《学习OpenCV 3（中文版）》

学习OpenCV 3（中文版）

Learning OpenCV 3: Computer Vision in C++ with the OpenCV Library

[美] 安德里安 • 凯勒 (Adrian Kaehler)

加里 • 布拉德斯基 (Gary Bradski) 著

阿丘科技 刘昌祥 吴雨培 王成龙 崔玉芳 等译

内容简介

前言

这本书提供了C++开源计算机视觉库（OpenCV）3.0版本的工作指南，介绍了计算机视觉相关领域的通用背景，以便读者更有效地使用OpenCV。

本书的目标

计算机视觉在以下四个趋势的引导下，已经成为一个快速发展的领域：

• 智能手机的出现让数以百万计的用户都拥有了相机

• 互联网和搜索引擎聚集了海量的图像和视频数据

• 计算资源变成一种廉价的商品

• 视觉算法发展得更加成熟（由于深度神经网络的出现，OpenCV也正在逐渐支持这方面技术，详情可以参考opencv_contrib中的dnn）

本书的目标如下：

• 通过详细讲述函数的惯用用法以及正确用法，成为一本更好的OpenCV经典参考文档

• 帮助读者对各种计算机视觉算法的工作原理有一个基础的理解

• 培养读者，使其知道什么算法工具可以使用并且应该在什么时候使用

• 提供给读者许多有效的代码，提升其应用计算机视觉和机器学习算法的开发效率

• 针对问题代码给读者提供建议，教读者如何解决一些简单或复杂的问题

本书的写作方式是力求帮助读者快速在计算机视觉领域做一些有意思的事情，因此直观地解释了算法是如何工作的，可以指导读者设计和调试计算机视觉程序，还能够使计算机视觉和机器学习算法的形式化描述更容易理解和记忆。

本书受众

本书包含描述、工作代码示例和OpenCV 3.x库中包含的C++计算机视觉工具说明。因此，本书对各种不同类型的用户都有所帮助。

专业人士和开发者

对于需要快速设计原型或实现专业计算机视觉系统的专家而言，示例代码提供的框架可以帮助他们在此基础上进行快速开发。我们对算法的描述可以快速教会或者提醒读者如何使用它们。由于OpenCV 3.x的设计基于位于硬件加速层（HAL）之上，所以它所实现的算法都可以高效运行，并且能够无缝应用各种硬件平台的诸多加速特性。

学生

这是我们希望能广泛应用于学校的教程。直观的解释、详细的文档以及示例代码将能够帮助你在计算机视觉之路上更快地前进，做更有趣的项目，最终为这个领域开拓新的研究方向。

教师

计算机视觉是一个快速发展的领域。我们发现，让学生快速浏览容易读的文章并且教师在必要的地方进行说明，再辅之以现阶段的论文或讲座，是一种非常高效的授课方法。与此同时，学生可以提前开始课程设计，并尝试做一些更有挑战性的任务。

爱好者

计算机视觉超有趣的，让我们一起深入探索它吧。

我们致力于为读者提供丰富的指导、文档以及代码来快速建立实时的视觉应用。

本书不是什么

这本书不是正式的论文，我们的确在很多地方讨论了数学上的细节注1，但这都是为了建立一种基于此的更深层次的直觉以及阐明算法中所构建的假设之含义。在这里，我们没有尝试进行一些更加正式的数学解释，因为过多的数学解释可能会使一些人觉得枯燥。

这本书本质上来说更偏向于“应用”，它将作为一个基础的帮助，但是并不着力于介绍某个具体的计算机视觉领域分类（比如医学图像或者遥感图像分析）。

也就是说，我们相信通过阅读这里的解释，学生不仅能更好地学习理论，而且还能记住更多、更久。因此，这本书将是一个很好的理论课程的辅助教材，并且很适合入门课程或以项目为中心的课程使用。

