OpenCV图像处理编程实例

给大家带来的一篇关于OpenCV相关的电子书资源，介绍了关于OpenCV、图像处理、编程实例方面的内容，本书是由电子工业出版社出版，格式为PDF，资源大小97.9 MB，朱伟编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：8.4。

内容介绍

《OpenCV图像处理编程实例》以OpenCV开源库为基础实现图像处理领域的很多通用算法，并结合当今图像处理领域前沿技术，对多个典型工程实例进行讲解及实现。全书内容覆盖面广，由基础到进阶，各个技术点均提供详细的代码实现，以帮助读者快速上手和深入学习。

《OpenCV图像处理编程实例》内容共三个部分，其中1～2章为基础篇，3～6章为进阶篇，7～9章为高级篇。第一部分基础篇主要介绍OpenCV开发基础的相关知识，让读者熟悉图像处理开发环境以及简单的图像处理操作；第二部分进阶篇主要介绍图像处理技术，包括灰度变换技术、平滑技术、边缘检测及形态学技术；第三部分高级篇主要介绍图像应用技术，包括图像分割技术、特征分析和复杂视频处理技术。进阶篇与高级篇的每章末节均提供了与本章内容相关的应用实例，意在让读者更好理解知识点，进而有效地进行图像处理开发。

目录

• Part I 基础篇 OpenCV 开发基础. 1
• 第 1 章初识 OpenCV.. 3
• 1.1 OpenCV 初识 4
• 1.1.1 OpenCV 简介.. 4
• 1.1.2 OpenCV 组件及架构.. 5
• 1.1.3 OpenCV 资源.. 9
• 1.2 VS2012 安装OpenCV2.4.x .. 9
• 1.3 VS2013 安装OpenCV3.0 14
• 1.4 Sublime 下配置OpenCV. 16
• 1.5 小结 19
• 第2 章图像及视频基本操作. 20
• 2.1 图像初级操作 21
• 2.1.1 Mat 类 21
• 2.1.2 Mat 基本操作 23
• 2.1.3 Mat 类型转换 24
• 2.1.4 图像读取显示保存 24
• 2.1.5 图像存储. 26
• 2.2 图像几何变换 28
• 2.2.1 坐标映射. 28
• 2.2.2 平移 29
• 2.2.3 缩放 33
• 2.2.4 旋转 36
• 2.2.5 仿射变换. 40
• 2.3 视频操作.. 43
• 2.3.1 VideoCapture 类.. 43
• 2.3.2 视频写操作 45
• 2.3.3 视频质量评价.. 48
• 2.4 图像基础应用操作. 50
• 2.4.1 界面事件. 50
• 2.4.2 区域提取. 54
• 2.4.3 图像元素遍历——反色.. 58
• 2.4.4 单窗口显示多幅图像 63
• 2.4.5 图像颜色空间转换 66
• 2.4.6 图像批量读取——规则.. 69
• 2.4.7 图像批量读取——无规则. 70
• 2.5 小结 71
• Part II 进阶篇图像处理技术.. 73
• 第 3 章进阶篇——图像灰度变换技术. 75
• 3.1 阈值化处理. 76
• 3.1.1 OTSU 阈值化 76
• 3.1.2 固定阈值化 79
• 3.1.3 自适应阈值化.. 81
• 3.1.4 双阈值化. 83
• 3.1.5 半阈值化. 84
• 3.2 直方图处理. 85
• 3.2.1 灰度直方图 85
• 3.2.2 H-S 直方图. 88
• 3.2.3 BGR 直方图.. 89
• 3.2.4 自定义直方图.. 91
• 3.2.5 灰度直方图均衡. 93
• 3.2.6 彩色直方图均衡. 94
• 3.2.7 直方图变换——查找 95
• 3.2.8 直方图变换——累计 97
• 3.2.9 直方图匹配 99
• 3.2.10 直方图对比.. 101
• 3.2.11 直方图的反向投影 105
• 3.3 距离变换 108
• 3.3.1 距离. 108
• 3.3.2 邻接性 109
• 3.3.3 区域..110
• 3.3.4 距离变换——扫描..110
• 3.3.5 距离变换——distanceTransform..113
• 3.4 Gamma 校正.115
• 3.5 其他常见的灰度变换技术117
• 3.5.1 线性变换117
• 3.5.2 对数变换119
• 3.5.3 对比度拉伸. 121
• 3.5.4 灰度级分层. 124
• 3.5.5 灰度比特平面 125
• 3.6 实例应用 128
• 3.6.1 最大熵阈值分割.. 128
• 3.6.2 投影峰谷查找 131
• 3.7 小结. 134
• 第4 章进阶篇——图像平滑技术.. 135
• 4.1 图像采样 136
• 4.1.1 最近邻插值. 136
• 4.1.2 双线性插值. 138
• 4.1.3 插值操作性能对比. 140
• 4.1.4 图像金字塔. 143
• 4.2 傅里叶变换.. 146
• 4.2.1 图像掩码操作 146
• 4.2.2 离散傅里叶. 149
• 4.2.3 图像卷积.. 151
• 4.3 图像噪声 153
• 4.3.1 椒盐噪声.. 153
• 4.3.2 高斯噪声.. 155
• 4.4 空间平滑 157
• 4.4.1 盒滤波 157
• 4.4.2 均值滤波.. 159
• 4.4.3 中值滤波.. 159
• 4.4.4 高斯滤波.. 161
• 4.4.5 双边滤波.. 163
• 4.5 实例应用 166
• 4.5.1 导向滤波.. 166
• 4.5.2 图像污点修复 169
• 4.5.3 旋转文本图像矫正. 172
