计算机视觉——基于OpenCV的图像处理

本书针对高等职业院校人工智能技术等专业教学要求，以实际项目为案例，以工程代码实现为主线，介绍利用OpenCV进行数字图像处理的基本方法，让读者对未来的人工智能工作场景有深刻的认知，从而让理论性强、内容抽象、算法较多的数字图像处理知识与岗位任务紧密融合。
本书分为四部分：第1部分为图像采集及操作实战，主要介绍OpenCV环境配置、数字图像基本操作相关内容；第2部分为图像增强实战，主要介绍数字滤波操作、图像亮度及对比度操作相关内容；第3部分为图像分析实战，主要介绍图像分割、目标检测和目标追踪相关内容；第4部分为机器学习实战，主要介绍文字识别、深度学习相关内容。
本书适合作为高等职业院校人工智能技术应用、计算机应用技术、工业机器人技术等专业教材，也可作为准备从事计算机视觉应用开发人员的参考书。

第1部分 图像采集及操作实战
第1章 OpenCV环境配置
1.1 计算机视觉概述
1.1.1 计算机视觉的概念
1.1.2 计算机视觉的任务
1.1.3 计算机视觉的应用
1.2 OpentCV概述
1.3 OpentCV-Python环境配置
1.3.1 Python环境的安装
1.3.2 OpenCV-Python安装
1.3.3 PyCharm安装及配置
小结
第2章 数字图像基本操作
2.1 数字图像的读取与显示
2.2 数字图像在计算机中的表示
2.3 视频采集与存储
2.4 图像基本操作
2.4.1 图像像素操作
2.4.2 图像兴趣区域选取
2.4.3 图像通道操作
2.4.4 颜色空间转换
2.4.5 图像边框的填充
2.5 图像的几何变换
2.5.1 图像的缩放
2.5.2 图像的平移
2.5.3 图像的旋转
2.5.4 图像的透视变换
项目实战 基于颜色的目标追踪
小结
第2部分 图像增强实战
第3章 数字滤波操作
3.1 图像噪声
3.2 图像滤波
3.3 邻域平滑滤波
3.4 频域低通滤波及高通滤波
3.5 图像梯度及边缘滤波
项目实战 图像清晰度评价
小结
第4章 图像亮度及对比度操作
4.1 图像直方图概念及可视化
4.2 直方图均衡化与图像对比度增强
4.3 直方图的掩模操作
4.4 图像亮度调整
4.5 图像对比度调整
项目实战 交互式图像增强
小结
第3部分 图像分析实战
第5章 图像分割
5.1 图像分割概述
5.2 图像阈值分割
5.3 图形形态学操作
5.4 图像轮廓提取
5.5 分水岭图像分割
项目实战1 利用图割(GrabCut)实现交互式抠图
项目实战2 锡球轮廓提取及面积计算
小结
第6章 目标检测
6.1 目标检测概述
6.2 模板匹配
6.3 特征匹配
6.3.1 图像特征理解
6.3.2 图像特征描述
6.3.3 基于特征匹配的目标检测
项目实战 疲劳驾驶检测
小结
第7章 目标跟踪
7.1 目标跟踪概述
7.2 目标跟踪实现
7.2.1 数据集下载
7.2.2 视频合成
7.2.3 OpenCV目标跟踪实现
7.3 背景差分
项目实战 手势跟踪
小结
第4部分 机器学习实战
第8章 文字识别
8.1 手写数字识别
8.1.1 OpenCV人工神经网络概述
8.1.2 手写数字识别
8.2 Paddle文与识别
项目实战1 车牌识别
项目实战2 镜头规格识别
小结
第9章 深度学习
9.1 OpenCV DNN模块概述
9.2 第三方深度学习库与OpenCV集成
小结
参考文献