本书例程

本书所有例程都基于OpenCV 3.x。这些代码在Linux，Windows 以及 OS X都可以运行。OpenCV也有充足的对安卓和IOS 的支持。本书所有代码都可以在本书网站（http://bit.ly/learningOpenCV3）获取，OpenCV的源码可以在GitHub（https://github.com/opencv/opencv）获取，OpenCV的预编译版本可以在SourceFroge（https://sourceforge.net/projects/opencvlibrary/）获取。

Op e nCV现在也处于开发过程中，每个季度都有新的官方版本发布。如果希望得到最新版本，可以从前述的GitHub网站得到代码更新。OpenCV的官方网站是http://opencv.org，如果是开发人员，还可以浏览它的维基页面：https://github.com/opencv/opencv/wiki。

预备知识

在大多数情况下，读者只需要了解如何使用C++编程。本书许多数学相关的段落都不是必须的并且也做出了相应的标记。本书需要的数学基础包括简单的线性代数以及基础矩阵运算，并且假设读者了解最小二乘优化、高斯分布的基础知识、贝叶斯法则以及一些简单方程的衍生和变化。

本书对数学的介绍是为了支持建立一种对算法的直觉。读者可以跳过数学部分以及算法描述部分，只阅读函数解释以及代码示例，也可以构建视觉应用并且使其正常工作。

如何使用本书

本书并不一定要按照章节顺序阅读，它可以作为一本用户手册：需要的时候，可以用来查询函数，如果你希望了解它的工作原理，请阅读该函数相关的描述。本书的意图在于提供一本指南。它提供对计算机视觉的基本理解以及如何在何时使用选择的算法。

本书的写作目的是作为计算机视觉的本科或研究生课程的辅助教材或教科书。采取的基本策略是先让学生能够快速阅读课本，然后在其他教科书或者文章中用更正式的章节进行补充阅读。每一章最后都配有练习题，可以帮助测试学生对知识的掌握程度并培养更多图像处理方面的意识。

可以采用如下任意一种方法来阅读本书。

抓取重点

先阅读第1~5章，之后只阅读你所需要的章节。除了第18章和第19章（涵盖了相机校正和双目视觉）以及第20章~第22章（涵盖机器学习），这本书并不需要按照章节顺序阅读。以项目为导向的学生和研发人员可以用这种方式阅读。

精读

坚持每周阅读两章，这样你就可以在11周之内读完第1章~第22章（第23章很短）。从项目开始，深入到具体研究领域，适当地使用额外的文献和论文作为补充。

速成

在可以理解的基础上尽可能快地浏览本书，阅读第1章~第23章，之后开始项目，并使用相关文献和论文在某一个领域进行更深入的研究。这也许是专业人员的一个选择，但也可能适合更高级的计算机视觉课程。

第20章对机器学习进行了简要的介绍，在此之后的第21章和第22章将对机器学习算法及其在OpenCV中的实现和实战进行更详细的解释。当然，机器学习是目标识别以及计算机视觉的重要组成部分，相关知识非常丰富以至于可以独立成书。专业人员会发现这本书是进一步探索的一个合适的起点，或者也可以仅仅对这一部分的OpenCV代码进行深入研究。在OpenCV 3.x中，机器学习的接口已经大大简化和统一。

我们喜欢的计算机视觉教学方式是，在学生基本能够理解算法工作原理的基础上尽可能快速展开教学，然后让他们进一步加深理解，进而开始学习有意义的课程设计，同时通过相关领域的文献和论文让学生对所选择的领域拥有更深刻和系统的认识。这种方法适用于半学期、一学期以及两学期的课程。学生可以快速开始，在对视觉项目仅仅有一般认识的时候就开始编码，等到进行更富挑战性和更耗时的工作的时候，指导教师可以提供适当的帮助。

而对于计划时间更长的课程来说，OpenCV项目本身就可以成为项目管理的指导。先建立工作系统，然后用更多的知识、细节和研究进一步加以完善。这类课程的目的是让每个项目都有一个值得自己发表的地方并且其中一些真的能够发展壮大起来。

