彩色目标跟踪：Camshift

2.1.2 光流：optical flow

2.1.3 点追踪：lkdemo

2.1.4 人脸识别：objectDetection

2.1.5 支持向量机引导

2.2 开源的魅力：编译OpenCV源代码

2.2.1 下载安装CMake

2.2.2 使用CMake生成OpenCV源代码工程的解决方案

2.2.3 编译OpenCV源代码

2.3“opencv.hpp”头文件认知

2.4 命名规范约定

2.5 argc与argv参数解惑

2.5.1 初识main函数中的argc和argv

2.5.2 argc、argv的具体含义

2.5.3 Visual Studio中main函数的几种写法说明

2.5.4 总结

2.6 格式输出函数printf（）简析

2.6.1 格式输出：printf（）函数

2.6.2 示例程序：printf函数的用法示例

2.7 智能显示当前使用的OpenCV版本

2.8 本章小结

第3章 HighGUI图形用户界面初步

3.1 图像的载入、显示和输出到文件

3.1.1 OpenCV的命名空间

3.1.2 Mat类简析

3.1.3 图像的载入与显示概述

3.1.4 图像的载入：imread（）函数

3.1.5 图像的显示：imshow（）函数

3.1.6 关于InputArray类型

3.1.7 创建窗口：namedWindow（）函数

3.1.8 输出图像到文件：imwrite（）函数

3.1.9 综合示例程序：图像的载入、显示与输出

3.2 滑动条的创建和使用

3.2.1 创建滑动条：createTrackbar（）函数

3.2.2 获取当前轨迹条的位置：getTrackbarPos（）函数

3.3 鼠标操作

3.4 本章小结

第二部分 初探core组件

第4章 OpenCV数据结构与基本绘图

4.1 基础图像容器Mat

4.1.1 数字图像存储概述

4.1.2 Mat结构的使用

4.1.3 像素值的存储方法

4.1.4 显式创建Mat对象的七种方法

4.1.5 OpenCV中的格式化输出方法

4.1.6 输出其他常用数据结构

4.1.7 示例程序：基础图像容器Mat类的使用

4.2 常用数据结构和函数

4.2.1 点的表示：Point类

4.2.2 颜色的表示：Scalar类

4.2.3 尺寸的表示：Size类

4.2.4 矩形的表示：Rect类

4.2.5 颜色空间转换：cvtColor（）函数

4.2.6 其他常用的知识点

4.3 基本图形的绘制

4.3.1 DrawEllipse（）函数的写法

4.3.2 DrawFilledCircle（）函数的写法

4.3.3 DrawPolygon（）函数的写法

4.3.4 DrawLine（）函数的写法

4.3.5 main函数的写法

4.4 本章小结

第5章 core组件进阶

5.1 访问图像中的像素

5.1.1 图像在内存之中的存储方式

5.1.2 颜色空间缩减

5.1.3 LUT函数：Look up table操作

5.1.4 计时函数

5.1.5 访问图像中像素的三类方法

5.1.6 示例程序

5.2 ROI区域图像叠加&图像混合

5.2.1 感兴趣区域：ROI

5.2.2 线性混合操作

5.2.3 计算数组加权和：addWeighted（）函数

5.2.4 综合示例：初级图像混合

5.3 分离颜色通道、多通道图像混合

5.3.1 通道分离：split（）函数

5.3.2 通道合并：merge（）函数

5.3.3 示例程序：多通道图像混合

5.4 图像对比度、亮度值调整

5.4.1 理论依据

5.4.2 访问图片中的像素

5.4.3 示例程序：图像对比度、亮度值调整

5.5 离散傅里叶变换

5.5.1 离散傅里叶变换的原理

5.5.2 dft（）函数详解

5.5.3 返回DFT最优尺寸大小：getOptimalDFTSize（）函数

5.5.4 扩充图像边界：copyMakeBorder（）函数

5.5.5 计算二维矢量的幅值：magnitude（）函数

5.5.6 计算自然对数：log（）函数

5.5.7 矩阵归一化：normalize（）函数

5.5.8 示例程序：离散傅里叶变换

5.6 输入输出XML和YAML文件

5.6.1 XML和YAML文件简介

5.6.2 FileStorage类操作文件的使用引导

5.6.3 示例程序：XML和YAML文件的写入

5.6.4 示例程序：XML和YAML文件的读取

5.7 本章小结