• 4.6 小结. 178
• 第5 章进阶篇——边缘检测技术.. 179
• 5.1 边缘检测基础. 180
• 5.1.1 边缘检测概念 180
• 5.1.2 梯度算子.. 180
• 5.1.3 一阶微分算子 180
• 5.1.4 二阶微分算子 181
• 5.1.5 图像差分运算 182
• 5.1.6 非极大值抑制 184
• 5.2 基本边缘检测算子——Sobel 184
• 5.2.1 非极大值抑制Sobel 检测.. 185
• 5.2.2 图像直接卷积实现Sobel 186
• 5.2.3 图像卷积下非极大值抑制Sobel. 187
• 5.2.4 Sobel 库函数实现 190
• 5.3 基本边缘检测算子——Laplace 192
• 5.4 基本边缘检测算子——Roberts 194
• 5.5 基本边缘检测算子——Prewitt. 195
• 5.6 改进边缘检测算子——Canny .. 198
• 5.6.1 Canny 算子.. 198
• 5.6.2 Canny 原理及实现.. 198
• 5.6.3 Canny 库函数实现.. 203
• 5.7 改进边缘检测算子——Marr-Hildreth .. 204
• 5.8 几何检测 207
• 5.8.1 霍夫变换.. 207
• 5.8.2 线检测技术. 208
• 5.8.3 LSD 快速直线检测. 210
• 5.8.4 圆检测技术. 214
• 5.9 形状检测 215
• 5.9.1 轮廓检测.. 215
• 5.9.2 凸包检测.. 217
• 5.9.3 轮廓边界框. 221
• 5.9.4 轮廓矩 226
• 5.9.5 点多边形测试 229
• 5.10 角点检测. 232
• 5.10.1 moravec 角点 232
• 5.10.2 harris 角点. 235
• 5.10.3 Shi-Tomasi 角点. 238
• 5.11 实例应用. 240
• 5.11.1 颜色圆检测.. 240
• 5.11.2 车牌区域检测.. 243
• 5.12 小结 249
• 第6 章进阶篇——形态学技术. 250
• 6.1 腐蚀膨胀操作. 251
• 6.2 开闭运算操作. 253
• 6.3 形态学梯度.. 255
• 6.4 形态学Top-Hat.. 256
• 6.5 实例应用 257
• 6.5.1 形态学滤波角点提取. 257
• 6.5.2 车牌目标提取 260
• 6.6 小结. 263
• Part III 高级篇图像应用技术. 265
• 第 7 章高级篇——图像分割技术.. 267
• 7.1 分水岭分割.. 268
• 7.1.1 分水岭的特征 268
• 7.1.2 实现分水岭分割.. 269
• 7.1.3 分水岭分割合并.. 270
• 7.2 FloodFill 分割. 273
• 7.3 均值漂移MeanShift 276
• 7.4 图割Grabcut 279
• 7.5 实例实例 282
• 7.5.1 奇异区域检测 282
• 7.5.2 肤色检测.. 285
• 7.6 小结. 288
• 第8 章高级篇——特征分析.. 289
• 8.1 尺度空间 290
• 8.1.1 尺度与旋转不变性. 290
• 8.1.2 特征点尺度变换.. 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 方向梯度直方图HOG 302
• 8.3.1 HOG 原理. 302
• 8.3.2 HOG 特征提取步骤 303
• 8.3.3 HOGDescriptor 特征描述类.. 304
• 8.3.4 HOG 特征描述实现 305
• 8.4 局部二值模式LBP.. 309
• 8.4.1 经典LBP.. 309
• 8.4.2 圆形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 应用实例 317
• 8.6.1 最近邻特征点目标提取 317
• 8.6.2 最大极值稳定区域匹配MSER 320
• 8.6.3 字符特征提取 324
• 8.6.4 车牌字符SVM 训练.. 327
• 8.7 小结. 331
• 第 9 章高级篇——复杂视频处理技术.. 332
• 9.1 视频稳像技术. 333
• 9.2 图像拼接 338
• 9.2.1 拼接原理及过程.. 338
• 9.2.2 图像拼接实现 339
• 9.3 高动态范围图像HDR 342
• 9.3.1 HDR 合成技术.. 342
• 9.3.2 HDR 合成原理.. 342
• 9.3.3 OpenCV 实现. 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 混合高斯背景建模实现 346
• 9.4.4 混合模型MOG2 成员参数设定. 348
• 9.4.5 KNN 模型背景建模实现. 349
• 9.4.6 GMG 模型背景建模实现 351
• 9.5 级联分类器——人脸检测.. 353
• 9.5.1 级联分类器. 353
• 9.5.2 CascadeClassifier 类 353
• 9.6 应用实例 355
• 9.6.1 运动目标提取 355
• 9.6.2 TLD 单目标跟踪.. 358
• 9.6.3 人眼检测与跟踪.. 361
• 9.7 小结. 365
• 附录A 366
• 1——代码清单.. 366
• 2——CMake 编译OpenCV3.1 源码. 372
• 3——OpenCV3.1 Extra 扩展库 375
• 参考文献.... 379

