OpenCV3
關(guān)注創(chuàng)建者：Z_8680 創(chuàng)建時間：2020-09-04
OpenCV3的實例教程
OpenCV3編程入門以當(dāng)前最新版本的OpenCV最常用最核心的組件模塊為索引，深入淺出地介紹了OpenCV2和OpenCV3中的強大功能、性能，以及新特性。書本配套的OpenCV2和OpenCV3雙版本的示例代碼包中，含有總計兩百多個詳細注釋的程序源代碼與思路說明。讀者可以按圖索驥，按技術(shù)方向進行快速上手和深入學(xué)習(xí)。
《OpenCV3編程入門》要求讀者具有基礎(chǔ)的C/C++知識，適合研究計算機視覺以及相關(guān)領(lǐng)域的在校學(xué)生和老師、初次接觸OpenCV但有一定C/C++編程基礎(chǔ)的研究人員，以及已有過OpenCV 1.0編程經(jīng)驗，想快速了解并上手OpenCV2、OpenCV3編程的計算機視覺領(lǐng)域的專業(yè)人員。《OpenCV3編程入門》也適合于圖像處理、計算機視覺領(lǐng)域的業(yè)余愛好者、開源項目愛好者做為通向新版OpenCV的參考手冊之用。
全網(wǎng)最全Python必讀書藉合集（PDF文檔免費下載）
目錄：
第一部分 快速上手OpenCV 1
第1章 邂逅OpenCV 3
第2章 啟程前的認(rèn)知準(zhǔn)備 39
第3章 HighGUI圖形用戶界面初步 63
第二部分 初探core組件 83
第4章 OpenCV數(shù)據(jù)結(jié)構(gòu)與基本繪圖 85
第5章 core組件進階 107
第三部分 掌握imgproc組件 151
第6章 圖像處理 153
第7章 圖像變換 247
第8章 圖像輪廓與圖像分割修復(fù) 303
第9章 直方圖與匹配 345
第四部分 深入feature2d組件 375
第10章 角點檢測 377
第11章 特征檢測與匹配 395
展開 OpenCV
OpenCV是一個開源（參見http://opensource.org）的計算機視覺庫，OpenCV采用C/C++語言編寫，可以運行在Linux/Windows/Mac等操作系統(tǒng)上，OpenCV也提供了Python、Ruby、Matlab以及其他語言的接口。
OpenCV的目標(biāo)是為解決計算機視覺問題提供基本工具。----《學(xué)習(xí)OpenCV（中文版）》Bradski,G., Kaehler,A.
ViCANdo
ViCANdo Suite是針對智能駕駛功能的開發(fā)和測試平臺，能夠同步的采集所需的各類數(shù)據(jù)，同時工具集成OpenCV，工程師可以直接使用OpenCV的相關(guān)函數(shù)來進行開發(fā)。
ViCANdo 具有一個開放的SDK，允許創(chuàng)建自定義接口，還允許將正在開發(fā)中的算法用作 ViCANdo 本身的一部分，以非常高的性能執(zhí)行。通過使用 ViCANSim 中的Matlab/Simulink擴展，或者利用內(nèi)置仿真引擎進行網(wǎng)絡(luò)仿真或視頻算法開發(fā)。
ViCANdo Suite直接支持的數(shù)據(jù)源
? 示例應(yīng)用：
在ViCANdo內(nèi)實時車道線識別與實時顯示，通過在ViCANdo內(nèi)部直接集成車道線識別算法，方便直觀的展示車道線識別算法的識別情況，并利用ViCANdo的擴展功能將識別的車道線、航向等信息與視頻疊加展示，可以方便的進行算法的調(diào)試。
在上圖的工程中，我們添加了一路攝像頭采集道路信息，同時用兩路CAN通道采集車輛信息，通過圖像提取車道線信息，同時結(jié)合車輛的狀態(tài)信息，在圖像上實時疊加顯示識別的車道線信息和車輛的航線信息。
展開 全網(wǎng)最全Python必讀書藉合集（PDF文檔免費下載）
目錄
Part I 基礎(chǔ)篇 OpenCV 開發(fā)基礎(chǔ). 1
第 1 章初識 OpenCV.. 3
1.1 OpenCV 初識 4
1.1.1 OpenCV 簡介.. 4
1.1.2 OpenCV 組件及架構(gòu).. 5
1.1.3 OpenCV 資源.. 9
1.2 VS2012 安裝OpenCV2.4.x .. 9
