【缺書】NT售價: 445 元
前 言隨著計算機與圖像處理技術的快速發展,應用計算機解決現實場景下圖像分析的需求日趨增多。計算機處理圖像技術正在用全新的用戶體驗方式影響著人們的生活,微軟開發Xbox360,功能包括人臉檢測、人臉識別與跟蹤、表情判斷、動作識別;Google開發的無人駕駛汽車;騰訊QQ開發手勢達人PPT翻頁;Google街景實現城市街道全景顯示,等等。為高效解決計算機處理圖像問題,因特爾公司發起并參與開發了一個基于BSD開源發行的跨平臺計算機視覺庫OpenCV。隨著OpenCV版本的不斷更新,提供的相關算法庫也越來越完善,大大提高了圖像處理開發的效率。為了使您盡快能夠入門圖像處理開發,本書作者根據自己的項目實踐經驗,從零基礎講起,讓您在思索中領略實用的OpenCV開發技術,實例化的講解讓您在使用本書后能得到無限啟發。本書特色本書將理論與實際案例相結合,始終秉承“學以致用”的理念,提供多個頗具實用性和前沿性的實例,用詳細的代碼驗證實現,通過大量的例子讓讀者邊學邊練,注重給予讀者一定的啟發和引導。本書的編寫是站在一線開發人員的角度,用通俗易懂的語言詳細解釋了OpenCV的應用,更像一個OpenCV的工作人員在解說OpenCV的方方面面,嚴謹的邏輯結構和清晰的脈絡為讀者入門及深入了解和掌握OpenCV圖像處理開發技術奠定了扎實的基礎。如何使用本書本書需要讀者具有C/C++方面的基礎,在閱讀本書之前至少要對C/C++基本的語法和概念有初步了解,若您對相關知識內容存在疑惑,可參考《C++ Primer》(Stanley B.Lipman)或《C++編程思想》(Bruce Eckel)等書籍。若您剛開始從事圖像處理領域開發,請您先掌握圖像處理相關知識點,具體資料可參考《數字圖像處理》(Rafael.C.Gonzalez)或《圖像工程》(章毓晉)等書籍。若您剛接觸應用OpenCV進行圖像處理開發,請您先熟悉OpenCV開源庫架構,然后總覽全書,了解本書的框架與結構并對基礎篇部分進行詳細閱讀。基礎篇提供的相關知識點能讓您能快速上手編程,實踐出真知,希望您能獨立實現這部分知識點的代碼。若您已經接觸過OpenCV,想進一步提高圖像處理開發技術,請您關注本書中應用操作與實例講解。作者獨立實現了OpenCV提供的部分算法庫,如OTSU二值化、Sobel算子及Harris角點等,授之以漁,讓您在實際算法庫開發中體驗編程樂趣。關于本書本書由幾位多年從事圖像處理領域的科研工作者編寫,書中的內容安排經過項目課題組的討論與審定,理論與工程實用相結合。全書由朱偉、趙春光、歐樂慶與王壽峰等共同編著,其中趙春光、歐樂慶與馬浩負責第1、2、5章,王壽峰、付乾良負責第3、4章,朱偉、白俊奇負責第6、7、8、9章,全書由朱偉統稿和整理。特別感謝百忙之中為本書主審并提出寶貴意見的研究員級高級工程師翟尚禮。致謝感謝領導與同事在本書寫作中幫助與指導,他們分別是鄭堅、成偉明、章林、汪洋、孫宜斌、朱棟、郝金雙、張奔、杜瀚宇、司嘵云、邵華、龍超、苗鋒、文杰、潘望、孫超、童建文、李嘉琦及李泮麟。在本書的編寫過程中參閱了國內外大量文獻,在此對書中所引用資料的作者表示由衷感謝。感謝空中交通管理系統與技術國家重點實驗室對本書理論研究方面提供的支持。感謝電子工業出版社的陳曉猛編輯的辛勤付出,他們對出版物追求完美、細致入微的專業態度給我留下了頗為深刻的印象。勘誤與支持由于作者水平有限,書中一定有些紕漏與謬誤之處,懇請讀者及專家批評指正。若您有好的意見和建議請發郵件到zw301289@163.com,關于本書的勘誤和補遺將會在CSDN博客(http://blog.csdn.net/kingsley_zhuwei)上發布。朱 偉 2016年3月于南京