第三部分 掌握imgproc组件

第6章 图像处理

6.1 线性滤波：方框滤波、均值滤波、高斯滤波

6.1.1 平滑处理

6.1.2 图像滤波与滤波器

6.1.3 线性滤波器的简介

6.1.4 滤波和模糊

6.1.5 邻域算子与线性邻域滤波

6.1.6 方框滤波（box Filter）

6.1.7 均值滤波

6.1.8 高斯滤波

6.1.9 线性滤波相关OpenCV源码剖析

6.1.10 OpenCV中GaussianBlur函数源码剖析

6.1.11 线性滤波核心API函数

6.1.12 图像线性滤波综合示例

6.2 非线性滤波：中值滤波、双边滤波

6.2.1 非线性滤波概述

6.2.2 中值滤波

6.2.3 双边滤波

6.2.4 非线性滤波相关核心API函数

6.2.5 OpenCV中的5种图像滤波综合示例

6.3 形态学滤波（1）：腐蚀与膨胀

6.3.1 形态学概述

6.3.2 膨胀

6.3.3 腐蚀

6.3.4 相关OpenCV源码分析溯源

6.3.5 相关核心API函数讲解

6.3.6 综合示例：腐蚀与膨胀

6.4 形态学滤波（2）：开运算、闭运算、形态学梯度、顶帽、黑帽

6.4.1 开运算

6.4.2 闭运算

6.4.3 形态学梯度

6.4.4 顶帽

6.4.5 黑帽

6.4.6 形态学滤波OpenCV源码分析溯源

6.4.7 核心API函数：morphologyEx（）

6.4.8 各形态学操作使用范例一览

6.4.9 综合示例：形态学滤波

6.5 漫水填充

6.5.1 漫水填充的定义

6.5.2 漫水填充法的基本思想

6.5.3 实现漫水填充算法：floodFill函数

6.5.4 综合示例：漫水填充

6.6 图像金字塔与图片尺寸缩放

6.6.1 引言

6.6.2 关于图像金字塔

6.6.3 高斯金字塔

6.6.4 拉普拉斯金字塔

6.6.5 尺寸调整：resize（）函数

6.6.6 图像金字塔相关API函数

6.6.7 综合示例：图像金字塔与图片尺寸缩放

6.7 阈值化

6.7.1 固定阈值操作：Threshold（）函数

6.7.2 自适应阈值操作：adaptiveThreshold（）函数

6.7.3 示例程序：基本阈值操作

6.8 本章小结

第7章 图像变换

7.1 基于OpenCV的边缘检测

7.1.1 边缘检测的一般步骤

7.1.2 canny算子

7.1.3 sobel算子

7.1.4 Laplacian 算子

7.1.5 scharr滤波器

7.1.6 综合示例：边缘检测

7.2 霍夫变换

7.2.1 霍夫变换概述

7.2.2 OpenCV中的霍夫线变换

7.2.3 霍夫线变换的原理

7.2.4 标准霍夫变换：HoughLines（）函数

7.2.5 累计概率霍夫变换：HoughLinesP（）函数

7.2.6 霍夫圆变换

7.2.7 霍夫梯度法的原理

7.2.8 霍夫梯度法的缺点

7.2.9 霍夫圆变换：HoughCircles（）函数

7.2.10 综合示例：霍夫变换

7.3 重映射

7.3.1 重映射的概念

7.3.2 实现重映射：remap（）函数

7.3.3 基础示例程序：基本重映射

7.3.4 综合示例程序：实现多种重映射

7.4 仿射变换

7.4.1 认识仿射变换

7.4.2 仿射变换的求法

7.4.3 进行仿射变换：warpAffine（）函数

7.4.4 计算二维旋转变换矩阵：getRotationMatrix2D（）函数

7.4.5 示例程序：仿射变换

7.5 直方图均衡化

7.5.1 直方图均衡化的概念和特点

7.5.2 实现直方图均衡化：equalizeHist（）函数

7.5.3 示例程序：直方图均衡化

7.6 本章小结

第8章 图像轮廓与图像分割修复

8.1 查找并绘制轮廓

8.1.1 寻找轮廓：findContours（）函数

8.1.2 绘制轮廓：drawContours（）函数

8.1.3 基础示例程序：轮廓查找

8.1.4 综合示例程序：查找并绘制轮廓

8.2 寻找物体的凸包

8.2.1 凸包

8.2.2 寻找凸包：convexHull（）函数

8.2.3 基础示例程序：凸包检测基础

8.2.4 综合示例程序：寻找和绘制物体的凸包

8.3 使用多边形将轮廓包围

8.3.1 返回外部矩形边界：boundingRect（）函数

8.3.2 寻找最小包围矩形：minAreaRect（）函数

8.3.3 寻找最小包围圆形：minEnclosingCircle（）函数