3.x的代码框架，Buildbots、GitHub的使用，pull request，单元测试和回归测试，文档，这些对商业软件架构来说都是很好的示例，值得参考。

本书约定

本书中使用下列约定。

斜体（Italic）

指示新的术语、URL、电子邮件地址、文件名、拓展名、路径名、文件夹和Unix工具。

固定宽度（Constant Width）

指示指令、选项、选择、变量、属性、键、函数、类型、类、命名空间、方法、模块、参数、值、对象、时间、事件句柄、XML标记、HTML标记、文件的内容或者指令的输出。

加粗固定宽度（Constant width bold）

指示指令以及其他应该由用户输入的文本。也用来着重显示代码片段。

斜体固定宽度（Constant Width Italic）

指示应当由用户提供的值取代的文本。

[…]

指示参考目录的引用。

这个标识表示建议或者一般性的笔记。

这个标识表示警告或需要注意的地方。

使用代码例程

补充材料（代码例程和练习等）都可以在https://github.com/oreillymedia/Learning-OpenCV-3_examples下载。

比如：“Learning OpenCV 3 by Adrian Kaehler and Gary Bradski (O’Reilly)。Copyright 2017 Adrian Kaehler, Gary Bradski, 978-1-491-93799-0。”

除了了解如何帮助你完成你的作业（最好保密），我们很乐意听到你将计算机视觉用于学术研究或者课堂教学以及使用OpenCV来帮助你开发商业产品。同样，这不是必须的，我们始终欢迎你们的来信。

O’Reilly Safari

更多信息请访问http://oreilly.com/safari。

联系方式

请把你对本书的意见和疑问发给出版社：

美国：

O’Reilly Media, Inc.

1005 Gravenstein Highway North

Sebastopol, CA 95472

中国：

北京市西城区西直门南大街2号成铭大厦C座807室（100035）

奥莱利技术咨询（北京）有限公司

我们还有一个服务于本书的网站。那里有示例的列表以及未来版本的计划。点击http://bit.ly/learningOpenCV3了解这些信息。

评论或是询问这本书技术相关的问题，请发送邮件到bookquestions@oreilly.com。

关于本书、课程、会议以及新闻更多信息，请访问我们的网站：http://www.oreilly.com在FaceBook上找到我们：http://facebook.com/oreilly在Twitter上关注我们：http://twitter.com/oreillymedia

在YouTube上观看我们：http://www.youtube.com/oreillymedia

致谢

一个长期的开源项目通常经历很多人的加入和离开。每个人都从不同方面做出了贡献。这个库的贡献列表已经太长而不适合在这里展示，但是可以访问与OpenCV绑定的文档/opencv/docs/HTML/Contributors/doc_contributors.html，查看贡献列表。

感谢对OpenCV的帮助

英特尔是OpenCV诞生的地方，感谢英特尔在这个库发起和成长的过程中所做出的巨大支持。时光荏苒，英特尔始终在为OpenCV筹备竞赛并做出贡献。英特尔还捐赠了内置的性能原语代码，为英特尔的架构提供了无缝加速。感谢英特尔所做的这一切。

谷歌一直是Op e nCV开发者的稳定资助者，它为谷歌编程之夏（Go o g l e Summe r o f Code，GSoC）项目的Opencv实习生提供了赞助。这场活动贡献了许多杰出的工作成果。柳树车库（Willow Garage）公司提供了资金，致力于将OpenCV 2.0版本提升到3.0版本成果。在这些日子里，计算机视觉公司Itseez（最近被英特尔收购）提供了大量的工程师支持并承担了网站维护工作。英特尔已经表示继续支持维护网站（谢谢）。

