第1章 OPENCV入门 11．1 如何使用 11．2 图像处理基本操作 31．2．1 读取图像 31．2．2 显示图像 51．2．3 保存图像 91．3 OpenCV贡献库 10第2章 图像处理基础 112．1 图像的基本表示方法 112．2 像素处理 152．3 使用numpy．array访问像素 232．4 感兴趣区域（ROI） 292．5 通道操作 322．5．1 通道拆分 322．5．2 通道合并 342．6 获取图像属性 36第3章 图像运算 373．1 图像加法运算 373．1．1 加号运算符 373．1．2 cv2．add()函数 383．2 图像加权和 403．3 按位逻辑运算 433．3．1 按位与运算 433．3．2 按位或运算 463．3．3 按位非运算 473．3．4 按位异或运算 483．4 掩模 493．5 图像与数值的运算 523．6 位平面分解 533．7 图像加密和解密 593．8 数字水印 633．8．1 原理 643．8．2 实现方法 663．8．3 例题 733．9 脸部打码及解码 74第4章 色彩空间类型转换 774．1 色彩空间基础 774．1．1 GRAY色彩空间 774．1．2 XYZ色彩空间 784．1．3 YCrCb色彩空间 784．1．4 HSV色彩空间 794．1．5 HLS色彩空间 804．1．6 CIEL*a*b*色彩空间 804．1．7 CIEL*u*v*色彩空间 814．1．8 Bayer色彩空间 824．2 类型转换函数 824．3 类型转换实例 884．3．1 通过数组观察转换效果 884．3．2 图像处理实例 924．4 HSV色彩空间讨论 934．4．1 基础知识 934．4．2 获取指定颜色 954．4．3 标记指定颜色 964．4．4 标记肤色 1004．4．5 实现艺术效果 1014．5 alpha通道 102第5章 几何变换 1065．1 缩放 1065．2 翻转 1105．3 仿射 1115．3．1 平移 1125．3．2 旋转 1135．3．3 更复杂的仿射变换 1145．4 透视 1155．5 重映射 1175．5．1 映射参数的理解 1175．5．2 复制 1195．5．3 绕x轴翻转 1215．5．4 绕y轴翻转 1225．5．5 绕x轴、y轴翻转 1245．5．6 x轴、y轴互换 1265．5．7 图像缩放 128第6章 阈值处理 1306．1 threshold函数 1306．1．1 二值化阈值处理（cv2．THRESH_BINARY） 1316．1．2 反二值化阈值处理（cv2．THRESH_BINARY_INV） 1336．1．3 截断阈值化处理（cv2．THRESH_TRUNC） 1356．1．4 超阈值零处理（cv2．THRESH_TOZERO_INV） 1366．1．5 低阈值零处理（cv2．THRESH_TOZERO） 1386．2 自适应阈值处理 1396．3 Otsu处理 141第7章 图像平滑处理 1447．1 均值滤波 1467．1．1 基本原理 1467．1．2 函数语法 1507．1．3 程序示例 1507．2 方框滤波 1527．2．1 基本原理 1527．2．2 函数语法 1537．2．3 程序示例 1547．3 高斯滤波 1567．3．1 基本原理 1567．3．2 函数语法 1587．3．3 程序示例 1597．4 中值滤波 1597．4．1 基本原理 1607．4．2 函数语法 1617．4．3 程序示例 1617．5 双边滤波 1627．5．1 基本原理 1627．5．2 函数语法 1647．5．3 程序示例 1647．6 2D卷积 166第8章 形态学操作 1688．1 腐蚀 1688．2 膨胀 1738．3 通用形态学函数 1788．4 开运算 1798．5 闭运算 1808．6 形态学梯度运算 1828．7 礼帽运算 1838．8 黑帽运算 1858．9 核函数 186第9章 图像梯度 1899．1 Sobel理论基础 1899．2 Sobel算子及函数使用 1919．2．1 参数ddepth 1929．2．2 方向 1959．2．