OpenCV4应用开发：入门、进阶与工程化实践

目　　录
前言
基础篇
第1章　OpenCV简介与安装　/　2
1.1　OpenCV简介　/　2
1.1.1　OpenCV历史　/　2
1.1.2　OpenCV的模块与功能　/　3
1.1.3　OpenCV4里程碑　/　4
1.1.4　OpenCV发展现状与
应用趋势　/　4
1.2　OpenCV源码项目　/　4
1.3　OpenCV4开发环境搭建　/　5
1.4　第一个OpenCV开发程序　/　6
1.5　图像加载与保存　/　7
1.5.1　加载图像　/　7
1.5.2　保存图像　/　8
1.6　加载视频　/　9
1.7　小结　/　12
第2章　Mat与像素操作　/　13
2.1　Mat对象　/　13
2.1.1　什么是Mat对象　/　13
2.1.2　一切图像皆Mat　/　14
2.1.3　Mat类型与深度　/　15
2.1.4　创建Mat　/　15
2.2　访问像素　/　18
2.2.1　遍历Mat中的像素　/　18
2.2.2　像素算术运算　/　20
2.2.3　位运算　/　21
2.2.4　调整图像亮度与对比度　/　22
2.3　图像类型与通道　/　23
2.3.1　图像类型　/　23
2.3.2　图像通道　/　23
2.3.3　通道操作　/　24
2.4　小结　/　25
第3章　色彩空间　/　26
3.1　RGB色彩空间　/　26
3.2　HSV色彩空间　/　28
3.3　LAB色彩空间　/　29
3.4　色彩空间的转换与应用　/　30
3.5　小结　/　31
第4章　图像直方图　/　32
4.1　像素统计信息　/　32
4.2　直方图的计算与绘制　/　34
4.2.1　直方图计算　/　35
4.2.2　直方图绘制　/　36
4.3　直方图均衡化　/　37
4.4　直方图比较　/　40
4.5　直方图反向投影　/　41
4.6　小结　/　43
进阶篇
第5章　卷积操作　/　46
5.1　卷积的概念　/　46
5.2　卷积模糊　/　49
5.3　自定义滤波　/　53
5.4　梯度提取　/　56
5.5　边缘发现　/　59
5.6　噪声与去噪　/　61
5.7　边缘保留滤波　/　64
5.8　锐化增强　/　66
5.9　小结　/　68
第6章　二值图像　/　70
6.1　图像阈值化分割　/　70
6.2　全局阈值计算　/　72
6.3　自适应阈值计算　/　76
6.4　去噪与二值化　/　77
6.4.1　去噪对二值化的影响　/　77
6.4.2　其他方式的二值化　/　78
6.5　小结　/　79
第7章　二值分析　/　80
7.1　二值图像分析概述　/　80
7.2　连通组件标记　/　82
7.3　轮廓发现　/　85
7.3.1　轮廓发现函数　/　85
7.3.2　轮廓绘制函数　/　87
7.3.3　轮廓发现与绘制的示例
代码　/　87
7.4　轮廓测量　/　88
7.5　拟合与逼近　/　90
7.6　轮廓分析　/　95
7.7　直线检测　/　97
7.8　霍夫圆检测　/　99
7.9　最大内接圆与最小外接圆　/　101
7.10　轮廓匹配　/　102
7.11　最大轮廓与关键点编码　/　104
7.12　凸包检测　/　106
7.13　小结　/　107
第8章　形态学分析　/　108
8.1　图像形态学概述　/　108
8.2　膨胀与腐蚀　/　109
8.3　开/闭操作　/　111
8.4　形态学梯度　/　113
8.5　顶帽与黑帽　/　115
8.6　击中/击不中　/　116
8.7　结构元素　/　119
8.8　距离变换　/　120
8.9　分水岭分割　/　121
8.10　小结　/　124
第9章　特征提取　/　125
9.1　图像金字塔　/　125
9.1.1　高斯金字塔　/　125
9.1.2　拉普拉斯金字塔　/　128
9.1.3　图像金字塔融合　/　129
9.2　Harris角点检测　/　131
9.3　shi-tomas角点检测　/　133
9.4　亚像素级别的角点检测　/　135
9.5　HOG特征与使用　/　137