在软件层面，特别需要感谢一些机构和个人，尤其是（英特尔）俄罗斯的软件团队。其中最主要的是俄罗斯首席程序员Vadim Pisarevsky（瓦迪姆 • 彼萨里夫斯）。他是这个库最大的独立贡献者。Vadim还在项目引爆前的萧条时期管理并且发展了OpenCV。如果要把有些人称为OpenCV的英雄，那么一定非他莫属。他的技术见解在我们写书的时候也起到了巨大的帮助，在管理方面他也受到了Victor Eruhimov的支持，俄罗斯视觉公司Itseez的联合创始人，现在是Itseez3D（已被英特尔收购）的CEO。

在每周会议上，有几个人一直在帮助管理库，他们是Grace Vesom，Vincent Rabaud，Stefano Fabri，当然还有Vadim Pisarevsky。这些会议可以在https://github.com/opencv/opencv/wiki/Meeting_notes看到。

在此期间，许多人都为OpenCV库做出了贡献，最近一些贡献者分别是Dinar Ahmatnurov，Pablo Alcantarilla，Alexander Alekhin，Daniel Angelov，Dmitriy Anisimov，Anatoly Baksheev，Cristian Balint，Alexandre Benoit，Laurent Berger，Leonid Beynenson，Alexander Bokov，Alexander Bovyrin，Hilton Bristow，Vladimir Bystritsky，Antonella

Cascitelli，Manuela Chessa，Eric Christiansen，Frederic Devernay，Maria Dimashova，Roman Donchenko，Vladimir Dudnik，Victor Eruhimov，Georgios Evangelidis，Stefano Fabri，Sergio Garrido，Harris Gasparakis，Yuri Gitman，Lluis Gomez，Yury Gorbachev，Elena Gvozdeva，Philipp Hasper，Fernando J. Iglesias Garcia，Alexander Kalistratov，Andrey Kamaev，Alexander Karsakov，Rahul Kavi，Pat O’Keefe，Siddharth Kherada，Eugene Khvedchenya，Anna Kogan，Marina Kolpakova，Kirill Kornyakov，Ivan Korolev，Maxim Kostin，Evgeniy Kozhinov，Ilya Krylov，Laksono Kurnianggoro，Baisheng Lai（赖百胜），Ilya Lavrenov，Alex Leontiev，Gil Levi，Bo Li（李波），Ilya Lysenkov，Vitaliy Lyudvichenko，Bence Magyar，Nikita Manovich，Juan Manuel Perez Rua，Konstantin Matskevich，Patrick Mihelich，Alexander Mordvintsev，Fedor Morozov，Gregory Morse，Marius Muja，Mircea Paul Muresan，Sergei Nosov，Daniil Osokin，Seon-Wook Park，Andrey Pavlenko，Alexander Petrikov，Philip aka Dikay900，Prasanna，Francesco Puja，Steven Puttemans，Vincent Rabaud，Edgar Riba，Cody Rigney，Pavel Rojtberg，Ethan Rublee，Alfonso Sanchez-Beato，Andrew Senin，Maksim Shabunin，Vlad Shakhuro，Adi Shavit，Alexander Shishkov，Sergey Sivolgin，

Marvin Smith，Alexander Smorkalov，Fabio Solari，Adrian Stratulat，Evgeny Talanin，Manuele Tamburrano，Ozan Tonkal，Vladimir Tyan，Yannick Verdie，Pierre Emmanuel Viel，Vladislav Vinogradov，Pavel Vlasov，Philipp Wagner，Yida Wang（王一达），Jiaolong Xu（许骄龙），Marian Zajko和Zoran Zivkovic。

这里（https://github.com/opencv/opencv/wiki/ChangeLog）还列出了其他的贡献者。最后，Arraiy现在也在协助维护OpenCV.org（免费开源的代码库）。

