OpenCV 4.5计算机视觉开发实战：基于Python

图书标准信息

• 作者 朱文伟 李建英
• 出版社 清华大学出版社
• 出版时间 2022-02
• 版次 1
• ISBN 9787302597636
• 定价 79.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 302页
• 字数 0.53千字

【内容简介】

OpenCV是一个跨平台计算机视觉和机器学习软件库，也是计算机视觉领域的开发人员必须掌握的技术。本书基于Python 3.8全面、系统地介绍OpenCV 4.5的使用，并配套示例源代码、开发环境与答疑服务。
  本书共分15章，主要内容包括计算机视觉概述、OpenCV的Python开发环境搭建、OpenCV基本作、数组矩阵、图像处理模块、灰度变换和直方图修正、图像平滑、几何变换、图像边缘检测、图像分割、图像金字塔、图像形态学、视频处理，以及停车场车牌识别、物体识别、运动跟踪、人脸检测等案例。
  本书既适合计算机视觉与图像处理、人工智能算法的开发人员阅读，也适合高等院校和培训机构计算机视觉与图像处理、人工智能等相关专业的师生教学参考。

【作者简介】

朱文伟，名校计算机专业硕士，20年C\\C  、Java开发经验。主导开发过密码、图形、人工智能等产品。精通Linux、Windows系统开发及数据库开发技术。著有图书《Visual C  2013从入门到精通》《密码学原理与Java实现》《Linux C与C   一线开发实践》《OpenCV 4.5计算机视觉开发实战（基于VC  ）》。

