OpenCV图像处理编程实例

出版者:电子工业出版社

作者:朱伟

页数:396

出版时间:2016-5

价格:89.00元

装帧:平装

isbn号码:9787121285738

具体描述

《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。

《OpenCV图像处理编程实例》适合图像处理、计算机视觉及模式识别等相关领域学习和工作的人士阅读，也可作为其他相关领域研究工作者的参考资料。

目录信息

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
· · · · · · (收起)

用户评价

作为一名对计算机视觉充满热情的初学者，我一直在寻找一本能够系统性地引导我入门的书籍。《OpenCV图像处理编程实例》无疑满足了我的期待。它从最基础的图像操作入手，逐步引导我掌握了OpenCV的各项核心功能。我尤其对书中关于“图像形态学”的讲解印象深刻。作者通过生动形象的比喻和丰富的代码示例，让我理解了腐蚀、膨胀、开运算、闭运算等操作的原理和应用。这对于去除图像噪声、连接断裂的线条、填充孔洞等任务都至关重要。我曾经尝试过利用书中介绍的形态学操作，成功地清理了一个包含大量噪声的二值图像。此外，书中还对“图像滤波”进行了详细的阐述，比如高斯滤波、中值滤波、Sobel算子等，让我能够有效地平滑图像、检测边缘。书中对于图像的几何变换（如旋转、缩放、仿射变换）的讲解也十分透彻，让我能够灵活地对图像进行各种空间上的调整。

这本书最大的亮点在于它的实践性。它不仅仅是理论的堆砌，更是实战的指导。我尤其喜欢书中关于“图像序列分析”的章节。作者从视频的读取、写入开始，逐步深入到运动检测、目标跟踪、场景理解等。书中详细介绍了光流法、卡尔曼滤波、目标检测算法等在视频分析中的应用，并提供了相应的OpenCV代码实现。我曾经利用书中的方法，实现了一个简单的视频运动分析系统，能够检测和跟踪视频中的运动物体。此外，书中还对“光学流”进行了深入的阐述，比如如何计算像素点的运动矢量，这对于运动估计、视频压缩等领域的研究非常有帮助。书中对于图像的颜色空间（如HSV、LAB）的转换和应用讲解也十分详细，让我能够从不同的角度去理解和处理图像的颜色信息。

作为一个对计算机视觉充满好奇的学生，我一直在寻找一本能够让我快速入门并深入理解OpenCV的书籍。这本书的出现，简直是为我量身定做的。它从最基础的图像加载、显示、保存开始，逐步引导我掌握了图像的像素操作、颜色空间转换、几何变换（如旋转、缩放、裁剪）等基本功。书中的每一个例子都附带了清晰的代码，并且解释得非常到位，让我能够一边看一边跟着敲代码，快速地建立起对OpenCV API的直观认识。我最喜欢的章节是关于“图像分割”的部分，书中详细介绍了阈值分割、 Otsu's方法、 and watershed算法。特别是watershed算法，我之前一直觉得它很神奇，但不知道如何下手，这本书通过一个具体的实例，比如分割出水滴，让我一步步理解了它的原理和实现，这让我非常有成就感。此外，书中还介绍了如何利用OpenCV进行图像的金字塔构建和高斯模糊，这些都是处理图像细节和纹理的关键技术。我还会经常翻阅书中的“特征提取与描述”章节，比如SIFT、SURF、ORB等特征点检测算法，它们的应用范围非常广，从物体识别到运动跟踪，都有它们的用武之地。这本书让我不再害怕复杂的算法，而是能够以一种更积极、更主动的心态去学习和探索。

我之所以如此推崇这本《OpenCV图像处理编程实例》，是因为它真正做到了“言传身教”。它不是一本枯燥的技术手册，而是充满活力的编程指南。我尤其对书中关于“3D重建”的章节印象深刻。作者从单目深度估计讲起，逐步深入到双目立体视觉和多视角立体匹配。书中详细介绍了三角测量、深度图生成、点云构建等关键技术，并提供了相应的OpenCV代码实现。这让我能够更好地理解3D重建的整个流程。我曾经尝试过利用书中的方法，从一组照片中重建出一个简单的3D模型，虽然效果还有待提升，但整个过程的实现思路已经非常清晰。此外，书中还对“图像超分辨率”进行了阐述，比如如何利用深度学习的方法来提升图像的分辨率，这对于提高图像的视觉质量和细节表现非常有帮助。书中对于图像的特征描述符（如SIFT、SURF、ORB）的讲解也十分透彻，让我能够更好地理解不同特征描述符的适用场景。

