OpenCV計算機視覺入門與案例解析

基礎知識篇
第1章　C＋＋語言介紹 002
1.1　C＋＋語言程序設計 002
1.1.1 變量的定義和賦值 002
1.1.2 數(shù)據(jù)類型和運算符 003
1.1.3 輸入與輸出 004
1.2　C＋＋語言基本結構 004
1.2.1 順序結構 004
1.2.2 選擇結構 005
1.2.3 循環(huán)結構 006
1.3　C＋＋程序基本結構 007
1.3.1 頭文件 007
1.3.2 命名空間 007
1.3.3 全局變量 008
1.3.4 main()函數(shù) 009
1.3.5 局部變量 011
1.3.6 函數(shù) 011
1.3.7 注釋 012
第2章　OpenCV 概述 014
2.1　OpenCV 介紹 014
2.2　機器視覺與OpenCV 發(fā)展史 015
2.2.1 機器視覺發(fā)展史 015
2.2.2 OpenCV發(fā)展史 016
2.3　OpenCV 的應用與前景 017
第3章　OpenCV 的環(huán)境搭建 018
3.1　OpenCV 4.7.0 簡介 018
3.2　安裝OpenCV 的準備工作 018
3.3　安裝步驟 021
3.4　安裝環(huán)境配置 023
OpenCV 基礎應用篇
第4章　圖像與視頻的讀取 028
4.1　讀取圖像 028
4.2　讀取視頻 029
4.3　調用攝像頭 030
4.4　功能函數(shù) 031
4.4.1 Mat類對象 031
4.4.2 VideoCapture類對象 031
4.4.3 讀取圖片、視頻功能函數(shù)“imread”  032
4.4.4 圖片、視頻和攝像頭顯示功能函數(shù)“imshow”  032
4.4.5 圖像刷新功能函數(shù)“waitKey” 032
4.5　代碼演示 033
第5章　圖像和視頻的保存 035
5.1　保存目標圖像 035
5.2　圖像保存功能函數(shù)“imwrite”  035
5.3　圖像保存代碼演示 036
5.4　保存目標視頻 036
5.5　視頻保存功能函數(shù) 037
5.5.1 視頻寬度屬性函數(shù)“CAP_PROP_FRAME_WIDTH”  037
5.5.2 視頻高度屬性函數(shù)“CAP_PROP_FRAME_HEIGHT”  038
5.5.3 視頻總幀數(shù)屬性函數(shù)“CAP_PROP_FRAME_COUNT”  038
5.5.4 視頻幀率屬性函數(shù)“CAP_PROP_FPS”  038
5.5.5 VideoWriter類對象 038
5.5.6 視頻文件關閉釋放函數(shù)“release”  039
5.6　視頻保存代碼演示 040
第6章　圖像的預處理操作 042
6.1　圖像顏色空間轉換 042
6.1.1 圖像灰度變換 042
6.1.2 顏色空間轉換函數(shù)“cvtColor”  044
6.1.3 圖像灰度變換代碼演示 045
6.2　高斯模糊 045
6.2.1 高斯模糊函數(shù)“GaussianBlur”  047
6.2.2 高斯模糊代碼演示 048
6.3　中值濾波 048
6.3.1 中值濾波函數(shù)“medianBlur”  049
6.3.2 中值濾波代碼演示 050
6.4　邊緣檢測 050
6.4.1 邊緣檢測函數(shù)“Canny”  052
6.4.2 邊緣檢測流程代碼演示 053
6.5　圖像的腐蝕與膨脹 053
6.5.1 圖像二值化函數(shù)“threshold”  055
6.5.2 OTSU算法 056
6.5.3 TRIANGLE (三角法)算法 058
6.5.4 獲取結構元素函數(shù)“getStructuringElement”  059
6.5.5 圖像的膨脹操作函數(shù)“dilate”  060
6.5.6 圖像的腐蝕操作函數(shù)“erode”  060
6.5.7 圖像的膨脹與腐蝕操作代碼演示 061
第7章　圖像的繪制 063
7.1　創(chuàng)建、繪制自定義圖像 063
7.2　功能函數(shù) 065
7.2.1 圖像創(chuàng)建函數(shù)“Mat”  065
7.2.2 圓形繪制函數(shù)“circle”  066
7.2.3 矩形繪制函數(shù)“rectangle”  066
7.2.4 文本放置函數(shù)“putText”  067
7.3　代碼演示 068
OpenCV 進階篇
第8章　獲得翹曲圖片 070
8.1　目標圖像 070
8.2　獲得目標像素點坐標 071
8.3　創(chuàng)建結果像素點坐標 071
8.4　獲得圖像透視變換矩陣 072
8.5　圖像透視變換 072
8.5.1 獲取透視變換矩陣函數(shù)“getPerspectiveTransform”  073
8.5.2 透視變換函數(shù)“warpPerspective”  073
8.6　案例優(yōu)化 074
8.7　代碼演示 075
第9章　幾何形狀檢測 076
9.1　目標圖像 076
9.2　圖像的預處理 076
9.3　構建檢測識別模塊 078
9.3.1 形狀輪廓檢測標記功能 078
9.3.2 形狀輪廓判斷標識功能 079
9.4　功能函數(shù) 080
9.4.1 輪廓查找函數(shù)“findContours” 080
9.4.2 弧長計算函數(shù)“arcLength” 082
