OpenCV計算機視覺開發(fā)實踐：基于Qt C++

第1章  數(shù)字圖像視覺概述 1
1.1  圖像的基本概念 1
1.1.1  圖像和圖形 1
1.1.2  什么是數(shù)字圖像 1
1.1.3  數(shù)字圖像的特點 2
1.1.4  圖像單位（像素） 2
1.1.5  圖像分辨率 3
1.1.6  屏幕分辨率 3
1.1.7  圖像的灰度 4
1.1.8  灰度級 4
1.1.9  圖像深度 4
1.1.10  二值圖像 5
1.1.11  灰度圖 5
1.1.12  彩色圖像 5
1.1.13  通道 6
1.1.14  圖像存儲 6
1.2  圖像噪聲 6
1.2.1  圖像噪聲的定義 6
1.2.2  圖像噪聲的來源 7
1.2.3  圖像噪聲的濾除 7
1.3  圖像處理 8
1.3.1  圖像處理的分類 8
1.3.2  數(shù)字圖像處理 9
1.3.3  數(shù)字圖像處理常用的方法 9
1.3.4  圖像處理的應用 12
1.4  圖像信號處理層次 12
1.5  計算機視覺 13
1.5.1  計算機視覺的概念 13
1.5.2  計算機視覺系統(tǒng)的構(gòu)成和分類 14
1.5.3  機器視覺的優(yōu)勢 14
1.5.4  機器視覺系統(tǒng)的應用 14
1.5.5  計算機視覺與相關(guān)學科的關(guān)系 15
1.6  OpenCV概述 15
1.7  Qt簡介 17
第2章  搭建OpenCV開發(fā)環(huán)境 19
2.1  Windows下搭建OpenCV開發(fā)環(huán)境 19
2.1.1  下載和安裝Qt 19
2.1.2  下載和解壓OpenCV 26
2.1.3  了解構(gòu)建工具 27
2.1.4  下載和安裝CMake 28
2.1.5  生成Makefile文件 30
2.1.6  開始編譯OpenCV 33
2.1.7  Qt開發(fā)的第一個OpenCV程序 34
2.2  Linux下搭建OpenCV開發(fā)環(huán)境 38
2.2.1  準備編譯OpenCV所需依賴 39
2.2.2  編譯OpenCV源碼 40
2.2.3  Linux下的第一個OpenCV程序 43
2.2.4  下載Qt 46
2.2.5  安裝依賴包 46
2.2.6  安裝Qt 47
2.2.7  Linux下用Qt開發(fā)OpenCV 51
2.2.8  做個快照 54
2.3  數(shù)學函數(shù) 55
2.4  OpenCV架構(gòu) 56
2.5  圖像輸入輸出模塊imgcodecs 57
2.5.1  imread讀取圖像文件 58
2.5.2  imwrite保存圖片 60
2.6  OpenCV界面編程 62
2.6.1  新建窗口并顯示 62
2.6.2  單窗口顯示多幅圖像 64
2.6.3  銷毀窗口 66
2.6.4  調(diào)整窗口大小 68
2.6.5  鼠標事件 69
2.6.6  鍵盤事件 71
2.6.7  滑動條事件 73
第3章  核心模塊Core 76
3.1  矩陣操作 76
3.1.1  矩陣類Mat 76
3.1.2  構(gòu)造法 78
3.1.3  直接賦值法 82
3.1.4  數(shù)組法 82
3.1.5  create函數(shù)法 83
3.1.6  定義特殊矩陣 83
3.1.7  得到矩陣的行數(shù)、列數(shù)和維數(shù) 84
3.1.8  矩陣的數(shù)據(jù)指針及其打印 85
3.1.9  創(chuàng)建新的矩陣頭 86
3.1.10  得到矩陣通道數(shù) 88
3.1.11  復制矩陣 88
3.1.12  判斷矩陣是否有元素 93
3.1.13  矩陣的5種遍歷方式 93
3.1.14  設(shè)置矩陣新值 100
3.1.15  得到矩陣的元素總個數(shù) 100
3.1.16  矩形類Rect 100
3.2  數(shù)組的操作 101
3.3  讀寫XML和YAML文件 105
3.3.1  YAML文件簡介 105
