章OPENCV入门1
1.1如何使用1
1.2图像处理基本操作3
1.2.1读取图像3
1.2.2显示图像5
1.2.3保存图像9
1.3OpenCV贡献库10
第2章图像处理基础11
2.1图像的基本表示方法11
2.2像素处理15
2.3使用numpy.array访问像素23
2.4感兴趣区域(ROI)29
2.5通道操作32
2.5.1通道拆分32
2.5.2通道合并34
2.6获取图像属性36
第3章图像运算37
3.1图像加法运算37
3.1.1加号运算符37
3.1.2cv2.add()函数38
3.2图像加权和40
3.3按位逻辑运算43
3.3.1按位与运算43
3.3.2按位或运算46
3.3.3按位非运算47
3.3.4按位异或运算48
3.4掩模49
3.5图像与数值的运算52
3.6位平面分解53
3.7图像加密和解密59
3.8数字水印63
3.8.1原理64
3.8.2实现方法66
3.8.3例题73
3.9脸部打码及解码74
第4章色彩空间类型转换77
4.1色彩空间基础77
4.1.1GRAY色彩空间77
4.1.2XYZ色彩空间78
4.1.3YCrCb色彩空间78
4.1.4HSV色彩空间79
4.1.5HLS色彩空间80
4.1.6CIEL*a*b*色彩空间80
4.1.7CIEL*u*v*色彩空间81
4.1.8Bayer色彩空间82
4.2类型转换函数82
4.3类型转换实例88
4.3.1通过数组观察转换效果88
4.3.2图像处理实例92
4.4HSV色彩空间讨论93
4.4.1基础知识93
4.4.2获取指定颜色95
4.4.3标记指定颜色96
4.4.4标记肤色100
4.4.5实现艺术效果101
4.5alpha通道102
第5章几何变换106
5.1缩放106
5.2翻转110
5.3仿射111
5.3.1平移112
5.3.2旋转113
5.3.3更复杂的仿射变换114
5.4透视115
5.5重映射117
5.5.1映射参数的理解117
5.5.2复制119
5.5.3绕x轴翻转121
5.5.4绕y轴翻转122
5.5.5绕x轴、y轴翻转124
5.5.6x轴、y轴互换126
5.5.7图像缩放128
第6章阈值处理130
6.1threshold函数130
6.1.1二值化阈值处理(cv2.THRESH_BINARY)131
6.1.2反二值化阈值处理(cv2.THRESH_BINARY_INV)133
6.1.3截断阈值化处理(cv2.THRESH_TRUNC)135
6.1.4超阈值零处理(cv2.THRESH_TOZERO_INV)136
6.1.5低阈值零处理(cv2.THRESH_TOZERO)138
6.2自适应阈值处理139
6.3Otsu处理141
第7章图像平滑处理144
7.1均值滤波146
7.1.1基本原理146
7.1.2函数语法150
7.1.3程序示例150
7.2方框滤波152
7.2.1基本原理152
7.2.2函数语法153
7.2.3程序示例154
7.3高斯滤波156
7.3.1基本原理156
7.3.2函数语法158
7.3.3程序示例159
7.4中值滤波159
7.4.1基本原理160
7.4.2函数语法161
7.4.3程序示例161
7.5双边滤波162
7.5.1基本原理162
7.5.2函数语法164
7.5.3程序示例164
7.62D卷积166
第8章形态学操作168
8.1腐蚀168
8.2膨胀173
8.3通用形态学函数178
8.4开运算179
8.5闭运算180
8.6形态学梯度运算182
8.7礼帽运算183
8.8黑帽运算185
8.9核函数186
第9章图像梯度189
9.1Sobel理论基础189
9.2Sobel算子及函数使用191
9.2.1参数ddepth192
9.2.2方向195
9.2.3实例196
9.3Scharr算子及函数使用200
9.4Sobel算子和Scharr算子的比较204
9.5Laplacian算子及函数使用206
9.6算子总结208
0章CANNY边缘检测209
10.1Canny边缘检测基础209
10.2Canny函数及使用213
1章图像金字塔215
11.1理论基础215
11.2pyrDown函数及使用217
11.3pyrUp函数及使用219
11.4采样可逆性的研究220
11.5拉普拉斯金字塔223
11.5.1定义223
11.5.2应用225
2章图像轮廓229
12.1查找并绘制轮廓229
12.1.1查找图像轮廓：findContours函数229
12.1.2绘制图像轮廓：drawContours函数237
12.1.3轮廓实例238
12.2矩特征240
12.2.1矩的计算：moments函数241
