本書通過實例和專案講解OpenCV概念及其演算法。首先介紹OpenCV的安裝和影像處理的基礎知識。然後，覆蓋使用者介面並深入講解影像處理，讀者將學到複雜的電腦視覺演算法，並探索機器學習和人臉檢測。

之後，本書將介紹如何在複雜場景中創建光流視頻分析和背景減除，還將講解文本分割和識別，以及新的和改進的深度學習模組的基礎知識。

最後，本書介紹了OpenCV的基礎知識，例如矩陣運算、濾波器和長條圖，幫讀者掌握常用的電腦視覺技術，從頭開始構建OpenCV專案。


前言
作者簡介
審校者簡介

第1章 OpenCV入門1
1.1 瞭解人類視覺系統1
1.2 人類如何理解圖像內容3
1.3 你能用OpenCV做什麼4
1.3.1 內置資料結構和輸入/輸出4
1.3.2 影像處理操作5
1.3.3 GUI5
1.3.4 視頻分析6
1.3.5 3D重建6
1.3.6 特徵提取7
1.3.7 對象檢測7
1.3.8 機器學習8
1.3.9 計算攝影8
1.3.10 形狀分析9
1.3.11 光流演算法9
1.3.12 人臉和對象識別9
1.3.13 表面匹配10
1.3.14 文本檢測和識別10
1.3.15 深度學習10
1.4 安裝OpenCV10
1.4.1 Windows11
1.4.2 Mac OS X11
1.4.3 Linux13
1.5 總結14

第2章 OpenCV基礎知識導論15
2.1 技術要求15
2.2 基本CMake設定檔16
2.3 創建一個庫16
2.4 管理依賴項17
2.5 讓腳本更複雜18
2.6 圖像和矩陣20
2.7 讀/寫圖像22
2.8 讀取視頻和攝像頭25
2.9 其他基本物件類型27
2.9.1 Vec對象類型27
2.9.2 Scalar對象類型28
2.9.3 Point對象類型28
2.9.4 Size對象類型29
2.9.5 Rect對象類型29
2.9.6 RotatedRect對象類型29
2.10 基本矩陣運算30
2.11 基本資料存儲32
2.12 總結34

第3章 學習圖形化使用者介面35
3.1 技術要求35
3.2 OpenCV使用者介面介紹36
3.3 OpenCV的基本圖形化使用者介面36
3.4 Qt圖形化使用者介面44
3.5 OpenGL支持50
3.6 總結54

第4章 深入研究長條圖和濾波器55
4.1 技術要求56
4.2 生成CMake指令檔56
4.3 創建圖形化使用者介面57
4.4 繪製長條圖59
4.5 圖像顏色均衡62
4.6 Lomography效果
4.7 卡通效果68
4.8 總結72

第5章 自動光學檢查、物件分割和檢測73
5.1 技術要求73
5.2 隔離場景中的物件74
5.3 為AOI創建應用程式76
5.4 預處理輸入圖像78
5.4.1 雜訊消除78
5.4.2 用光模式移除背景進行分割79
5.4.3 閾值84
5.5 分割輸入圖像85
5.5.1 連通元件演算法85
5.5.2 findContours演算法90
5.6 總結92

第6章 學習對象分類94
6.1 技術要求94
6.2 機器學習概念介紹95
6.3 電腦視覺和機器學習工作流程98
6.4 自動對象檢查分類示例100
6.4.1 特徵提取102
6.4.2 訓練SVM模型105
6.4.3 輸入圖像預測109
6.5 總結111

第7章 檢測面部部位與覆蓋112
7.1 技術要求112
7.2 瞭解Haar級聯112
7.3 什麼是積分圖像114
7.4 在即時視頻中覆蓋115
7.5 戴上太陽鏡118
7.6 跟蹤鼻子、嘴巴和耳朵121
7.7 總結122

第8章 視頻監控、背景建模和形態學操作123
8.1 技術要求123
8.2 理解背景減除124
8.3 直接的背景減除124
8.4 幀差分128
8.5 高斯混合方法131
8.6 形態學影像處理133
8.7 使形狀變細134
8.8 使形狀變粗135
8.9 其他形態運運算元136
8.9.1 形態開口136
8.9.2 形態閉合137
8.9.3 繪製邊界138
8.9.4 禮帽變換139
8.9.5 黑帽變換140
8.10 總結140

第9章 學習對象跟蹤141
9.1 技術要求141
9.2 跟蹤特定顏色的物件141
9.3 構建互動式對象跟蹤器143
9.4 用Harris角點檢測器檢測點148
9.5 用於跟蹤的好特徵151
9.6 基於特徵的跟蹤153
9.6.1 Lucas-Kanade方法153
9.6.2 Farneback演算法157
9.7 總結161

第10章 開發用於文本識別的分割演算法162
10.1 技術要求162
10.2 光學字元辨識介紹162
10.3 預處理階段1
10.3.1 對圖像進行閾值處理1
10.3.2 文本分割165
10.4 在你的作業系統上安裝Tesseract OCR172
10.4.1 在Windows上安裝Tesseract172
10.4.2 在Mac上安裝Tesseract173
10.5 使用Tesseract OCR庫173
10.6 總結177

第11章 用Tesseract進行文本識別178
11.1 技術要求178
11.2 文本API的工作原理179
11.2.1 場景檢測問題179
11.2.2 極值區域180
11.2.3 極值區域過濾181
11.3 使用文本API182
11.3.1 文本檢測182
11.3.2 文本提取187
11.3.3 文本識別189
11.4 總結193

第12章 使用OpenCV進行深度學習194
12.1 技術要求194
12.2 深度學習簡介195
12.2.1 什麼是神經網路，我們如何從資料中學習195
12.2.2 卷積神經網路197
12.3 OpenCV中的深度學習198
12.4 YOLO用於即時物件檢測199
12.4.1 YOLO v3深度學習模型架構200
12.4.2 YOLO資料集、詞彙表和模型200
12.4.3 將YOLO導入OpenCV201
12.5 用SSD進行人臉檢測204
12.5.1 SSD模型架構204
12.5.2 將SSD人臉檢測導入OpenCV204
12.6 總結208