業界專家聯合力薦，助您輕松入門！

本書基於面向 Python 的 OpenCV（OpenCV for Python），介紹了圖像處理的方方面面。本書以 OpenCV 官方文檔的知識脈絡為主線，並對細節進行補充和說明。 書中不僅介紹了 OpenCV 函數的使用方法，還介紹了函數實現的算法原理。在介紹 OpenCV 函數的 使用方法時，提供了大量的程序示例。而且在介紹函數對圖像的處理前，往往先展示函數對數值、數組 的處理，方便讀者從數值的角度觀察和理解函數的處理過程和結果。在介紹具體的算法原理時，本書盡 量使用通俗易懂的語言和貼近生活的示例來說明問題，避免使用過多復雜抽像的公式。 本書適合計算機視覺領域的初學者閱讀，包括在校學生、教師、專業技術人員、圖像處理愛好者。

李立宗，南開大學碩士，天津職業技術師範大學副教授，從事計算機視覺領域的教學和科研工作。擁有發明專利一項、軟件著作權十餘項，公開發表論文十餘篇，主編《OpenCV編程案例詳解》等多部圖書。在網易雲課堂主講的《OpenCV圖窮匕見》等多門課程被評為精品課。

本書采用Python語言，以案例的形式介紹了OpenCV中的常用算法及其使用方法。Python是一種高效的開發語言，使用Python調用OpenCV中的算法，可以快速地實現計算機視覺應用。

——於仕琪 OpenCV開源庫在國內的早期推廣者，“OpenCV繫列”圖書譯者、作者，OpenCV中文站站長

本書以通俗的語言，結合貼近生活的實例，形像地介紹了面向Python的OpenCV中各個函數的基本原理和使用方法。希望這本書能夠為大家帶來有益的啟發，幫助大家更好、更快、更全面地掌握面向Python的OpenCV，在計算機視覺領域有所作為。

——高鐵杠 南開大學教授、博士生導師

Python是一門跨平臺、開源、免費的解釋型高級動態編譯語言，它使得各領域的工程師、科研人員、策劃人員甚至管理人員能夠快速實現和驗證自己的思路、創意甚至推測。在有些語言中需要編寫大量代碼纔能實現的功能，在Python中直接調用內置函數或者標準庫方法即可實現，大幅簡化了代碼的編寫和維護。開發者僅需要把主要精力放在業務邏輯的設計和實現上，Python會自動在開發速度和運行效率之間做出平衡，其精妙之處令人擊節贊嘆。

——董付國 《Python程序設計》一書作者

計算機視覺是一個嶄新而又充滿希望的研究領域，而OpenCV是輔助計算機視覺的出色開源工具。OpenCV庫旨在提供易於使用的計算機視覺接口，它包含各個領域的500多個函數，能夠幫助人們方便、快速、高效地構建視覺應用。不僅如此，它還提供了一個完備的、具有通用性的機器學習模塊。可想而知，將Python和OpenCV結合，將產生巨大的威力。

本書比較繫統地介紹了面向Python的OpenCV視覺庫的使用，內容通俗易懂、生動有趣，案例豐富，實用性強。相信通過學習這本書，大家能夠在計算機視覺領域快速入門，熟練地使用面向Python的OpenCV解決實際問題。

——畢磊 騰訊科技高級工程師

有幸提前翻閱了這本書的內容，和李老師的課程一樣，循序漸進，深入淺出，非常適合我這樣的初學者。感謝老師開發了如此通俗易懂的OpenCV課程，讓OpenCV的學習變得非常輕松。

