從零開始：數字圖像處理的編程基礎與應用


	本書主要介紹數位影像處理基礎知識與基於OpenCV和C 的圖像程式設計技術的相關內容，旨在説明讀者儘快掌握數位圖像理論知識和程式設計技術。本書第1章主要介紹OpenCV基礎；第2章主要介紹圖像預處理；第3章主要介紹圖像分割和數學形態學；第4章主要介紹特徵提取與匹配；第5章主要介紹範本匹配與輪廓繪製；第6章主要介紹視頻錄製與目標追蹤；第7章主要介紹三維重建；第8章主要介紹距離測量與角點檢測；第9章主要介紹圖像識別應用，涉及文字識別、二維碼識別、人臉識別和車牌識別等內容；第10章主要介紹基於深度學習的圖像應用。書中通過近百個程式設計實例和專案，説明讀者掌握數位影像處理原理，並進一步掌握數位圖像的程式設計技術。本書不僅適合各類院校相關專業的學生使用，也適合對數位圖像程式設計感興趣，已有一定的C 程式設計基礎，但沒有數位圖像基礎理論知識的讀者閱讀。



	購買中國簡體書籍請注意： 1. 因裝幀品質及貨運條件未臻完善，中國簡體書可能有出現磨痕、凹痕、折痕等問題，故簡體字館除封面破損、內頁脫落、缺頁等較嚴重的狀態外，其餘所有商品將正常出貨。