在我看来，一本优秀的编程书籍，不仅要传授知识，更要激发读者的学习兴趣和创造力。这本书在这方面做得非常出色。它的内容组织非常合理，从基础的图像操作到复杂的计算机视觉算法，都做到了循序渐进，毫不生涩。我尤其喜欢书中关于“图像纹理分析”的章节。作者介绍了如何利用Gabor滤波器、LBP（局部二值模式）等方法来描述和分析图像的纹理特征，这在图像检索、医学图像分析等领域有着广泛的应用。我曾尝试过利用这些技术来构建一个简单的图像检索系统，效果非常令人满意。书中的代码示例都非常简洁、高效，并且注重可读性，让我能够轻松地理解每一段代码的逻辑。我也会经常查阅书中关于“图像质量评价”的内容，比如PSNR、SSIM等指标的计算，这有助于我评估算法的处理效果。书中对图像风格迁移的介绍，也让我对深度学习在图像处理领域的应用有了更深的认识，尽管这部分可能涉及到一些深度学习的基础知识，但作者的讲解依然清晰易懂。

我是一名在图形学领域摸爬滚打多年的开发者，阅书无数，但真正能让我眼前一亮、反复品读的书籍并不多。这本书绝对是其中之一。它以一种极其务实的方式，将OpenCV这个强大的图像处理库的应用，与丰富的编程实例相结合。我最看重的是书中对于“目标检测”这一块的深度挖掘。作者没有止步于简单的物体识别，而是详细讲解了如何利用级联分类器（如Haar特征）进行人脸检测，以及如何通过HOG+SVM来检测行人。更值得称道的是，书中对于Faster R-CNN等更先进的深度学习目标检测模型的原理和实现思路也进行了阐述，虽然这部分内容难度相对较高，但作者的讲解丝毫不显晦涩，而是通过清晰的图示和代码片段，将复杂的概念化繁为简。我曾经尝试过自己实现一些目标检测算法，常常因为理论理解不透彻而陷入瓶颈，但这本书就像一座灯塔，指引我走出迷雾。书中的代码示例，不仅仅是功能的实现，更包含了许多优化和效率提升的技巧，比如如何有效地利用多线程处理图像，如何选择合适的图像格式以减小内存占用等。这对于追求高性能的开发者来说，无疑是宝贵的财富。我尤其对书中关于“图像配准”的讲解印象深刻，例如利用SIFT或SURF特征点进行图像的对齐，这在很多领域都有广泛的应用，比如全景图像拼接、3D重建等。作者的讲解不仅涵盖了特征提取，还深入到了匹配算法和变换矩阵的计算，让我对图像间的空间关系有了更深的理解。

这本书的封面设计就带着一种扎实而专业的质感，我第一次翻开它，就被那种严谨的学术气息所吸引。尽管我并不是一个完全的初学者，但书中从基础概念的梳理到高级算法的讲解，都做到了循序渐进，逻辑清晰。特别是关于图像滤波的章节，作者没有简单地罗列各种滤波器，而是深入剖析了它们背后的数学原理，比如高斯模糊是如何通过卷积核模拟生物视觉的模糊效果，而拉普拉斯算子又是如何利用二阶导数来检测边缘的。更让我惊喜的是，书中还穿插了一些实际应用案例，例如如何利用形态学操作（腐蚀、膨胀、开运算、闭运算）来去除图像中的噪声，或者如何通过霍夫变换来检测图像中的直线和圆。这些案例的呈现方式非常直观，代码的注释也十分详尽，让我能够轻松地理解每一步操作的意义和目的。有时候，我在工作中遇到一些棘手的图像处理问题，比如需要精确地分割出特定形状的物体，或者需要对图像进行实时特征提取，我都会下意识地翻开这本书，寻找灵感和解决方案。它不仅仅是一本技术手册，更像是一个经验丰富的导师，总能在关键时刻给予我启示。我尤其欣赏作者在处理“车道线检测”这一章节时所展现出的巧妙思路，从边缘检测到霍夫变换，再到将检测到的车道线拟合到多项式，整个流程的连贯性和逻辑性令人拍案叫绝。这让我意识到，理论知识与实践应用之间的鸿沟，在这本书中得到了完美的填补。那些关于图像色彩空间转换的讲解，比如RGB到HSV的转换，更是为我打开了新的视野，让我能够从不同的维度去理解和处理图像的颜色信息，这在很多应用场景下都至关重要。