9.5.1　HOG特征描述子　/　137
9.5.2　HOG特征行人检测　/　139
9.6　ORB特征描述子　/　140
9.6.1　关键点与描述子提取　/　140
9.6.2　描述子匹配　/　144
9.7　基于特征的对象检测　/　148
9.7.1　单应性矩阵计算方法　/　148
9.7.2　特征对象的位置发现　/　150
9.8　小结　/　152
第10章　视频分析　/　153
10.1　基于颜色的对象跟踪　/　153
10.2　视频背景分析　/　155
10.3　帧差法背景分析　/　157
10.4　稀疏光流分析法　/　158
10.5　稠密光流分析法　/　161
10.6　均值迁移分析　/　163
10.7　小结　/　166
第11章　机器学习　/　167
11.1　KMeans分类　/　167
  11.1.1　KMeans图像语义
分割　/　167
  11.1.2　提取主色彩构建色卡　/　170
11.2　KNN分类　/　172
  11.2.1　KNN函数支持　/　172
  11.2.2　KNN实现手写数字
识别　/　173
11.3　SVM分类　/　175
  11.3.1　SVM的原理与分类　/　175
  11.3.2　SVM函数　/　176
  11.3.3　SVM实现手写数字
识别　/　176
11.4　SVM与HOG实现对象检测　/　177
  11.4.1　数据样本特征提取　/　178
  11.4.2　SVM特征分类　/　179
  11.4.3　构建SVM对象检测器　/　179
11.5　小结　/　181
第12章　深度神经网络　/　182
12.1　DNN概述　/　182
12.2　图像分类　/　183
12.3　对象检测　/　186
  12.3.1　SSD对象检测　/　187
  12.3.2　Faster-RCNN对象
检测　/　188
  12.3.3　YOLO对象检测　/　190
12.4　ENet图像语义分割　/　193
12.5　风格迁移　/　195
12.6　场景文字检测　/　197
12.7　人脸检测　/　199
12.8　小结　/　201
高级与实战篇
第13章　YOLO 5自定义对象
检测　/　204
13.1　YOLO 5对象检测框架　/　204
13.2　YOLO 5对象检测　/　205
13.3　自定义对象检测　/　208
  13.3.1　数据集制作与生成　/　209
  13.3.2　模型训练与查看损失
曲线　/　210
  13.3.3　模型导出与部署　/　211
13.4　小结　/　212
第14章　缺陷检测　/　213
14.1　简单背景下的缺陷检测　/　213
14.2　复杂背景下的缺陷检测　/　216
  14.2.1　频域增强的缺陷检测　/　216
  14.2.2　空间域增强的缺陷检测　/　219
14.3　案例：刀片缺陷检测　/　220
14.4　基于深度学习的缺陷检测　/　222
  14.4.1　基于分类的缺陷检测　/　223
  14.4.2　基于分割的缺陷检测　/　226
14.5　小结　/　228
第15章　OpenVINO加速　/　229
15.1　OpenVINO框架安装与环境
配置　/　229
  15.1.1　OpenVINO安装　/　230
  15.1.2　配置C 开发支持　/　232
15.2　OpenVINO2022.x版SDK
推理演示　/　233
  15.2.1　推理SDK介绍　/　234
  15.2.2　推理SDK演示　/　235
15.3　OpenVINO支持UNet部署　/　236
15.4　OpenVINO支持YOLO 5
部署　/　237
15.5　小结　/　239
第16章　CUDA加速　/　240
16.1　编译OpenCV源码支持CUDA
加速　/　240
16.2　用CUDA加速传统图像处理　/　245
  16.2.1　Mat与GpuMat　/　245
  16.2.2　加速图像处理与视频
分析　/　246
16.3　加速DNN　/　248
16.4　小结　/　249