感谢对本书提供帮助的人

Adrian致谢

在第1版（Learning OpenCV）的写作过程中，我邀请一些优秀的教师来协助我，使得本书工作变成了可能。在这些年，从各位那里获得的指导变得愈发珍贵。我对他们每个人都怀有诚挚的谢意。我还特别想在这份感谢名单上加上我的导师汤姆 • 汤贝雷诺，我欠他非常多，在他的记忆里，我会把我的贡献献给这本书。他是一个具有非凡智慧的人，我很骄傲自己有机会追随他的足迹。最后，深深感谢OpenCV社区，感谢你们对第1版的欢迎，感谢你们耐心等待，这一版历经波折总算最终完成。

这一版花了很长时间才完成，在这几年里，我有幸与数十家不同的公司合作，担任顾问并进行技术研发，先后作为董事会的成员、顾问团的成员、技术总监、研发人员以及始创人。我有幸看到并热爱着研发的方方面面。我在Applied Minds公司很多年，在那里创建并且运行我们的机器人部门，更准确地说是Applied Minds子公司。我很欣慰地看到OpenCV是许多优秀项目的核心，涉及领域包括医疗、农业、航空、国防和国土安全。

我同样高兴地发现这本书的第1版已经成为几乎所有这些机构中的案头必备。Gary和我用来构建斯坦利（Stanley）的技术已经成为无数项目的一部分，其中至少包含许多正在研发的自动驾驶项目。它们其中的某一个，或许所有都是为了改变或改善无数人的日常生活而准备的，成为其中的一员是多么让人开心啊！在这些年我遇到过无数惊人的故事——有关于第1版如何在人们所工作或教学的领域让他们受益，帮助他们建立事业，帮助他们完成巨大的成就——这些事情成为快乐和奇迹的源泉。我希望这本新书将继续为你们所有人服务，并激励和支持新一代科学家、工程师和发明家前行。

Gary致谢

我在1999年创立了OpenCV项目，目的是能够向所有人提供我当时只有在顶级实验室里才能见到的基础框架，并借此来加速计算机视觉和人工智能技术的发展。尽管很少有目标能够和预期一样实现，但我庆幸这一计划在时隔17年后终于实现了。完成这一目标还得归功于多方的帮助，有太多的朋友和贡献者，我没办法在此一一感谢注1。但我还是希望在这里特别感谢我在英特尔开始工作时所在的俄罗斯研究团队，它们造就了一个成功的计算机视觉公司（Itseez.com），并最终被英特尔收购。我们作为同事开始工作并建立了深厚的友谊。

由于家中有三个十几岁的孩子，我的妻子Sonya Bradski（桑雅 • 布拉德斯基）做了更多的工作来支持我写作本书，对于她，我的感谢与爱难以言表。我也一样爱我的孩子，但要说他们加速了我这本书的出版，委实说不出口:)。

我从帮助建立Industrial Perception公司（2013年被谷歌收购）的时候就萌生了创作第2版的想法。从此以后，写书的工作就不定期地在周末和深夜进行。不知不觉，现在已经是2016年，真是时光飞逝如电啊！我在第23章结束时所做的一些思考，灵感来源于我亲自参与过的机器人项目，一个由柳树车库制造的叫PR2的双臂机器人以及斯坦福的斯坦利（Stanley）项目，这个机器人赢得了DARPA机器人挑战赛200万美元的大奖。

读者朋友们，在我们结束本书创作之际，由衷地希望在创业公司、实验室、学术网站、会议、车间、风险投资以及正在研发的很酷的项目中看到你们的身影。然后轻松地互相致意，谈一谈你正在做的新东西。我发起了OpenCV，为了共同的利益来支持并加速计算机视觉以及人工智能技术，接下来要看你们的了。我们生活在一个充满创意的世界里，一个人可以创造一个罐子，下一个人就能把这个罐子变成一个鼓，如此等等，都是创造！用OpenCV来创造一些可以造福于人类的东西吧！