——LittleKEY 在線視頻課程學員

第1章 OPENCV入門 1
1．1 如何使用 1
1．2 圖像處理基本操作 3
1．2．1 讀取圖像 3
1．2．2 顯示圖像 5
1．2．3 保存圖像 9
1．3 OpenCV貢獻庫 10
第2章 圖像處理基礎 11
2．1 圖像的基本表示方法 11
2．2 像素處理 15
2．3 使用numpy．array訪問像素 23
2．4 感興趣區域（ROI） 29
2．5 通道操作 32
2．5．1 通道拆分 32
2．5．2 通道合並 34
2．6 獲取圖像屬性 36
第3章 圖像運算 37
3．1 圖像加法運算 37
3．1．1 加號運算符 37
3．1．2 cv2．add()函數 38
3．2 圖像加權和 40
3．3 按位邏輯運算 43
3．3．1 按位與運算 43
3．3．2 按位或運算 46
3．3．3 按位非運算 47
3．3．4 按位異或運算 48
3．4 掩模 49
3．5 圖像與數值的運算 52
3．6 位平面分解 53
3．7 圖像加密和解密 59
3．8 數字水印 63
3．8．1 原理 64
3．8．2 實現方法 66
3．8．3 例題 73
3．9 臉部打碼及解碼 74
第4章 色彩空間類型轉換 77
4．1 色彩空間基礎 77
4．1．1 GRAY色彩空間 77
4．1．2 XYZ色彩空間 78
4．1．3 YCrCb色彩空間 78
4．1．4 HSV色彩空間 79
4．1．5 HLS色彩空間 80
4．1．6 CIEL*a*b*色彩空間 80
4．1．7 CIEL*u*v*色彩空間 81
4．1．8 Bayer色彩空間 82
4．2 類型轉換函數 82
4．3 類型轉換實例 88
4．3．1 通過數組觀察轉換效果 88
4．3．2 圖像處理實例 92
4．4 HSV色彩空間討論 93
4．4．1 基礎知識 93
4．4．2 獲取指定顏色 95
4．4．3 標記指定顏色 96
4．4．4 標記膚色 100
4．4．5 實現藝術效果 101
4．5 alpha通道 102
第5章 幾何變換 106
5．1 縮放 106
5．2 翻轉 110
5．3 仿射 111
5．3．1 平移 112
5．3．2 旋轉 113
5．3．3 更復雜的仿射變換 114
5．4 透視 115
5．5 重映射 117
5．5．1 映射參數的理解 117
5．5．2 復制 119
5．5．3 繞x軸翻轉 121
5．5．4 繞y軸翻轉 122
5．5．5 繞x軸、y軸翻轉 124
5．5．6 x軸、y軸互換 126
5．5．7 圖像縮放 128
第6章 閾值處理 130
6．1 threshold函數 130
6．1．1 二值化閾值處理（cv2．THRESH_BINARY） 131
6．1．2 反二值化閾值處理（cv2．THRESH_BINARY_INV） 133
6．1．3 截斷閾值化處理（cv2．THRESH_TRUNC） 135
6．1．4 超閾值零處理（cv2．THRESH_TOZERO_INV） 136
6．1．5 低閾值零處理（cv2．THRESH_TOZERO） 138
6．2 自適應閾值處理 139
6．3 Otsu處理 141
第7章 圖像平滑處理 144
7．1 均值濾波 146
7．1．1 基本原理 146
7．1．2 函數語法 150
7．1．3 程序示例 150
7．2 方框濾波 152
7．2．1 基本原理 152
7．2．2 函數語法 153
7．2．3 程序示例 154
7．3 高斯濾波 156
7．3．1 基本原理 156
7．3．2 函數語法 158
7．3．3 程序示例 159
7．4 中值濾波 159
7．4．1 基本原理 160
7．4．2 函數語法 161
7．4．3 程序示例 161
7．5 雙邊濾波 162
7．5．1 基本原理 162
7．5．2 函數語法 164
7．5．3 程序示例 164
7．6 2D卷積 166
第8章 形態學操作 168
8．1 腐蝕 168
8．2 膨脹 173
8．3 通用形態學函數 178
8．4 開運算 179
8．5 閉運算 180
8．6 形態學梯度運算 182
8．7 禮帽運算 183
8．8 黑帽運算 185
8．9 核函數 186
第9章 圖像梯度 189
9．1 Sobel理論基礎 189
9．2 Sobel算子及函數使用 191
9．2．1 參數ddepth 192
9．2．2 方向 195
9．2．3 實例 196
9．3 Scharr算子及函數使用 200
9．4 Sobel算子和Scharr算子的比較 204
9．5 Laplacian算子及函數使用 206
9．6 算子總結 208
第10章 CANNY邊緣檢測 209
10．1 Canny邊緣檢測基礎 209
10．2 Canny函數及使用 213
第11章 圖像金字塔 215
11．1 理論基礎 215
11．2 pyrDown函數及使用 217
11．3 pyrUp函數及使用 219
11．4 采樣可逆性的研究 220
11．5 拉普拉斯金字塔 223
11．5．1 定義 223
11．5．2 應用 225
第12章 圖像輪廓 229
12．1 查找並繪制輪廓 229
12．1．1 查找圖像輪廓：findContours函數 229
12．1．2 繪制圖像輪廓：drawContours函數 237
12．1．3 輪廓實例 238
12．2 矩特征 240
