本书主要介绍数字图像处理基础知识与基于OpenCV和C 的图像编程技术的相关内容，旨在帮助读者尽快掌握数字图像理论知识和编程技术。 本书第1章主要介绍OpenCV基础；第2章主要介绍图像预处理；第3章主要介绍图像分割和数学形态学；第4章主要介绍特征提取与匹配；第5章主要介绍模板匹配与轮廓绘制；第6章主要介绍视频录制与目标追踪；第7章主要介绍三维重建；第8章主要介绍距离测量与角点检测；第9章主要介绍图像识别应用，涉及文字识别、二维码识别、人脸识别和车牌识别等内容；第10章主要介绍基于深度学习的图像应用。 书中通过近百个编程实例和项目，帮助读者掌握数字图像处理原理，并进一步掌握数字图像的编程技术。 本书不仅适合各类院校相关专业的学生使用，也适合对数字图像编程感兴趣，已有一定的C 编程基础，但没有数字图像基础理论知识的读者阅读。

001 第 1章 OpenCV基础 002 1.1 OpenCV简介 002 1.2 OpenCV 编程环境搭建 002 1.2.1 Visual Studio 2019安装 004 1.2.2 Qt 安装 006 1.2.3 OpenCV Release版本安装 006 1.2.4 VS 2019中OpenCV 4.4环境的配置 010 1.2.5 Qt 5.9.9中OpenCV 4.4环境的搭建 016 1.3 Mat图像存储容器 016 1.3.1 Mat容器简介 018 1.3.2 存储方法 019 1.3.3 创建Mat对象 024 1.4 图像读取与保存 024 1.4.1 图像读取 027 1.4.2 图���保存 029 1.5 视频读取与输出 029 1.5.1 视频读取 031 1.5.2 视频输出 033 1.6 图像属性与基本图形绘制 033 1.6.1 图像属性 034 1.6.2 基本图形绘制 036 1.6.3 颜色空间转换 038 1.7 计算机交互 038 1.7.1 鼠标和键盘 040 1.7.2 滑动条 041 1.8 小结 042 第 2章 图像预处理 043 2.1 图像格式和通道 043 2.1.1 图像格式 043 2.1.2 通道分离与合并 047 2.2 点运算 047 2.2.1 像素点操作和卷积 052 2.2.2 图像反转 054 2.2.3 对数变换 055 2.2.4 幂律变换 057 2.2.5 线性变换 058 2.2.6 全域线性变换 061 2.2.7 图像灰度化 063 2.3 直方图处理 064 2.3.1 标准直方图 067 2.3.2 直方图均衡化 068 2.3.3 直方图匹配 072 2.3.4 局部直方图处理 075 2.4 图像去噪 075 2.4.1 均值滤波 077 2.4.2 高斯滤波 080 2.4.3 中值滤波 081 2.4.4 双边滤波 083 2.4.5 小波滤波 088 2.5 小结 089 第3章 图像分割和数学形态学 090 3.1 图像分割 090 3.1.1 灰度阈值算法 095 3.1.2 OTSU阈值算法 099 3.1.3 区域生长算法 105 3.1.4 分水岭算法 108 3.1.5 迭代式阈值分割 110 3.1.6 Grab Cut图像切割算法 113 3.2 数学形态学 113 3.2.1 膨胀和腐蚀 116 3.2.2 开运算与闭运算 117 3.2.3 形态学梯度 118 3.2.4 顶帽 120 3.2.5 黑帽 121 3.2.6 综合运用——细线和噪点去除 122 3.3 图像金字塔 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 小结 130 第4章 特征提取与匹配 131 4.1 边缘检测 131 4.1.1 梯度法 131 4.1.2 索贝尔算子 134 4.1.3 拉普拉斯算子 136 4.1.4 坎尼算子 138 4.1.5 普鲁伊特算子 139 4.1.6 罗伯茨算子 140 4.2 颜色特征 140 4.2.1 灰度直方图 143 4.2.2 聚类 145 4.3 关键点特征 146 4.3.1 SURF算法 148 4.3.2 SIFT算法 150 4.3.3 ORB算法 153 4.3.4 LBP算法 154 4.3.5 Gabor算法 156 4.4 特征描述与匹配 156 4.4.1 SIFT特征描述子 158 4.4.2 ORB特征描述子 160 4.5 形状提取 161 4.5.1 标准霍夫变换 163 4.5.2 累计概率霍夫变换 165 4.5.3 霍夫圆变换 167 4.6 小结 168 第5章 模板匹配与轮廓绘制 169 5.1 模板匹配 172 5.2 轮廓绘制 178 5.3 小结 179 第6章 视频录制与目标追踪 180 6.1 简单视频录制 187 6.2 视频目标追踪 187 6.2.1 BS算法 190 6.2.2 Meanshift算法与Camshift算法 191 6.2.3 示例程序 196 6.3 小结 197 第7章 三维重建 198 7.1 超分辨率重建 198 7.1.1 常见的超分辨率重建技术 206 7.1.2 光流法简介 211 7.1.3 视频重建的原理和过程 215 7.2 三维重建的具体操作 215 7.2.1 calib3d模块简介 215 7.2.2 黑白棋盘重构 217 7.2.3 单目相机标定 222 7.3 小结 223 第8章 距离测量与角点检测 224 8.1 距离测量 225 8.1.1 单目测距 227 8.1.2 双目测距 228 8.2 角点检测 228 8.2.1 Harris角点检测 230 8.2.2 Shi-Tomasi角点检测 231 8.2.3 亚像素级角点检测 233 8.3 小结 234 第9章 图像识别应用 235 9.1 文字识别 235 9.1.1 OCR简介 235 9.1.2 OCR操作基础 237 9.1.3 示例程序 239 9.2 二维码识别 240 9.2.1 二维码编程原理 241 9.2.2 二维码识别原理 241 9.2.3 示例程序 242 9.3 人脸识别 243 9.3.1 人脸识别Haar特征 244 9.3.2 Cascade分类器 246 9.3.3 Eigen Faces人脸识别算法 248 9.3.4 示例程序 255 9.4 车牌识别 255 9.4.1 灰度二值化处理 255 9.4.2 车牌定位 256 9.4.3 字符识别 257 9.4.4 示例程序 266 9.5 小结 267 第 10章 基于深度学习的图像应用 268 10.1 深度学习基本原理 268 10.1.1 神经网络 269 10.1.2 卷积神经网络 270 10.1.3 循环神经网络 271 10.2 深度神经网络模块 271 10.2.1 主流框架模型简介 272 10.2.2 模型操作 272 10.2.3 硬件加速 273 10.3 人体姿态识别 273 10.3.1 原理简介 274 10.3.2 人体姿态识别示例程序 277 10.4 YOLO物体识别 277 10.4.1 原理简介 279 10.4.2 YOLO算法示例程序 283 10.5 图片分类 286 10.6 小结 287 附录1 OpenCV编程常见问题 290 附录2 OpenCV 4.4源码及opencv_contrib模块编译 300 附录3 基于Caffe框架的神经网络训练过程