类似推荐
编辑推荐
全面系统介绍OpenCV 4.5技术，适合开发人员和师生参考。
内容简介
OpenCV是计算机视觉领域的开发人员必须掌握的技术。本书使用Python语言全面、系统地介绍OpenCV 4.5的使用。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基本操作、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、停车场车牌识别案例以及OpenCV目标检测。本书既适合计算机视觉与图像处理的开发人员阅读，也适合高等院校和培训机构计算机视觉与图像处理相关专业的师生参考。
章节目录
封面页
书名页
版权页
内容简介
前言
目录
第1章 计算机视觉概述
1.1 图像的基本概念
1.1.1 图像和图形
1.1.2 数字图像及其特点
1.1.3 图像单位
1.1.4 图像分辨率与屏幕分辨率
1.1.5 图像的灰度与灰度级
1.1.6 图像的深度
1.1.7 二值图像、灰度图像与彩色图像
1.1.8 通道
1.1.9 图像存储
1.2 图像噪声
1.2.1 图像噪声的定义
1.2.2 图像噪声的来源
1.2.3 图像噪声的滤除
1.3 图像处理
1.3.1 图像处理的分类
1.3.2 数字图像处理
1.3.3 数字图像处理常用方法
1.3.4 图像处理的应用
1.5 计算机视觉概述
1.5.1 基本概念
1.5.2 计算机视觉的应用
1.5.3 与相关学科的区别
1.6 OpenCV概述
第2章 OpenCV的Python开发环境搭建
2.1 Python 3.8下载与安装
2.2 在线安装与卸载opencv-python
2.2.1 在线安装opencv-python
2.2.2 卸载opencv-python
2.3 PyCharm 2021.2下载与安装
2.3.1 PyCharm的下载和安装
2.3.2 配置PyCharm开发OpenCV程序
2.3.3 导入配套源码的方法
2.3.4 调试Python程序
2.4 测试一下NumPy的数学函数
第3章 OpenCV基本操作
3.1 OpenCV架构
3.2 图像输入输出模块imgcodecs
3.2.1 读取图像文件
3.2.2 得到读取的图片的高度和宽度
3.2.3 imwrite保存图片
3.3 OpenCV界面编程
3.4 单窗口显示多图片
3.5 销毁窗口
3.6 鼠标事件
3.7 键盘事件
3.8 滑动条事件
第4章 数组矩阵
4.1 NumPy概述
4.2 ndarray对象
4.3 NumPy的数据类型
4.4 数组属性
4.5 新建数组
4.6 从已有的数组创建数组
4.7 从数值范围创建数组
4.8 切片和索引
4.9 高级索引
4.9.1 整数数组索引
4.9.2 布尔索引
4.9.3 花式索引
4.10 迭代数组
4.10.1 迭代器对象nditer
4.10.2 控制遍历顺序
4.10.3 修改数组中元素的值
4.10.4 使用外部循环
4.10.5 广播迭代
4.11 数组操作
4.11.1 修改数组形状
4.11.2 翻转数组
第5章 图像处理模块
5.1 颜色变换cvtColor
5.2 画基本图形
5.2.1 画点
5.2.2 画矩形
5.2.3 画圆
5.2.4 画椭圆
5.2.5 画线段
5.2.6 画多边形
5.2.7 填充多边形
5.3 文字绘制
5.4 为图像添加边框
5.5 在图像中查找轮廓
第6章 灰度变换和直方图修正
6.1 点运算
6.1.1 点运算的基本概念
6.1.2 点运算的目标与分类
6.1.3 点运算的特点和应用
6.2 灰度变换
6.2.1 灰度变换的基本概念
6.2.2 灰度变换的作用
6.2.3 灰度变换的方法
6.2.4 灰度化
6.2.5 对比度
6.2.6 灰度的线性变换
6.2.7 分段线性变换
6.2.8 对数变换和反对数变换
6.2.9 幂律变换
6.3 直方图修正
6.3.1 直方图的概念
6.3.2 直方图均衡化
第7章 图像平滑
7.1 图像平滑基础
7.2 线性滤波
7.2.1 归一化方框滤波器
7.2.2 高斯滤波器
7.3 非线性滤波
7.3.1 中值滤波
7.3.2 双边滤波
第8章 几何变换
8.1 几何变换基础
8.2 图像平移
8.3 图像旋转
8.4 仿射变换
8.5 图像缩放
8.5.1 缩放原理
8.5.2 OpenCV中的缩放
