opencv_python

第一章：走进opencv

第二章：opencv中的gui特性

2.1 图片

        2.1.1 使用opencv

        读入图片；显示图片；保存图片

        2.1.2 使用matplotlib

2.2 视频

        2.2.1 用摄像头捕获视频

        2.2.2 从文件中播放视频

        2.2.3 保存视频

2.3 opencv中的绘图函数

        2.3.1 画线

        2.3.2 画矩形

        2.3.3 画圆

        2.3.4 画椭圆

        2.3.5 画多边形

        2.3.6 在图片上添加文字

2.4 把鼠标当画笔

        2.4.1 简单demo

        2.4.2 高级demo

2.5 用滑动条做调色板

第三章：核心操作

3.1 图像的基础操作

        3.1.1 获取并修改像素值

        3.1.2 获取图像属性

        3.1.3 图像ROI

        3.1.4 拆分及合并图像通道

        3.1.5 为图像扩边（填充）

3.2 图像上的算术运算

        3.2.1 图像加法

        3.2.2 图像混合

        3.2.3 按位运算

3.3 程序性能检测及优化

        3.3.1 使用opencv检测程序效率

        3.3.2 opencv中的默认优化

        3.3.3 在Ipython中检测程序效率

        3.3.4 更多Ipython的魔法方法

        3.3.5 效率优化技术

第四章：opencv中的图像处理

4.1 颜色空间转换

        4.1.1 转换到颜色空间

        4.1.2 物体跟踪

        4.1.3 怎么找到要跟踪对象的HSV值

4.2 几何变换

        4.2.1 扩展缩放

        4.2.2 平移

        4.2.3 旋转

        4.2.4 仿射变换

        4.2.5 透视变换

4.3 图像阈值

        4.3.1 简单阈值

        4.3.2 自适应阈值

        4.3.3 Otsu's 二值化

        4.3.4 Otsu's 二值化是如何工作的？

4.4 图像平滑

        4.4.1 2D卷积（Image Filtering）

        4.4.2 图像模糊（Image Smoothing）

        平均；高斯模糊；中值模糊；双边模糊

4.5 形态学转换

        4.5.1 腐蚀

        4.5.2 膨胀

        4.5.3 开运算

        4.5.4 闭运算

        4.5.5 形态学梯度

        4.5.6 礼帽

        4.5.7 黑帽

        4.5.8 结构化元素

4.6 图像梯度

        4.6.1 原理

        4.6.2 Sobel算子和Scharr算子

        4.6.3 Laplacian算子

4.7 Canny边缘检测

        4.7.1 原理

        噪声去除；计算图像梯度；非极大值抑制；滞后阈值

        4.7.2 opencv中的Canny边界检测

4.8 图像金字塔

        4.8.1 原理

        4.8.2 使用金字塔进行图像融合

4.9 opencv中的轮廓

        4.9.1 初识轮廓

        什么是轮廓；怎样绘制轮廓；轮廓的近似方法

        4.9.2 轮廓特征

        矩；轮廓面积；轮廓周长；轮廓近似；凸包；凸性检测；边界矩形；最小外接圆；椭圆拟合；直线拟合

        4.9.3 轮廓的性质

        长宽比；Extent；Solidity；Equivalent Diameter；方向；掩模和像素点；最大值和最小值及它们的位置；平均颜色以及平均灰度；极点

        4.9.4 轮廓：更多函数

        凸缺陷；Point polygen Test；形状匹配

        4.9.5 轮廓的层次结构

        什么是层次结构；opencv中的层次结构；轮廓检索模式

4.10 直方图

        4.10.1 直方图的计算，绘制和分析

        统计直方图；绘制直方图；使用掩模

        4.10.2 直方图均衡化

        opencv中的直方图均衡化；clahe有限对比适应性直方图均衡化

        4.10.3 直方图

        介绍；opencv中的2D直方图；numpy中的2D直方图；绘制2D直方图

        4.10.4 直方图反向投影

        numpy中的算法；opencv中的反向投影

4.11 图像变换

        4.11.1 傅里叶变换

        numpy中的傅里叶变换；opencv中的傅里叶变换；dft的性能优化；为什么拉普拉斯算子时高通滤波器

4.12 模板匹配

        4.12.1 opencv中的模板匹配

        4.12.2 多目标的模板匹配

4.13 Hough直线变换

        4.13.1 opencv中的霍夫变换

        4.13.2 Probabilistic Hough Transform

4.14 Hough圆环变换

4.15 分水岭算法图像分割

4.16 使用grabcut算法进行交互式前景提取

第五章：图像特征提取与描述

5.1 理解图像特征

5.2 Harri角点检测

        5.2.1 opencv中的harris角点检测

        5.2.2 亚像素级精确度的角点

        5.3 shi-tomasi角点检测&适合于跟踪的图像特征

5.4 Sift（Scale-Invariant feature transform）

5.5 Surf（Speeded-up robust features）

5.6 角点检测的FAST算法

        5.6.1 使用FAST算法进行特征提取

        5.6.2 机器学习的角点检测器

        5.6.3 非极大值抑制

        5.6.4 opencv中的FAST特征检测器

5.7 BRIEF（Binary robust independent elementary features）

5.8 ORB（Oriented FAST and rotated BRIEF）

5.9 特征匹配

        5.9.1 Brute-Force匹配的基础

        5.9.2 对ORB描述符进行Brute-Force匹配

        5.9.3 匹配器对象是什么？

        5.9.4 对sift描述符进行Brute-Force匹配和比值测试

        5.9.5 FLANN 匹配器

5.10 使用特征匹配和单应性查找对象

第六章：视频分析

6.1 Meanshift和Camshift

        6.1.1 Meanshift

        6.1.2 opencv中的Meanshift

        6.1.3 Camshift

        6.1.4 opencv中的Camshift

6.2 光流

        6.2.1 光流

        6.2.2 Lucas-Kanade法

        6.2.3 opencv中的Lucas-Kanade光流

        6.2.4 opencv中的稠密光流

6.3 如何使用背景减除方法

        6.3.1 BackgroundSubtractorMOG

        6.3.2 BackgroundSubtractorMOG2

        6.3.3 BackgroundSubtractorGMG

第七章：摄像机标定和3D重构

7.1 摄像机标定

        7.1.1 基础

        7.1.2 代码

        设置；标定；畸变校正

        7.1.3 反向投影误差

7.2 姿态估计

7.3 对极几何

7.4 立体图像中的深度地图

第八章：机器学习

8.1 k近邻

        8.1.1 理解k近邻

        8.1.2 使用knn对手写数字ocr

8.2 SVM

        8.2.1 理解svm

        8.2.2 使用svm进行手写数据ocr

8.3 k值聚类

        8.3.1 理解k-means聚类

        8.3.2 opencv中的k-means聚类

第九章：计算摄影学

9.1 图像去燥

9.2 图像修复

9.3 HDR