《OpenCV圖像處理編程實例》以OpenCV開源庫為基礎實現圖像處理領域的很多通用算法，并結合當今圖像處理領域前沿技術，對多個典型工程實例進行講解及實現。全書內容覆蓋面廣，由基礎到進階，各個技術點均提供詳細的代碼實現，以幫助讀者快速上手和深入學習。

　　《OpenCV圖像處理編程實例》內容共三個部分，其中1～2章為基礎篇，3～6章為進階篇，7～9章為高級篇。第一部分基礎篇主要介紹OpenCV開發基礎的相關知識，讓讀者熟悉圖像處理開發環境以及簡單的圖像處理操作；第二部分進階篇主要介紹圖像處理技術，包括灰度變換技術、平滑技術、邊緣檢測及形態學技術；第三部分高級篇主要介紹圖像應用技術，包括圖像分割技術、特征分析和復雜視頻處理技術。進階篇與高級篇的每章末節均提供了與本章內容相關的應用實例，意在讓讀者更好理解知識點，進而有效地進行圖像處理開發。

?

　　目錄

　　Part I 基礎篇 OpenCV 開發基礎。 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。. 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 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 坐標映射。 28

　　2.2.2 平移 29

　　2.2.3 縮放 33

　　2.2.4 旋轉 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 視頻質量評價。. 48

　　2.4 圖像基礎應用操作。 50

　　2.4.1 界面事件。 50

　　2.4.2 區域提取。 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 圖像顏色空間轉換 66

　　2.4.6 圖像批量讀取——規則。. 69

　　2.4.7 圖像批量讀取——無規則。 70

　　2.5 小結 71

　　Part II 進階篇圖像處理技術。. 73

　　第 3 章進階篇——圖像灰度變換技術。 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 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117

　　3.5.1 線性變換117

　　3.5.2 對數變換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 實例應用 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。 134

　　第4 章進階篇——圖像平滑技術。. 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 實例應用 166

　　4.5.1 導向濾波。. 166

　　4.5.2 圖像污點修復 169

　　4.5.3 旋轉文本圖像矯正。 172

　　4.6 小結。 178

　　第5 章進階篇——邊緣檢測技術。. 179

　　5.1 邊緣檢測基礎。 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 圖像直接卷積實現Sobel 186

　　5.2.3 圖像卷積下非極大值抑制Sobel. 187

　　5.2.4 Sobel 庫函數實現 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 改進邊緣檢測算子——Canny 。. 198

　　5.6.1 Canny 算子。. 198

　　5.6.2 Canny 原理及實現。. 198

　　5.6.3 Canny 庫函數實現。. 203

　　5.7 改進邊緣檢測算子——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。 208

　　5.8.3 LSD 快速直線檢測。 210

　　5.8.4 圓檢測技術。 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 點多邊形測試 229

　　5.10 角點檢測。 232

　　5.10.1 moravec 角點 232

　　5.10.2 harris 角點。 235

　　5.10.3 Shi-Tomasi 角點。 238

　　5.11 實例應用。 240

　　5.11.1 顏色圓檢測。. 240

　　5.11.2 車牌區域檢測。. 243

　　5.12 小結 249

　　第6 章進階篇——形態學技術。 250

　　6.1 腐蝕膨脹操作。 251

　　6.2 開閉運算操作。 253

　　6.3 形態學梯度。. 255

　　6.4 形態學Top-Hat.。 256

　　6.5 實例應用 257

　　6.5.1 形態學濾波角點提取。 257

　　6.5.2 車牌目標提取 260

　　6.6 小結。 263

　　Part III 高級篇圖像應用技術。 265

　　第 7 章高級篇——圖像分割技術。. 267

　　7.1 分水嶺分割。. 268

　　7.1.1 分水嶺的特征 268

　　7.1.2 實現分水嶺分割。. 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 實例實例 282

　　7.5.1 奇異區域檢測 282

　　7.5.2 膚色檢測。. 285

　　7.6 小結。 288

　　第8 章高級篇——特征分析。. 289

　　8.1 尺度空間 290

　　8.1.1 尺度與旋轉不變性。 290

　　8.1.2 特征點尺度變換。. 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 特征描述實現 305

　　8.4 局部二值模式LBP.。 309

　　8.4.1 經典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 應用實例 317

　　8.6.1 最近鄰特征點目標提取 317

　　8.6.2 最大極值穩定區域匹配MSER 320

　　8.6.3 字符特征提取 324

　　8.6.4 車牌字符SVM 訓練。. 327

　　8.7 小結。 331

　　第 9 章高級篇——復雜視頻處理技術。. 332

　　9.1 視頻穩像技術。 333

　　9.2 圖像拼接 338

　　9.2.1 拼接原理及過程。. 338

　　9.2.2 圖像拼接實現 339

　　9.3 高動態范圍圖像HDR 342

　　9.3.1 HDR 合成技術。. 342

　　9.3.2 HDR 合成原理。. 342

　　9.3.3 OpenCV 實現。 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現 346

　　9.4.4 混合模型MOG2 成員參數設定。 348

　　9.4.5 KNN 模型背景建模實現。 349

　　9.4.6 GMG 模型背景建模實現 351

　　9.5 級聯分類器——人臉檢測。. 353

　　9.5.1 級聯分類器。 353

　　9.5.2 CascadeClassifier 類 353

　　9.6 應用實例 355

　　9.6.1 運動目標提取 355

　　9.6.2 TLD 單目標跟蹤。. 358

　　9.6.3 人眼檢測與跟蹤。. 361

　　9.7 小結。 365

　　附錄A 366

　　1——代碼清單。. 366

　　2——CMake 編譯OpenCV3.1 源碼。 372

　　3——OpenCV3.1 Extra 擴展庫 375

　　參考文獻。..。 379