	目錄 001 第1章 OpenCV基礎 002 1.1 OpenCV簡介 002 1.2 OpenCV 程式設計環境搭建 002 1.2.1 Visual Studio 2019安裝 004 1.2.2 Qt 安裝 006 1.2.3 OpenCV Release版本安裝 006 1.2.4 VS 2019中OpenCV 4.4環境的配置 010 1.2.5 Qt 5.9.9中OpenCV 4.4環境的搭建 016 1.3 Mat圖像存儲容器 016 1.3.1 Mat容器簡介 018 1.3.2 存儲方法 019 1.3.3 創建Mat對象 024 1.4 圖像讀取與保存 024 1.4.1 圖像讀取 027 1.4.2 圖像保存 029 1.5 視頻讀取與輸出 029 1.5.1 視頻讀取 031 1.5.2 視頻輸出 033 1.6 圖像屬性與基本圖形繪製 033 1.6.1 圖像屬性 034 1.6.2 基本圖形繪製 036 1.6.3 顏色空間轉換 038 1.7 電腦交互 038 1.7.1 滑鼠和鍵盤 040 1.7.2 滑動條 041 1.8 小結 042 第2章圖像預處理 043 2.1 圖像格式和通道 043 2.1.1 圖像格式 043 2.1.2 通道分離與合併 047 2.2 點運算 047 2.2.1 圖元點操作和卷積 052 2.2.2 圖像反轉 054 2.2.3 對數變換 055 2.2.4 冪律變換 057 2.2.5 線性變換 058 2.2.6 全域線性變換 061 2.2.7 圖像灰度化 063 2.3 長條圖處理 064 2.3.1 標準長條圖 067 2.3.2 長條圖均衡化 068 2.3.3 長條圖匹配 072 2.3.4 局部長條圖處理 075 2.4 圖像去噪 075 2.4.1 均值濾波 077 2.4.2 高斯濾波 080 2.4.3 中值濾波 081 2.4.4 雙邊濾波 083 2.4.5 小波濾波 088 2.5 小結 089 第3章圖像分割和數學形態學 090 3.1 圖像分割 090 3.1.1 灰度閾值演算法 095 3.1.2 OTSU閾值演算法 099 3.1.3 區域生長演算法 105 3.1.4 分水嶺演算法 108 3.1.5 反覆運算式閾值分割 110 3.1.6 Grab Cut圖像切割演算法 113 3.2 數學形態學 113 3.2.1 膨脹和腐蝕 116 3.2.2 開運算與閉運算 117 3.2.3 形態學梯度 118 3.2.4 頂帽 120 3.2.5 黑帽 121 3.2.6 綜合運用——細線和噪點去除 122 3.3 圖像金字塔 122 3.3.1 高斯金字塔 123 3.3.2 拉普拉斯金字塔 127 3.3.3 高斯不同 129 3.4 小結 130 第4章特徵提取與匹配 131 4.1 邊緣檢測 131 4.1.1 梯度法 131 4.1.2 索貝爾運算元 134 4.1.3 拉普拉斯運算元 136 4.1.4 坎尼運算元 138 4.1.5 普魯伊特運算元 139 4.1.6 羅伯茨運算元 140 4.2 顏色特徵 140 4.2.1 灰度長條圖 143 4.2.2 聚類 145 4.3 關鍵點特徵 146 4.3.1 SURF演算法 148 4.3.2 SIFT演算法 150 4.3.3 ORB演算法 153 4.3.4 LBP演算法 154 4.3.5 Gabor演算法 156 4.4 特徵描述與匹配 156 4.4.1 SIFT特徵描述子 158 4.4.2 ORB特徵描述子 160 4.5 形狀提取 161 4.5.1 標準霍夫變換 163 4.5.2 累計概率霍夫變換 165 4.5.3 霍夫圓變換 167 4.6 小結 168 第5章範本匹配與輪廓繪製 169 5.1 範本匹配 172 5.2 輪廓繪製 178 5.3 小結 179 第6章視頻錄製與目標追蹤 180 6.1 簡單視頻錄製 187 6.2 視頻目標追蹤 187 6.2.1 BS演算法 190 6.2.2 Meanshift演算法與Camshift演算法 191 6.2.3 示例程式 196 6.3 小結 197 第7章三維重建 198 7.1 超解析度重建 198 7.1.1 常見的超解析度重建技術 206 7.1.2 光流法簡介 211 7.1.3 視頻重建的原理和過程 215 7.2 三維重建的具體操作 215 7.2.1 calib3d模組簡介 215 7.2.2 黑白棋盤重構 217 7.2.3 單目相機標定 222 7.3 小結 223 第8章距離測量與角點檢測 224 8.1 距離測量 225 8.1.1 單目測距 227 8.1.2 雙目測距 228 8.2 角點檢測 228 8.2.1 Harris角點檢測 230 8.2.2 Shi-Tomasi角點檢測 231 8.2.3 亞圖元級角點檢測 233 8.3 小結 234 第9章圖像識別應用 235 9.1 文字識別 235 9.1.1 OCR簡介 235 9.1.2 OCR操作基礎 237 9.1.3 示例程式 239 9.2 二維碼識別 240 9.2.1 二維碼程式設計原理 241 9.2.2 二維碼識別原理 241 9.2.3 示例程式 242 9.3 人臉識別 243 9.3.1 人臉識別Haar特徵 244 9.3.2 Cascade分類器 246 9.3.3 Eigen Faces人臉識別演算法 248 9.3.4 示例程式 255 9.4 車牌識別 255 9.4.1 灰度二值化處理 255 9.4.2 車牌定位 256 9.4.3 字元識別 257 9.4.4 示例程式 266 9.5 小結 267 第10章基於深度學習的圖像應用 268 10.1 深度學習基本原理 268 10.1.1 神經網路 269 10.1.2 卷積神經網路 270 10.1.3 迴圈神經網路 271 10.2 深度神經網路模組 271 10.2.1 主流框架模型簡介 272 10.2.2 模型操作 272 10.2.3 硬體加速 273 10.3 人體姿態識別 273 10.3.1 原理簡介 274 10.3.2 人體姿態識別示例程式 277 10.4 YOLO物體識別 277 10.4.1 原理簡介 279 10.4.2 YOLO演算法示例程式 283 10.5 圖片分類 286 10.6 小結 287 附錄1 OpenCV程式設計常見問題 290 附錄2 OpenCV 4.4源碼及opencv_contrib模組編譯 300 附錄3 基於Caffe框架的神經網路訓練過程