本书通过实例和项目讲解OpenCV概念及其算法。首先介绍OpenCV的安装和图像处理的基础知识。然后，覆盖用户界面并深入讲解图像处理，读者将学到复杂的计算机视觉算法，并探索机器学习和人脸检测。之后，本书将介绍如何在复杂场景中创建光流视频分析和背景减除，还将讲解文本分割和识别，以及新的和改进的深度学习模块的基础知识。最后，本书介绍了OpenCV的基础知识，例如矩阵运算、滤波器和直方图，帮读者掌握常用的计算机视觉技术，从头开始构建OpenCV项目。
无
OpenCV是用于开发计算机视觉应用程序的最流行的库之一，它使我们能够实时运行许多不同的计算机视觉算法。它已存在很多年了，并且已经成为该领域的标准库。OpenCV的主要优势之一是它经过高度优化，几乎可以在所有平台上使用。
本书首先简要介绍计算机视觉的各个领域以及相关的OpenCV函数，这些函数均用C++编写。每章都包含实际的例子和代码示例，用于演示用例。这有助于你轻松掌握主题并了解如何在现实生活中应用它们。综上所述，这是一本实用的指导书，你将从中学会如何在C++中使用OpenCV并使用这个库构建各种应用程序。
本书目标读者
本书面向不熟悉OpenCV并希望在C++中使用OpenCV开发计算机视觉应用程序的开发人员。了解C++的基本知识将有助于理解本书。本书对于想要学习计算机视觉入门知识并理解基本概念的人也很有用。他们应该了解基本的数学概念，例如向量、矩阵和矩阵乘法，以便充分利用本书。在阅读本书的过程中，你将学会如何使用OpenCV从零开始构建各种计算机视觉应用程序。
本书涵盖内容
第1章介绍在各种操作系统上的安装步骤，并介绍人类视觉系统以及计算机视觉中的各种主题。
第2章讨论如何在OpenCV中读/写图像和视频，并解释如何使用CMake构建项目。
第3章介绍如何构建图形用户界面和鼠标事件检测器，以构建交互式应用程序。
第4章探讨直方图和滤波器，并展示如何对图像进行卡通化处理。
第5章描述各种图像预处理技术，如噪声消除、阈值处理和轮廓分析。
第6章处理目标识别和机器学习，以及如何使用支持向量机来构建目标分类系统。
第7章讨论人脸检测和Haar级联，然后解释这些方法如何用于检测人脸的各个部位。
第8章探讨背景减除、视频监控和形态图像处理，并且描述它们如何相互连接。
第9章介绍如何使用不同技术跟踪实时视频中的目标，例如，基于颜色和基于特征进行跟踪。
第10章讨论光学字符识别、文本分割，并介绍Tesseract OCR引擎。
第11章深入探究Tesseract OCR引擎，解释如何将其用于文本检测、提取和识别。
第12章探讨如何使用两种常用的深度学习架构在OpenCV中应用深度学习，在这两种架构中，YOLO v3用于目标检测，而单发探测器（Single Shot Detector）用于人脸检测。
如何充分利用本书
了解C++的基本知识将有助于理解本书内容。这些例子使用以下技术进行构建：OpenCV 4.0、CMake 3.3.x或更新版本、Tesseract、Leptonica（依赖于Tesseract）、Qt（可选）和OpenGL（可选）。
相关章节提供了详细的安装说明。
下载示例代码
本书的示例代码可以从http://www.packtpub.com通过个人账号下载，也可以访问华章图书官网http://www.hzbook.com，通过注册并登录个人账号下载。
本书的代码包还托管在GitHub上，如果代码有更新，会在现有的GitHub库上更新：https://github.com/PacktPublishing/Learn-OpenCV-4-By-Building-Projects-Second-Edition。
下载彩色图像
本书提供了一个PDF文件，其中包含书中使用的屏幕截图/图表的彩色图像：https://www.packtpub.com/sites/default/files/downloads/9781789341225_ColorImages.pdf。
计算机\程序设计
OpenCV是用于开发计算机视觉应用程序的最流行的开源库之一，它可以帮助你专注于构建完整的图像处理、运动检测和图像分割项目。无论你是初涉计算机视觉技术，还是对其概念已有基本了解，本书都将成为你通过实例和项目掌握OpenCV概念及算法的实用指南。
本书首先介绍OpenCV的入门知识及安装，然后介绍OpenCV的基础知识，包括用户界面、矩阵运算、滤波器和直方图等，之后介绍复杂的计算机视觉算法，包括对象分割和分类、视频监控、对象跟踪等，最后探讨对象跟踪、文本识别、机器学习和人脸检测等高级技术。阅读本书之后，你将掌握常用和最新的计算机视觉技术，并学会从零开始构建各类OpenCV项目。
通过阅读本书，你将学到：
在各种操作系统上安装OpenCV 4
创建CMake脚本以编译C++应用程序
了解基本的图像矩阵格式和滤波器
探索图像分割和特征提取技术
从静态场景中删除背景以识别需要监控的移动对象
采用各种技术跟踪实时视频中的对象
通过Tesseract进行文本检测和识别
熟悉用于图像分类的重要深度学习工具
冀臻 译：暂无简介
前言
作者简介
审校者简介
第1章 OpenCV入门 1
1.1 了解人类视觉系统 1
1.2 人类如何理解图像内容 3
1.3 你能用OpenCV做什么 4
1.3.1 内置数据结构和输入/输出 4
1.3.2 图像处理操作 5
1.3.3 GUI 5
1.3.4 视频分析 6
1.3.5 3D重建 6
1.3.6 特征提取 7
1.3.7 对象检测 7
1.3.8 机器学习 8
