第1章數字圖像視覺概述 1
1.1圖像的基本概念 1
1.1.1圖像和圖形 1
1.1.2什么是數字圖像 1
1.1.3數字圖像的特點 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 4
1.1.7圖像的灰度 4
1.1.8灰度級 4
1.1.9圖像深度 5
1.1.10二值圖像 5
1.1.11灰度圖 5
1.1.12彩色圖像 6
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數字圖像處理 9
1.3.3數字圖像處理常用的方法 10
1.3.4圖像處理的應用 13
1.4圖像信號處理層次 13
1.5機器視覺 14
1.5.1機器視覺的概念 14
1.5.2機器視覺系統構成和分類 15
1.5.3機器視覺的優勢 15
1.5.4機器視覺系統的應用 15
1.5.5計算機視覺與相關學科的關系 15
1.6OpenCV概述 16
第2章搭建OpenCV開發環境 18
2.1視覺圖像編程的重要庫 18
2.2啟動VisualC++2017 19
2.3下載OpenCV4.5 20
2.4解壓OpenCV 20
2.5在程序中測試OpenCV 21
2.6在VC中配置通用開發環境 23
2.7數學函數 24
2.8OpenCV架構 26
2.9圖像輸入輸出模塊imgcodecs 27
2.9.1imread讀取圖像文件 28
2.9.2imwrite保存圖片 30
2.10OpenCV界面編程 32
2.11單窗口顯示多幅圖像 34
2.12銷毀窗口 36
2.13鼠標事件 39
2.14鍵盤事件 42
2.15滑動條事件 43
第3章核心模塊Core 46
3.1矩陣操作 46
3.1.1矩陣類Mat 46
3.1.2構造法 48
3.1.3直接賦值法 52
3.1.4數組法 52
3.1.5create函數法 53
3.1.6定義特殊矩陣 53
3.1.7得到矩陣的行數、列數和維數 54
3.1.8矩陣的數據指針及其打印 55
3.1.9創建新的矩陣頭 57
3.1.10得到矩陣通道數 58
3.1.11復制矩陣 59
3.1.12判斷矩陣是否有元素 64
3.1.13矩陣的5種遍歷方式 64
3.1.14設置矩陣新值 71
3.1.15得到矩陣的元素總個數 71
3.1.16矩形類Rect 72
3.2數組的操作 73
3.3XML和YAML文件讀寫 76
3.3.1YAML文件簡介 76
3.3.2寫入和讀取YAML\XML文件的基本步驟 77
3.3.3XML、YAML文件的打開 77
3.3.4文本和數字的輸入和輸出 78
3.3.5OpenCV數據結構的輸入和輸出 78
3.3.6vector（arrays）和maps的輸入和輸出 78
3.3.7文件關閉 79
第4章圖像處理模塊基礎 85
4.1顏色變換cvtColor 85
4.2畫基本圖形 87
4.2.1點的表示 87
4.2.2畫矩形 88
4.2.3畫圓 90
4.2.4畫橢圓 91
4.2.5畫線段 94
4.2.6填充多邊形 94
4.3像素存放類Scalar 97
4.4使用隨機數 99
4.4.1產生一個隨機數 101
4.4.2返回下一個隨機數 102
4.4.3用隨機數填充矩陣 103
4.5文字繪制 105
4.6為圖像添加邊框 112
4.7在圖像中查找輪廓 116
第5章灰度變換和直方圖修正 122
5.1點運算 122
5.1.1基本概念 122
5.1.2點運算的目標 122
5.1.3點運算的分類 122
5.1.4點運算的特點 123
5.1.5點運算的應用 123
5.2灰度變換 124
5.2.1灰度變換概述 124
5.2.2灰度變換的作用 125
5.2.3灰度變換的方法 125
5.2.4灰度化 125
5.2.5對比度 128
5.2.6灰度的線性變換 129
5.2.7分段線性灰度變換 132
5.2.8對數變換和反對數變換 138
5.2.9冪律變換 143
5.3直方圖修正 145
5.3.1直方圖的概念 145
5.3.2OpenCV實現灰度直方圖 146
5.3.3直方圖均衡化 148
第6章圖像平滑 154
6.1平滑處理算法 154
6.2線性濾波 156
6.2.1歸一化方框濾波器 156
6.2.2高斯濾波器 158
6.3非線性濾波 161
6.3.1中值濾波 161
6.3.2雙邊濾波 162
第7章幾何變換 165
7.1幾何變換基礎 165
7.2圖像平移 168
7.3圖像旋轉 171
7.4仿射變換 175
7.5圖像縮放 179
7.5.1縮放原理 179
7.5.2OpenCV中的縮放 180
第8章圖像邊緣檢測 182
8.1概述 182
8.2邊緣檢測研究的歷史現狀 185
8.3邊緣定義及類型分析 186
8.4梯度的概念 187
8.5圖像邊緣檢測的應用 187
8.6目前邊緣檢測存在的問題 189
8.7邊緣檢測的基本思想 190
8.8圖像邊緣檢測的步驟方法 190
8.9經典圖像邊緣檢測算法 191
