《OpenCV圖像處理編程實(shí)例》以O(shè)penCV開源庫為基礎(chǔ)實(shí)現(xiàn)圖像處理領(lǐng)域的很多通用算法，并結(jié)合當(dāng)今圖像處理領(lǐng)域前沿技術(shù)，對多個(gè)典型工程實(shí)例進(jìn)行講解及實(shí)現(xiàn)。全書內(nèi)容覆蓋面廣，由基礎(chǔ)到進(jìn)階，各個(gè)技術(shù)點(diǎn)均提供詳細(xì)的代碼實(shí)現(xiàn)，以幫助讀者快速上手和深入學(xué)習(xí)。

《OpenCV圖像處理編程實(shí)例》內(nèi)容共三個(gè)部分，其中1～2章為基礎(chǔ)篇，3～6章為進(jìn)階篇，7～9章為高級篇。第一部分基礎(chǔ)篇主要介紹OpenCV開發(fā)基礎(chǔ)的相關(guān)知識，讓讀者熟悉圖像處理開發(fā)環(huán)境以及簡單的圖像處理操作；第二部分進(jìn)階篇主要介紹圖像處理技術(shù)，包括灰度變換技術(shù)、平滑技術(shù)、邊緣檢測及形態(tài)學(xué)技術(shù)；第三部分高級篇主要介紹圖像應(yīng)用技術(shù)，包括圖像分割技術(shù)、特征分析和復(fù)雜視頻處理技術(shù)。進(jìn)階篇與高級篇的每章末節(jié)均提供了與本章內(nèi)容相關(guān)的應(yīng)用實(shí)例，意在讓讀者更好理解知識點(diǎn)，進(jìn)而有效地進(jìn)行圖像處理開發(fā)。

目錄
Part I 基礎(chǔ)篇 OpenCV 開發(fā)基礎(chǔ). 1
第 1 章初識 OpenCV.. 3
1.1 OpenCV 初識 4
1.1.1 OpenCV 簡介.. 4
1.1.2 OpenCV 組件及架構(gòu).. 5
1.1.3 OpenCV 資源.. 9
1.2 VS2012 安裝OpenCV2.4.x .. 9
1.3 VS2013 安裝OpenCV3.0 14
1.4 Sublime 下配置OpenCV. 16
1.5 小結(jié) 19
第2 章圖像及視頻基本操作. 20
2.1 圖像初級操作 21
2.1.1 Mat 類 21
2.1.2 Mat 基本操作 23
2.1.3 Mat 類型轉(zhuǎn)換 24
2.1.4 圖像讀取顯示保存 24
2.1.5 圖像存儲. 26
2.2 圖像幾何變換 28
2.2.1 坐標(biāo)映射. 28
2.2.2 平移 29
2.2.3 縮放 33
2.2.4 旋轉(zhuǎn) 36
2.2.5 仿射變換. 40
2.3 視頻操作.. 43
2.3.1 VideoCapture 類.. 43
2.3.2 視頻寫操作 45
2.3.3 視頻質(zhì)量評價(jià).. 48
2.4 圖像基礎(chǔ)應(yīng)用操作. 50
2.4.1 界面事件. 50
2.4.2 區(qū)域提取. 54
2.4.3 圖像元素遍歷——反色.. 58
2.4.4 單窗口顯示多幅圖像 63
2.4.5 圖像顏色空間轉(zhuǎn)換 66
2.4.6 圖像批量讀取——規(guī)則.. 69
2.4.7 圖像批量讀取——無規(guī)則. 70
2.5 小結(jié) 71
Part II 進(jìn)階篇圖像處理技術(shù).. 73
第 3 章進(jìn)階篇——圖像灰度變換技術(shù). 75
3.1 閾值化處理. 76
3.1.1 OTSU 閾值化 76
3.1.2 固定閾值化 79
3.1.3 自適應(yīng)閾值化.. 81
3.1.4 雙閾值化. 83
3.1.5 半閾值化. 84
3.2 直方圖處理. 85
3.2.1 灰度直方圖 85
3.2.2 H-S 直方圖. 88
3.2.3 BGR 直方圖.. 89
3.2.4 自定義直方圖.. 91
3.2.5 灰度直方圖均衡. 93
3.2.6 彩色直方圖均衡. 94
3.2.7 直方圖變換——查找 95
3.2.8 直方圖變換——累計(jì) 97
3.2.9 直方圖匹配 99