12.2.2计算轮廓的面积：contourArea函数243
12.2.3计算轮廓的长度：arcLength函数246
12.3Hu矩248
12.3.1Hu矩函数248
12.3.2形状匹配252
12.4轮廓拟合254
12.4.1矩形包围框254
12.4.2最小包围矩形框257
12.4.3最小包围圆形259
12.4.4最优拟合椭圆260
12.4.5最优拟合直线261
12.4.6最小外包三角形262
12.4.7逼近多边形263
12.5凸包266
12.5.1获取凸包267
12.5.2凸缺陷268
12.5.3几何学测试270
12.6利用形状场景算法比较轮廓275
12.6.1计算形状场景距离275
12.6.2计算Hausdorff距离278
12.7轮廓的特征值280
12.7.1宽高比280
12.7.2Extent281
12.7.3Solidity282
12.7.4等效直径(EquivalentDiameter)283
12.7.5方向284
12.7.6掩模和像素点286
12.7.7优选值和最小值及它们的位置291
12.7.8平均颜色及平均灰度293
12.7.9极点294
3章直方图处理297
13.1直方图的含义297
13.2绘制直方图301
13.2.1使用Numpy绘制直方图301
13.2.2使用OpenCV绘制直方图302
13.2.3使用掩模绘制直方图307
13.3直方图均衡化312
13.3.1直方图均衡化原理313
13.3.2直方图均衡化处理317
13.4pyplot模块介绍319
13.4.1subplot函数319
13.4.2imshow函数320
4章傅里叶变换324
14.1理论基础324
14.2Numpy实现傅里叶变换328
14.2.1实现傅里叶变换329
14.2.2实现逆傅里叶变换330
14.2.3高通滤波示例331
14.3OpenCV实现傅里叶变换333
14.3.1实现傅里叶变换333
14.3.2实现逆傅里叶变换335
14.3.3低通滤波示例336
5章模板匹配339
15.1模板匹配基础339
15.2多模板匹配345
6章霍夫变换351
16.1霍夫直线变换351
16.1.1霍夫变换原理351
16.1.2HoughLines函数357
16.1.3HoughLinesP函数359
16.2霍夫圆环变换361
7章图像分割与提取364
17.1用分水岭算法实现图像分割与提取364
17.1.1算法原理364
17.1.2相关函数介绍366
17.1.3分水岭算法图像分割实例375
17.2交互式前景提取376
8章视频处理383
18.1VideoCapture类383
18.1.1类函数介绍383
18.1.2捕获摄像头视频387
18.1.3播放视频文件388
18.2VideoWriter类389
18.2.1类函数介绍389
18.2.2保存视频391
18.3视频操作基础392
9章绘图及交互393
19.1绘画基础393
19.1.1绘制直线394
19.1.2绘制矩形394
19.1.3绘制圆形395
19.1.4绘制椭圆397
19.1.5绘制多边形398
19.1.6在图形上绘制文字400
19.2鼠标交互402
19.2.1简单示例404
19.2.2进阶示例405
19.3滚动条407
19.3.1用滚动条实现调色板408
19.3.2用滚动条控制阈值处理参数409
19.3.3用滚动条作为开关410
第20章K近邻算法412
20.1理论基础412
20.2计算415
20.2.1归一化415
20.2.2距离计算416
20.2手写数字识别的原理417
20.3自定义函数手写数字识别421
20.4K近邻模块的基本使用427
20.5K近邻手写数字识别429
第21章支持向量机431
21.1理论基础431
21.2SVM案例介绍434
第22章K均值聚类439
22.1理论基础439
22.1.1分豆子439
22.1.2K均值聚类的基本步骤441
22.2K均值聚类模块441
22.3简单示例442
第23章人脸识别448
23.1人脸检测448
23.1.1基本原理448
23.1.2级联分类器的使用451
23.1.3函数介绍452
23.1.4案例介绍453
23.2LBPH人脸识别454
23.2.1基本原理454
23.2.2函数介绍456
23.2.3案例介绍457
23.3EigenFaces人脸识别458
23.3.1基本原理458
23.3.2函数介绍459
23.3.3案例介绍460
23.4Fisherfaces人脸识别461
23.4.1基本原理461
23.4.2函数介绍463
23.4.3案例介绍464
23.5人脸数据库465
参与文献467
附录A范例470显示全部>>隐藏全部>>
