计算机视觉应用实战（OpenCV 微课版）

第1章 计算机视觉概述 1
1．1　项目介绍 1
1．2　计算机视觉理论知识 2
1．2．1 计算机视觉能解决什么问题 2
1．2．2 计算机视觉与相关领域 3
1．2．3 计算机视觉的发展历史 4
1．2．4 计算机视觉的发展趋势 12
1．3　典型的计算机视觉任务 14
应用场景1：文字识别 20
第2章 环境搭建 22
2．1　项目介绍 22
2．2　环境搭建的理论知识 23
2．3　环境搭建 26
2．3．1 安装Anaconda 26
2．3．2 创建Anaconda 虚拟环境 30
2．3．3 下载PyCharm 32
2．3．4 安装PyCharm 33
2．3．5 使用PyCharm加载Anaconda虚拟环境 35
应用场景2：安防领域 40
第3章 简易调色画布 42
3．1　项目介绍 42
3．2　调色画布理论基础 43
3．2．1 像素 43
3．2．2 像素坐标系 43
3．2．3 RGB颜色模型 44
3．2．4 BGR排列模式 46
3．2．5 滑动条 47
3．2．6 简易调色画布原理 49
3．3　项目实现 50
3．3．1 代码框架 50
3．3．2 代码实现 52
应用场景3：农业领域 55
第4章 几何图像的绘制 57
4．1　项目介绍 57
4．2　理论基础 58
4．2．1 直线 58
4．2．2 矩形 59
4．2．3 圆 59
4．2．4 多边形 60
4．2．5 文本 61
4．3　项目分析 62
4．3．1 项目介绍 62
4．3．2 界面效果 63
4．4　项目实现 63
4．4．1 调用声明 64
4．4．2 定义初始化变量 64
4．4．3 类内方法 64
4．4．4 绘制几何图形 66
4．4．5 系统化编程 68
应用场景4：零售业 71
第5章 简单的图像处理 73
5．1　项目介绍 73
5．2　项目原理 74
5．2．1 图像的翻转处理 74
5．2．2 形态学处理 74
5．3　项目实现 74
5．3．1 使用OpenCV旋转图像 74
5．3．2 使用OpenCV平移图像 78
5．3．3 使用OpenCV镜像图像 80
5．3．4 使用OpenCV翻转图像 82
5．3．5 形态学处理实现 84
应用场景5：生产制造 89
第6章 马赛克 92
6．1　项目介绍 92
6．2　项目原理 93
6．2．1 马赛克效果实现 93
6．2．2 马赛克效果实现原理 93
6．3　项目实现 95
6．3．1 图像马赛克效果实现 95
6．3．2 视频马赛克效果实现 96
6．3．3 马赛克拼图效果实现 97
应用场景6：医疗保健 109
第7章 图像美颜 111
7．1　项目介绍 111
7．2　空域滤波理论基础 112
7．2．1 均值滤波 113
7．2．2 方框滤波 114
7．2．3 高斯滤波 115
7．2．4 中值滤波 117
7．2．5 双边滤波 118
7．3　项目实现 119
7．3．1 代码框架 119
7．3．2 代码实现 120
应用场景7：谷歌翻译 126
第8章 人脸检测 127
8．1　项目介绍 127
8．2　理论基础 128
8．2．1 计算机视觉任务与目标识别算法 128
8．2．2 Haar特征与积分图 131
8．2．3 AdaBoost级联分类器 134
8．2．4 人脸检测 136
8．3　项目分析 138
8．3．1 项目介绍 138
8．3．2 界面效果 139
8．4　项目实现 140
8．4．1 模型配置细节 140
8．4．2 检测算法应用 140
8．4．3 输出检测结果 141
8．4．4 系统化编程 142
8．4．5 输出结果分析 143
应用场景8：人脸识别 147
第9章 人脸跟踪 149
9．1　项目介绍 149
9．2　人脸跟踪原理 150
9．2．1 基于特征匹配的跟踪 150
9．2．2 基于区域匹配的跟踪 151
9．2．3 基于模型匹配的跟踪 151
9．3　基于OpenCV的人脸跟踪实现 153
9．3．1 人脸检测功能的实现 153
9．3．2 检测模式和跟踪模式的切换 155
9．3．3 跟踪器的实现 156
9．3．4 人脸特征点定位实现 158
应用场景9：自动驾驶汽车 162
参考文献 164