3.2.10 直方圖對比.. 101
3.2.11 直方圖的反向投影 105
3.3 距離變換 108
3.3.1 距離. 108
3.3.2 鄰接性 109
3.3.3 區(qū)域..110
3.3.4 距離變換——掃描..110
3.3.5 距離變換——distanceTransform..113
3.4 Gamma 校正.115
3.5 其他常見的灰度變換技術(shù)117
3.5.1 線性變換117
3.5.2 對數(shù)變換119
3.5.3 對比度拉伸. 121
3.5.4 灰度級分層. 124
3.5.5 灰度比特平面 125
3.6 實(shí)例應(yīng)用 128
3.6.1 最大熵閾值分割.. 128
3.6.2 投影峰谷查找 131
3.7 小結(jié). 134
第4 章進(jìn)階篇——圖像平滑技術(shù).. 135
4.1 圖像采樣 136
4.1.1 最近鄰插值. 136
4.1.2 雙線性插值. 138
4.1.3 插值操作性能對比. 140
4.1.4 圖像金字塔. 143
4.2 傅里葉變換.. 146
4.2.1 圖像掩碼操作 146
4.2.2 離散傅里葉. 149
4.2.3 圖像卷積.. 151
4.3 圖像噪聲 153
4.3.1 椒鹽噪聲.. 153
4.3.2 高斯噪聲.. 155
4.4 空間平滑 157
4.4.1 盒濾波 157
4.4.2 均值濾波.. 159
4.4.3 中值濾波.. 159
4.4.4 高斯濾波.. 161
4.4.5 雙邊濾波.. 163
4.5 實(shí)例應(yīng)用 166
4.5.1 導(dǎo)向?yàn)V波.. 166
4.5.2 圖像污點(diǎn)修復(fù) 169
4.5.3 旋轉(zhuǎn)文本圖像矯正. 172
4.6 小結(jié). 178
第5 章進(jìn)階篇——邊緣檢測技術(shù).. 179
5.1 邊緣檢測基礎(chǔ). 180
5.1.1 邊緣檢測概念 180
5.1.2 梯度算子.. 180
5.1.3 一階微分算子 180
5.1.4 二階微分算子 181
5.1.5 圖像差分運(yùn)算 182
5.1.6 非極大值抑制 184
5.2 基本邊緣檢測算子——Sobel 184
5.2.1 非極大值抑制Sobel 檢測.. 185
5.2.2 圖像直接卷積實(shí)現(xiàn)Sobel 186
5.2.3 圖像卷積下非極大值抑制Sobel. 187
5.2.4 Sobel 庫函數(shù)實(shí)現(xiàn) 190
5.3 基本邊緣檢測算子——Laplace 192
5.4 基本邊緣檢測算子——Roberts 194
5.5 基本邊緣檢測算子——Prewitt. 195
5.6 改進(jìn)邊緣檢測算子——Canny .. 198
5.6.1 Canny 算子.. 198
5.6.2 Canny 原理及實(shí)現(xiàn).. 198
5.6.3 Canny 庫函數(shù)實(shí)現(xiàn).. 203
5.7 改進(jìn)邊緣檢測算子——Marr-Hildreth .. 204
5.8 幾何檢測 207
5.8.1 霍夫變換.. 207
5.8.2 線檢測技術(shù). 208
5.8.3 LSD 快速直線檢測. 210
5.8.4 圓檢測技術(shù). 214
5.9 形狀檢測 215
5.9.1 輪廓檢測.. 215
5.9.2 凸包檢測.. 217
5.9.3 輪廓邊界框. 221
5.9.4 輪廓矩 226
5.9.5 點(diǎn)多邊形測試 229
5.10 角點(diǎn)檢測. 232
5.10.1 moravec 角點(diǎn) 232
5.10.2 harris 角點(diǎn). 235
5.10.3 Shi-Tomasi 角點(diǎn). 238
5.11 實(shí)例應(yīng)用. 240
5.11.1 顏色圓檢測.. 240
5.11.2 車牌區(qū)域檢測.. 243
5.12 小結(jié) 249