3 实例 1969．3 Scharr算子及函数使用 2009．4 Sobel算子和Scharr算子的比较 2049．5 Laplacian算子及函数使用 2069．6 算子总结 208第10章 CANNY边缘检测 20910．1 Canny边缘检测基础 20910．2 Canny函数及使用 213第11章 图像金字塔 21511．1 理论基础 21511．2 pyrDown函数及使用 21711．3 pyrUp函数及使用 21911．4 采样可逆性的研究 22011．5 拉普拉斯金字塔 22311．5．1 定义 22311．5．2 应用 225第12章 图像轮廓 22912．1 查找并绘制轮廓 22912．1．1 查找图像轮廓：findContours函数 22912．1．2 绘制图像轮廓：drawContours函数 23712．1．3 轮廓实例 23812．2 矩特征 24012．2．1 矩的计算：moments函数 24112．2．2 计算轮廓的面积：contourArea函数 24312．2．3 计算轮廓的长度：arcLength函数 24612．3 Hu矩 24812．3．1 Hu矩函数 24812．3．2 形状匹配 25212．4 轮廓拟合 25412．4．1 矩形包围框 25412．4．2 最小包围矩形框 25712．4．3 最小包围圆形 25912．4．4 最优拟合椭圆 26012．4．5 最优拟合直线 26112．4．6 最小外包三角形 26212．4．7 逼近多边形 26312．5 凸包 26612．5．1 获取凸包 26712．5．2 凸缺陷 26812．5．3 几何学测试 27012．6 利用形状场景算法比较轮廓 27512．6．1 计算形状场景距离 27512．6．2 计算Hausdorff距离 27812．7 轮廓的特征值 28012．7．1 宽高比 28012．7．2 Extent 28112．7．3 Solidity 28212．7．4 等效直径（Equivalent Diameter） 28312．7．5 方向 28412．7．6 掩模和像素点 28612．7．7 最大值和最小值及它们的位置 29112．7．8 平均颜色及平均灰度 29312．7．9 极点 294第13章 直方图处理 29713．1 直方图的含义 29713．2 绘制直方图 30113．2．1 使用Numpy绘制直方图 30113．2．2 使用OpenCV绘制直方图 30213．2．3 使用掩模绘制直方图 30713．3 直方图均衡化 31213．3．1 直方图均衡化原理 31313．3．2 直方图均衡化处理 31713．4 pyplot模块介绍 31913．4．1 subplot函数 31913．4．2 imshow函数 320第14章 傅里叶变换 32414．1 理论基础 32414．2 Numpy实现傅里叶变换 32814．2．1 实现傅里叶变换 32914．2．2 实现逆傅里叶变换 33014．2．3 高通滤波示例 33114．3 OpenCV实现傅里叶变换 33314．3．1 实现傅里叶变换 33314．3．2 实现逆傅里叶变换 33514．3．3 低通滤波示例 336第15章 模板匹配 33915．1 模板匹配基础 33915．2 多模板匹配 345第16章 霍夫变换 35116．1 霍夫直线变换 35116．1．1 霍夫变换原理 35116．1．2 HoughLines函数 35716．1．3 HoughLinesP函数 35916．2 霍夫圆环变换 361第17章 图像分割与提取 36417．1 用分水岭算法实现图像分割与提取 36417．1．1 算法原理 36417．1．2 相关函数介绍 36617．1．3 分水岭算法图像分割实例 37517．2 交互式前景提取 376第18章 视频处理 38318．1 VideoCapture类 38318．1．1 类函数介绍 38318．1．2 捕获摄像头视频 38718．1．3 播放视频文件 38818．2 VideoWriter类 38918．2．1 类函数介绍 38918．2．2 保存视频 39118．