1.基於Python講述OpenCV大量函數用法構建功能強大的應用程序
2.基於OpenCV4.1，涵蓋上百個函數
3.一線實踐案例講述計算機視覺知識及OpenCV庫
4.深入學習圖像處理、特征檢測、視頻分析等算法
5.提供GitHub托管測試數據、源代碼等配套資源

《OpenCV 4詳解：基於Python》基於OpenCV 4.1版本，討論OpenCV 4的功能，以及OpenCV在圖像處理和計算機視覺方面的應用。本書共12章。主要內容包括OpenCV的基礎知識，數據載入、顯示與保存，圖像基本操作，直方圖，圖像濾波，圖像形態學操作，圖像分割與修復，目標檢測，特征點檢測與匹配，立體視覺，視頻分析，機器學習在OpenCV中的實現方式。
《OpenCV 4詳解：基於Python》適合計算機視覺方面的專業人士閱讀，也可作為計算機相關專業的教材。

目錄
第 1章初識OpenCV 1
1．1什麼是OpenCV 1
1．1．1OpenCV與計算機視覺 1
1．1．2OpenCV的發展 2
1．1．3OpenCV 4帶來了什麼 3
1．2安裝OpenCV-Python 4
1．2．1在Windows繫統中安裝
OpenCV-Python 4
1．2．2在Ubuntu繫統中安裝
OpenCV-Python 9
1．3OpenCV的模塊架構 12
1．4示例程序 14
1．4．1配置運行環境 14
1．4．2邊緣檢測 14
1．4．3K聚類算法 15
1．4．4基於特征點的圖像匹配 16
1．4．5行人檢測 17
1．4．6手寫數字識別 18
1．5本章小結 19
第 2章載入、顯示與保存數據 20
2．1圖像的表示 20
2．1．1圖像基礎 20
2．1．2NumPy相關介紹 22
2．2圖片的讀取與顯示 27
2．2．1圖片讀取函數 28
2．2．2圖像窗口函數 29
2．2．3圖片顯示函數 29
2．3視頻加載與攝像頭調用 30
2．3．1讀取視頻數據 30
2．3．2攝像頭的直接調用 33
2．4數據保存 33
2．4．1保存圖像 34
2．4．2保存視頻 36
2．4．3保存和讀取XML和YMAL
文件 38
2．5本章小結 41
第3章圖像基本操作 42
3．1顏色空間 42
3．1．1顏色空間與轉換 42
3．1．2多通道分離與合並 47
3．2關於像素的操作 49
3．2．1圖像像素統計 50
3．2．2兩圖像間的像素操作 53
3．2．3圖像二值化 58
3．2．4LUT 62
3．3圖像連接和圖像變換 64
3．3．1圖像連接 64
3．3．2圖像尺寸變換 66
3．3．3圖像翻轉變換 68
3．3．4圖像仿射變換 69
3．3．5圖像透視變換 72
3．3．6極坐標變換 75
3．4在圖像上繪制幾何圖形和生成文字 77
3．4．1繪制圓形 77
3．4．2繪制直線 78
3．4．3繪制橢圓 78
3．4．4繪制多邊形 79
3．4．5生成文字 80
3．5感興趣區域 83
3．6圖像金字塔 85
3．6．1高斯金字塔 85
3．6．2拉普拉斯金字塔 86
3．7窗口交互操作 88
3．7．1圖像窗口滑動條 88
3．7．2鼠標響應 90
3．8本章小結 92
第4章圖像直方圖 94
4．1圖像直方圖的計算與繪制 94
4．1．1圖像直方圖的計算 94
4．1．2圖像直方圖的繪制 96
4．22D直方圖 100
4．3關於直方圖的操作 103
4．3．1直方圖歸一化 103
4．3．2直方圖比較 106
4．3．3直方圖均衡化 109
4．3．4直方圖匹配 111
4．3．5直方圖反向投影 114
4．4圖像模板匹配 115
4．5本章小結 119
第5章圖像濾波 120
5．1圖像卷積 120
5．2噪聲的種類與生成 124
5．2．1椒鹽噪聲 124
5．2．2高斯噪聲 126
5．3線性濾波 129
5．3．1均值濾波 129
5．3．2方框濾波 132
5．3．3高斯濾波 134
5．3．4可分離濾波 137
5．3．5中值濾波 140
5．3．6雙邊濾波 142
5．4圖像邊緣檢測 145
