第一部分 OpenCV-Python的基本操作 第1章 图像的基本操作 3 1.1　图像的读取与保存 3 1.1.1　图像的读取 3 1.1.2　图像的保存 4 1.2　图像的显示 6 1.3　基于Matplotlib显示图像 7 1.4　视频文件的读取与保存 9 1.5　多帧图像的读取与保存 12 第2章 图像的数据格式 15 2.1　图像属性与数据类型 15 2.1.1　图像颜色分类 15 2.1.2　以Numpy数组表示数字图像 15 2.1.3　图像的数据类型 16 2.2　图像的创建与复制 17 2.3　图像的裁剪与拼接 19 2.4　图像通道的拆分与合并 21 2.5　获取与修改像素值 23 2.6　快速LUT替换像素值 25 第3章 彩色图像处理 29 3.1　图像的颜色空间转换 29 3.1.1　图像的颜色空间 29 3.1.2　图像的颜色空间转换 29 3.2　灰度图像的伪彩色处理 31 3.3　多模态数据合成的伪彩色图像 33 3.4　图像的色彩风格滤镜 35 3.5　调节图像的色彩平衡 37 第4章 绘图与鼠标交互 40 4.1　OpenCV绘图函数的参数 40 4.2　绘制直线与线段 41 4.3　绘制垂直矩形 43 4.4　绘制旋转矩形 45 4.5　绘制圆形和椭圆 47 4.5.1　绘制圆形 47 4.5.2　绘制椭圆和椭圆弧 49 4.6　绘制多段线和多边形 53 4.7　图像上添加文字 56 4.8　鼠标框选矩形区域 57 4.9　鼠标交互操作 59 第二部分 图像处理的基本方法 第5章 图像的算术运算 65 5.1　图像的加法与减法运算 65 5.2　使用掩模图像控制处理区域 67 5.3　图像的加权加法运算 69 5.4　图像的乘法与除法运算 71 5.5　图像的位运算 73 5.6　图像的积分运算 77 5.7　图像的归一化处理 80 第6章 图像的几何变换 81 6.1　图像的平移 81 6.2　图像的缩放 83 6.3　图像的旋转 85 6.4　图像的翻转 88 6.5　图像的斜切 89 6.6　图像的投影变换 91 6.7　图像的重映射 94 第7章 图像的灰度变换 99 7.1　图像反转变换 99 7.2　线性灰度变换 100 7.3　非线性灰度变换 105 7.3.1　对数变换 105 7.3.2　幂律变换 105 7.4　分段线性变换之对比度拉伸 108 7.5　分段线性变换之灰度级分层 109 7.6　灰度变换之比特平面 110 7.7　基于灰度变换调整图像色阶 112 第8章 图像的直方图处理 116 8.1　图像的灰度直方图 116 8.2　图像的直方图均衡化 118 8.3　图像的直方图匹配 120 8.4　基于局部直方图统计量的图像增强 124 8.5　限制对比度自适应直方图均衡化 126 第9章 图像的阈值处理 129 9.1　固定阈值处理 129 9.2　OTSU阈值算法 133 9.3　多阈值处理算法 134 9.4　自适应阈值处理 137 9.5　移动平均阈值处理 138 9.6　HSV颜色空间的阈值分割 140 9.6.1　HSV颜色空间 140 9.6.2　区间阈值处理 141 第三部分 图像处理的高级方法 第10章 图像卷积与空间滤波 149 10.1　相关运算与卷积运算 149 10.1.1　相关运算 149 10.1.2　可分离卷积核 150 10.1.3　边界扩充 151 10.2　空间滤波之盒式滤波器 153 10.3　空间滤波之高斯滤波器 155 10.4　空间滤波之统计排序滤波器 157 10.4.1　中值滤波器 157 10.4.2　最大值滤波器 157 10.4.3　最小值滤波器 158 10.4.4　中点滤波器 158 10.4.5　修正阿尔法均值滤波器 158 10.5　空间滤波之自适应滤波器 161 10.5.1　自适应局部降噪滤波器 161 10.5.2　自适应中值滤波器 161 10.6　空间滤波之双边滤波器 164 10.7　空间滤波之钝化掩蔽 166 10.8　空间滤波之Laplacian算子 168 10.9　空间滤波之Sobel算子与Scharr算子 169 10.9.1　Sobel算子 169 10.9.2　Scharr算子 170 10.10　图像金字塔 173 10.10.1　高斯金字塔 173 10.10.2　拉普拉斯金字塔 174 第11章 傅里叶变换与频域滤波 179 11.1　图像的傅里叶变换 179 11.1.1　用OpenCV实现傅里叶变换 180 11.1.2　用Numpy实现傅里叶变换 181 11.1.3　频谱中心化 181 11.2　快速傅里叶变换 185 11.3　频域滤波的基本步骤 187 11.4　频域滤波之低通滤波 189 11.4.1　低通滤波器的传递函数 189 11.4.2　频域滤波的详细步骤 192 11.5　频域滤波之高通滤波 195 11.6　频域滤波之Laplacian算子 198 11.6.1　Laplacian算子 198 11.6.2　梯度算子的传递函数 198 11.7　频域滤波之选择性滤波器 202 11.7.1　带阻滤波器和带通滤波器 203 11.7.2　陷波滤波器 203 第12章 形态学图像处理 209 12.1　腐蚀运算和膨胀运算 209 12.1.1　腐蚀和膨胀 209 12.1.2　形态学处理的结构元 210 12.2　形态学运算函数 212 12.2.1　形态学高级运算 213 12.2.2　形态学处理函数 214 12.3　灰度形态学运算 218 12.3.1　灰度腐蚀与灰度膨胀 218 12.3.2　灰度开运算与灰度闭运算 219 12.3.3　灰度顶帽算子和灰度底帽算子 219 12.4　形态学算法之边界提取 225 12.5　形态学算法之直线提取 226 12.6　形态学算法之线条细化 