1.3 VS2013 安裝OpenCV3.0 14
1.4 Sublime 下配置OpenCV. 16
1.5 小結(jié) 19
第2 章圖像及視頻基本操作. 20
2.1 圖像初級操作 21
2.1.1 Mat 類 21
2.1.2 Mat 基本操作 23
2.1.3 Mat 類型轉(zhuǎn)換 24
2.1.4 圖像讀取顯示保存 24
2.1.5 圖像存儲. 26
2.2 圖像幾何變換 28
2.2.1 坐標(biāo)映射. 28
2.2.2 平移 29
2.2.3 縮放 33
2.2.4 旋轉(zhuǎn) 36
2.2.5 仿射變換. 40
2.3 視頻操作.. 43
2.3.1 VideoCapture 類.. 43
2.3.2 視頻寫操作 45
2.3.3 視頻質(zhì)量評價.. 48
2.4 圖像基礎(chǔ)應(yīng)用操作. 50
2.4.1 界面事件. 50
2.4.2 區(qū)域提取. 54
2.4.3 圖像元素遍歷——反色.. 58
2.4.4 單窗口顯示多幅圖像 63
2.4.5 圖像顏色空間轉(zhuǎn)換 66
2.4.6 圖像批量讀取——規(guī)則.. 69
2.4.7 圖像批量讀取——無規(guī)則. 70
2.5 小結(jié) 71
Part II 進階篇圖像處理技術(shù).. 73
第 3 章進階篇——圖像灰度變換技術(shù). 75
3.1 閾值化處理. 76
3.1.1 OTSU 閾值化 76
3.1.2 固定閾值化 79
3.1.3 自適應(yīng)閾值化.. 81
3.1.4 雙閾值化
展開 OpenCV 提供了如下特征檢測方法：
“FAST” FastFeatureDetector；
“STAR” StarFeatureDetector；
“SIFT” SIFT(nonfree module) Opencv3 移除，需調(diào)用 xfeature2d 庫；
“SURF” SURF(nonfree module) Opencv3 移除，需調(diào)用 xfeature2d 庫；
“ORB” ORB Opencv3
移除,需調(diào)用
xfeature2d
庫；
“MSER” MSER；
“GFTT” GoodFeaturesToTrackDetector；
“HARRIS” (配合 Harris detector)；
“Dense” DenseFeatureDetector；
“SimpleBlob” SimpleBlobDetector。
展開 在計算機視覺領(lǐng)域，英特爾預(yù)編譯了OpenCV3.3，OpenCV是在計算機視覺領(lǐng)域應(yīng)用非常廣泛的函數(shù)庫，這個函數(shù)庫跟英特爾的淵源很深，最早是由該公司的工程師開發(fā)的，后來變成開源的項目，由俄羅斯的一家公司維護。幾年前英特爾收購了這家公司，現(xiàn)在它是英特爾物聯(lián)網(wǎng)事業(yè)部的一部分。據(jù)悉，該公司有很多OpenCV專家，他們繼續(xù)在英特爾的硬件平臺上對OpenCV進行優(yōu)化，而這些優(yōu)化的結(jié)果就集成在OpenVINO工具里。因此，選用OpenVINO的話，既能對深度學(xué)習(xí)進行加速，也能對傳統(tǒng)計算機視覺加速。
在與客戶的合作方面，張宇表示，除了做硬件和軟件產(chǎn)品的開發(fā)以外，我們還積極跟合作伙伴一起去構(gòu)建邊緣計算的解決方案，如跟阿里云合作，在重慶跟當(dāng)?shù)氐慕饘偌庸S一起利用OpenVINO和人工智能加速器，做了一個對金屬件缺陷檢測的方案。利用這樣的檢測方案，可以把漏檢率和誤檢率降低80%，同時檢測效率大大提升。在整個解決方案里，我們通過機械臂去抓取被檢測的工件，把它移動到檢測的攝像頭面前，轉(zhuǎn)到不同的角度，在每一個角度拍攝相應(yīng)的圖片，這個圖片會在邊緣的網(wǎng)關(guān)設(shè)備上進行基于人工智能的處理，通過這樣的處理，我們能夠發(fā)現(xiàn)產(chǎn)品里的一些缺陷。