8.9.1差分邊緣檢測 192
8.9.2Roberts算子 194
8.9.3Sobel算子邊緣檢測 196
8.9.4Prewitt算子邊緣檢測 199
8.9.5LoG邊緣檢測算子 202
8.9.6邊緣檢測的新技術與方法 206
第9章圖像分割 209
9.1概述 209
9.2圖像分割的應用 211
9.3圖像分割的數學定義 212
9.4圖像分割方法的分類 212
9.4.1基于閾值的分割方法 213
9.4.2基于邊緣的分割方法 214
9.4.3基于區域的分割方法 215
9.4.4基于神經網絡的分割方法 216
9.4.5基于聚類的分割方法 217
9.5使用OpenCV進行圖像分割 218
9.5.1閾值分割 218
9.5.2固定閾值分割 218
9.5.3自適應閾值分割 222
9.6彩色圖像分割 228
9.7grabCut算法分割圖像 232
9.7.1基本概念 232
9.7.2grabCut函數 233
9.8floodFill漫水填充分割 236
9.8.1基本概念 236
9.8.2floodFill函數 236
9.9分水嶺分割法 242
9.9.1基本概念 242
9.9.2wathershed函數 244
第10章圖像金字塔 253
10.1基本概念 253
10.2高斯金字塔 255
10.2.1向下采樣 255
10.2.2向上采樣 258
10.3拉普拉斯金字塔 260
第11章圖像形態學 263
11.1基本概念 263
11.2形態學的應用 263
11.2.1數學上的形態學 264
11.2.2格 264
11.2.3拓撲學 264
11.2.4數學形態學的組成 265
11.2.5數學形態學的應用 265
11.2.6操作分類 266
11.3結構元素 266
11.4膨脹 266
11.5腐蝕 267
11.6開運算 269
11.7閉運算 271
11.8實現腐蝕和膨脹 273
11.9開閉運算和頂帽黑帽 275
11.10擊中擊不中 278
11.11利用形態學運算提取水平線和垂直線 282
第12章視頻處理 288
12.1OpenCV視頻處理架構 288
12.2類VideoCapture 289
12.3構造VideoCapture對象 289
12.4判斷打開視頻是否成功 290
12.5讀取視頻幀 290
12.6播放視頻文件 291
12.7獲取和設置視頻屬性 293
12.8播放攝像頭視頻 296
12.9錄制視頻類VideoWriter 297
12.9.1構造VideoWriter對象 297
12.9.2初始化或重新初始化 298
12.9.3連接到FourCC代碼 298
第13章機器學習 302
13.1機器學習概述 302
13.2機器學習的發展歷程 303
13.3機器學習研究現狀 304
13.3.1傳統機器學習的研究現狀 305
13.3.2大數據環境下機器學習的研究現狀 306
13.4機器學習的分類 307
13.4.1基于學習策略的分類 307
13.4.2基于學習方法的分類 307
13.4.3基于學習方式的分類 308
13.4.4基于數據形式的分類 308
13.4.5基于學習目標的分類 308
13.5機器學習常見的算法 308
13.6機器學習的研究內容 310
13.7機器學習的應用 311
13.8OpenCV中的機器學習 312
13.8.1支持向量機 313
13.8.2貝葉斯分類器 317
第14章案例：停車場車牌識別系統 320
14.1車牌識別技術概述 320
14.2車牌識別技術的宏觀分析 321
14.2.1國外技術分析 321
14.2.2國內技術分析 323
14.2.3車牌識別技術的技術難點 324
14.2.4車牌識別系統的開發思路 324
14.3車牌定位技術 325
14.3.1車牌特征概述 325
14.3.2車牌定位方法 326
14.3.3車牌圖像預處理 330
14.3.4車牌圖像的灰度化 330
14.3.5車牌圖像的直方圖均衡化 332
14.3.6車牌圖像的濾波 333
14.3.7車牌圖像的二值化 335
14.3.8車牌圖像的邊緣檢測 335
14.3.9車牌圖像的灰度映射 336
14.3.10車牌圖像的改進型投影法定位 336
14.4車牌字符分割技術 338
14.4.1常用的車牌字符分割算法 338
14.4.2車牌傾斜問題 340
14.4.3車牌傾斜度的檢測方法 340
14.4.4車牌傾斜度校正方法 341
14.4.5車牌邊框和鉚釘的去除 341
14.4.6車牌字符分割 341
14.4.7基于垂直投影和先驗知識的車牌字符分割 342
14.4.8粘連車牌字符的分割 343
14.4.9斷裂車牌字符的合并 344
14.4.10對車牌字符的切分結果進行確認 344
14.5車牌字符識別技術 345
14.5.1模式識別 345
14.5.2字符識別 346
14.5.3漢字識別 347
14.6系統設計 348
14.7系統拓撲結構 348
14.8停車場端的詳細設計 349
14.9辦公室端的詳細設計 358