12．2．1 矩的計算：moments函數 241
12．2．2 計算輪廓的面積：contourArea函數 243
12．2．3 計算輪廓的長度：arcLength函數 246
12．3 Hu矩 248
12．3．1 Hu矩函數 248
12．3．2 形狀匹配 252
12．4 輪廓擬合 254
12．4．1 矩形包圍框 254
12．4．2 最小包圍矩形框 257
12．4．3 最小包圍圓形 259
12．4．4 最優擬合橢圓 260
12．4．5 最優擬合直線 261
12．4．6 最小外包三角形 262
12．4．7 逼近多邊形 263
12．5 凸包 266
12．5．1 獲取凸包 267
12．5．2 凸缺陷 268
12．5．3 幾何學測試 270
12．6 利用形狀場景算法比較輪廓 275
12．6．1 計算形狀場景距離 275
12．6．2 計算Hausdorff距離 278
12．7 輪廓的特征值 280
12．7．1 寬高比 280
12．7．2 Extent 281
12．7．3 Solidity 282
12．7．4 等效直徑（Equivalent Diameter） 283
12．7．5 方向 284
12．7．6 掩模和像素點 286
12．7．7 最大值和最小值及它們的位置 291
12．7．8 平均顏色及平均灰度 293
12．7．9 極點 294
第13章 直方圖處理 297
13．1 直方圖的含義 297
13．2 繪制直方圖 301
13．2．1 使用Numpy繪制直方圖 301
13．2．2 使用OpenCV繪制直方圖 302
13．2．3 使用掩模繪制直方圖 307
13．3 直方圖均衡化 312
13．3．1 直方圖均衡化原理 313
13．3．2 直方圖均衡化處理 317
13．4 pyplot模塊介紹 319
13．4．1 subplot函數 319
13．4．2 imshow函數 320
第14章 傅裡葉變換 324
14．1 理論基礎 324
14．2 Numpy實現傅裡葉變換 328
14．2．1 實現傅裡葉變換 329
14．2．2 實現逆傅裡葉變換 330
14．2．3 高通濾波示例 331
14．3 OpenCV實現傅裡葉變換 333
14．3．1 實現傅裡葉變換 333
14．3．2 實現逆傅裡葉變換 335
14．3．3 低通濾波示例 336
第15章 模板匹配 339
15．1 模板匹配基礎 339
15．2 多模板匹配 345
第16章 霍夫變換 351
16．1 霍夫直線變換 351
16．1．1 霍夫變換原理 351
16．1．2 HoughLines函數 357
16．1．3 HoughLinesP函數 359
16．2 霍夫圓環變換 361
第17章 圖像分割與提取 364
17．1 用分水嶺算法實現圖像分割與提取 364
17．1．1 算法原理 364
17．1．2 相關函數介紹 366
17．1．3 分水嶺算法圖像分割實例 375
17．2 交互式前景提取 376
第18章 視頻處理 383
18．1 VideoCapture類 383
18．1．1 類函數介紹 383
18．1．2 捕獲攝像頭視頻 387
18．1．3 播放視頻文件 388
18．2 VideoWriter類 389
18．2．1 類函數介紹 389
18．2．2 保存視頻 391
18．3 視頻操作基礎 392
第19章 繪圖及交互 393
19．1 繪畫基礎 393
19．1．1 繪制直線 394
19．1．2 繪制矩形 394
19．1．3 繪制圓形 395
19．1．4 繪制橢圓 397
19．1．5 繪制多邊形 398
19．1．6 在圖形上繪制文字 400
19．2 鼠標交互 402
19．2．1 簡單示例 404
19．2．2 進階示例 405
19．3 滾動條 407
19．3．1 用滾動條實現調色板 408
19．3．2 用滾動條控制閾值處理參數 409
19．3．3 用滾動條作為開關 410
第20章 K近鄰算法 412
20．1 理論基礎 412
20．2 計算 415
20．2．1 歸一化 415
20．2．2 距離計算 416
20．2 手寫數字識別的原理 417
20．3 自定義函數手寫數字識別 421
20．4 K近鄰模塊的基本使用 427
20．5 K近鄰手寫數字識別 429
第21章 支持向量機 431
21．1 理論基礎 431
21．2 SVM案例介紹 434
第22章 K均值聚類 439
22．1 理論基礎 439
22．1．1 分豆子 439
22．1．2 K均值聚類的基本步驟 441
22．2 K均值聚類模塊 441
22．3 簡單示例 442
第23章 人臉識別 448
23．1 人臉檢測 448
23．1．1 基本原理 448
23．1．2 級聯分類器的使用 451
23．1．3 函數介紹 452
23．1．4 案例介紹 453
23．2 LBPH人臉識別 454
23．2．1 基本原理 454
23．2．2 函數介紹 456
23．2．3 案例介紹 457
23．3 EigenFaces人臉識別 458
23．3．1 基本原理 458
23．3．2 函數介紹 459
23．3．3 案例介紹 460
23．4 Fisherfaces人臉識別 461
23．4．1 基本原理 461
23．4．2 函數介紹 463
23．4．3 案例介紹 464
23．5 人臉數據庫 465
參與文獻 467
附錄A 範例 470