目录

译者序       xvii

前言         xxi

第1章 概述      1

什么是OpenCV        1

OpenCV怎么用        2

什么是计算机视觉     3

OpenCV的起源        6

OpenCV的结构    7

使用IPP来加速OpenCV     8

谁拥有OpenCV    9

下载和安装OpenCV    9

安装             9

从Git获取最新的OpenCV      12

更多的OpenCV文档   13

提供的文档      13

在线文档和维基资源     13

OpenCV贡献库       15

下载和编译Contributed模块         16

可移植性           16

小结  17

练习  17

第2章 OpenCV初探            19

头文件    19

资源           20

第一个程序：显示图片       21

第二个程序：视频    23

跳转  24

简单的变换          28

不那么简单的变换    30

从摄像头中读取      32

写入AVI文件        33

小结  34

练习  35

第3章 了解OpenCV的数据类型    37

基础知识           37

OpenCV的数据类型   37

基础类型概述    38

深入了解基础类型       39

辅助对象        46

工具函数        53

模板结构        60

小结  61

练习  61

第4章 图像和大型数组类型       63

动态可变的存储      63

cv::Mat类N维稠密数组         64

创建一个数组    65

独立获取数组元素       69

数组迭代器NAryMatIterator         72

通过块访问数组元素     74

矩阵表达式：代数和cv::Mat         75

饱和转换        77

数组还可以做很多事情    78

稀疏数据类cv::SparesMat  79

访问稀疏数组中的元素    79

稀疏数组中的特有函数    82

为大型数组准备的模板结构         83

小结  85

练习  86

第5章 矩阵操作  87

矩阵还可以做更多事情       87

cv::abs()        90

cv::add()        91

cv::addWeighted()        92

cv::bitwise_and()  94

cv::bitwise_not() 94

cv::bitwise_or()   94

cv::bitwise_xor()  95

cv::calcCovarMatrix()     95

cv::cartToPolar()  97

cv::checkRange()  97

cv::compare()    98

cv::completeSymm()      99

cv::convertScaleAbs()     99

cv::countNonZero()      100

cv::Mat cv::cvarrToMat() 100

cv::dct()        101

cv::dft()        102

cv::cvtColor()   103

cv::determinant()        106

cv::divide()     106

cv::eigen()      106

cv::exp()       107

cv::extractImageCOI()    107

cv::flip()       108

cv::gemm()     108

cv::getConvertElem()和cv::getConvertScaleElem()     109

cv::idct()       110

cv::inRange()    110

cv::insertImageCOI()      111

cv::invert()      111

cv::log()        112

cv::LUT()      112

cv::Mahalanobis()       113

cv::max()       114

cv::mean()      115

cv::meanStdDev()       116

cv::merge()     116

cv::min()       116

cv::minMaxIdx()       117

cv::minMaxLoc()        118

cv::mixChannels()       119

cv::mulSpectrums()      120

cv::multiply()   121

cv::mulTransposed()     121

cv::norm()      122

cv::normalize()  123

cv::perspectiveTransform()          125

cv::phase()      125

cv::polarToCart()        126

cv::pow()       126

cv::randu()      127

cv::randn()      127

cv::repeat()     129

cv::scaleAdd()   129

cv::setIdentity()  130

cv::solve()      130

cv::solveCubic()        131

cv::solvePoly()  132

cv::sort()       132

cv::sortIdx()     133

cv::split()       133

cv::sqrt()       134

cv::subtract()    135

cv::sum()       135

cv::trace()      135

cv::transform()   136

cv::transpose()   136

小结 137

练习 137

第6章 绘图和注释             139

绘图 139

艺术线条和填充多边形   140

字体和文字     146

小结 148

练习 148

