OpenCV算法精解：基於Python與C++

1OpenCV入門
1.1初識OpenCV
1.1.1OpenCV的模塊簡介
1.1.2OpenCV 2.4.13與3.2版本的區別
1.2部署OpenCV
1.2.1在Visual Studio 2015中配置OpenCV
1.2.2OpenCV 2.X C++API的第一個示例
1.2.3OpenCV 3.X C++API的第一個示例
1.2.4在Anaconda2中配置OpenCV
1.2.5OpenCV 2.X Python API的第一個示例
1.2.6OpenCV 3.X Python API的第一個示例

2圖像數字化
2.1認識Numpy中的ndarray
2.1.1構造ndarray對象
2.1.2訪問ndarray中的值
2.2認識OpenCV中的Mat類
2.2.1初識Mat
2.2.2構造單通道Mat對象
2.2.3獲得單通道Mat的基本信息
2.2.4訪問單通道Mat對象中的值
2.2.5向量類Vec
2.2.6構造多通道Mat對象
2.2.7訪問多通道Mat對象中的值
2.2.8獲得Mat中某一區域的值
2.3矩陣的運算
2.3.1加法運算
2.3.2減法運算
2.3.3點乘運算
2.3.4點除運算
2.3.5乘法運算
2.3.6其他運算
2.4灰度圖像數字化
2.4.1概述
2.4.2將灰度圖像轉換為Mat
2.4.3將灰度圖轉換為ndarray
2.5彩色圖像數字化
2.5.1將RGB彩色圖像轉換為多通道Mat
2.5.2將RGB彩色圖轉換為三維的ndarray
2.6參考文獻

3幾何變換
3.1仿射變換
3.1.1平移
3.1.2放大和縮小
3.1.3旋轉
3.1.4計算仿射矩陣
3.1.5插值算法
3.1.6Python實現
3.1.7C++實現
3.1.8旋轉函數rotate（OpenCV 3.X新特性）
3.2投影變換
3.2.1原理詳解
3.2.2Python實現
3.2.3C++實現
3.3極坐標變換
3.3.1原理詳解
3.3.2Python實現
3.3.3C++實現
3.3.4線性極坐標函數linearPolar（OpenCV 3.X新特性）
3.3.5對數極坐標函數logPolar（OpenCV 3.X新特性）
3.4參考文獻

4對比度增強
4.1灰度直方圖
4.1.1什麼是灰度直方圖
4.1.2Python及C++實現
4.2線性變換
4.2.1原理詳解
4.2.2Python實現
4.2.3C++實現
4.3直方圖正規化
4.3.1原理詳解
4.3.2Python實現
4.3.3C++實現
4.3.4正規化函數normalize
4.4伽馬變換
4.4.1原理詳解
4.4.2Python實現
4.4.3C++實現
4.5全局直方圖均衡化
4.5.1原理詳解
4.5.2Python實現
4.5.3C++實現
4.6限制對比度的自適應直方圖均衡化
4.6.1原理詳解
4.6.2代碼實現
4.7參考文獻

5圖像平滑
5.1二維離散卷積
5.1.1卷積定義及矩陣形式
5.1.2可分離卷積核
5.1.3離散卷積的性質
5.2高斯平滑
5.2.1高斯卷積核的構建及分離性
5.2.2高斯卷積核的二項式近似
5.2.3Python實現
5.2.4C++實現
5.3均值平滑
5.3.1均值卷積核的構建及分離性
5.3.2快速均值平滑
5.3.3Python實現
5.3.4C++實現
5.4中值平滑
5.4.1原理詳解
5.4.2Python實現
5.4.3C++實現
5.5雙邊濾波
5.5.1原理詳解
5.5.2Python實現
5.5.3C++實現
5.6聯合雙邊濾波
5.6.1原理詳解
5.6.2Python實現
5.6.3C++實現
5.7導向濾波
5.7.1原理詳解
5.7.2Python實現
5.7.3快速導向濾波
5.7.4C++實現
5.8參考文獻

6閾值分割
6.1方法概述
6.1.1全局閾值分割
6.1.2閾值函數threshold（OpenCV 3.X新特性）
6.1.3局部閾值分割
6.2直方圖技術法
6.2.1原理詳解
6.2.2Python實現
6.2.3C++實現
6.3熵算法
6.3.1原理詳解
6.3.2代碼實現
6.4Otsu閾值處理
6.4.1原理詳解
6.4.2Python實現
6.4.3C++實現
6.5自適應閾值
6.5.1原理詳解
6.5.2Python實現
6.5.3C++實現
6.6二值圖的邏輯運算
6.6.1「與」和「或」運算
6.6.2Python實現
6.6.3C++實現
6.7參考文獻
……
7形態學處理
8邊緣檢測
9幾何形狀的檢測和擬合
10傅里葉變換
11頻率域濾波
12色彩空間