OpenCV圖像處理編程實(shí)例

Part I 基礎(chǔ)篇 OpenCV開(kāi)發(fā)基礎(chǔ)第1章 初識(shí)OpenCV1.1　OpenCV初識(shí)1.1.1　OpenCV簡(jiǎn)介1.1.2　OpenCV組件及架構(gòu)1.1.3　OpenCV資源1.2　VS2012安裝OpenCV2.4.x1.3　VS2013安裝OpenCV3.01.4　Sublime下配置OpenCV1.5　小結(jié)第2章 圖像及視頻基本操作2.1　圖像初級(jí)操作2.1.1　Mat類(lèi)2.1.2　Mat基本操作2.1.3　Mat類(lèi)型轉(zhuǎn)換2.1.4　圖像讀取顯示保存2.1.5　圖像存儲(chǔ)2.2　圖像幾何變換2.2.1　坐標(biāo)映射2.2.2　平移2.2.3　縮放2.2.4　旋轉(zhuǎn)2.2.5　仿射變換2.3　視頻操作2.3.1　VideoCapture類(lèi)2.3.2　視頻寫(xiě)操作2.3.3　視頻質(zhì)量評(píng)價(jià)2.4　圖像基礎(chǔ)應(yīng)用操作2.4.1　界面事件2.4.2　區(qū)域提取2.4.3　圖像元素遍歷——反色2.4.4　單窗口顯示多幅圖像2.4.5　圖像顏色空間轉(zhuǎn)換2.4.6　圖像批量讀取——規(guī)則2.4.7　圖像批量讀取——無(wú)規(guī)則2.5　小結(jié)Part II 進(jìn)階篇 圖像處理技術(shù)第3章 進(jìn)階篇——圖像灰度變換技術(shù)3.1　閾值化處理3.1.1　OTSU閾值化3.1.2　固定閾值化3.1.3　自適應(yīng)閾值化3.1.4　雙閾值化3.1.5　半閾值化3.2　直方圖處理3.2.1　灰度直方圖3.2.2　H-S直方圖3.2.3　BGR直方圖3.2.4　自定義直方圖3.2.5　灰度直方圖均衡3.2.6　彩色直方圖均衡3.2.7　直方圖變換——查找3.2.8　直方圖變換——累計(jì)3.2.9　直方圖匹配3.2.10　直方圖對(duì)比3.2.11　直方圖的反向投影3.3 距離變換3.3.1　距離3.3.2　鄰接性3.3.3　區(qū)域3.3.4　距離變換——掃描3.3.5　距離變換——distanceTransform3.4　Gamma校正3.5　其他常見(jiàn)的灰度變換技術(shù)3.5.1　線(xiàn)性變換3.5.2　對(duì)數(shù)變換3.5.3　對(duì)比度拉伸3.5.4　灰度級(jí)分層3.5.5　灰度比特平面3.6　實(shí)例應(yīng)用3.6.1　最大熵閾值分割3.6.2　投影峰谷查找3.7　小結(jié)第4章 進(jìn)階篇——圖像平滑技術(shù)4.1　圖像采樣4.1.1　最近鄰插值4.1.2　雙線(xiàn)性插值4.1.3　插值操作性能對(duì)比4.1.4　圖像金字塔4.2　傅里葉變換4.2.1　圖像掩碼操作4.2.2　離散傅里葉4.2.3　圖像卷積4.3　圖像噪聲4.3.1　椒鹽噪聲4.3.2　高斯噪聲4.4　空間平滑4.4.1　盒濾波4.4.2　均值濾波4.4.3　中值濾波4.4.4　高斯濾波4.4.5　雙邊濾波4.5　實(shí)例應(yīng)用4.5.1　導(dǎo)向?yàn)V波4.5.2　圖像污點(diǎn)修復(fù)4.5.3　旋轉(zhuǎn)文本圖像矯正4.6　小結(jié)第5章 進(jìn)階篇——邊緣檢測(cè)技術(shù)5.1　邊緣檢測(cè)基礎(chǔ)5.1.1　邊緣檢測(cè)概念5.1.2　梯度算子5.1.3　一階微分算子5.1.4　二階微分算子5.1.5　圖像差分運(yùn)算5.1.6　非極大值抑制5.2　基本邊緣檢測(cè)算子——Sobel5.2.1　非極大值抑制Sobel檢測(cè)5.2.2　圖像直接卷積實(shí)現(xiàn)Sobel5.2.3　圖像卷積下非極大值抑制Sobel5.2.4　Sobel庫(kù)函數(shù)實(shí)現(xiàn)5.3　基本邊緣檢測(cè)算子——Laplace5.4　基本邊緣檢測(cè)算子——Roberts5.5　基本邊緣檢測(cè)算子——Prewitt5.6　改進(jìn)邊緣檢測(cè)算子——Canny5.6.1　