第1章 計算機視覺概述 1
1.1　項目介紹 1
1.2　計算機視覺理論知識 2
1.2.1 計算機視覺能解決什么問題 2
1.2.2 計算機視覺與相關領域 3
1.2.3 計算機視覺的發(fā)展歷史 4
1.2.4 計算機視覺的發(fā)展趨勢 12
1.3　典型的計算機視覺任務 14
應用場景1：文字識別 20
第2章 環(huán)境搭建 22
2.1　項目介紹 22
2.2　環(huán)境搭建的理論知識 23
2.3　環(huán)境搭建 26
2.3.1 安裝Anaconda 26
2.3.2 創(chuàng)建Anaconda 虛擬環(huán)境 30
2.3.3 下載PyCharm 32
2.3.4 安裝PyCharm 33
2.3.5 使用PyCharm加載Anaconda虛擬環(huán)境 35
應用場景2：安防領域 40
第3章 簡易調色畫布 42
3.1　項目介紹 42
3.2　調色畫布理論基礎 43
3.2.1 像素 43
3.2.2 像素坐標系 43
3.2.3 RGB顏色模型 44
3.2.4 BGR排列模式 46
3.2.5 滑動條 47
3.2.6 簡易調色畫布原理 49
3.3　項目實現(xiàn) 50
3.3.1 代碼框架 50
3.3.2 代碼實現(xiàn) 52
應用場景3：農業(yè)領域 55
第4章 幾何圖像的繪制 57
4.1　項目介紹 57
4.2　理論基礎 58
4.2.1 直線 58
4.2.2 矩形 59
4.2.3 圓 59
4.2.4 多邊形 60
4.2.5 文本 61
4.3　項目分析 62
4.3.1 項目介紹 62
4.3.2 界面效果 63
4.4　項目實現(xiàn) 63
4.4.1 調用聲明 64
4.4.2 定義初始化變量 64
4.4.3 類內方法 64
4.4.4 繪制幾何圖形 66
4.4.5 系統(tǒng)化編程 68
應用場景4：零售業(yè) 71
第5章 簡單的圖像處理 73
5.1　項目介紹 73
5.2　項目原理 74
5.2.1 圖像的翻轉處理 74
5.2.2 形態(tài)學處理 74
5.3　項目實現(xiàn) 74
5.3.1 使用OpenCV旋轉圖像 74
5.3.2 使用OpenCV平移圖像 78
5.3.3 使用OpenCV鏡像圖像 80
5.3.4 使用OpenCV翻轉圖像 82
5.3.5 形態(tài)學處理實現(xiàn) 84
應用場景5：生產制造 89
第6章 馬賽克 92
6.1　項目介紹 92
6.2　項目原理 93
6.2.1 馬賽克效果實現(xiàn) 93
6.2.2 馬賽克效果實現(xiàn)原理 93
6.3　項目實現(xiàn) 95
6.3.1 圖像馬賽克效果實現(xiàn) 95
6.3.2 視頻馬賽克效果實現(xiàn) 96
6.3.3 馬賽克拼圖效果實現(xiàn) 97
應用場景6：醫(yī)療保健 109
第7章 圖像美顏 111
7.1　項目介紹 111
7.2　空域濾波理論基礎 112
7.2.1 均值濾波 113
7.2.2 方框濾波 114
7.2.3 高斯濾波 115
7.2.4 中值濾波 117
7.2.5 雙邊濾波 118
7.3　項目實現(xiàn) 119
7.3.1 代碼框架 119
7.3.2 代碼實現(xiàn) 120
應用場景7：谷歌翻譯 126
第8章 人臉檢測 127
8.1　項目介紹 127
8.2　理論基礎 128
8.2.1 計算機視覺任務與目標識別算法 128
8.2.2 Haar特征與積分圖 131
8.2.3 AdaBoost級聯(lián)分類器 134
8.2.4 人臉檢測 136
8.3　項目分析 138
8.3.1 項目介紹 138
8.3.2 界面效果 139
8.4　項目實現(xiàn) 140
8.4.1 模型配置細節(jié) 140
8.4.2 檢測算法應用 140
8.4.3 輸出檢測結果 141
8.4.4 系統(tǒng)化編程 142
8.4.5 輸出結果分析 143
應用場景8：人臉識別 147
第9章 人臉跟蹤 149
9.1　項目介紹 149
9.2　人臉跟蹤原理 150
9.2.1 基于特征匹配的跟蹤 150
9.2.2 基于區(qū)域匹配的跟蹤 151
9.2.3 基于模型匹配的跟蹤 151
9.3　基于OpenCV的人臉跟蹤實現(xiàn) 153
9.3.1 人臉檢測功能的實現(xiàn) 153
9.3.2 檢測模式和跟蹤模式的切換 155
9.3.3 跟蹤器的實現(xiàn) 156
9.3.4 人臉特征點定位實現(xiàn) 158
應用場景9：自動駕駛汽車 162
參考文獻 164