OpenCV4应用开发：入门、进阶与工程化实践

作者简介

推荐阅读

16.4 小结

16.3 加速DNN

16.2 用CUDA加速传统图像处理

16.1 编译OpenCV源码支持CUDA加速

第16章 CUDA加速

15.5 小结

15.4 OpenVINO支持YOLO 5部署

15.3 OpenVINO支持UNet部署

15.2 OpenVINO2022.x版SDK推理演示

15.1 OpenVINO框架安装与环境配置

第15章 OpenVINO加速

14.5 小结

14.4 基于深度学习的缺陷检测

14.3 案例：刀片缺陷检测

14.2 复杂背景下的缺陷检测

14.1 简单背景下的缺陷检测

第14章 缺陷检测

13.4 小结

13.3 自定义对象检测

13.2 YOLO 5对象检测

13.1 YOLO 5对象检测框架

第13章 YOLO 5自定义对象检测

高级与实战篇

12.8 小结

12.7 人脸检测

12.6 场景文字检测

12.5 风格迁移

12.4 ENet图像语义分割

12.3 对象检测

12.2 图像分类

12.1 DNN概述

第12章 深度神经网络

11.5 小结

11.4 SVM与HOG实现对象检测

11.3 SVM分类

11.2 KNN分类

11.1 KMeans分类

第11章 机器学习

10.7 小结

10.6 均值迁移分析

10.5 稠密光流分析法

10.4 稀疏光流分析法

10.3 帧差法背景分析

10.2 视频背景分析

10.1 基于颜色的对象跟踪

第10章 视频分析

9.8 小结

9.7 基于特征的对象检测

9.6 ORB特征描述子

9.5 HOG特征与使用

9.4 亚像素级别的角点检测

9.3 shi-tomas角点检测

9.2 Harris角点检测

9.1 图像金字塔

第9章 特征提取

8.10 小结

8.9 分水岭分割

8.8 距离变换

8.7 结构元素

8.6 击中/击不中

8.5 顶帽与黑帽

8.4 形态学梯度

8.3 开/闭操作

8.2 膨胀与腐蚀

8.1 图像形态学概述

第8章 形态学分析

7.13 小结

7.12 凸包检测

7.11 最大轮廓与关键点编码

7.10 轮廓匹配

7.9 最大内接圆与最小外接圆

7.8 霍夫圆检测

7.7 直线检测

7.6 轮廓分析

7.5 拟合与逼近

7.4 轮廓测量

7.3 轮廓发现

7.2 连通组件标记

7.1 二值图像分析概述

第7章 二值分析

6.5 小结

6.4 去噪与二值化

6.3 自适应阈值计算

6.2 全局阈值计算

6.1 图像阈值化分割

第6章 二值图像

5.9 小结

5.8 锐化增强

5.7 边缘保留滤波

5.6 噪声与去噪

5.5 边缘发现

5.4 梯度提取

5.3 自定义滤波

5.2 卷积模糊

5.1 卷积的概念

第5章 卷积操作

进阶篇

4.6 小结

4.5 直方图反向投影

4.4 直方图比较

4.3 直方图均衡化

4.2 直方图的计算与绘制

4.1 像素统计信息

第4章 图像直方图

3.5 小结

3.4 色彩空间的转换与应用

3.3 LAB色彩空间

3.2 HSV色彩空间

3.1 RGB色彩空间

第3章 色彩空间

2.4 小结

2.3 图像类型与通道

2.2 访问像素

2.1 Mat对象

第2章 Mat与像素操作

1.7 小结

1.6 加载视频

1.5 图像加载与保存

1.4 第一个OpenCV开发程序

1.3 OpenCV4开发环境搭建

1.2 OpenCV源码项目

1.1 OpenCV简介

第1章 OpenCV简介与安装

基础篇

前言

插图

内容简介

版权信息

封面

封面

版权信息

内容简介

插图

前言

基础篇

第1章 OpenCV简介与安装

1.1 OpenCV简介

1.2 OpenCV源码项目

1.3 OpenCV4开发环境搭建

1.4 第一个OpenCV开发程序

1.5 图像加载与保存

1.6 加载视频

1.7 小结

第2章 Mat与像素操作

2.1 Mat对象

2.2 访问像素

2.3 图像类型与通道

2.4 小结

第3章 色彩空间

3.1 RGB色彩空间

3.2 HSV色彩空间

3.3 LAB色彩空间

3.4 色彩空间的转换与应用

3.5 小结

第4章 图像直方图

4.1 像素统计信息

4.2 直方图的计算与绘制

4.3 直方图均衡化

4.4 直方图比较

4.5 直方图反向投影

4.6 小结

进阶篇

第5章 卷积操作

5.1 卷积的概念

5.2 卷积模糊

5.3 自定义滤波

5.4 梯度提取

5.5 边缘发现

5.6 噪声与去噪

5.7 边缘保留滤波

5.8 锐化增强

5.9 小结

第6章 二值图像

6.1 图像阈值化分割

6.2 全局阈值计算

6.3 自适应阈值计算

6.4 去噪与二值化

6.5 小结

第7章 二值分析

7.1 二值图像分析概述

7.2 连通组件标记

7.3 轮廓发现

7.4 轮廓测量

7.5 拟合与逼近

7.6 轮廓分析

7.7 直线检测

7.8 霍夫圆检测

7.9 最大内接圆与最小外接圆

7.10 轮廓匹配

7.11 最大轮廓与关键点编码

7.12 凸包检测

7.13 小结

第8章 形态学分析

8.1 图像形态学概述

8.2 膨胀与腐蚀

8.3 开/闭操作

8.4 形态学梯度

8.5 顶帽与黑帽

8.6 击中/击不中

8.7 结构元素

8.8 距离变换

8.9 分水岭分割

8.10 小结

第9章 特征提取

9.1 图像金字塔

9.2 Harris角点检测

9.3 shi-tomas角点检测

9.4 亚像素级别的角点检测

9.5 HOG特征与使用

9.6 ORB特征描述子

9.7 基于特征的对象检测

9.8 小结

第10章 视频分析

10.1 基于颜色的对象跟踪

10.2 视频背景分析

10.3 帧差法背景分析

10.4 稀疏光流分析法

10.5 稠密光流分析法

10.6 均值迁移分析

10.7 小结

第11章 机器学习

11.1 KMeans分类

11.2 KNN分类

11.3 SVM分类

11.4 SVM与HOG实现对象检测

11.5 小结

第12章 深度神经网络

12.1 DNN概述

12.2 图像分类

12.3 对象检测

12.4 ENet图像语义分割

12.5 风格迁移

12.6 场景文字检测

12.7 人脸检测

12.8 小结

高级与实战篇

第13章 YOLO 5自定义对象检测

13.1 YOLO 5对象检测框架

13.2 YOLO 5对象检测

13.3 自定义对象检测

13.4 小结

第14章 缺陷检测

14.1 简单背景下的缺陷检测

14.2 复杂背景下的缺陷检测

14.3 案例：刀片缺陷检测

14.4 基于深度学习的缺陷检测

14.5 小结

第15章 OpenVINO加速

15.1 OpenVINO框架安装与环境配置

15.2 OpenVINO2022.x版SDK推理演示

15.3 OpenVINO支持UNet部署

15.4 OpenVINO支持YOLO 5部署

15.5 小结

第16章 CUDA加速

16.1 编译OpenCV源码支持CUDA加速

16.2 用CUDA加速传统图像处理

16.3 加速DNN

16.4 小结

推荐阅读

作者简介