学习笔记

Opencv-Python图像透视变换cv2.warpPerspective的示例

Opencv-Python图像透视变换cv2.warpPerspective 代码如下： # -*- coding:utf-8 -*-import cv2import numpy as npimport sysimg = cv2.imread('test.jpg')# cv2.imshow("original", img)# 可选，扩展图像，保证内容不超出可视范围img = cv2.copyMakeBorder(img, 200, 200, 200, 200, cv2.BORDER_CONSTANT, 0)w, h = img.shape[0:2]anglex = 0angley = 30anglez = 0 # 是旋转fov = 42r = 0def rad(x): return x * np.pi / 180def get_warpR(): global anglex,angley,anglez,fov,w,h,r # 镜头与图像间的距离，21为半可视角，算z的距离是为了保证在此可视角度下恰好显示整幅图像 z = np.sqrt(w ** 2 + h ** 2) / 2 / np.tan(rad(fov / 2)) # 齐次变换矩阵 rx = np.array([[1, 0, 0, 0], [0, np.cos(rad(anglex)), -np.sin(rad(anglex)), 0], [0, -np.sin(rad(anglex)), np.cos(ra……

python使用opencv驱动摄像头的方法

如下所示： #coding:utf-8 import cv2import sysfrom PIL import Image def CatchUsbVideo(window_name, camera_idx): cv2.namedWindow(window_name) # 捕捉摄像头 cap = cv2.VideoCapture(camera_idx) while cap.isOpened(): ok, frame = cap.read() # 读取一帧数据 if not ok: break # 显示图像 cv2.imshow(window_name, frame) c = cv2.waitKey(10) if c & 0xFF == ord('q'): break # 释放摄像头并销毁所有窗口 cap.release() cv2.destroyAllWindows() if __name__ == '__main__': CatchUsbVideo("FaceRect", 0) 以上这篇python使用opencv驱动摄像头的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持码农之家。 ……

以上就是本次介绍的OpenCV电子书的全部相关内容，希望我们整理的资源能够帮助到大家，感谢大家对码农之家的支持。

上一篇：Java WebSocket编程：发、部署和保护动态Web应用

下一篇：Qt Creator快速入门