OpenCV4应用开发 入门、进阶与工程化实践

（1）工业界和学术界专家联袂推荐，一线开发专家与金牌讲师撰写，一站式解决OpenCV工程化开发痛点。（2）以工业级视觉应用开发所需知识点为主线，讲透OpenCV相关核心模块，案例化详解1000个常用函数以及模型的推理与加速，打通OpenCV视觉开发完整路径。

本书包括三大部分，对应着三个层次的OpenCV开发进阶：（1）基础篇学习OpenCV基础知识，知道如何简单使用API函数；（2）进阶篇学习OpenCV核心API、达到熟练掌握可以解决常见的计算机视觉问题；（3）高级实战篇：综合运用OpenCV开发知识，解决实际问题。 第 一部分针对初级读者，介绍什么是OpenCV、如何开始写第 一行OpenCV代码，图像如何被OpenCV加载与显示、OpenCV基础API操作、Mat对象与像素操作。 第二部分针对中级读者，从图像卷积开始，认真学习OpenCV图像处理、特征提取、机器学习等核心模块相关知识点、穿插大量工程案例与代码实践、从图像卷积滤波到二值图像分析、图像特征提取、自定义对象检测、完整系统化的学习OpenCV传统图像处理的经典知识点与案例。真正做到扎实基础、构建中级水准，可以解决常见计算机视觉问题。 第三部分针对高级读者，这是本书的重点与难点，主要涉及深度神经网络运用、DNN中支持卷积神经网络模型理解与调用、人脸检测与识别、自定义对象检测、深度神经网络模型压缩与优化、模型转换与加速推理、tensorflow对象检测框架与OpenCV DNN模块结合使用等相关知识点、同时还有OpenCV传统强项应用二值图像分析相关的典型工业应用案例学习。 通过对本书的学习，读者对OpenCV整个框架理解、相关模块的运用能力都达到一个新的高度、有能力设计复杂的计算机视觉算法、通过OpenCV解决实际问题、把深度学习模型应用到端侧加速实现商业价值、拓展OpenCV与计算机视觉在各个行业的商业化落地。

