OpenCV计算机视觉技术（Python语言描述）（微课版）

本书使用面向Python的OpenCV讲解计算机视觉中图像处理的相关知识，内容主要包括初见OpenCV、OpenCV入门应用、图像平滑与形态学处理、图像基础变换、图像轮廓检测、人脸识别、图像特征检测、图像分割、目标检测与识别、目标跟踪、神经网络、YOLOv5目标检测。通过对本书内容的学习，学生能够掌握OpenCV的基本使用方法、图像处理基础理论知识、用于图像基础变换与轮廓检测的常见算子、图像特征检测与图像分割主流算法、目标检测识别与跟踪的原理和实现方法，以及OpenCV在神经网络目标识别项目中的实际应用，熟练运用OpenCV解决机器学习等领域中的典型图像处理问题。

林伟鹏，深圳职业技术大学人工智能学院云计算技术应用专业、讲师、加拿大西蒙菲莎大学(Simon Fraser University)计算机科学与技术专业博士、主要从事云计算、区块链、以及大数据研究；具有红帽RHCE认证，腾讯云首席讲师认证；主编《Python语言及其应用》、《信息技术基础(WPS Office+数据思维)》、《区块链应用开发与测试》等多本教材。

第 1章 初见OpenCV 1 1.1 计算机视觉 1 1.2 OpenCV介绍 1 1.3 安装OpenCV 1 1.3.1 安装Python 2 1.3.2 使用pip命令安装OpenCV 4 1.4 环境测试 5 1.5 小结 6 习题 6 第 2章 OpenCV入门应用 7 2.1 图像读写 7 2.2 标识和截取ROI 8 2.2.1 访问图像数据 9 2.2.2 对图像进行几何变换 10 2.2.3 添加标识 15 2.3 色彩空间 16 2.3.1 BGR色彩空间的概念 17 2.3.2 通过滑动条改变B、G、R 的值 17 2.3.3 灰度色彩空间 19 2.4 视频读写 19 2.4.1 视频读取 21 2.4.2 视频写入 23 2.5 应用：编写一个简易的照相机程序 25 2.6 小结 27 习题 27 第3章 图像平滑与形态学处理 29 3.1 平滑处理 29 3.1.1 图像噪声 29 3.1.2 常用平滑滤波方法 30 3.2 数学形态学处理 37 3.2.1 腐蚀与膨胀 38 3.2.2 开运算、闭运算、形态学梯度 41 3.3 图像金字塔 44 3.4 小结 46 习题 47 第4章 图像基础变换 49 4.1 边缘检测 49 4.1.1 Sobel算子 50 4.1.2 Scharr滤波器 53 4.1.3 Laplacian算子 55 4.1.4 Canny算子 57 4.2 霍夫变换 59 4.2.1 霍夫线变换 59 4.2.2 霍夫圆变换 63 4.3 直方图 65 4.3.1 直方图计算 66 4.3.2 直方图均衡化 69 4.4 小结 70 习题 71 第5章 图像轮廓检测 72 5.1 轮廓检测 72 5.1.1 二值图像转换 72 5.1.2 轮廓匹配 73 5.1.3 二值图像轮廓检测 76 5.2 凸包 80 5.3 多边形轮廓 83 5.4 小结 86 习题 86 第6章 人脸识别 88 6.1 人脸检测 88 6.2 人脸识别程序 91 6.2.1 程序概述 91 6.2.2 人脸检测及采集 92 6.2.3 人脸识别 95 6.3 小结 99 习题 99 第7章 图像特征检测 101 7.1 图像特征 101 7.2 Harris角点检测 102 7.3 特征检测 103 7.3.1 SIFT特征检测算法 103 7.3.2 FAST特征检测算法 105 7.4 特征描述符及匹配器 106 7.4.1 Brute-Force匹配器和FLANN匹配器的基本概念 106 7.4.2 使用ORB描述符和Brute-Force匹配器匹配Logo 106 7.4.3 FLANN及单应性变换 110 7.5 小结 113 习题 114 第8章 图像分割 115 8.1 K-Means算法 115 8.1.1 基本过程 115 8.1.2 OpenCV中的K-Means算法 117 8.1.3 使用K-Means算法对颜色进行分割 118 8.2 分水岭算法 120 8.2.1 基本过程 120 8.2.2 分水岭图像分割算法 120 8.3 GrabCut算法 123 8.3.1 基本过程 123 8.3.2 GrabCut算法 124 8.4 小结 125 习题 126 第9章 目标检测与识别 127 9.1 目标检测 127 9.1.1 HOG技术 127 9.1.2 SVM技术 129 9.1.3 NMS技术 131 9.1.4 行人检测 131 9.2 猫狗目标检测 133 9.2.1 程序概述 133 9.2.2 猫狗特征提取与识别 134 9.3 小结 143 习题 144 第 10章 目标跟踪 145 10.1 背景差分法 145 10.1.1 高斯背景建模 146 10.1.2 LBP特征 146 10.1.3 OpenCV背景差分法 146 10.1.4 背景差分器 147 10.1.5 基于背景差分器的目标跟踪 149 10.2 基于颜色的目标检测与跟踪 151 10.2.1 HSV色彩空间 151 10.2.2 颜色分割 152 10.2.3 目标跟踪样例 154 10.3 光流跟踪 155 10.3.1 光流 155 10.3.2 光流场 155 10.3.3 基本原理 155 10.3.4 KLT光流法 156 10.3.5 GF光流法 161 10.4 CAMShift对象跟踪 163 10.4.1 MeanShift 164 10.4.2 CAMShift 164 10.4.3 目标跟踪程序 165 10.5 卡尔曼滤波器 167 10.5.1 预测与更新 168 10.5.2 鼠标轨迹跟踪 168 10.5.3 CAMShift目标跟踪与卡尔曼滤波器预测程序 171 10.6 小结 173 习题 174 第 11章 神经网络 176 11.1 人工神经网络 176 11.1.1 神经元模型 176 11.1.2 神经网络结构 177 11.1.3 过拟合现象 177 11.1.4 欠拟合现象 178 11.1.5 ANN算法分类 179 11.2 ANN工作原理 179 11.3 MNIST手写数字识别 180 11.3.1 MNIST手写数字数据库 181 11.3.2 基于ANN的手写数字识别程序 183 11.3.3 手写数字预测 185 11.4 小结 187 习题 187 第 12章 YOLOv5目标检测 188 12.1 YOLOv5的安装与配置 188 12.2 基于YOLOv5的目标检测 189 12.3 YOLO数据集 191 12.3.1 分析数据集 191 12.3.2 YOLO标注格式 191 12.3.3 配置数据集 192 12.4 YOLOv5训练模块 193 12.4.1 训练模型参数 193 12.4.2 特殊情况 194 12.4.3 训练结果 197 12.5 YOLOv5 预测模块 199 12.5.1 预测参数 199 12.5.2 预测结果 200 12.6 实战：口罩佩戴检测 201 12.7 小结 203 习题 204