本書以OpenCV開源庫為基礎實現圖像處理領域的 很多通用算法,并結合當今圖像處理領域前沿技術,對多個典型工程實例進行講解及實現。全書內容覆蓋面廣,由基礎到進階,各個技術點均提供詳細的代碼實現,以幫助讀者快速上手和深入學習。
Part I 基礎篇 OpenCV開發基礎第1章 初識OpenCV1.1 OpenCV初識1.1.1 OpenCV簡介1.1.2 OpenCV組件及架構1.1.3 OpenCV資源1.2 VS2012安裝OpenCV2.4.x1.3 VS2013安裝OpenCV3.01.4 Sublime下配置OpenCV1.5 小結第2章 圖像及視頻基本操作2.1 圖像初級操作2.1.1 Mat類2.1.2 Mat基本操作2.1.3 Mat類型轉換2.1.4 圖像讀取顯示保存2.1.5 圖像存儲2.2 圖像幾何變換2.2.1 坐標映射2.2.2 平移2.2.3 縮放2.2.4 旋轉2.2.5 仿射變換2.3 視頻操作2.3.1 VideoCapture類2.3.2 視頻寫操作2.3.3 視頻質量評價2.4 圖像基礎應用操作2.4.1 界面事件2.4.2 區域提取2.4.3 圖像元素遍歷——反色2.4.4 單窗口顯示多幅圖像2.4.5 圖像顏色空間轉換2.4.6 圖像批量讀取——規則2.4.7 圖像批量讀取——無規則2.5 小結Part II 進階篇 圖像處理技術第3章 進階篇——圖像灰度變換技術3.1 閾值化處理3.1.1 OTSU閾值化3.1.2 固定閾值化3.1.3 自適應閾值化3.1.4 雙閾值化3.1.5 半閾值化3.2 直方圖處理3.2.1 灰度直方圖3.2.2 H-S直方圖3.2.3 BGR直方圖3.2.4 自定義直方圖3.2.5 灰度直方圖均衡3.2.6 彩色直方圖均衡3.2.7 直方圖變換——查找3.2.8 直方圖變換——累計3.2.9 直方圖匹配3.2.10 直方圖對比3.2.11 直方圖的反向投影3.3 距離變換3.3.1 距離3.3.2 鄰接性3.3.3 區域3.3.4 距離變換——掃描3.3.5 距離變換——distanceTransform3.4 Gamma校正3.5 其他常見的灰度變換技術3.5.1 線性變換3.5.2 對數變換3.5.3 對比度拉伸3.5.4 灰度級分層3.5.5 灰度比特平面3.6 實例應用3.6.1 最大熵閾值分割3.6.2 投影峰谷查找3.7 小結第4章 進階篇——圖像平滑技術4.1 圖像采樣4.1.1 最近鄰插值4.1.2 雙線性插值4.1.3 插值操作性能對比4.1.4 圖像金字塔4.2 傅里葉變換4.2.1 圖像掩碼操作4.2.2 離散傅里葉4.2.3 圖像卷積4.3 圖像噪聲4.3.1 椒鹽噪聲4.3.2 高斯噪聲4.4 空間平滑4.4.1 盒濾波4.4.2 均值濾波4.4.3 中值濾波4.4.4 高斯濾波4.4.5 雙邊濾波4.5 實例應用4.5.1 導向濾波4.5.2 圖像污點修復4.5.3 旋轉文本圖像矯正4.6 小結第5章 進階篇——邊緣檢測技術5.1 邊緣檢測基礎5.1.1 邊緣檢測概念5.1.2 梯度算子5.1.3 一階微分算子5.1.4 