Canny算子5.6.2　Canny原理及實(shí)現(xiàn)5.6.3　Canny庫(kù)函數(shù)實(shí)現(xiàn)5.7　改進(jìn)邊緣檢測(cè)算子——Marr-Hildreth5.8　幾何檢測(cè)5.8.1　霍夫變換5.8.2　線(xiàn)檢測(cè)技術(shù)5.8.3　LSD快速直線(xiàn)檢測(cè)5.8.4　圓檢測(cè)技術(shù)5.9　形狀檢測(cè)5.9.1　輪廓檢測(cè)5.9.2　凸包檢測(cè)5.9.3　輪廓邊界框5.9.4　輪廓矩5.9.5　點(diǎn)多邊形測(cè)試5.10　角點(diǎn)檢測(cè)5.10.1　moravec角點(diǎn)5.10.2　harris角點(diǎn)5.10.3　Shi-Tomasi角點(diǎn)5.11　實(shí)例應(yīng)用5.11.1　顏色圓檢測(cè)5.11.2　車(chē)牌區(qū)域檢測(cè)5.12　小結(jié)第6章 進(jìn)階篇——形態(tài)學(xué)技術(shù)6.1　腐蝕膨脹操作6.2　開(kāi)閉運(yùn)算操作6.3　形態(tài)學(xué)梯度6.4　形態(tài)學(xué)Top-Hat6.5　實(shí)例應(yīng)用6.5.1　形態(tài)學(xué)濾波角點(diǎn)提取6.5.2　車(chē)牌目標(biāo)提取6.6　小結(jié)Part III 高級(jí)篇 圖像應(yīng)用技術(shù)第7章 高級(jí)篇——圖像分割技術(shù)7.1　分水嶺分割7.1.1　分水嶺的特征7.1.2　實(shí)現(xiàn)分水嶺分割7.1.3　分水嶺分割合并7.2　FloodFill分割7.3　均值漂移MeanShift7.4　圖割Grabcut7.5　實(shí)例實(shí)例7.5.1　奇異區(qū)域檢測(cè)7.5.2　膚色檢測(cè)7.6　小結(jié)第8章 高級(jí)篇——特征分析8.1　尺度空間8.1.1　尺度與旋轉(zhuǎn)不變性8.1.2　特征點(diǎn)尺度變換8.2　特征描述子8.2.1 SIFT特征8.2.2　SURF特征8.2.3　ORB特征8.3　方向梯度直方圖HOG8.3.1　HOG原理8.3.2　HOG特征提取步驟8.3.3　HOGDescriptor特征描述類(lèi)8.3.4　HOG特征描述實(shí)現(xiàn)8.4　局部二值模式LBP8.4.1　經(jīng)典LBP8.4.2　圓形LBP8.5　Haar特征描述8.5.1　Haar原理8.5.2　Haar特征提取8.6　應(yīng)用實(shí)例8.6.1　最近鄰特征點(diǎn)目標(biāo)提取8.6.2　最大極值穩(wěn)定區(qū)域匹配MSER8.6.3　字符特征提取8.6.4　車(chē)牌字符SVM訓(xùn)練8.7　小結(jié)第9章 高級(jí)篇——復(fù)雜視頻處理技術(shù)9.1　視頻穩(wěn)像技術(shù)9.2　圖像拼接9.2.1　拼接原理及過(guò)程9.2.2　圖像拼接實(shí)現(xiàn)9.3　高動(dòng)態(tài)范圍圖像HDR9.3.1　HDR合成技術(shù)9.3.2　HDR合成原理9.3.3　OpenCV實(shí)現(xiàn)9.4　背景建模9.4.1　背景差分9.4.2　混合高斯背景建模9.4.3　混合高斯背景建模實(shí)現(xiàn)9.4.4　混合模型MOG2成員參數(shù)設(shè)定9.4.5　KNN模型背景建模實(shí)現(xiàn)9.4.6　GMG模型背景建模實(shí)現(xiàn)9.5　級(jí)聯(lián)分類(lèi)器——人臉檢測(cè)9.5.1　級(jí)聯(lián)分類(lèi)器9.5.2　CascadeClassifier類(lèi)9.6　應(yīng)用實(shí)例9.6.1　運(yùn)動(dòng)目標(biāo)提取9.6.2　TLD單目標(biāo)跟蹤9.6.3　人眼檢測(cè)與跟蹤9.7　小結(jié)附錄A1——代碼清單2——CMake編譯OpenCV3.1源碼3——OpenCV3.1 Extra擴(kuò)展庫(kù)參考文獻(xiàn)