第9章 图像边缘检测
9.1 概述
9.2 边缘检测研究的历史现状
9.3 边缘定义及类型分析
9.4 梯度的概念
9.5 图像边缘检测的应用
9.6 目前边缘检测存在的问题
9.7 边缘检测的基本思想
9.8 图像边缘检测的步骤
9.9 经典图像边缘检测算法
9.9.1 Roberts算子
9.9.2 Sobel算子边缘检测
9.9.3 Prewitt算子边缘检测
9.9.4 LoG边缘检测算子
9.9.5 边缘检测的最新技术与方法
第10章 图像分割
10.1 图像分割概述
10.2 图像分割技术现状
10.3 图像分割的应用
10.4 图像分割的数学定义
10.5 图像分割方法的分类
10.5.1 基于阈值化的分割方法
10.5.2 基于边缘的分割方法
10.5.3 基于区域的分割方法
10.5.4 基于神经网络的分割方法
10.5.5 基于聚类的分割方法
10.6 使用OpenCV进行图像分割
10.7 彩色图像分割
10.8 grabCut算法分割图像
10.8.1 基本概念
10.8.2 grabCut函数
10.9 floodFill漫水填充分割
10.9.1 基本概念
10.9.2 floodFill函数
10.10 分水岭分割法
10.10.1 基本概念
10.10.2 wathershed函数
第11章 图像金字塔
11.1 基本概念
11.2 高斯金字塔
11.2.1 向下取样
11.2.2 向上取样
11.3 拉普拉斯金字塔
第12章 图像形态学
12.1 图像形态学基本概念
12.2 形态学的应用
12.3 数学上的形态学
12.3.1 拓扑学
12.3.2 数学形态学的组成与操作分类
12.3.3 数学形态学的应用
12.4 结构元素
12.5 膨胀
12.6 腐蚀
12.7 开运算
12.8 闭运算
12.9 实现腐蚀和膨胀
12.10 开闭运算和顶帽/黑帽
12.11 用形态学运算检测边缘
12.12 击中击不中
12.13 利用形态学运算提取水平线和垂直线
第13章 视频处理
13.1 OpenCV视频处理架构
13.2 捕获视频类VideoCapture
13.2.1 构造VideoCapture对象
13.2.2 判断打开视频是否成功
13.2.3 读取视频帧
13.2.4 播放视频文件
13.2.5 获取和设置视频属性
13.2.6 播放摄像头视频
第14章 停车场车牌识别案例实战
14.1 需求分析
14.2 技术可行性分析
14.2.1 国外技术分析
14.2.2 国内技术分析
14.2.3 车牌识别技术的难点
14.2.4 车牌识别系统概述
14.3 车牌定位技术
14.3.1 车牌特征概述
14.3.2 车牌定位方法
14.3.3 车牌图像预处理
14.3.4 车牌图像的灰度化
14.3.5 车牌图像的直方图均衡化
14.3.6 车牌图像的滤波
14.3.7 车牌图像的二值化
14.3.8 车牌图像的边缘检测
14.3.9 车牌图像的灰度映射
14.3.10 车牌图像的改进型投影法定位
14.4 车牌字符分割技术
14.4.1 常用车牌字符分割算法
14.4.2 车牌倾斜问题
14.4.3 车牌倾斜度检测方法
14.4.4 车牌倾斜的校正方法
14.4.5 车牌边框和铆钉的去除
14.4.6 车牌字符分割
14.4.7 基于垂直投影和先验知识的车牌字符分割
14.4.8 粘连车牌字符的分割
14.4.9 断裂车牌字符的合并
14.4.10 对车牌字符的切分结果进行确认
14.5 车牌字符识别技术
14.5.1 模式识别
14.5.2 字符识别
14.5.3 汉字识别
第15章 OpenCV目标检测
15.1 目标检测概述
15.2 目标检测的基本概念
15.3 视频序列图像预处理
15.4 基于深度学习的运动目标检测
15.4.1 YOLO运动目标检测算法
15.4.2 YOLOv2概述
15.4.3 YOLOv3概述
15.4.4 实战YOLOv3识别物体
15.4.5 SSD运动目标检测算法
15.4.6 实战SSD
15.4.7 实战人脸检测
OpenCV4.5计算机视觉开发实战：基于Python是2022年由清华大学出版社出版,作者 李建英。
得书感谢您对《OpenCV4.5计算机视觉开发实战：基于Python》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