二階微分算子5.1.5 圖像差分運算5.1.6 非極大值抑制5.2 基本邊緣檢測算子——Sobel5.2.1 非極大值抑制Sobel檢測5.2.2 圖像直接卷積實現Sobel5.2.3 圖像卷積下非極大值抑制Sobel5.2.4 Sobel庫函數實現5.3 基本邊緣檢測算子——Laplace5.4 基本邊緣檢測算子——Roberts5.5 基本邊緣檢測算子——Prewitt5.6 改進邊緣檢測算子——Canny5.6.1 Canny算子5.6.2 Canny原理及實現5.6.3 Canny庫函數實現5.7 改進邊緣檢測算子——Marr-Hildreth5.8 幾何檢測5.8.1 霍夫變換5.8.2 線檢測技術5.8.3 LSD快速直線檢測5.8.4 圓檢測技術5.9 形狀檢測5.9.1 輪廓檢測5.9.2 凸包檢測5.9.3 輪廓邊界框5.9.4 輪廓矩5.9.5 點多邊形測試5.10 角點檢測5.10.1 moravec角點5.10.2 harris角點5.10.3 Shi-Tomasi角點5.11 實例應用5.11.1 顏色圓檢測5.11.2 車牌區域檢測5.12 小結第6章 進階篇——形態學技術6.1 腐蝕膨脹操作6.2 開閉運算操作6.3 形態學梯度6.4 形態學Top-Hat6.5 實例應用6.5.1 形態學濾波角點提取6.5.2 車牌目標提取6.6 小結Part III 高級篇 圖像應用技術第7章 高級篇——圖像分割技術7.1 分水嶺分割7.1.1 分水嶺的特征7.1.2 實現分水嶺分割7.1.3 分水嶺分割合并7.2 FloodFill分割7.3 均值漂移MeanShift7.4 圖割Grabcut7.5 實例實例7.5.1 奇異區域檢測7.5.2 膚色檢測7.6 小結第8章 高級篇——特征分析8.1 尺度空間8.1.1 尺度與旋轉不變性8.1.2 特征點尺度變換8.2 特征描述子8.2.1 SIFT特征8.2.2 SURF特征8.2.3 ORB特征8.3 方向梯度直方圖HOG8.3.1 HOG原理8.3.2 HOG特征提取步驟8.3.3 HOGDescriptor特征描述類8.3.4 HOG特征描述實現8.4 局部二值模式LBP8.4.1 經典LBP8.4.2 圓形LBP8.5 Haar特征描述8.5.1 Haar原理8.5.2 Haar特征提取8.6 應用實例8.6.1 最近鄰特征點目標提取8.6.2 最大極值穩定區域匹配MSER8.6.3 字符特征提取8.6.4 車牌字符SVM訓練8.7 小結第9章 高級篇——復雜視頻處理技術9.1 視頻穩像技術9.2 圖像拼接9.2.1 拼接原理及過程9.2.2 圖像拼接實現9.3 高動態范圍圖像HDR9.3.1 HDR合成技術9.3.2 HDR合成原理9.3.3 OpenCV實現9.4 背景建模9.4.1 背景差分9.4.2 混合高斯背景建模9.4.3 混合高斯背景建模實現9.4.4 混合模型MOG2成員參數設定9.4.5 KNN模型背景建模實現9.4.6 GMG模型背景建模實現9.5 級聯分類器——人臉檢測9.5.1 級聯分類器9.5.2 CascadeClassifier類9.6 應用實例9.6.1 運動目標提取9.6.2 TLD單目標跟蹤9.6.3 人眼檢測與跟蹤9.7 小結附錄A1——代碼清單2——CMake編譯OpenCV3.1源碼3——OpenCV3.1 Extra擴展庫參考文獻