3.3.2  寫入和讀取YAMLXML文件的基本步驟 106
3.3.3  XML、YAML文件的打開 106
3.3.4  文本和數(shù)字的輸入和輸出 106
3.3.5  OpenCV數(shù)據(jù)結(jié)構(gòu)的輸入和輸出 106
3.3.6  vector（arrays）和maps的輸入和輸出 107
3.3.7  文件關(guān)閉 107
第4章  圖像處理模塊基礎(chǔ) 113
4.1  顏色變換cvtColor 113
4.2  畫基本圖形 115
4.2.1  點的表示 115
4.2.2  畫矩形 116
4.2.3  畫圓 117
4.2.4  畫橢圓 119
4.2.5  畫線段 122
4.2.6  填充多邊形 122
4.3  像素存放類Scalar 124
4.4  使用隨機數(shù) 126
4.4.1  產(chǎn)生一個隨機數(shù) 128
4.4.2  返回下一個隨機數(shù) 130
4.4.3  用隨機數(shù)填充矩陣 131
4.5  文字繪制 132
4.6  為圖像添加邊框 139
4.7  在圖像中查找輪廓 142
第5章  灰度變換和直方圖修正 149
5.1  點運算 149
5.1.1  基本概念 149
5.1.2  點運算的目標 150
5.1.3  點運算的分類 150
5.1.4  點運算的特點 150
5.1.5  點運算的應用 150
5.2  灰度變換 151
5.2.1  灰度變換概述 151
5.2.2  灰度變換的作用 152
5.2.3  灰度變換的方法 152
5.2.4  灰度化 152
5.2.5  對比度 155
5.2.6  灰度的線性變換 155
5.2.7  分段線性灰度變換 160
5.2.8  對數(shù)變換和反對數(shù)變換 165
5.2.9  冪律變換 170
5.3  直方圖修正 172
5.3.1  直方圖的概念 172
5.3.2  OpenCV實現(xiàn)灰度直方圖 173
5.3.3  直方圖均衡化 175
第6章  圖像平滑 181
6.1  平滑處理算法 181
6.2  線性濾波 183
6.2.1  歸一化方框濾波器 183
6.2.2  高斯濾波器 185
6.3  非線性濾波 188
6.3.1  中值濾波 188
6.3.2  雙邊濾波 189
第7章  幾何變換 193
7.1  幾何變換基礎(chǔ) 193
7.2  圖像平移 196
7.3  圖像旋轉(zhuǎn) 198
7.4  仿射變換 204
7.5  圖像縮放 207
7.5.1  縮放原理 207
7.5.2  OpenCV中的縮放 209
第8章  圖像邊緣檢測 211
8.1  圖像邊緣檢測概述 211
8.2  邊緣檢測研究的歷史現(xiàn)狀 213
8.3  邊緣定義及類型分析 214
8.4  梯度的概念 216
8.5  圖像邊緣檢測的應用 216
8.6  目前邊緣檢測存在的問題 217
8.7  邊緣檢測的基本思想 218
8.8  圖像邊緣檢測的步驟 219
8.9  經(jīng)典圖像邊緣檢測算法 220
8.9.1  差分邊緣檢測 221
8.9.2  Roberts算子 223
8.9.3  Sobel算子邊緣檢測 225
8.9.4  Prewitt算子邊緣檢測 227
8.9.5  LoG邊緣檢測算子 230
8.9.6  邊緣檢測的新技術(shù)與方法 235
第9章  圖像分割 238
9.1  圖像分割概述 238
9.2  圖像分割的應用 240
9.3  圖像分割的數(shù)學定義 240
9.4  圖像分割方法的分類 241
9.4.1  基于閾值化的分割方法 242
9.4.2  基于邊緣的分割方法 243
9.4.3  基于區(qū)域的分割方法 243
9.4.4  基于神經(jīng)網(wǎng)絡(luò)的分割方法 245
9.4.5  基于聚類的分割方法 246
9.5  使用OpenCV進行圖像分割 246
9.5.1  閾值分割 246
9.5.2  固定閾值分割 247