第7章 OpenCV中的函数子      151

操作对象          151

主成分分析（cv::PCA）  151

奇异值分解cv::SVD     154

随机数发生器cv::RNG   157

小结 160

练习 160

第8章 图像、视频与数据文件    163

HighGUI模块：一个可移植的图形工具包 163

图像文件的处理     164

图像的载入与保存      165

关于codecs的一些注释   167

图片的编码与解码      168

视频的处理         169

使用cv::VideoCapture对象读取视频流    169

使用cv::VideoWriter对象写入视频   175

数据存储          176

cv::FileStorage的写入    177

使用cv::FileStorage读取文件        179

cv::FileNode    180

小结 183

练习 183

第9章 跨平台和Windows系统    187

基于Windows开发   187

HighGUI原生图形用户接口         188

通过Qt后端工作        199

综合OpenCV和全功能GUI工具包    209

小结 222

练习 222

第10章 滤波与卷积            225

概览 225

预备知识          225

滤波、核和卷积        225

边界外推和边界处理    227

阈值化操作         230

Otsu算法       233

自适应阈值     233

平滑 235

简单模糊和方框型滤波器          236

中值滤波器     238

高斯滤波器     239

双边滤波器     240

导数和梯度         242

索贝尔导数     242

Scharr滤波器    244

拉普拉斯变换   245

图像形态学         246

膨胀和腐蚀     247

通用形态学函数        250

开操作和闭操作        251

形态学梯度     254

顶帽和黑帽     256

自定义核       258

用任意线性滤波器做卷积    259

用cv::filter2D()进行卷积  259

通过cv::sepFilter2D使用可分核      260

生成卷积核     260

小结 262

练习 262

第11章 常见的图像变换        267

概览 267

拉伸、收缩、扭曲和旋转    267

均匀调整       268

图像金字塔     269

不均匀映射     273

仿射变换       274

透视变换       279

通用变换          282

极坐标映射     282

LogPolar       283

任意映射       287

图像修复          287

图像修复       288

去噪          289

直方图均衡化       292

cv::equalizeHist()用于对比均衡      294

小结 295

练习 295

第12章 图像分析    297

概览 297

离散傅里叶变换     297

cv::dft()离散傅里叶变换  298

cv::idft()用于离散傅里叶逆变换     300

cv::mulSpectrums()频谱乘法        300

使用傅里叶变换进行卷积          301

cv::dct()离散余弦变换   303

cv::idct()离散余弦逆变换           304

积分图   304

cv::integral()标准求和积分         306

cv::integral()平方求和积分         306

cv::integral()倾斜求和积分         307

Canny边缘检测     307

cv::Canny()     309

Hough变换         309

Hough线变换   309

Hough圆变换   313

距离变换          316

cv::distanceTransform()无标记距离变换   317

cv::distanceTransform()有标记距离变换   317

分割 318

漫水填充       318

分水岭算法     322

Grabcuts算法    323

Mean-Shift分割算法    325

小结 326

练习 326

第13章 直方图和模板          329

OpenCV中直方图的表示     331

cv::calcHist()：从数据创建直方图   332

基本直方图操作     334

直方图归一化   334

直方图二值化   335

找出最显著的区间      335

比较两个直方图        337

直方图用法示例        339

一些复杂的直方图方法      342

EMD距离      342

反向投影       347

模板匹配          350

方差匹配方法（cv::TM_SQDIFF）   351

归一化方差匹配方法（cv::TM_SQDIFF_NORMED）        352

相关性匹配方法（cv::TM_CCORR） 352

归一化的互相关匹配方法（cv::TM_CCORR_NORMED）     352

相关系数匹配方法（cv::TM_CCOEFF）            352

归一化的相关系数匹配方法（cv::TM_CCOEFF_NORMED）  352

小结 355

练习 355

第14章 轮廓   359

轮廓查找          359

轮廓层次       360

绘制轮廓       364

轮廓实例       365

另一个轮廓实例        366

快速连通区域分析      368

深入分析轮廓       370

多边形逼近     370

几何及特性概括        372

几何学测试     377

匹配轮廓与图像     378

矩   378

再论矩         380

使用Hu矩进行匹配      383

利用形状场景方法比较轮廓        384

小结 388

练习 389

第15章 背景提取    391

