从零开始:数字图像处理的编程基础与应用电子书

版 权

内 容 提 要

前 言

第1章 OpenCV基础

1.1 OpenCV简介

1.2 OpenCV 编程环境搭建

· 1.2.1 Visual Studio 2019安装

· 1.2.2 Qt 安装

· 1.2.3 OpenCV Release版本安装

· 1.2.4 VS 2019中OpenCV 4.4环境的配置

· 1.2.5 Qt 5.9.9中OpenCV 4.4环境的搭建

1.3 Mat图像存储容器

· 1.3.1 Mat容器简介

· 1.3.2 存储方法

· 1.3.3 创建Mat对象

1.4 图像读取与保存

· 1.4.1 图像读取

· 1.4.2 图像保存

1.5 视频读取与输出

· 1.5.1 视频读取

· 1.5.2 视频输出

1.6 图像属性与基本图形绘制

· 1.6.1 图像属性

· 1.6.2 基本图形绘制

· 1.6.3 颜色空间转换

1.7 计算机交互

· 1.7.1 鼠标和键盘

· 1.7.2 滑动条

1.8 小结

第2章 图像预处理

2.1 图像格式和通道

· 2.1.1 图像格式

· 2.1.2 通道分离与合并

2.2 点运算

· 2.2.1 像素点操作和卷积

· 2.2.2 图像反转

· 2.2.3 对数变换

· 2.2.4 幂律变换

· 2.2.5 线性变换

· 2.2.6 全域线性变换

· 2.2.7 图像灰度化

2.3 直方图处理

· 2.3.1 标准直方图

· 2.3.2 直方图均衡化

· 2.3.3 直方图匹配

· 2.3.4 局部直方图处理

2.4 图像去噪

· 2.4.1 均值滤波

· 2.4.2 高斯滤波

· 2.4.3 中值滤波

· 2.4.4 双边滤波

· 2.4.5 小波滤波

2.5 小结

第3章 图像分割和数学形态学

3.1 图像分割

· 3.1.1 灰度阈值算法

· 3.1.2 OTSU阈值算法

· 3.1.3 区域生长算法

· 3.1.4 分水岭算法

· 3.1.5 迭代式阈值分割

· 3.1.6 Grab Cut图像切割算法

3.2 数学形态学

· 3.2.1 膨胀和腐蚀

· 3.2.2 开运算与闭运算

· 3.2.3 形态学梯度

· 3.2.4 顶帽

· 3.2.5 黑帽

· 3.2.6 综合运用——细线和噪点去除

3.3 图像金字塔

· 3.3.1 高斯金字塔

· 3.3.2 拉普拉斯金字塔

· 3.3.3 高斯不同

3.4 小结

第4章 特征提取与匹配

4.1 边缘检测

· 4.1.1 梯度法

· 4.1.2 索贝尔算子

· 4.1.3 拉普拉斯算子

· 4.1.4 坎尼算子

· 4.1.5 普鲁伊特算子

· 4.1.6 罗伯茨算子

4.2 颜色特征

· 4.2.1 灰度直方图

· 4.2.2 聚类

4.3 关键点特征

· 4.3.1 SURF算法

· 4.3.2 SIFT算法

· 4.3.3 ORB算法

· 4.3.4 LBP算法

· 4.3.5 Gabor算法

4.4 特征描述与匹配

· 4.4.1 SIFT特征描述子

· 4.4.2 ORB特征描述子

4.5 形状提取

· 4.5.1 标准霍夫变换

· 4.5.2 累计概率霍夫变换

· 4.5.3 霍夫圆变换

4.6 小结

第5章 模板匹配与轮廓绘制

5.1 模板匹配

5.2 轮廓绘制

5.3 小结

第6章 视频录制与目标追踪

6.1 简单视频录制

6.2 视频目标追踪

· 6.2.1 BS算法

· 6.2.2 Meanshift算法与Camshift算法

· 6.2.3 示例程序

6.3 小结

第7章 三维重建

7.1 超分辨率重建

· 7.1.1 常见的超分辨率重建技术

· 7.1.2 光流法简介

· 7.1.3 视频重建的原理和过程

7.2 三维重建的具体操作

· 7.2.1 calib3d模块简介

· 7.2.2 黑白棋盘重构

· 7.2.3 单目相机标定

7.3 小结

第8章 距离测量与角点检测

8.1 距离测量

· 8.1.1 单目测距

· 8.1.2 双目测距

8.2 角点检测

· 8.2.1 Harris角点检测

· 8.2.2 Shi-Tomasi角点检测

· 8.2.3 亚像素级角点检测

8.3 小结

第9章 图像识别应用

9.1 文字识别

· 9.1.1 OCR简介

· 9.1.2 OCR操作基础

· 9.1.3 示例程序

9.2 二维码识别

· 9.2.1 二维码编程原理

· 9.2.2 二维码识别原理

· 9.2.3 示例程序

9.3 人脸识别

· 9.3.1 人脸识别Haar特征

· 9.3.2 Cascade分类器

· 9.3.3 Eigen Faces人脸识别算法

· 9.3.4 示例程序

9.4 车牌识别

· 9.4.1 灰度二值化处理

· 9.4.2 车牌定位

· 9.4.3 字符识别

· 9.4.4 示例程序

9.5 小结

第10章 基于深度学习的图像应用

10.1 深度学习基本原理

· 10.1.1 神经网络

· 10.1.2 卷积神经网络

· 10.1.3 循环神经网络

10.2 深度神经网络模块

· 10.2.1 主流框架模型简介

· 10.2.2 模型操作

· 10.2.3 硬件加速

10.3 人体姿态识别

· 10.3.1 原理简介

· 10.3.2 人体姿态识别示例程序

10.4 YOLO物体识别

· 10.4.1 原理简介

· 10.4.2 YOLO算法示例程序

10.5 图片分类

10.6 小结

附录1 OpenCV编程常见问题

附录2 OpenCV 4.4源码及opencv_contrib模块编译

附录3 基于Caffe框架的神经网络训练过程