從零開始：數(shù)字圖像處理的編程基礎(chǔ)與應(yīng)用

001 第 1章 OpenCV基礎(chǔ)
002 1．1 OpenCV簡介
002 1．2 OpenCV 編程環(huán)境搭建
002 1．2．1 Visual Studio 2019安裝
004 1．2．2 Qt 安裝
006 1．2．3 OpenCV Release版本安裝
006 1．2．4 VS 2019中OpenCV 4．4環(huán)境的配置
010 1．2．5 Qt 5．9．9中OpenCV 4．4環(huán)境的搭建
016 1．3 Mat圖像存儲容器
016 1．3．1 Mat容器簡介
018 1．3．2 存儲方法
019 1．3．3 創(chuàng)建Mat對象
024 1．4 圖像讀取與保存
024 1．4．1 圖像讀取
027 1．4．2 圖像保存
029 1．5 視頻讀取與輸出
029 1．5．1 視頻讀取
031 1．5．2 視頻輸出
033 1．6 圖像屬性與基本圖形繪制
033 1．6．1 圖像屬性
034 1．6．2 基本圖形繪制
036 1．6．3 顏色空間轉(zhuǎn)換
038 1．7 計算機交互
038 1．7．1 鼠標和鍵盤
040 1．7．2 滑動條
041 1．8 小結(jié)
042 第 2章 圖像預處理
043 2．1 圖像格式和通道
043 2．1．1 圖像格式
043 2．1．2 通道分離與合并
047 2．2 點運算
047 2．2．1 像素點操作和卷積
052 2．2．2 圖像反轉(zhuǎn)
054 2．2．3 對數(shù)變換
055 2．2．4 冪律變換
057 2．2．5 線性變換
058 2．2．6 全域線性變換
061 2．2．7 圖像灰度化
063 2．3 直方圖處理
064 2．3．1 標準直方圖
067 2．3．2 直方圖均衡化
068 2．3．3 直方圖匹配
072 2．3．4 局部直方圖處理
075 2．4 圖像去噪
075 2．4．1 均值濾波
077 2．4．2 高斯濾波
080 2．4．3 中值濾波
081 2．4．4 雙邊濾波
083 2．4．5 小波濾波
088 2．5 小結(jié)
089 第3章 圖像分割和數(shù)學形態(tài)學
090 3．1 圖像分割
090 3．1．1 灰度閾值算法
095 3．1．2 OTSU閾值算法
099 3．1．3 區(qū)域生長算法
105 3．1．4 分水嶺算法
108 3．1．5 迭代式閾值分割
110 3．1．6 Grab Cut圖像切割算法
113 3．2 數(shù)學形態(tài)學
113 3．2．1 膨脹和腐蝕
116 3．2．2 開運算與閉運算
117 3．2．3 形態(tài)學梯度
118 3．2．4 頂帽
120 3．2．5 黑帽
121 3．2．6 綜合運用——細線和噪點去除
122 3．3 圖像金字塔
122 3．3．1 高斯金字塔
123 3．3．2 拉普拉斯金字塔
127 3．3．3 高斯不同
129 3．4 小結(jié)
130 第4章 特征提取與匹配
131 4．1 邊緣檢測
131 4．1．1 梯度法
131 4．1．2 索貝爾算子
134 4．1．3 拉普拉斯算子
136 4．1．4 坎尼算子
138 4．1．5 普魯伊特算子
139 4．1．6 羅伯茨算子
140 4．2 顏色特征
140 4．2．1 灰度直方圖
143 4．2．2 聚類
145 4．3 關(guān)鍵點特征
146 4．3．1 SURF算法
148 4．3．2 SIFT算法
150 4．3．3 ORB算法
153 4．3．4 LBP算法
154 4．3．5 Gabor算法
156 4．4 特征描述與匹配
156 4．4．1 SIFT特征描述子
158 4．4．2 ORB特征描述子
160 4．5 形狀提取
161 4．5．1 標準霍夫變換
163 4．5．2 累計概率霍夫變換
165 4．5．3 霍夫圓變換
167 4．6 小結(jié)
168 第5章 模板匹配與輪廓繪制
169 5．1 模板匹配
172 5．2 輪廓繪制
178 5．3 小結(jié)
179 第6章 視頻錄制與目標追蹤
180 6．1 簡單視頻錄制
187 6．2 視頻目標追蹤
187 6．2．1 BS算法
190 6．2．2 Meanshift算法與Camshift算法
191 6．2．3 示例程序
196 6．3 小結(jié)
197 第7章 三維重建
198 7．1 超分辨率重建
198 7．1．1 常見的超分辨率重建技術(shù)
206 7．1．2 光流法簡介
211 7．1．3 視頻重建的原理和過程
215 7．2 三維重建的具體操作
215 7．2．1 calib3d模塊簡介
215 7．2．2 黑白棋盤重構(gòu)
217 7．2．3 單目相機標定
222 7．3 小結(jié)
223 第8章 距離測量與角點檢測
224 8．1 距離測量
225 8．1．1 單目測距
227 8．1．2 雙目測距
228 8．2 角點檢測
228 8．2．1 Harris角點檢測
230 8．2．2 Shi-Tomasi角點檢測
231 8．2．3 亞像素級角點檢測
233 8．3 小結(jié)
234 第9章 圖像識別應(yīng)用
235 9．1 文字識別
235 9．1．1 OCR簡介
235 9．1．2 OCR操作基礎(chǔ)
237 9．1．3 示例程序
239 9．2 二維碼識別
240 9．2．1 二維碼編程原理
241 9．2．2 二維碼識別原理
241 9．2．3 示例程序
242 9．3 人臉識別
243 9．3．1 人臉識別Haar特征
244 9．3．2 Cascade分類器
246 9．3．3 Eigen Faces人臉識別算法
248 9．3．4 示例程序
255 9．4 車牌識別
255 9．4．1 灰度二值化處理
255 9．4．2 車牌定位
256 9．4．3 字符識別
257 9．4．4 示例程序
266 9．5 小結(jié)
267 第 10章 基于深度學習的圖像應(yīng)用
268 10．1 深度學習基本原理
268 10．1．1 神經(jīng)網(wǎng)絡(luò)
269 10．1．2 卷積神經(jīng)網(wǎng)絡(luò)
270 10．1．3 循環(huán)神經(jīng)網(wǎng)絡(luò)
271 10．2 深度神經(jīng)網(wǎng)絡(luò)模塊
271 10．2．1 主流框架模型簡介
272 10．2．2 模型操作
272 10．2．3 硬件加速
273 10．3 人體姿態(tài)識別
273 10．3．1 原理簡介
274 10．3．2 人體姿態(tài)識別示例程序
277 10．4 YOLO物體識別
277 10．4．1 原理簡介
279 10．4．2 YOLO算法示例程序
283 10．5 圖片分類
286 10．6 小結(jié)
287 附錄1 OpenCV編程常見問題
290 附錄2 OpenCV 4．4源碼及opencv_contrib模塊編譯
300 附錄3 基于Caffe框架的神經(jīng)網(wǎng)絡(luò)訓練過程