9.5.3  自適應閾值分割 250
9.6  彩色圖像分割 256
9.7  grabCut算法分割圖像 259
9.7.1  基本概念 259
9.7.2  grabCut函數(shù) 260
9.8  floodFill（漫水填充）分割 263
9.8.1  基本概念 263
9.8.2  floodFill函數(shù) 264
9.9  分水嶺分割法 270
9.9.1  基本概念 270
9.9.2  wathershed函數(shù) 271
第10章  圖像金字塔 279
10.1  圖像金字塔概述 279
10.2  高斯金字塔 280
10.2.1  向下采樣 281
10.2.2  向上采樣 284
10.3  拉普拉斯金字塔 286
第11章  圖像形態(tài)學 288
11.1  圖像形態(tài)學概述 288
11.2  形態(tài)學的應用 288
11.2.1  數(shù)學上的形態(tài)學 289
11.2.2  格 289
11.2.3  拓撲學 289
11.2.4  數(shù)學形態(tài)學的組成 290
11.2.5  數(shù)學形態(tài)學的應用 290
11.2.6  操作分類 291
11.3  結(jié)構(gòu)元素 291
11.4  膨脹 291
11.5  腐蝕 292
11.6  開運算 294
11.7  閉運算 295
11.8  實現(xiàn)腐蝕和膨脹 296
11.9  開閉運算和頂帽黑帽 299
11.10  擊中擊不中 302
11.11  利用形態(tài)學運算提取水平線和垂直線 305
第12章  視頻處理 311
12.1  OpenCV視頻處理架構(gòu) 311
12.2  類VideoCapture 312
12.3  構(gòu)造VideoCapture對象 312
12.4  判斷視頻是否打開成功 313
12.5  讀取視頻幀 314
12.6  播放視頻文件 314
12.7  獲取和設(shè)置視頻屬性 316
12.8  播放攝像頭視頻 319
12.9  錄制視頻類VideoWriter 321
12.9.1  構(gòu)造VideoWriter對象 321
12.9.2  初始化或重新初始化 322
12.9.3  連接一個fourcc代碼 322
12.10  實現(xiàn)一個視頻播放器 324
第13章  機器學習 330
13.1  機器學習概述 330
13.2  機器學習發(fā)展歷程 331
13.3  機器學習研究現(xiàn)狀 332
13.3.1  傳統(tǒng)機器學習的研究現(xiàn)狀 333
13.3.2  大數(shù)據(jù)環(huán)境下機器學習的研究現(xiàn)狀 334
13.4  機器學習的分類 334
13.4.1  基于學習策略的分類 335
13.4.2  基于學習方法的分類 335
13.4.3  基于學習方式的分類 336
13.4.4  基于數(shù)據(jù)形式的分類 336
13.4.5  基于學習目標的分類 336
13.5  機器學習常見算法 336
13.6  機器學習的研究內(nèi)容 338
13.7  機器學習的應用 339
13.8  OpenCV中的機器學習 340
13.8.1  支持向量機 341
13.8.2  貝葉斯分類器 345
第14章  數(shù)字水印 348
14.1  數(shù)字水印概述 348
14.1.1  數(shù)字水印的特點 349
14.1.2  圖像數(shù)字水印 349
14.1.3  數(shù)字水印原理 349
14.1.4  嵌入過程 350
14.1.5  提取過程 350
14.2  相關(guān)函數(shù) 351
14.3  代碼實現(xiàn)數(shù)字水印 354
第15章  圖像加密和解密 357
15.1  圖像加密和解密原理 357
15.2  相關(guān)函數(shù) 358
15.3  代碼實現(xiàn)圖像加解密 359
第16章  物體計數(shù) 361