【目录】

第1章  计算机视觉概述 1

1.1  图像的基本概念 1

1.1.1  图像和图形 1

1.1.2  数字图像及其特点 1

1.1.3  图像单位 2

1.1.4  图像分辨率与屏幕分辨率 3

1.1.5  图像的灰度与灰度级 3

1.1.6  图像的深度 4

1.1.7  二值图像、灰度图像与彩色图像 4

1.1.8  通道 5

1.1.9  图像存储 5

1.2  图像噪声 5

1.2.1  图像噪声的定义 5

1.2.2  图像噪声的来源 6

1.2.3  图像噪声的滤除 6

1.3  图像处理 7

1.3.1  图像处理的分类 7

1.3.2  数字图像处理 8

1.3.3  数字图像处理常用方法 9

1.3.4  图像处理的应用 12

1.5  计算机视觉概述 12

1.5.1  基本概念 12

1.5.2  计算机视觉的应用 14

1.5.3  与相关学科的区别 15

1.6  OpenCV概述 15

第2章  OpenCV的Python开发环境搭建 17

2.1  Python 3.8下载与安装 17

2.2  在线安装与卸载opencv-python 18

2.2.1  在线安装opencv-python 18

2.2.2  卸载opencv-python 22

2.3  PyCharm 2021.2下载与安装 23

2.3.1  PyCharm的下载和安装 23

2.3.2  配置PyCharm开发OpenCV程序 24

2.3.3  导入配套源码的方法 27

2.3.4  调试Python程序 27

2.4  测试一下NumPy的数学函数 28

第3章  OpenCV基本操作 29

3.1  OpenCV架构 29

3.2  图像输入输出模块imgcodecs 31

3.2.1  读取图像文件 31

3.2.2  得到读取的图片的高度和宽度 33

3.2.3  imwrite保存图片 34

3.3  OpenCV界面编程 35

3.4  单窗口显示多图片 37

3.5  销毁窗口 39

3.6  鼠标事件 40

3.7  键盘事件 44

3.8  滑动条事件 45

第4章  数组矩阵 47

4.1  NumPy概述 47

4.2  ndarray对象 48

4.3  NumPy的数据类型 49

4.4  数组属性 52

4.5  新建数组 54

4.6  从已有的数组创建数组 55

4.7  从数值范围创建数组 57

4.8  切片和索引 58

4.9  高级索引 60

4.9.1  整数数组索引 60

4.9.2  布尔索引 61

4.9.3  花式索引 61

4.10  迭代数组 62

4.10.1  迭代器对象nditer 62

4.10.2  控制遍历顺序 63

4.10.3  修改数组中元素的值 64

4.10.4  使用外部循环 64

4.10.5  广播迭代 65

4.11  数组操作 66

4.11.1  修改数组形状 66

4.11.2  翻转数组 68

第5章  图像处理模块 72

5.1  颜色变换cvtColor 72

5.2  画基本图形 73

5.2.1  画点 73

5.2.2  画矩形 74

5.2.3  画圆 74

5.2.4  画椭圆 75

5.2.5  画线段 77

5.2.6  画多边形 77

5.2.7  填充多边形 78

5.3  文字绘制 80

5.4  为图像添加边框 82

5.5  在图像中查找轮廓 84

第6章  灰度变换和直方图修正 86

6.1  点运算 86

6.1.1  点运算的基本概念 86

6.1.2  点运算的目标与分类 86

6.1.3  点运算的特点和应用 87

6.2  灰度变换 88

6.2.1  灰度变换的基本概念 88

6.2.2  灰度变换的作用 88

6.2.3  灰度变换的方法 89

6.2.4  灰度化 89

6.2.5  对比度 93

6.2.6  灰度的线性变换 93

6.2.7  分段线性变换 95

6.2.8  对数变换和反对数变换 97

6.2.9  幂律变换 99

6.3  直方图修正 101

6.3.1  直方图的概念 101

6.3.2  直方图均衡化 104

第7章  图像平滑 108

7.1  图像平滑基础 108

7.2  线性滤波 110

7.2.1  归一化方框滤波器 110

7.2.2  高斯滤波器 111

7.3  非线性滤波 116

7.3.1  中值滤波 116

7.3.2  双边滤波 116

第8章  几何变换 118

8.1  几何变换基础 118

8.2  图像平移 121

8.3  图像旋转 122

8.4  仿射变换 125

8.5  图像缩放 127

8.5.1  缩放原理 127

8.5.2  OpenCV中的缩放 128

第9章  图像边缘检测 130

9.1  概述 130

9.2  边缘检测研究的历史现状 133

9.3  边缘定义及类型分析 134

9.4  梯度的概念 135

9.5  图像边缘检测的应用 135

9.6  目前边缘检测存在的问题 137

9.7  边缘检测的基本思想 138

9.8  图像边缘检测的步骤 139

9.9  经典图像边缘检测算法 140

9.9.1  Roberts算子 141

9.9.2  Sobel算子边缘检测 143

9.9.3  Prewitt算子边缘检测 145

9.9.4  LoG边缘检测算子 147

9.9.5  边缘检测的技术与方法 150

第10章  图像分割 153

10.1  图像分割概述 153

10.2  图像分割技术现状 154

10.3  图像分割的应用 155

10.4  图像分割的数学定义 156

10.5  图像分割方法的分类 157

10.5.1  基于阈值化的分割方法 158

10.5.2  基于边缘的分割方法 159

10.5.3  基于区域的分割方法 159

10.5.4  基于神经网络的分割方法 161

10.5.5  基于聚类的分割方法 162

10.6  使用OpenCV进行图像分割 163

10.7  彩色图像分割 168

10.8  grabCut算法分割图像 170

10.8.1  基本概念 170

10.8.2  grabCut函数 171

10.9  floodFill漫水填充分割 176

10.9.1  基本概念 176

10.9.2  floodFill函数 177

10.10  分水岭分割法 179

10.10.1  基本概念 179

10.10.2  wathershed函数 180

第11章  图像金字塔 184

11.1  基本概念 184

11.2  高斯金字塔 185

11.2.1  向下取样 186

11.2.2  向上取样 187

11.3  拉普拉斯金字塔 189

第12章  图像形态学 191

12.1  图像形态学基本概念 191

12.2  形态学的应用 191

12.3  数学上的形态学 192

12.3.1  拓扑学 192

12.3.2  数学形态学的组成与操作分类 193

12.3.3  数学形态学的应用 193

12.4  结构元素 193

12.5  膨胀 194

12.6  腐蚀 195

12.7  开运算 196

12.8  闭运算 197

12.9  实现腐蚀和膨胀 198

12.10  开闭运算和顶帽/黑帽 200

12.11  用形态学运算检测边缘 203

12.12  击中击不中 204

12.13  利用形态学运算提取水平线和垂直线 207

第13章  视频处理 209

13.1  OpenCV视频处理架构 209

13.2  捕获视频类VideoCapture 210

13.2.1  构造VideoCapture对象 210

13.2.2  判断打开视频是否成功 211

13.2.3  读取视频帧 211

13.2.4  播放视频文件 212

13.2.5  获取和设置视频属性 214

13.2.6  播放摄像头视频 216

第14章  停车场车牌识别案例实战 219

14.1  需求分析 219

14.2  技术可行性分析 220

14.2.1  国外技术分析 220

14.2.2  国内技术分析 222

14.2.3  车牌识别技术的难点 223

14.2.4  车牌识别系统概述 223

14.3  车牌定位技术 224

14.3.1  车牌特征概述 224

14.3.2  车牌定位方法 225

14.3.3  车牌图像预处理 229

14.3.4  车牌图像的灰度化 229

14.3.5  车牌图像的直方图均衡化 231

14.3.6  车牌图像的滤波 232

14.3.7  车牌图像的二值化 233

14.3.8  车牌图像的边缘检测 234

14.3.9  车牌图像的灰度映射 234

14.3.10  车牌图像的改进型投影法定位 235

14.4  车牌字符分割技术 236

14.4.1  常用车牌字符分割算法 236

14.4.2  车牌倾斜问题 238

14.4.3  车牌倾斜度检测方法 239

14.4.4  车牌倾斜的校正方法 239

14.4.5  车牌边框和铆钉的去除 239

14.4.6  车牌字符分割 239

14.4.7  基于垂直投影和先验知识的车牌字符分割 240

14.4.8  粘连车牌字符的分割 241

14.4.9  断裂车牌字符的合并 241

14.4.10  对车牌字符的切分结果进行确认 242

14.5  车牌字符识别技术 242

14.5.1  模式识别 243

14.5.2  字符识别 244

14.5.3  汉字识别 254

第15章  OpenCV目标检测 270

15.1  目标检测概述 270

15.2  目标检测的基本概念 272

15.3  视频序列图像预处理 274

15.4  基于深度学习的运动目标检测 275

15.4.1  YOLO运动目标检测算法 276

15.4.2  YOLOv2概述 280

15.4.3  YOLOv3概述 281

15.4.4  实战YOLOv3识别物体 283

15.4.5  SSD运动目标检测算法 292

15.4.6  实战SSD 296

15.4.7  实战人脸检测 298