9.4.3 多邊形擬合函數(shù)“approxPolyDP”  082
9.4.4 邊界矩形函數(shù)“boundingRect”  083
9.4.5 輪廓繪制函數(shù)“drawContours”  083
9.5　案例優(yōu)化 084
9.6　代碼演示 085
第10章　人臉檢測 088
10.1　目標圖像 088
10.2　人臉識別相關概念 089
10.2.1 級聯(lián)分類器 089
10.2.2 Haar人臉特征 089
10.2.3 積分圖加速法 090
10.2.4 AdaBoost學習算法 090
10.2.5 強分類器的級聯(lián) 092
10.3　利用級聯(lián)分類器進行人臉識別 092
10.4　功能函數(shù) 093
10.4.1 CascadeClassifier  093
10.4.2 detectMultiScale  094
10.5　代碼演示 095
OpenCV 提高篇
第11章　創(chuàng)建顏色選擇器 098
11.1　使用VS 2017 創(chuàng)建顏色選擇器 098
11.1.1 創(chuàng)建調節(jié)面板 098
11.1.2 HSV顏色空間 099
11.1.3 創(chuàng)建顏色遮罩窗口與視頻捕捉窗口 100
11.1.4 功能函數(shù) 101
11.1.5 案例優(yōu)化 103
11.1.6 代碼演示 104
11.2　使用VS Code 創(chuàng)建顏色選擇器 105
11.2.1 調用攝像頭 106
11.2.2 視頻翻轉 107
11.2.3 進行顏色空間轉換 108
11.2.4 設置顏色通道 111
11.2.5 創(chuàng)建遮罩 112
11.2.6 創(chuàng)建窗口 114
11.2.7 創(chuàng)建Trackbar  115
11.2.8 調節(jié)各個顏色通道值 116
11.2.9 代碼演示 118
第12章　跟蹤、繪制顏色路徑 122
12.1　使用VS 2017 跟蹤、繪制顏色路徑 122
12.1.1 尋找目標顏色,獲取顏色輪廓 123
12.1.2 獲取顏色輪廓關鍵點向量 123
12.1.3 繪制關鍵點的行動路徑 124
12.1.4 案例優(yōu)化 124
12.1.5 代碼演示 125
12.2　使用VS Code 跟蹤、繪制顏色路徑 128
12.2.1 調用攝像頭 128
12.2.2 視頻翻轉 129
12.2.3 進行顏色空間轉換 130
12.2.4 設置顏色通道 130
12.2.5 創(chuàng)建遮罩 131
12.2.6 創(chuàng)建窗口 132
12.2.7 創(chuàng)建Trackbar  133
12.2.8 確定目標顏色通道值 135
12.2.9 定義矩陣向量 135
12.2.10 進行顏色空間轉換 136
12.2.11 輪廓檢測 137
12.2.12 過濾干擾項 138
12.2.13 輪廓繪制 142
12.2.14 矩形繪制 144
12.2.15 創(chuàng)建遮罩 145
12.2.16 顏色檢測 145
12.2.17 圓形繪制 145
12.2.18 軌跡繪制 146
12.2.19 代碼演示 147
第13章　文檔掃描 150
13.1　VS 2017 文檔掃描 150
13.1.1 圖像的預處理 150
13.1.2 輪廓獲取 151
13.1.3 角點獲取 153
13.1.4 文檔翹曲 154
13.1.5 案例優(yōu)化 155
13.1.6 代碼演示 155
13.2　VS Code 文檔掃描 158
13.2.1 讀取目標圖像 158
13.2.2 預處理:高斯模糊 159
13.2.3 預處理:邊緣檢測 160
13.2.4 預處理:膨脹操作 163
13.2.5 預處理:腐蝕操作 165
13.2.6 定義矩陣向量 166
13.2.7 輪廓檢測 167
13.2.8 過濾干擾項 167
13.2.9 得到輪廓 168
13.2.10 輪廓坐標點排序 169
13.2.11 獲得圖像透視變換矩陣 170
13.2.12 圖像透視變換 172
13.2.13 顯示結果圖像 173
13.2.14 代碼演示 173
OpenCV 技術篇
第14章　OpenCV 與機器學習 178
14.1　傳統(tǒng)機器學習 178
14.1.1 邏輯回歸 178
14.1.2 K近鄰 179
14.1.3 支持向量機(SVM)  179
14.1.4 貝葉斯網(wǎng)絡 180
14.2　OpenCV 與深度學習 180
14.2.1 用GoogLeNet模型實現(xiàn)圖像分類 181
14.2.2 用SSD模型實現(xiàn)對象檢測 181
14.2.3 用FCN模型實現(xiàn)圖像分割 182
14.2.4 用CNN模型預測年齡和性別 182
14.2.5 用GOTURN模型實現(xiàn)對象跟蹤 182
第15章　基于深度學習的路面病害檢測案例 184
15.1　深度學習在路面病害檢測中的應用背景 184
15.2　數(shù)據(jù)集構建 184
15.3　基于DeepLabV3＋的路面病害檢測方法 187
15.3.1 模型改進 187
15.3.2 評價指標 189
15.3.3 模型訓練與測試 190
15.3.4 不同模型的對比實驗 191
15.3.5 不同模型檢測病害的可視化效果對比 192
參考文獻 194