在推動邊緣計算發(fā)展以及產(chǎn)業(yè)合作方面，英特爾持較為開放的態(tài)度，英特爾副總裁兼物聯(lián)網(wǎng)事業(yè)部中國區(qū)總經(jīng)理陳偉先生表示，我們的芯片可以用在終端、邊緣，也可以用在云，但這并不等于說整個端到端的所有芯片都由英特爾一家提供。比如我們在做的VPU，在攝像機上能夠加上視頻分析加速器，這是英特爾的產(chǎn)品，但攝像機還會用到很多家公司的芯片。過去，計算發(fā)生在云端，大家容易理解，因為數(shù)據(jù)在哪兒，計算就在哪。
展開 
OpenCV3的相關(guān)專題、標(biāo)簽、搜索
OpenCV3的最新內(nèi)容
(nonfree module) Opencv3 移除，需調(diào)用 xfeature2d 庫；
“ORB” ORB Opencv3
移除,需調(diào)用
xfeature2d
庫；
“MSER” MSER；
“GFTT” GoodFeaturesToTrackDetector；
再來看看真正利用了AI的應(yīng)用，利用OpenCV庫和Python3開發(fā)環(huán)境來實現(xiàn)人臉識別，公司打卡、點名系統(tǒng)之類的就需要此類功能。利用face_recognition這個Python人臉識別庫就能搞定，這是基于dlib機器學(xué)習(xí)開源算法庫實現(xiàn)的，函數(shù)調(diào)用比較簡單。
這個庫的face_locations方法就能找到圖像中人臉的位置，藉由OpenCV將框畫到原圖上并顯示結(jié)果。
CascadeClassifier 類 353
9.6 應(yīng)用實例 355
9.6.1 運動目標(biāo)提取 355
9.6.2 TLD 單目標(biāo)跟蹤.. 358
9.6.3 人眼檢測與跟蹤.. 361
9.7 小結(jié). 365
附錄A 366
1——代碼清單.. 366
2——CMake 編譯OpenCV3.1 源碼. 372
3——OpenCV3.1 Extra 擴展庫 375
參考文獻.... 379
《OpenCV編程案例詳解》中的全部系統(tǒng)均以當(dāng)前的最新版本OpenCV 3.0版本進行介紹。《OpenCV編程案例詳解》在處理問題時，盡量屏蔽了無關(guān)的細節(jié)，即將OpenCV作為一個黑盒來使用。
《OpenCV編程案例詳解》提供的教學(xué)系統(tǒng)能夠讓讀者快速掌握計算機視覺的相關(guān)知識，盡快掌握圖像處理的相關(guān)算法和系統(tǒng)構(gòu)建，讓圖像處理的零基礎(chǔ)入門開發(fā)者能夠盡快成為一名從業(yè)人員。
OpenCV3編程入門以當(dāng)前最新版本的OpenCV最常用最核心的組件模塊為索引，深入淺出地介紹了OpenCV2和OpenCV3中的強大功能、性能，以及新特性。書本配套的OpenCV2和OpenCV3雙版本的示例代碼包中，含有總計兩百多個詳細注釋的程序源代碼與思路說明。讀者可以按圖索驥，按技術(shù)方向進行快速上手和深入學(xué)習(xí)。
計算機視覺
計算機視覺是將來自靜止圖像或視頻的數(shù)據(jù)轉(zhuǎn)換成一個決策或者一種新的表達方式的過程，這些轉(zhuǎn)換是為了達到某個目標(biāo)。
因為人類是視覺動物，所以可能會誤以為可以很容易的實現(xiàn)計算機視覺，當(dāng)你看到圖像時，從中找到一輛汽車會很困難么？
而在計算機視覺系統(tǒng)中，計算機接收到的是來自攝像機或者磁盤文件的一個數(shù)值矩陣，實際上，計算機視覺問題比我們想象的更加糟糕
在計算機視覺領(lǐng)域，英特爾預(yù)編譯了OpenCV3.3，OpenCV是在計算機視覺領(lǐng)域應(yīng)用非常廣泛的函數(shù)庫，這個函數(shù)庫跟英特爾的淵源很深，最早是由該公司的工程師開發(fā)的，后來變成開源的項目，由俄羅斯的一家公司維護。幾年前英特爾收購了這家公司，現(xiàn)在它是英特爾物聯(lián)網(wǎng)事業(yè)部的一部分。
OpenCV：你需要一個OpenCV 3.4或者更高版本。
該腳本下需要兩個命令行：
--model：神經(jīng)風(fēng)格遷移的模型路徑。在“下載”區(qū)中，我加入了11中經(jīng)過與訓(xùn)練的模型。
--image：需要進行風(fēng)格遷移的圖像（輸入圖像）。在其中我放入了四張圖片。
你不需要改變命令行代碼，參數(shù)會在運行過程中進行處理。
