項(xiàng)目1 數(shù)字圖像處理基礎(chǔ) 1
任務(wù)1 數(shù)字圖像處理簡(jiǎn)介 1
1.1.1 數(shù)字圖像處理的概念 2
1.1.2 數(shù)字圖像處理的應(yīng)用領(lǐng)域 4
任務(wù)2 OpenCV的安裝配置 7
1.2.1 OpenCV簡(jiǎn)介 7
1.2.2 Python的安裝配置 8
1.2.3 Numpy的安裝配置 11
1.2.4 OpenCV庫的安裝配置 11
1.2.5 Jupyter Notebook的安裝與使用 12
任務(wù)3 讀取圖像、顯示圖像、保存圖像 15
1.3.1 讀取圖像 16
1.3.2 顯示圖像 16
1.3.3 保存圖像 17
任務(wù)4 圖像的屬性與圖像像素級(jí)操作 18
1.4.1 圖像的屬性 18
1.4.2 圖像像素級(jí)操作 19
項(xiàng)目2 圖像運(yùn)算 22
任務(wù)1 圖像算術(shù)運(yùn)算 22
2.1.1 圖像算術(shù)運(yùn)算的概念 23
2.1.2 圖像加法 23
2.1.3 圖像減法 24
任務(wù)2 圖像淡入淡出效果 27
任務(wù)3 圖像邏輯運(yùn)算 28
2.3.1 按位與運(yùn)算 29
2.3.2 按位或運(yùn)算 30
2.3.3 按位非運(yùn)算 31
2.3.4 按位異或運(yùn)算 31
任務(wù)4 面部加密及解碼 34
項(xiàng)目3 色彩空間與幾何變換 39
任務(wù)1 圖像類型轉(zhuǎn)換 39
3.1.1 RGB色彩空間 40
3.1.2 GRAY色彩空間 41
3.1.3 HSV色彩空間 41
3.1.4 圖像類型轉(zhuǎn)換函數(shù) 42
任務(wù)2 提取指定顏色的物體 44
3.2.1 HSV色彩空間的進(jìn)階知識(shí) 44
3.2.2 標(biāo)記指定顏色 45
任務(wù)3 簡(jiǎn)單的幾何變換 48
3.3.1 縮放圖像 48
3.3.2 翻轉(zhuǎn)圖像 50
3.3.3 平移圖像 50
3.3.4 旋轉(zhuǎn)圖像 51
任務(wù)4 圖像幾何矯正 54
項(xiàng)目4 閾值處理與圖像平滑 57
任務(wù)1 閾值處理基礎(chǔ) 57
4.1.1 簡(jiǎn)單閾值法 58
4.1.2 Otsu閾值法 59
4.1.3 自適應(yīng)閾值法 59
任務(wù)2 使用滑動(dòng)條調(diào)整閾值 62
4.2.1 cv2.createTrackbar()函數(shù) 63
4.2.2 cv2.getTrackbarPos()函數(shù) 63
任務(wù)3 平滑處理基礎(chǔ) 65
4.3.1 均值濾波 65
4.3.2 高斯濾波 66
4.3.3 中值濾波 66
4.3.4 雙邊濾波 67
任務(wù)4 使用滑動(dòng)條進(jìn)行平滑處理 70
項(xiàng)目5 形態(tài)學(xué)操作 73
任務(wù)1 腐蝕與膨脹 73
5.1.1 結(jié)構(gòu)元 74
5.1.2 腐蝕 74
5.1.3 膨脹 75
任務(wù)2 通用形態(tài)學(xué)函數(shù) 77
任務(wù)3 形態(tài)學(xué)結(jié)構(gòu)元 81
任務(wù)4 去除電子書筆記中的注釋 83
項(xiàng)目6 圖像梯度與邊緣檢測(cè) 85
?任務(wù)1 使用Sobel算子進(jìn)行邊緣檢測(cè) 85
6.1.1 圖像梯度的概念 86
6.1.2 Sobel算子 86
6.1.3 cv2.convertScaleAbs()函數(shù) 87
任務(wù)2 使用Laplacian算子進(jìn)行邊緣檢測(cè) 89
任務(wù)3 Canny邊緣檢測(cè)算法 91
6.3.1 Canny邊緣檢測(cè)算法的概念 92
6.3.2 cv2.Canny()函數(shù) 92
任務(wù)4 實(shí)戰(zhàn)：車道檢測(cè) 94
項(xiàng)目7 圖像金字塔 97
任務(wù)1 圖像金字塔與高斯金字塔 97
7.1.1 圖像金字塔的概念 98
7.1.2 高斯金字塔 98
任務(wù)2 拉普拉斯金字塔 100
任務(wù)3 還原高分辨率的圖像 103
任務(wù)4 使用圖像金字塔進(jìn)行圖像融合 106
項(xiàng)目8 圖像輪廓 109
任務(wù)1 查找與繪制圖像輪廓 109
8.1.1 查找圖像輪廓 110
8.1.2 繪制圖像輪廓 110
