OpenCV轻松入门：面向Python

OpenCV轻松入门：面向Python读书笔记模板01思维导图读书笔记目录分析内容摘要精彩摘录作者介绍目录0305020406思维导图函数示例图像算法原理第章图像基础函数理论算法处理模块运算通道轮廓近邻均值滤波关键字分析思维导图内容摘要内容摘要本书基于面向Python的OpenCV（OpenCVforPython），介绍了图像处理的方方面面。本书以OpenCV官方文档的知识脉络为主线，并对细节进行补充和说明。书中不仅介绍了OpenCV函数的使用方法，还介绍了函数实现的算法原理。在介绍OpenCV函数的使用方法时，提供了大量的程序示例。而且在介绍函数对图像的处理前，往往先展示函数对数值、数组的处理，方便读者从数值的角度观察和理解函数的处理过程和结果。在介绍具体的算法原理时，本书尽量使用通俗易懂的语言和贴近生活的示例来说明问题，避免使用过多复杂抽象的公式。本书适合计算机视觉领域的初学者阅读，包括在校学生、教师、专业技术人员、图像处理爱好者。读书笔记读书笔记和书名一样，阅读体验很好，我一度看到了解密游戏的元素，作者对图像处理一些算法的概念描述十分形象。对初次接触OpenCV的人来说，非常浅显易懂，很好的一本OpenCV入门书籍。这本书基本上和官网tutorial是一样，不过是增加了对函数参数的解读，推荐给新手入门可用，可在平时调用函数时翻阅，作为查找工具书。本书是opencv的地基书，打好了地基，理解了原理，才能理解好，应用好opencv。花了一天时间大体过了一遍，虽然说看完就忘记了，但是最起码入了门，知道opencv都有哪些常用的API，需要用到的时候再仔细翻阅或者上网找相关的博客。无疑，计算机视觉是当今AI领域最重要最应该了解的，这本书的好就在于不但告诉了你有那些处理，具体处理的函数，还讲解了基本的理论依据，而后者，对理解这些算法是非常重要的:知其然不知其所以然的结果当然只能是死搬硬套！比如，关于霍夫变换的讲解，你就会真切的感受到改变视角做事有时候是多么的不同，这就是映射的魅力，而这样的观念除非你见到，否则，是很难靠自己瞎想能突破的，而一旦突破，你就有了更广阔的世界！如果你想入门cv，看这一本吧！真的挺轻松的。是本好书，将opencv中图像处理常用的api都简单过了一下，接着再结合官方示例看看，然后稍作修改就感觉掌握的差不多了。精彩摘录精彩摘录需要特别注意的是，在OpenCV中，通道的顺序是B→G→R计算机会将灰度处理为256个灰度级，用数值区间[0,255]来表示。其中，数值“255”表示纯白色，数值“0”表示纯黑色，其余的数值表示从纯白到纯黑之间不同级别的灰度。numpy.array提供了item()和itemset()函数来访问和修改像素值，而且这两个函数都是经过优化处理的，能够更大幅度地提高处理效率在图像处理过程中，我们可能会对图像的某一个特定区域感兴趣，该区域被称为感兴趣区域（RegionofInterest,ROI）shape：如果是彩色图像，则返回包含行数、列数、通道数的数组；如果是二值图像或者灰度图像，则仅返回行数和列数。通过该属性的返回值是否包含通道数，可以判断一幅图像是灰度图像（或二值图像）还是彩色图像。Python提供了函数ord()，用来获取字符的ASCII码值将灰度图像中处于同一比特位上的二进制像素值进行组合，得到一幅二进制值图像，该图像被称为灰度图像的一个位平面，这个过程被称为位平面分解OpenCV提供了函数cv2.imread()来读取图像，该函数支持各种静态图像格式。目录分析本书的主要内容和特点感谢互动方式读者服务献辞页1.1如何使用1.3OpenCV贡献库1.2图像处理基本操作第1章OpenCV入门2.1图像的基本表示方法2.2像素处理2.3使用numpy.array访问像素2.4感兴趣区域（ROI）第2章图像处理基础2.6获取图像属性2.5通道操作第2章图像处理基础3.1图像加法运算3.3按位逻辑运算3.2图像加权和第3章图像运算3.4掩模3.5图像与数值的运算3.6位平面分解3.7图像加密和解密3.8数字水印3.9脸部打码及解码010302040506第3章图像运算4.1色彩空间基础4.3类型转换实例4.2类型转换函数第4章色彩空间类型转换4.5alpha通道4.4HSV色彩空间讨论第4章色彩空间类型转换5.1缩放5.3仿射5.2翻转第5章几何变换5.5重映射5.4透视第5章几何变换6.1threshold函数6.3Otsu处理6.2自适应阈值处理第6章阈值处理7.1均值滤波7.2方框滤波7.3高斯滤波7.4中值滤波7.5双边滤波7.62D卷积010302040506第7章图像平滑处理8.1腐蚀8.2膨胀8.3通用形态学函数8.4开运算8.5闭运算12345第8章形态学操作8.6形态学梯度运算8.7礼帽运算8.8黑帽运算8.9核函数第8章形态学操作9.1Sobel理论基础9.2Sobel算子及函数使用9.3Scharr算子及函数使用9.4Sobel算子和Scharr算子的比较第9章图像梯度9.6算子总结9.5Laplacian算子及函数使用第9章图像梯度10.2Canny函数及使用10.1Canny边缘检测基础第10章Canny边缘检测11.1理论基础11.2pyrDown函数及使用11.3pyrUp函数及使用11.4采样可逆性的研究11.5拉普拉斯金字塔12345第11章图像金字塔12.1查找并绘制轮廓12.2矩特征12.3Hu矩12.4轮廓拟合12.5凸包12345第12章图像轮廓12.7轮廓的特征值12.6利用形状场景算法比较轮廓第12章图像轮廓13.1直方图的含义13.2绘制直方图13.3直方图均衡化13.4pyplot模块介绍第13章直方图处理14.1理论基础14.3OpenCV实现傅里叶变换14.2Numpy实现傅里叶变换第14章傅里叶变换15.2多模板匹配15.1模板匹配基础第15章模板匹配16.2霍夫圆环变换16.1霍夫直线变换第16章霍夫变换17.2交互式前景提取17.1用分水岭算法实现图像分割与提取第17章图像分割与提取18.1VideoCapture类18.3视频操作基础18.2VideoWriter类第18章视频处理19.1绘画基础19.3滚动条19.2鼠标交互第19章绘图及交互20.1理论基础20.2计算20.2手写数字识别的原理20.3自定义函数手写数字识别第20章K近邻算法20.5K近邻手写数字识别20.4K近邻模块的基本使用第20章K近邻算法21.2SVM案例介绍21.1理论基础第21章支持向量机22.1理论基础22.3简单示例22.2K均值聚类模块第22章