1.3.9 计算摄影 8
1.3.10 形状分析 9
1.3.11 光流算法 9
1.3.12 人脸和对象识别 9
1.3.13 表面匹配 10
1.3.14 文本检测和识别 10
1.3.15 深度学习 10
1.4 安装OpenCV 10
1.4.1 Windows 11
1.4.2 Mac OS X 11
1.4.3 Linux 13
1.5 总结 14
第2章 OpenCV基础知识导论 15
2.1 技术要求 15
2.2 基本CMake配置文件 16
2.3 创建一个库 16
2.4 管理依赖项 17
2.5 让脚本更复杂 18
2.6 图像和矩阵 20
2.7 读/写图像 22
2.8 读取视频和摄像头 25
2.9 其他基本对象类型 27
2.9.1 Vec对象类型 27
2.9.2 Scalar对象类型 28
2.9.3 Point对象类型 28
2.9.4 Size对象类型 29
2.9.5 Rect对象类型 29
2.9.6 RotatedRect对象类型 29
2.10 基本矩阵运算 30
2.11 基本数据存储 32
2.12 总结 34
第3章 学习图形用户界面 35
3.1 技术要求 35
3.2 OpenCV用户界面介绍 36
3.3 OpenCV的基本图形用户界面 36
3.4 Qt图形用户界面 44
3.5 OpenGL支持 50
3.6 总结 54
第4章 深入研究直方图和滤波器 55
4.1 技术要求 56
4.2 生成CMake脚本文件 56
4.3 创建图形用户界面 57
4.4 绘制直方图 59
4.5 图像颜色均衡 62
4.6 Lomography效果 64
4.7 卡通效果 68
4.8 总结 72
第5章 自动光学检查、对象分割和检测 73
5.1 技术要求 73
5.2 隔离场景中的对象 74
5.3 为AOI创建应用程序 76
5.4 预处理输入图像 78
5.4.1 噪声消除 78
5.4.2 用光模式移除背景进行分割 79
5.4.3 阈值 84
5.5 分割输入图像 85
5.5.1 连通组件算法 85
5.5.2 findContours算法 90
5.6 总结 92
第6章 学习对象分类 94
6.1 技术要求 94
6.2 机器学习概念介绍 95
6.3 计算机视觉和机器学习工作流程 98
6.4 自动对象检查分类示例 100
6.4.1 特征提取 102
6.4.2 训练SVM模型 105
6.4.3 输入图像预测 109
6.5 总结 111
第7章 检测面部部位与覆盖面具 112
7.1 技术要求 112
7.2 了解Haar级联 112
7.3 什么是积分图像 114
7.4 在实时视频中覆盖面具 115
7.5 戴上太阳镜 118
7.6 跟踪鼻子、嘴巴和耳朵 121
7.7 总结 122
第8章 视频监控、背景建模和形态学操作 123
8.1 技术要求 123
8.2 理解背景减除 124
8.3 直接的背景减除 124
8.4 帧差分 128
8.5 高斯混合方法 131
8.6 形态学图像处理 133
8.7 使形状变细 134
8.8 使形状变粗 135
8.9 其他形态运算符 136
8.9.1 形态开口 136
8.9.2 形态闭合 137
8.9.3 绘制边界 138
8.9.4 礼帽变换 139
8.9.5 黑帽变换 140
8.10 总结 140
第9章 学习对象跟踪 141
9.1 技术要求 141
9.2 跟踪特定颜色的对象 141
9.3 构建交互式对象跟踪器 143
9.4 用Harris角点检测器检测点 148
9.5 用于跟踪的好特征 151
9.6 基于特征的跟踪 153
9.6.1 Lucas-Kanade方法 153
9.6.2 Farneback算法 157
9.7 总结 161
第10章 开发用于文本识别的分割算法 162
10.1 技术要求 162
10.2 光学字符识别介绍 162
10.3 预处理阶段 164
10.3.1 对图像进行阈值处理 164
10.3.2 文本分割 165
10.4 在你的操作系统上安装Tesseract OCR 172
10.4.1 在Windows上安装Tesseract 172
10.4.2 在Mac上安装Tesseract 173
10.5 使用Tesseract OCR库 173
10.6 总结 177
第11章 用Tesseract进行文本识别 178
11.1 技术要求 178
11.2 文本API的工作原理 179
11.2.1 场景检测问题 179
11.2.2 极值区域 180
11.2.3 极值区域过滤 181
11.3 使用文本API 182
11.3.1 文本检测 182
11.3.2 文本提取 187
11.3.3 文本识别 189
11.4 总结 193
第12章 使用OpenCV进行深度学习 194
12.1 技术要求 194
12.2 深度学习简介 195
12.2.1 什么是神经网络，我们如何从数据中学习 195
12.2.2 卷积神经网络 197
12.3 OpenCV中的深度学习 198
12.4 YOLO用于实时对象检测 199
12.4.1 YOLO v3深度学习模型架构 200
12.4.2 YOLO数据集、词汇表和模型 200
12.4.3 将YOLO导入OpenCV 201
12.5 用SSD进行人脸检测 204
12.5.1 SSD模型架构 204
12.5.2 将SSD人脸检测导入OpenCV 204
12.6 总结 208