8.3.4 用椭圆拟合二维点集：fitEllipse（）函数

8.3.5 逼近多边形曲线：approxPolyDP（）函数

8.3.6 基础示例程序：创建包围轮廓的矩形边界

8.3.7 基础示例程序：创建包围轮廓的圆形边界

8.3.8 综合示例程序：使用多边形包围轮廓

8.4 图像的矩

8.4.1 矩的计算：moments（）函数

8.4.2 计算轮廓面积：contourArea（）函数

8.4.3 计算轮廓长度：arcLength（）函数

8.4.4 综合示例程序：查找和绘制图像轮廓矩

8.5 分水岭算法

8.5.1 实现分水岭算法：watershed（）函数

8.5.2 综合示例程序：分水岭算法

8.6 图像修补

8.6.1 实现图像修补：inpaint（）函数

8.6.2 综合示例程序：图像修补

8.7 本章小结

第9章 直方图与匹配

9.1 图像直方图概述

9.2 直方图的计算与绘制

9.2.1 计算直方图：calcHist（）函数

9.2.2 找寻最值：minMaxLoc（）函数

9.2.3 示例程序：绘制H—S直方图

9.2.4 示例程序：计算并绘制图像一维直方图

9.2.5 示例程序：绘制RGB三色直方图

9.3 直方图对比

9.3.1 对比直方图：compareHist（）函数

9.3.2 示例程序：直方图对比

9.4 反向投影

9.4.1 引言

9.4.2 反向投影的工作原理

9.4.3 反向投影的作用

9.4.4 反向投影的结果

9.4.5 计算反向投影：calcBackProject（）函数

9.4.6 通道复制：mixChannels（）函数

9.4.7 综合程序：反向投影

9.5 模板匹配

9.5.1 模板匹配的概念与原理

9.5.2 实现模板匹配：matchTemplate（）函数

9.5.3 综合示例：模板匹配

9.6 本章小结

第四部分 深入feature2d组件

第10章 角点检测

10.1 Harris角点检测

10.1.1 兴趣点与角点

10.1.2 角点检测

10.1.3 harris角点检测

10.1.4 实现Harris角点检测：cornerHarris（）函数

10.1.5 综合示例：harris角点检测与绘制

10.2 Shi-Tomasi角点检测

10.2.1 Shi-Tomasi角点检测概述

10.2.2 确定图像强角点：goodFeaturesToTrack（）函数

10.2.3 综合示例：Shi-Tomasi角点检测

10.3 亚像素级角点检测

10.3.1 背景概述

10.3.2 寻找亚像素角点：cornerSubPix（）函数

10.3.3 综合示例：亚像素级角点检测

10.4 本章小结

第11章 特征检测与匹配

11.1 SURF特征点检测

11.1.1 SURF算法概览

11.1.2 SURF算法原理

11.1.3 SURF类相关OpenCV源码剖析

11.1.4 绘制关键点：drawKeypoints（）函数

11.1.5 KeyPoint类

11.1.6 示例程序：SURF特征点检测

11.2 SURF特征提取

11.2.1 绘制匹配点：drawMatches（）函数

11.2.2 BruteForceMatcher类源码分析

11.2.3 示例程序：SURF特征提取

11.3 使用FLANN进行特征点匹配

11.3.1 FlannBasedMatcher类的简单分析

11.3.2 找到最佳匹配：DescriptorMatcher：：match方法

11.3.3 示例程序：使用FLANN进行特征点匹配

11.3.4 综合示例程序：FLANN结合SURF进行关键点的描述和匹配

11.3.5 综合示例程序：SIFT配合暴力匹配进行关键点描述和提取

11.4 寻找已知物体

11.4.1 寻找透视变换：findHomography（）函数

11.4.2 进行透视矩阵变换：perspectiveTransform（）函数

11.4.3 示例程序：寻找已知物体

11.5 ORB特征提取

11.5.1 ORB算法概述

11.5.2 相关概念认知

11.5.3 ORB类相关源码简单分析

11.5.4 示例程序：ORB算法描述与匹配

11.6 本章小结

附录

A1 配套示例程序清单

A2 随书额外附赠的程序一览

A3 书本核心函数清单

A4 Mat类函数一览

A4.1 构造函数：Mat：：Mat

A4.2 析构函数Mat：：～Mat

A4.3 Mat类成员函数

主要参考文献