3 视频操作基础 392第19章 绘图及交互 39319．1 绘画基础 39319．1．1 绘制直线 39419．1．2 绘制矩形 39419．1．3 绘制圆形 39519．1．4 绘制椭圆 39719．1．5 绘制多边形 39819．1．6 在图形上绘制文字 40019．2 鼠标交互 40219．2．1 简单示例 40419．2．2 进阶示例 40519．3 滚动条 40719．3．1 用滚动条实现调色板 40819．3．2 用滚动条控制阈值处理参数 40919．3．3 用滚动条作为开关 410第20章 K近邻算法 41220．1 理论基础 41220．2 计算 41520．2．1 归一化 41520．2．2 距离计算 41620．2 手写数字识别的原理 41720．3 自定义函数手写数字识别 42120．4 K近邻模块的基本使用 42720．5 K近邻手写数字识别 429第21章 支持向量机 43121．1 理论基础 43121．2 SVM案例介绍 434第22章 K均值聚类 43922．1 理论基础 43922．1．1 分豆子 43922．1．2 K均值聚类的基本步骤 44122．2 K均值聚类模块 44122．3 简单示例 442第23章 人脸识别 44823．1 人脸检测 44823．1．1 基本原理 44823．1．2 级联分类器的使用 45123．1．3 函数介绍 45223．1．4 案例介绍 45323．2 LBPH人脸识别 45423．2．1 基本原理 45423．2．2 函数介绍 45623．2．3 案例介绍 45723．3 EigenFaces人脸识别 45823．3．1 基本原理 45823．3．2 函数介绍 45923．3．3 案例介绍 46023．4 Fisherfaces人脸识别 46123．4．1 基本原理 46123．4．2 函数介绍 46323．4．3 案例介绍 46423．5 人脸数据库 465参与文献 467附录A 范例 470

精彩书评

本书采用Python语言，以案例的形式介绍了OpenCV中的常用算法及其使用方法。Python是一种高效的开发语言，使用Python调用OpenCV中的算法，可以快速地实现计算机视觉应用。
——于仕琪 OpenCV开源库在国内的早期推广者，“OpenCV系列”图书译者、作者，OpenCV中文站站长
本书以通俗的语言，结合贴近生活的实例，形象地介绍了面向Python的OpenCV中各个函数的基本原理和使用方法。希望这本书能够为大家带来有益的启发，帮助大家更好、更快、更全面地掌握面向Python的OpenCV，在计算机视觉领域有所作为。
——高铁杠 南开大学教授、博士生导师
Python是一门跨平台、开源、免费的解释型高级动态编译语言，它使得各领域的工程师、科研人员、策划人员甚至管理人员能够快速实现和验证自己的思路、创意甚至推测。在有些语言中需要编写大量代码才能实现的功能，在Python中直接调用内置函数或者标准库方法即可实现，大幅简化了代码的编写和维护。开发者仅需要把主要精力放在业务逻辑的设计和实现上，Python会自动在开发速度和运行效率之间做出平衡，其精妙之处令人击节赞叹。
——董付国 《Python程序设计》一书作者
计算机视觉是一个崭新而又充满希望的研究领域，而OpenCV是辅助计算机视觉的出色开源工具。OpenCV库旨在提供易于使用的计算机视觉接口，它包含各个领域的500多个函数，能够帮助人们方便、快速、高效地构建视觉应用。不仅如此，它还提供了一个完备的、具有通用性的机器学习模块。可想而知，将Python和OpenCV结合，将产生巨大的威力。
本书比较系统地介绍了面向Python的OpenCV视觉库的使用，内容通俗易懂、生动有趣，案例丰富，实用性强。相信通过学习这本书，大家能够在计算机视觉领域快速入门，熟练地使用面向Python的OpenCV解决实际问题。
——毕磊 腾讯科技高级工程师
有幸提前翻阅了这本书的内容，和李老师的课程一样，循序渐进，深入浅出，非常适合我这样的初学者。感谢老师开发了如此通俗易懂的OpenCV课程，让OpenCV的学习变得非常轻松。
——LittleKEY 在线视频课程学员