5．4．1邊緣檢測原理 145
5．4．2Sobel算子 148
5．4．3Scharr算子 151
5．4．4生成邊緣檢測濾波器 152
5．4．5Laplacian算子 154
5．4．6Canny算法 156
5．5本章小結 158
第6章圖像形態學操作 159
6．1像素距離與連通域 159
6．1．1圖像距離變換 159
6．1．2圖像連通域分析 164
6．2腐蝕與膨脹 170
6．2．1圖像腐蝕 170
6．2．2圖像膨脹 175
6．3形態學應用 178
6．3．1開運算 178
6．3．2閉運算 180
6．3．3形態學梯度 180
6．3．4頂帽運算 181
6．3．5黑帽運算 181
6．3．6擊中擊不中變換 182
6．3．7圖像細化 185
6．4本章小結 187
第7章目標檢測 189
7．1形狀檢測 189
7．1．1直線檢測 189
7．1．2直線擬合 198
7．1．3圓形檢測 200
7．2輪廓檢測 202
7．2．1輪廓發現與繪制 203
7．2．2輪廓面積 207
7．2．3輪廓長度 208
7．2．4輪廓外接多邊形 209
7．2．5點到輪廓距離 213
7．2．6凸包檢測 215
7．3矩的計算 216
7．3．1幾何矩與中心矩 217
7．3．2Hu矩 218
7．3．3基於Hu矩的輪廓匹配 220
7．4點集擬合 222
7．5二維碼檢測 224
7．6本章小結 226
第8章圖像分析與修復 228
8．1傅裡葉變換 228
8．1．1離散傅裡葉變換 228
8．1．2通過傅裡葉變換計算卷積 235
8．1．3離散餘弦變換 236
8．2積分圖 240
8．3圖像分割 243
8．3．1漫水填充法 244
8．3．2分水嶺法 246
8．3．3Grabcut圖像分割 249
8．3．4Mean-Shift分割算法 251
8．4圖像修復 254
8．5本章小結 256
第9章特征點檢測與匹配 258
9．1角點檢測 258
9．1．1顯示關鍵點 258
9．1．2Harris角點檢測 261
9．1．3Shi-Tomasi角點檢測 264
9．1．4亞像素級別角點檢測 266
9．2特征點檢測 268
9．2．1關鍵點 268
9．2．2描述子 269
9．2．3SIFT特征點檢測 270
9．2．4SURF特征點檢測 273
9．2．5ORB特征點檢測 276
9．3特征點匹配 279
9．3．1DescriptorMatcher類 279
9．3．2暴力匹配 281
9．3．3顯示特征點匹配結果 282
9．3．4FLANN匹配 284
9．3．5RANSAC優化特征點匹配 287
9．4本章小結 290
第 10章立體視覺 291
10．1單目視覺 291
10．1．1單目相機模型 291
10．1．2標定板角點提取 294
10．1．3單目相機標定 298
10．1．4單目相機校正 302
10．1．5單目投影 305
10．1．6單目位姿估計 307
10．2雙目視覺 312
10．2．1雙目相機模型 312
10．2．2雙目相機標定 313
10．2．3雙目相機校正 316
10．3本章小結 319
第 11章視頻分析 321
11．1差值法檢測移動物體 321
11．2均值遷移法目標跟蹤 323
11．2．1均值遷移的目標跟蹤 324
11．2．2自適應均值遷移的目標跟蹤 327
11．3光流法目標跟蹤 330
11．3．1Faeneback多項式擴展算法 332
11．3．2基於LK光流跟蹤 335
11．4本章小結 338
第 12章OpenCV與機器學習 339
12．1OpenCV與傳統機器學習 339
12．1．1k均值聚類算法 339
12．1．2K近鄰算法 343
12．1．3決策樹 347
12．1．4隨機森林 349
12．1．5支持向量機 351
12．2OpenCV與深度神經網絡應用
實例 354
12．2．1加載深度學習模型 355
12．2．2圖像識別 357
12．2．3快速風格遷移 359
12．2．4性別檢測 361
12．3本章小結 363