我对OpenCV图像处理编程实例这本书的整体印象非常深刻，它是一本非常值得推荐的入门与进阶书籍。我特别欣赏书中关于“图像增强”章节的深入讲解。作者不仅仅是列举了对比度拉伸、直方图均衡化等常用方法，还深入探讨了局部对比度增强、Retinex理论等更高级的图像增强技术。我曾经尝试过使用书中的方法来改善一些低质量的扫描图像，效果出乎意料地好。此外，书中还对“图像复原”进行了详细的阐述，例如如何利用维纳滤波、约束最小二乘滤波等方法来去除模糊和噪声。这对于处理模糊的图像或者老旧照片的修复非常有帮助。我尤其对书中关于“运动模糊复原”的讲解记忆犹新，它让我了解了如何利用点扩散函数和逆滤波来尝试恢复运动模糊的图像。书中还包含了一些关于图像融合的内容，比如如何将多张图像的信息融合到一张图像中，这在多光谱图像处理和医学成像领域都有重要的应用。

对于我这样在图像处理领域有一定基础的从业者来说，一本能够提供新思路、新技巧的书籍至关重要。这本书就恰恰满足了我的需求。它并非仅仅停留在API的罗列，而是深入探讨了许多高级的图像处理技术和算法。我尤其赞赏书中关于“立体视觉”和“深度估计”的章节。作者从双目相间的原理讲起，详细介绍了视差计算、深度图生成等关键步骤，并提供了相应的OpenCV实现。这对于从事3D视觉、AR/VR等领域的研究者来说，是不可多得的参考资料。此外，书中还对“运动跟踪”进行了详尽的阐述，从简单的光流法到更复杂的卡尔曼滤波跟踪，都有清晰的讲解和示例。我曾在项目中遇到过需要对视频中的特定对象进行稳定跟踪的难题，通过阅读这本书，我找到了有效的解决方案。书中对于相机标定和畸变校正的讲解也十分到位，这在很多需要精确测量和几何恢复的应用中都非常关键。我尤其对书中通过棋盘格图案进行相机内参和外参标定的过程印象深刻，这让我能够更准确地理解相机模型。

这本书带给我的不仅仅是技术上的提升，更是一种思维方式的启迪。我尤其对书中关于“视觉跟踪”的讲解印象深刻。作者从最基础的帧间差分法讲起，逐步深入到更复杂的KCF（核相关滤波器）、CSRT（判别性相关尺度跟踪）等算法。书中对这些算法的原理、优缺点以及实际应用场景都进行了详细的分析，并且提供了相应的OpenCV代码实现。这让我能够根据不同的应用需求，选择最合适的跟踪算法。我曾经利用书中的方法，成功地实现了一个简单的视频对象跟踪器，能够稳定地跟踪视频中的移动目标。此外，书中还对“姿态估计”进行了阐述，比如如何利用OpenPose等库来检测人体关键点，从而实现人体姿态的识别。这对于运动分析、行为识别等领域的研究者非常有价值。书中对于图像几何变换的讲解也非常到位，比如透视变换，这对于校正图像畸变、实现图像拼接等都非常重要。

实践类书籍，新人可看

OpenCV实例精解，不过使用的是CMaker~

粗略了解

实践类书籍，新人可看

OpenCV实例精解，不过使用的是CMaker~