228 12.7　形态学重建之边界清除 230 12.8　形态学重建之孔洞填充 232 12.8.1　孔洞填充算法 232 12.8.2　泛洪填充算法 233 12.9　形态学重建之骨架提取 237 12.10　形态学重建之粒径分离 238 12.11　基于形态学的粒度测定 240 12.12　形态学算法之边缘检测和角点检测 242 第13章 图像变换、重建与复原 245 13.1　直角坐标与极坐标变换 245 13.2　霍夫变换直线检测 247 13.3　霍夫变换圆检测 250 13.4　雷登变换与反投影图像重建 252 13.4.1　投影和雷登变换 252 13.4.2　反投影和图像重建 253 13.5　雷登变换滤波反投影图像重建 257 13.6　退化图像复原之逆滤波 260 13.7　退化图像复原之维纳滤波 263 13.8　退化图像复原之最小二乘法滤波 266 第四部分 计算机视觉 第14章 边缘检测与图像轮廓 273 14.1　边缘检测之梯度算子 273 14.2　边缘检测之LoG算子 275 14.3　边缘检测之DoG算子 278 14.4　边缘检测之Canny算子 280 14.5　边缘连接 282 14.6　轮廓的查找与绘制 284 14.6.1　查找图像轮廓 284 14.6.2　绘制图像轮廓 285 14.7　轮廓的基本参数 288 14.7.1　轮廓的面积 288 14.7.2　轮廓的周长 288 14.7.3　轮廓的质心 289 14.7.4　轮廓的等效直径 289 14.7.5　极端点的位置 289 14.8　轮廓的形状特征 292 14.8.1　轮廓的垂直矩形边界框 292 14.8.2　轮廓的最小矩形边界框 292 14.8.3　轮廓的最小外接圆 293 14.8.4　轮廓的最小外接三角形 293 14.8.5　轮廓的近似多边形 294 14.8.6　轮廓的拟合椭圆 294 14.8.7　轮廓的拟合直线 294 14.8.8　轮廓的凸壳 295 14.9　轮廓的属性 298 14.9.1　轮廓的宽高比 298 14.9.2　轮廓的面积比 299 14.9.3　轮廓的坚实度 299 14.9.4　轮廓的方向 299 14.9.5　轮廓的掩模 299 14.9.6　轮廓的最大值、最小值及其位置 300 14.9.7　灰度均值和颜色均值 300 14.9.8　检测轮廓的内部/外部 300 14.10　矩不变量与形状相似性 303 14.10.1　图像的矩不变量 303 14.10.2　基于矩不变量的形状相似性 304 第15章 图像分割 308 15.1　区域生长与分离 308 15.1.1　区域生长 308 15.1.2　区域分离与聚合 308 15.2　超像素区域分割 311 15.2.1　简单线性迭代聚类 311 15.2.2　能量驱动采样 311 15.2.3　线性谱聚类 312 15.2.4　OpenCV超像素分割函数 312 15.3　分水岭算法 317 15.4　图割分割算法 322 15.4.1　GraphCut图割算法 322 15.4.2　GrabCut图割算法 322 15.4.3　OpenCV中的图割算法 323 15.5　均值漂移算法 328 15.6　运动图像分割 331 15.6.1　帧间差分法 331 15.6.2　背景差分法 331 15.6.3　密集光流法 332 第16章 特征描述 340 16.1　特征描述之弗里曼链码 340 16.2　特征描述之傅里叶描述符 344 16.3　特征描述之傅里叶频谱分析 347 16.4　特征描述之区域特征描述 350 16.5　特征描述之灰度共生矩阵 353 16.6　特征描述之LBP描述符 356 16.6.1　基本LBP特征描述符 356 16.6.2　扩展LBP特征描述符 356 16.6.3　LBP特征统计直方图 357 16.7　特征描述之HOG描述符 363 16.8　特征描述之BRIEF描述符 367 16.9　特征描述之FREAK描述符 371 第17章 特征检测与匹配 374 17.1　角点检测之Harris算法 374 17.1.1　Harris角点检测算法 374 17.1.2　Shi-Tomas角点检测算法 375 17.1.3　OpenCV角点检测算法 375 17.2　角点检测之亚像素精确定位 377 17.3　特征检测之SIFT算法 380 17.3.1　SIFT算法的原理 380 17.3.2　OpenCV的SIFT类 381 17.4　特征检测之SURF算法 384 17.4.1　SURF算法原理 384 17.4.2　OpenCV的SURF类 385 17.5　特征检测之FAST算法 387 17.6　特征检测之ORB算法 390 17.6.1　基于尺度空间的FAST关键点检测 390 17.6.2　基于点方向的BRIEF特征描述符 390 17.7　特征检测之MSER算法 392 17.8　特征匹配之暴力匹配 396 17.9　特征匹配之最近邻匹配 399 17.9.1　最近邻匹配 399 17.9.2　单应性映射变换 400 第18章 机器学习 404 18.1　OpenCV机器学习模块 404 18.2　主成分分析 406 18.2.1　主成分分析基本方法 406 18.2.2　OpenCV的PCA类 406 18.3　k均值聚类算法 409 18.4　k近邻算法 413 18.5　贝叶斯分类器 417 18.6　支持向量机 420 18.6.1　支持向量机算法 420 18.6.2　OpenCV的SVM类 421 18.6.3　OpenCV的SVMSGD类 422 18.7　人工神经网络算法 426 18.7.1　神经网络算法介绍 426 18.7.2　OpenCV的ANN_MLP神经网络模型 427 参考文献 436