前言

目前，計算機視覺技術的應用越來越廣泛。伴隨著硬件設備的不斷升級，構造復雜的計算機視覺應用變得越來越容易了。有非常多的軟件工具和庫可以用來構造計算機視覺應用，而面向Python的OpenCV（OpenCV for Python）就是一個很好的選擇，本書正是基於面向Python的OpenCV來講解的。

本書的主要內容和特點

OpenCV本身是一個“黑盒”，它為我們提供了接口（參數、返回值）。我們隻需要掌握接口的正確使用方法，就可以在完全不了解其內部工作原理（算法）的情況下，方便地進行各種復雜的圖像處理。在這一點上，它和Photoshop等工具是相似的，隻要掌握了正確的使用方法，就能夠得到正確的處理結果。它們都嘗試讓我們專注於圖像處理本身，而不用去考慮算法實現的細節。

在學習Photoshop時，我們學習的是如何使用它的功能，而不需要繫統地學習每個功能所采用的算法原理。但是很明顯，我們在使用OpenCV進行圖像處理時，是不能完全忽略算法實現的，否則是不可能用好OpenCV的，更不能設計出好的計算機視覺應用繫統。

從上述角度講，我們可以從兩個角度學習OpenCV：

? 將OpenCV作為“白盒”學習：深入學習OpenCV每個函數所使用算法的基本原理、每個函數的具體實現細節，進一步加深對圖像處理的理解。

? 將OpenCV作為“黑盒”學習：僅僅將OpenCV作為一個工具來使用，學習的是每個函數內參數的含義和使用方式，學習的目的是更好地使用OpenCV函數。

本書盡量幫助讀者在“黑盒”學習和“白盒”學習之間取得平衡。在介紹具體的算法原理時，盡量使用通俗易懂的語言和貼近生活的示例來說明問題，避免使用過多復雜抽像的公式。希望這樣的安排能夠幫助讀者更好地掌握計算機視覺的相關知識，更透徹地理解計算機視覺的相關算法。在介紹OpenCV函數的使用方法時，我們為讀者提供了大量的程序示例。而且在介紹函數對圖像的處理前，往往先展示函數對數值、數組的處理，方便讀者從數值的角度觀察和理解函數的處理過程和結果。希望這些例題能夠幫助讀者更好地理解OpenCV處理圖像的方式，快速地掌握OpenCV的使用方法，更好地使用OpenCV進行圖像處理。需要說明的一點是，本書為黑白印刷，無法很好地呈現某些程序的運行效果，請讀者自行運行程序並觀察結果。

在內容的設置上，本書以OpenCV官方文檔的知識脈絡為主線，在此基礎上對細節進行補充和說明。

為了方便讀者學習，本書力求將每一個知識點作為一個獨立的點來介紹和說明。在介紹知識點時，盡量采用從零開始的方式，以避免讀者在學習過程中需要不斷地離開當前知識點，去查閱相關背景資料。但是由於篇幅有限，如果某一函數已經在前面介紹過，在後面用到該函數時，就沒有對其進行重復介紹，而是給出介紹該函數語法的章節位置，方便讀者參考閱讀。

本書適合計算機視覺領域的初學者閱讀，包括在校學生、教師、專業技術人員、圖像處理愛好者。

感謝

首先，我要感謝我的老師高鐵杠教授，感謝高老師帶我走進了計算機視覺這一領域，讓我對計算機視覺產生了濃厚的興趣，更要感謝高老師一直以來對我的關心和幫助。

感謝本書的策劃編輯符隆美老師，符老師的專業精神給我留下了非常深刻的印像。感謝本書的責任編輯王中英和許艷老師，她們對本書內容做出了細致修改，不僅修改了很多不通順的語句和錯別字，還對書中存在的技術問題進行了確認和修正。還要感謝為本書出版而付出辛苦工作的電子工業出版社的其他老師們。

感謝OpenCV開源庫的所有貢獻者。

感謝合作單位天津撥雲咨詢服務有限公司為本書提供的支持。

感謝我的家人，感謝你們一直以來對我的理解、支持和付出。

互動方式

限於本人水平，書中肯定存在很多不足之處，歡迎大家提出問題和建議，也非常歡迎大家和我交流關於OpenCV的各種問題，我的郵箱是lilizong@gmail.com。

李立宗

2019年3月