作品简介

本书专注于介绍OpenCV4在工业领域的常用模块,通过合理的章节设置构建了阶梯式的知识点学习路径。化繁就简、案例驱动,注重算法原理、代码演示及在相关场景的实际使用。本书还介绍了深度学习知识与开发技巧,拓展OpenCV开发者技能。全书共16章,分为3篇。

基础篇(第1—4章):主要介绍OpenCV的简单使用、像素操作、色彩空间、图像直方图。特色:从如何配置OpenCV开发环境开始到完成第一个OpenCV代码演示,从图像的表示到基本的像素操作,方便读者全面扎实地掌握基本图像处理知识与函数使用技巧,为深入学习打下坚实基础。

进阶篇(第5—12章):主要介绍卷积操作、二值图像分析、形态学分析、特征提取、视频分析、机器学习、DNN。特色:结合代码演示学习OpenCV框架中主要图像处理模块的算法原理与相关函数使用,通过多个案例打通知识节点,学会使用OpenCV传统算法解决实际问题。

高级与实战篇(第13—16章):主要介绍YOLO5自定义对象检测、缺陷检测、OpenVINO加速与CUDA加速。特色:面向工程应用,帮助OpenCV开发者提升技能,通过实战案例增强OpenCV应用能力,掌握视觉开发必*的深度学习知识,以及从模型训练到部署加速的技巧。

贾志刚,OpenVINO中文社区创始成员、英特尔物联网创新大使、华为晟腾HAE、51CTO学院金牌讲师。在机器视觉缺陷检测、生物医学细胞分类与检测识别、安防监控视频内容分析与提取、人工智能软件开发、深度学习框架集成开发等方面有深入研究,开发过多个图像处理算法模块并成功应用在医学检测与工业检测领域。开设有公众号“OpenCV学堂”,并著有《Java数字图像处理:编程技巧与应用实践》《OpenCV Android开发实战》等书。

张振,上海赫立苏州研究院(赫芯科技)院长,具备丰富的机器视觉检测一线研发、管理与运营经验。深耕半导体/SMT缺陷检测领域10余年,拥有自主知识产权的软件和相关专利数十项。多年成功创业经历,积累了丰富的研发创新和团队管理经验,并参与市场与客户需求分析、技术分析与评估、方案制订、算法迭代、验收指标制定、标准机型量产的全流程管理与实践。

作品目录

  • 前言
  • 基础篇
  • 第1章 OpenCV简介与安装
  • 1.1 OpenCV简介
  • 1.2 OpenCV源码项目
  • 1.3 OpenCV4开发环境搭建
  • 1.4 第一个OpenCV开发程序
  • 1.5 图像加载与保存
  • 1.6 加载视频
  • 1.7 小结
  • 第2章 Mat与像素操作
  • 2.1 Mat对象
  • 2.2 访问像素
  • 2.3 图像类型与通道
  • 2.4 小结
  • 第3章 色彩空间
  • 3.1 RGB色彩空间
  • 3.2 HSV色彩空间
  • 3.3 LAB色彩空间
  • 3.4 色彩空间的转换与应用
  • 3.5 小结
  • 第4章 图像直方图
  • 4.1 像素统计信息
  • 4.2 直方图的计算与绘制
  • 4.3 直方图均衡化
  • 4.4 直方图比较
  • 4.5 直方图反向投影
  • 4.6 小结
  • 进阶篇
  • 第5章 卷积操作
  • 5.1 卷积的概念
  • 5.2 卷积模糊
  • 5.3 自定义滤波
  • 5.4 梯度提取
  • 5.5 边缘发现
  • 5.6 噪声与去噪
  • 5.7 边缘保留滤波
  • 5.8 锐化增强
  • 5.9 小结
  • 第6章 二值图像
  • 6.1 图像阈值化分割
  • 6.2 全局阈值计算
  • 6.3 自适应阈值计算
  • 6.4 去噪与二值化
  • 6.5 小结
  • 第7章 二值分析
  • 7.1 二值图像分析概述
  • 7.2 连通组件标记
  • 7.3 轮廓发现
  • 7.4 轮廓测量
  • 7.5 拟合与逼近
  • 7.6 轮廓分析
  • 7.7 直线检测
  • 7.8 霍夫圆检测
  • 7.9 最大内接圆与最小外接圆
  • 7.10 轮廓匹配
  • 7.11 最大轮廓与关键点编码
  • 7.12 凸包检测
  • 7.13 小结
  • 第8章 形态学分析
  • 8.1 图像形态学概述
  • 8.2 膨胀与腐蚀
  • 8.3 开/闭操作
  • 8.4 形态学梯度
  • 8.5 顶帽与黑帽
  • 8.6 击中/击不中
  • 8.7 结构元素
  • 8.8 距离变换
  • 8.9 分水岭分割
  • 8.10 小结
  • 第9章 特征提取
  • 9.1 图像金字塔
  • 9.2 Harris角点检测
  • 9.3 shi-tomas角点检测
  • 9.4 亚像素级别的角点检测
  • 9.5 HOG特征与使用
  • 9.6 ORB特征描述子
  • 9.7 基于特征的对象检测
  • 9.8 小结
  • 第10章 视频分析
  • 10.1 基于颜色的对象跟踪
  • 10.2 视频背景分析
  • 10.3 帧差法背景分析
  • 10.4 稀疏光流分析法
  • 10.5 稠密光流分析法
  • 10.6 均值迁移分析
  • 10.7 小结
  • 第11章 机器学习
  • 11.1 KMeans分类
  • 11.2 KNN分类
  • 11.3 SVM分类
  • 11.4 SVM与HOG实现对象检测
  • 11.5 小结
  • 第12章 深度神经网络
  • 12.1 DNN概述
  • 12.2 图像分类
  • 12.3 对象检测
  • 12.4 ENet图像语义分割
  • 12.5 风格迁移
  • 12.6 场景文字检测
  • 12.7 人脸检测
  • 12.8 小结
  • 高级与实战篇
  • 第13章 YOLO 5自定义对象检测
  • 13.1 YOLO 5对象检测框架
  • 13.2 YOLO 5对象检测
  • 13.3 自定义对象检测
  • 13.4 小结
  • 第14章 缺陷检测
  • 14.1 简单背景下的缺陷检测
  • 14.2 复杂背景下的缺陷检测
  • 14.3 案例:刀片缺陷检测
  • 14.4 基于深度学习的缺陷检测
  • 14.5 小结
  • 第15章 OpenVINO加速
  • 15.1 OpenVINO框架安装与环境配置
  • 15.2 OpenVINO2022.x版SDK推理演示
  • 15.3 OpenVINO支持UNet部署
  • 15.4 OpenVINO支持YOLO 5部署
  • 15.5 小结
  • 第16章 CUDA加速
  • 16.1 编译OpenCV源码支持CUDA加速
  • 16.2 用CUDA加速传统图像处理
  • 16.3 加速DNN
  • 16.4 小结
  • 推荐阅读
展开全部