16.1  物體計數(shù)基本原理 361
16.2  在圖像上繪制文字 361
16.3  代碼實現(xiàn)藥片計數(shù) 364
第17章  圖像輪廓 367
17.1  圖像輪廓概述 367
17.2  應用場景 368
17.3  OpenCV中的輪廓函數(shù) 368
17.3.1  查找輪廓findContours 368
17.3.2  輪廓的基本屬性 369
17.3.3  繪制輪廓drawContours 370
17.3.4  求輪廓面積contourArea 370
17.4  實戰(zhàn)輪廓函數(shù) 371
17.5  實戰(zhàn)黑白翻轉(zhuǎn) 373
第18章  手勢識別 375
18.1  手勢識別概述 375
18.2  凸包和凸包檢測 375
18.2.1  查找凸包的示例 378
18.2.2  凸缺陷及其意義 381
18.3  手勢識別原理 387
18.4  區(qū)分手勢0和1 390
18.5  區(qū)分手勢2到5 392
第19章  停車場車牌識別系統(tǒng) 397
19.1  車牌識別技術(shù)概述 397
19.2  車牌識別技術(shù)的宏觀分析 398
19.2.1  國外技術(shù)分析 398
19.2.2  國內(nèi)技術(shù)分析 400
19.2.3  車牌識別技術(shù)的難點 401
19.2.4  車牌識別系統(tǒng)的開發(fā)思路 401
19.3  車牌定位技術(shù) 402
19.3.1  車牌特征概述 402
19.3.2  車牌定位方法 403
19.3.3  車牌圖像預處理 407
19.3.4  車牌圖像的灰度化 407
19.3.5  車牌圖像的直方圖均衡化 408
19.3.6  車牌圖像的濾波 410
19.3.7  車牌圖像的二值化 411
19.3.8  車牌圖像的邊緣檢測 411
19.3.9  車牌圖像的灰度映射 412
19.3.10  車牌圖像的改進型投影法定位 412
19.4  車牌字符分割技術(shù) 414
19.4.1  常用車牌字符分割算法 414
19.4.2  車牌傾斜問題 416
19.4.3  車牌傾斜度檢測方法 416
19.4.4  車牌傾斜度校正方法 417
19.4.5  車牌邊框和鉚釘?shù)娜コ?417
19.4.6  車牌字符分割 417
19.4.7  基于垂直投影和先驗知識的車牌字符分割 418
19.4.8  粘連車牌字符的分割 419
19.4.9  斷裂車牌字符的合并 420
19.4.10  對車牌字符的切分結(jié)果進行確認 420
19.5  車牌字符識別技術(shù) 421
19.5.1  模式識別 421
19.5.2  字符識別 422
19.5.3  漢字識別 424
19.6  系統(tǒng)設(shè)計 424
19.7  系統(tǒng)拓撲結(jié)構(gòu) 426
19.8  停車場端的詳細設(shè)計 426
19.9  辦公室端的詳細設(shè)計 433
19.9.1  創(chuàng)建項目 433
19.9.2  設(shè)計界面 433
19.9.3  實現(xiàn)構(gòu)造函數(shù) 434
19.9.4  文件信息類MyFileInfo 435
19.9.5  實現(xiàn)連接服務(wù)器函數(shù) 436
19.9.6  關(guān)聯(lián)按鈕槽函數(shù) 437
19.9.7  實現(xiàn)文件下載功能 437
19.9.8  接收文件信息 438
19.9.9  接收文件數(shù)據(jù) 440
19.9.10  圖像處理相關(guān)的成員變量 441
19.9.11  實現(xiàn)打開文件 441
19.9.12  實現(xiàn)圖像二值化 442
19.9.13  實現(xiàn)定位車牌 444
19.9.14  實現(xiàn)分割字符 447
19.9.15  實現(xiàn)識別結(jié)果 452
19.9.16  運行程序 455