第6 章進(jìn)階篇——形態(tài)學(xué)技術(shù). 250
6.1 腐蝕膨脹操作. 251
6.2 開閉運(yùn)算操作. 253
6.3 形態(tài)學(xué)梯度.. 255
6.4 形態(tài)學(xué)Top-Hat.. 256
6.5 實(shí)例應(yīng)用 257
6.5.1 形態(tài)學(xué)濾波角點(diǎn)提取. 257
6.5.2 車牌目標(biāo)提取 260
6.6 小結(jié). 263
Part III 高級篇圖像應(yīng)用技術(shù). 265
第 7 章高級篇——圖像分割技術(shù).. 267
7.1 分水嶺分割.. 268
7.1.1 分水嶺的特征 268
7.1.2 實(shí)現(xiàn)分水嶺分割.. 269
7.1.3 分水嶺分割合并.. 270
7.2 FloodFill 分割. 273
7.3 均值漂移MeanShift 276
7.4 圖割Grabcut 279
7.5 實(shí)例實(shí)例 282
7.5.1 奇異區(qū)域檢測 282
7.5.2 膚色檢測.. 285
7.6 小結(jié). 288
第8 章高級篇——特征分析.. 289
8.1 尺度空間 290
8.1.1 尺度與旋轉(zhuǎn)不變性. 290
8.1.2 特征點(diǎn)尺度變換.. 290
8.2 特征描述子.. 291
8.2.1 SIFT 特征. 292
8.2.2 SURF 特征.. 296
8.2.3 ORB 特征. 300
8.3 方向梯度直方圖HOG 302
8.3.1 HOG 原理. 302
8.3.2 HOG 特征提取步驟 303
8.3.3 HOGDescriptor 特征描述類.. 304
8.3.4 HOG 特征描述實(shí)現(xiàn) 305
8.4 局部二值模式LBP.. 309
8.4.1 經(jīng)典LBP.. 309
8.4.2 圓形LBP311
8.5 Haar 特征描述 314
8.5.1 Haar 原理. 314
8.5.2 Haar 特征提取 315
8.6 應(yīng)用實(shí)例 317
8.6.1 最近鄰特征點(diǎn)目標(biāo)提取 317
8.6.2 最大極值穩(wěn)定區(qū)域匹配MSER 320
8.6.3 字符特征提取 324
8.6.4 車牌字符SVM 訓(xùn)練.. 327
8.7 小結(jié). 331
第 9 章高級篇——復(fù)雜視頻處理技術(shù).. 332
9.1 視頻穩(wěn)像技術(shù). 333
9.2 圖像拼接 338
9.2.1 拼接原理及過程.. 338
9.2.2 圖像拼接實(shí)現(xiàn) 339
9.3 高動態(tài)范圍圖像HDR 342
9.3.1 HDR 合成技術(shù).. 342
9.3.2 HDR 合成原理.. 342
9.3.3 OpenCV 實(shí)現(xiàn). 343
9.4 背景建模 344
9.4.1 背景差分.. 345
9.4.2 混合高斯背景建模. 345
9.4.3 混合高斯背景建模實(shí)現(xiàn) 346
9.4.4 混合模型MOG2 成員參數(shù)設(shè)定. 348
9.4.5 KNN 模型背景建模實(shí)現(xiàn). 349
9.4.6 GMG 模型背景建模實(shí)現(xiàn) 351
9.5 級聯(lián)分類器——人臉檢測.. 353
9.5.1 級聯(lián)分類器. 353
9.5.2 CascadeClassifier 類 353
9.6 應(yīng)用實(shí)例 355
9.6.1 運(yùn)動目標(biāo)提取 355
9.6.2 TLD 單目標(biāo)跟蹤.. 358
9.6.3 人眼檢測與跟蹤.. 361
9.7 小結(jié). 365
附錄A 366
1——代碼清單.. 366
2——CMake 編譯OpenCV3.1 源碼. 372
3——OpenCV3.1 Extra 擴(kuò)展庫 375
參考文獻(xiàn).... 379