任務(wù)2 計(jì)算輪廓長(zhǎng)度與面積 112
8.2.1 輪廓長(zhǎng)度的計(jì)算方法 113
8.2.2 輪廓面積的計(jì)算方法 113
任務(wù)3 實(shí)現(xiàn)形狀匹配 115
任務(wù)4 輪廓的幾何形狀擬合 116
8.4.1 矩形包圍框 117
8.4.2 最小外接矩形框 117
8.4.3 最小包圍圓形 118
8.4.4 逼近多邊形 118
任務(wù)5 繪制凸包 122
任務(wù)6 凸缺陷檢測(cè) 124
任務(wù)7 實(shí)戰(zhàn)：輪廓分類 126
8.7.1 寬高比 126
8.7.2 占空比 126
項(xiàng)目9 圖像直方圖 128
任務(wù)1 繪制直方圖 128
9.1.1 圖像直方圖 129
9.1.2 繪制圖像直方圖 129
任務(wù)2 直方圖均衡化 131
9.2.1 直方圖均衡化的概念 132
9.2.2 自適應(yīng)直方圖均衡化 132
任務(wù)3 直方圖比較 134
任務(wù)4 直方圖閾值分割 136
項(xiàng)目10 模板匹配與霍夫變換 139
任務(wù)1 模板匹配的概念 139
10.1.1 模板匹配 140
10.1.2 cv2.matchTemplate()函數(shù) 140
10.1.3 cv2.minMaxLoc()函數(shù) 141
任務(wù)2 實(shí)戰(zhàn)：印花檢測(cè) 142
任務(wù)3 霍夫變換的概念 144
10.3.1 霍夫線變換 145
10.3.2 霍夫圓變換 145
任務(wù)4 實(shí)戰(zhàn)：車道檢測(cè)進(jìn)階 147
項(xiàng)目11 圖像分割與提取 150
任務(wù)1 圖像分割與提取的概念 150
11.1.1 基于閾值的分割方法 151
11.1.2 基于區(qū)域的分割方法 151
11.1.3 基于邊緣的分割方法 151
11.1.4 基于特定理論的分割方法 151
11.1.5 基于神經(jīng)網(wǎng)絡(luò)的分割方法 152
任務(wù)2 實(shí)現(xiàn)分水嶺算法 153
11.2.1 分水嶺算法的概念 154
11.2.2 分水嶺算法的步驟 154
11.2.3 距離變換函數(shù) 154
11.2.4 圖像標(biāo)注函數(shù) 155
11.2.5 分水嶺算法函數(shù) 155
任務(wù)3 鼠標(biāo)交互 160
任務(wù)4 實(shí)現(xiàn)區(qū)域生長(zhǎng)算法 163
11.4.1 區(qū)域生長(zhǎng)算法的原理 163
11.4.2 灰度差值的區(qū)域生長(zhǎng)算法實(shí)現(xiàn) 163
項(xiàng)目12 視頻處理 167
任務(wù)1 視頻處理基礎(chǔ) 167
12.1.1 cv2.VideoCapture()函數(shù) 168
12.1.2 捕獲幀 168
12.1.3 釋放幀 168
任務(wù)2 保存視頻 170
任務(wù)3 對(duì)視頻進(jìn)行逐幀處理 171
任務(wù)4 實(shí)戰(zhàn)：口罩佩戴檢測(cè) 173
12.4.1 口罩佩戴檢測(cè)模型簡(jiǎn)介 173
12.4.2 口罩佩戴檢測(cè)模型分析 174
項(xiàng)目13 綜合實(shí)戰(zhàn) 176
任務(wù)1 產(chǎn)品缺陷檢測(cè) 176
13.1.1 背景介紹 177
13.1.2 邏輯框示意圖 177
13.1.3 高斯濾波 177
13.1.4 圖像二值化 178
13.1.5 形態(tài)學(xué)操作 178
13.1.6 瑕疵判斷 178
任務(wù)2 圖像拼接 182
13.2.1 背景介紹 183
13.2.2 邏輯框示意圖 183
13.2.3 SIFT角點(diǎn)檢測(cè)算法 183
13.2.4 Brute-Force匹配 184
13.2.5 圖像融合 185
任務(wù)3 人臉檢測(cè)與人臉識(shí)別 188
13.3.1 背景介紹 188
13.3.2 邏輯框示意圖 188
13.3.3 cv2.CascadeClassifier()函數(shù) 188
13.3.4 faceCascade.detectMultiScale()函數(shù) 189
任務(wù)4 人體目標(biāo)跟蹤檢測(cè) 193
13.4.1 背景介紹 193
13.4.2 邏輯框示意圖 193
13.4.3 OpenCV目標(biāo)追蹤算法 194