前言
基础篇
第1章OpenCV简介与安装/2
1.1OpenCV简介/2
1.1.1OpenCV历史/2
1.1.2OpenCV的模块与功能/3
1.1.3OpenCV4里程碑/4
1.1.4OpenCV发展现状与应用趋势/4
1.2OpenCV源码项目/4
1.3OpenCV4开发环境搭建/5
1.4第一个OpenCV开发程序/6
1.5图像加载与保存/7
1.5.1加载图像/7
1.5.2保存图像/8
1.6加载视频/9
1.7小结/12
第2章Mat与像素操作/13
2.1Mat对象/13
2.1.1什么是Mat对象/13
2.1.2一切图像皆Mat/14
2.1.3Mat类型与深度/15
2.1.4创建Mat/15
2.2访问像素/18
2.2.1遍历Mat中的像素/18
2.2.2像素算术运算/20
2.2.3位运算/21
2.2.4调整图像亮度与对比度/22
2.3图像类型与通道/23
2.3.1图像类型/23
2.3.2图像通道/23
2.3.3通道操作/24
2.4小结/25
第3章色彩空间/26
3.1RGB色彩空间/26
3.2HSV色彩空间/28
3.3LAB色彩空间/29
3.4色彩空间的转换与应用/30
3.5小结/31
第4章图像直方图/32
4.1像素统计信息/32
4.2直方图的计算与绘制/34
4.2.1直方图计算/35
4.2.2直方图绘制/36
4.3直方图均衡化/37
4.4直方图比较/40
4.5直方图反向投影/41
4.6小结/43
进阶篇
第5章卷积操作/46
5.1卷积的概念/46
5.2卷积模糊/49
5.3自定义滤波/53
5.4梯度提取/56
5.5边缘发现/59
5.6噪声与去噪/61
5.7边缘保留滤波/64
5.8锐化增强/66
5.9小结/68
第6章二值图像/70
6.1图像阈值化分割/70
6.2全局阈值计算/72
6.3自适应阈值计算/76
6.4去噪与二值化/77
6.4.1去噪对二值化的影响/77
6.4.2其他方式的二值化/78
6.5小结/79
第7章二值分析/80
7.1二值图像分析概述/80
7.2连通组件标记/82
7.3轮廓发现/85
7.3.1轮廓发现函数/85
7.3.2轮廓绘制函数/87
7.3.3轮廓发现与绘制的示例代码/87
7.4轮廓测量/88
7.5拟合与逼近/90
7.6轮廓分析/95
7.7直线检测/97
7.8霍夫圆检测/99
7.9优选内接圆与最小外接圆/101
7.10轮廓匹配/102
7.11优选轮廓与关键点编码/104
7.12凸包检测/106
7.13小结/107
第8章形态学分析/108
8.1图像形态学概述/108
8.2膨胀与腐蚀/109
8.3开/闭操作/111
8.4形态学梯度/113
8.5顶帽与黑帽/115
8.6击中/击不中/116
8.7结构元素/119
8.8距离变换/120
8.9分水岭分割/121
8.10小结/124
第9章特征提取/125
9.1图像金字塔/125
9.1.1高斯金字塔/125
9.1.2拉普拉斯金字塔/128
9.1.3图像金字塔融合/129
9.2Harris角点检测/131
9.3shi-tomas角点检测/133
9.4亚像素级别的角点检测/135
9.5HOG特征与使用/137
9.5.1HOG特征描述子/137
9.5.2HOG特征行人检测/139
9.6ORB特征描述子/140
9.6.1关键点与描述子提取/140
9.6.2描述子匹配/144
9.7基于特征的对象检测/148
9.7.1单应性矩阵计算方法/148
9.7.2特征对象的位置发现/150
9.8小结/152
第10章视频分析/153
10.1基于颜色的对象跟踪/153
10.2视频背景分析/155
10.3帧差法背景分析/157
10.4稀疏光流分析法/158
10.5稠密光流分析法/161
10.6均值迁移分析/163
10.7小结/166
第11章机器学习/167
11.1KMeans分类/167
11.1.1KMeans图像语义分割/167
11.1.2提取主色彩构建色卡/170
11.2KNN分类/172
11.2.1KNN函数支持/172
11.2.2KNN实现手写数字识别/173
11.3SVM分类/175
11.3.1SVM的原理与分类/175
11.3.2SVM函数/176
11.3.3SVM实现手写数字识别/176
11.4SVM与HOG实现对象检测/177
11.4.1数据样本特征提取/178
11.4.2SVM特征分类/179
11.4.3构建SVM对象检测器/179
11.5小结/181
第12章深度神经网络/182
12.1DNN概述/182
12.2图像分类/183
12.3对象检测/186
12.3.1SSD对象检测/187
12.3.2Faster-RCNN对象检测/188
12.3.3YOLO对象检测/190
12.4ENet图像语义分割/193
12.5风格迁移/195
12.6场景文字检测/197
12.7人脸检测/199
12.8小结/201
高级与实战篇
第13章YOLO5自定义对象检测/204
13.1YOLO5对象检测框架/204
13.2YOLO5对象检测/205
13.3自定义对象检测/208
13.3.1数据集制作与生成/209
13.3.2模型训练与查看损失曲线/210
13.3.3模型导出与部署/211
13.4小结/212
第14章缺陷检测/213
14.1简单背景下的缺陷检测/213
14.2复杂背景下的缺陷检测/216
14.2.1频域增强的缺陷检测/216
14.2.2空间域增强的缺陷检测/219
14.3案例：刀片缺陷检测/220
14.4基于深度学习的缺陷检测/222
14.4.1基于分类的缺陷检测/223
14.4.2基于分割的缺陷检测/226
14.5小结/228
第15章OpenVINO加速/229
15.1OpenVINO框架安装与环境配置/229
15.1.1OpenVINO安装/230
15.1.2配置C++开发支持/232
15.2OpenVINO2022.x版SDK推理演示/233
15.2.1推理SDK介绍/234
15.2.2推理SDK演示/235
15.3OpenVINO支持UNet部署/236
15.4OpenVINO支持YOLO5部署/237
15.5小结/239
第16章CUDA加速/240
16.1编译OpenCV源码支持CUDA加速/240
16.2用CUDA加速传统图像处理/245
16.2.1Mat与GpuMat/245
16.2.2加速图像处理与视频分析/246
16.3加速DNN/248
16.4小结/249