背景提取概述       391

背景提取的缺点     392

场景建模          392

像素          393

帧间差分       396

平均背景法         397

累计均值，方差和协方差          403

更复杂的背景提取方法      410

结构          413

进行背景学习   414

存在移动的前景物体时进行背景学习 417

背景差分：检测前景物体          418

使用码书法的背景模型   419

关于码书法的其他想法   419

使用连通分量进行前景清理   420

小测试         423

两种背景方法的对比        425

OpenCV中的背景提取方法的封装       425

cv::BackgroundSubstractor基类      426

KB方法        427

Zivkovic方法    428

小结 431

练习 431

第16章 关键点和描述子        433

关键点和跟踪基础   433

角点检测       434

光流简介       437

Lucas-Kanade稀疏光流法          438

广义关键点和描述符        448

光流，跟踪和识别      450

OpenCV一般如何处理关键点和描述符   451

核心关键点检测方法    461

关键点过滤     497

匹配方法       499

结果显示       505

小结 508

练习 508

第17章 跟踪   511

跟踪中的概念       511

稠密光流          512

Farneback多项式扩展算法          513

Dual TV-L1模型  515

简单光流算法   519

Mean-Shift算法和Camshift 追踪         522

Mean-Shift算法  522

Camshift       526

运动模板          526

估计 533

卡尔曼滤波器   534

扩展卡尔曼滤波器简述   549

小结 551

练习 551

第18章 相机模型与标定        553

相机模型          554

射影几何基础   556

Rodrigues变换   558

透镜畸变       559

标定 562

旋转矩阵和平移向量    563

标定板         566

单应性         572

相机标定       576

矫正 587

矫正映射       587

使用cv::convertMaps()在不同表示方式之间转换矫正映射     588

使用cv::initUndistortRectifyMap()计算矫正映射      589

使用cv::remap()矫正图像           591

使用cv::undistort()进行矫正        591

使用cv::undistortPoints()进行稀疏矫正    591

与标定结合         592

小结 595

练习 596

第19章 投影与三维视觉        599

投影 600

仿射变换与透视变换        601

鸟瞰图变换实例        602

三维姿态估计       606

单摄像机姿态估计      607

立体成像          609

三角测量       610

对极几何       613

本征矩阵和基本矩阵    615

计算极线       624

立体校正       624

立体校正       628

立体匹配       638

立体校正、标定和对应的示例代码   650

来自三维重投影的深度映射        657

来自运动的结构     659

二维与三维直线拟合        659

小结 662

练习 662

第20章 机器学习基础          665

什么是机器学习     665

训练集和测试集        666

有监督学习和无监督学习          667

生成式模型和判别式模型          669

OpenCV机器学习算法   669

机器学习在视觉中的应用          671

变量的重要性   673

诊断机器学习中的问题   674

ML库中遗留的机器学习算法  678

K均值         679

马氏距离       684

小结 687

练习 687

第21章 StatModel：OpenCV中的基准学习模型       689

ML库中的常见例程  689

训练方法和cv::ml::TrainData的结构  691

预测          697

使用cv::StatModel的机器学习算法       698

朴素贝叶斯分类器      699

二叉决策树     703

Boosting方法    716

随机森林       721

期望最大化算法        725

K近邻算法       729

多层感知机     731

支持向量机     739

小结 749

练习 750

第22章 目标检测    753

基于树的目标检测技术      753

级联分类器     754

有监督学习和boosting理论         756

学习新目标     764

使用支持向量机的目标识别   772

Latent SVM用于目标识别          772

Bag of Words算法与语义分类       775

小结 780

练习 780

第23章 OpenCV的未来         783

过去与未来         783

OpenCV 3.x     784

我们上一次预测怎么样？    784

未来应用          785

目前GSoC的进展       787

社区贡献       788

OpenCV.org     789

一些关于AI的猜测   790

结语 793

附录A 平面划分     795

附录B opencv_contrib模块概述         809

附录C 标定图案     813

参考文献      819

机器视觉 OpenCV

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。