本书通过实例和项目讲解OpenCV概念及其算法。首先介绍OpenCV的安装和图像处理的基础知识。然后,覆盖用户界面并深入讲解图像处理,读者将学到复杂的计算机视觉算法,并探索机器学习和人脸检测。之后,本书将介绍如何在复杂场景中创建光流视频分析和背景减除,还将讲解文本分割和识别,以及新的和改进的深度学习模块的基础知识。*后,本书介绍了OpenCV的基础知识,例如矩阵运算、滤波器和直方图,帮读者掌握常用的计算机视觉技术,从头开始构建OpenCV项目。
OpenCV是用于开发计算机视觉应用程序的*流行的开源库之一,它可以帮助你专注于构建完整的图像处理、运动检测和图像分割项目。无论你是初涉计算机视觉技术,还是对其概念已有基本了解,本书都将成为你通过实例和项目掌握OpenCV概念及算法的实用指南。
本书首先介绍OpenCV的入门知识及安装,然后介绍OpenCV的基础知识,包括用户界面、矩阵运算、滤波器和直方图等,之后介绍复杂的计算机视觉算法,包括对象分割和分类、视频监控、对象跟踪等,*后探讨对象跟踪、文本识别、机器学习和人脸检测等高级技术。阅读本书之后,你将掌握常用和*新的计算机视觉技术,并学会从零开始构建各类OpenCV项目。
通过阅读本书,你将学到:
•在各种操作系统上安装OpenCV 4
•创建CMake脚本以编译C++应用程序
•了解基本的图像矩阵格式和滤波器
•探索图像分割和特征提取技术
•从静态场景中删除背景以识别需要监控的移动对象
•采用各种技术跟踪实时视频中的对象
•通过Tesseract进行文本检测和识别
•熟悉用于图像分类的重要深度学习工具
OpenCV是用于开发计算机视觉应用程序的最流行的库之一,它使我们能够实时运行许多不同的计算机视觉算法。它已存在很多年了,并且已经成为该领域的标准库。OpenCV的主要优势之一是它经过高度优化,几乎可以在所有平台上使用。
本书首先简要介绍计算机视觉的各个领域以及相关的OpenCV函数,这些函数均用C++编写。每章都包含实际的例子和代码示例,用于演示用例。这有助于你轻松掌握主题并了解如何在现实生活中应用它们。综上所述,这是一本实用的指导书,你将从中学会如何在C++中使用OpenCV并使用这个库构建各种应用程序。
本书目标读者
本书面向不熟悉OpenCV并希望在C++中使用OpenCV开发计算机视觉应用程序的开发人员。了解C++的基本知识将有助于理解本书。本书对于想要学习计算机视觉入门知识并理解基本概念的人也很有用。他们应该了解基本的数学概念,例如向量、矩阵和矩阵乘法,以便充分利用本书。在阅读本书的过程中,你将学会如何使用OpenCV从零开始构建各种计算机视觉应用程序。
本书涵盖内容
第1章介绍在各种操作系统上的安装步骤,并介绍人类视觉系统以及计算机视觉中的各种主题。
第2章讨论如何在OpenCV中读/写图像和视频,并解释如何使用CMake构建项目。
第3章介绍如何构建图形用户界面和鼠标事件检测器,以构建交互式应用程序。
第4章探讨直方图和滤波器,并展示如何对图像进行卡通化处理。
第5章描述各种图像预处理技术,如噪声消除、阈值处理和轮廓分析。
第6章处理目标识别和机器学习,以及如何使用支持向量机来构建目标分类系统。
第7章讨论人脸检测和Haar级联,然后解释这些方法如何用于检测人脸的各个部位。
第8章探讨背景减除、视频监控和形态图像处理,并且描述它们如何相互连接。
第9章介绍如何使用不同技术跟踪实时视频中的目标,例如,基于颜色和基于特征进行跟踪。
第10章讨论光学字符识别、文本分割,并介绍Tesseract OCR引擎。
第11章深入探究Tesseract OCR引擎,解释如何将其用于文本检测、提取和识别。
第12章探讨如何使用两种常用的深度学习架构在OpenCV中应用深度学习,在这两种架构中,YOLO v3用于目标检测,而单发探测器(Single Shot Detector)用于人脸检测。
如何充分利用本书
了解C++的基本知识将有助于理解本书内容。这些例子使用以下技术进行构建:OpenCV 4.0、CMake 3.3.x或更新版本、Tesseract、Leptonica(依赖于Tesseract)、Qt(可选)和OpenGL(可选)。
相关章节提供了详细的安装说明。
下载示例代码
本书的示例代码可以从http://www.packtpub.com通过个人账号下载,也可以访问华章图书官网http://www.hzbook.com,通过注册并登录个人账号下载。
本书的代码包还托管在GitHub上,如果代码有更新,会在现有的GitHub库上更新:https://github.com/PacktPublishing/Learn-OpenCV-4-By-Building-Projects-Second-Edition。
下载彩色图像
本书提供了一个PDF文件,其中包含书中使用的屏幕截图/图表的彩色图像:https://www.packtpub.com/sites/default/files/downloads/9781789341225_ColorImages.pdf。
作者简介
大卫·米兰·埃斯克里瓦(David Millán Escrivá)8岁时用BASIC语言在8086 PC上编写了他的第一个程序。他在瓦伦西亚政治大学(Universitat Politécnica de Valencia)完成了他的IT学习,并在由使用OpenCV(v0.96)的计算机视觉技术所支持的人机交互领域取得了优异的成绩。他拥有人工智能、计算机图形学和模式识别硕士学位,专注于模式识别和计算机视觉。他还拥有超过9年的计算机视觉、计算机图形和模式识别经验。他是Damiles Blog的作者,在上面发表关于OpenCV、计算机视觉和光学字符识别算法的文章与教程。
我要感谢我的妻子Izaskun、女儿Eider和儿子Pau,他们始终保持无限的耐心并坚定地支持我。他们改变了我的生活,让我的每一天都变得很棒。我爱你们。
我要感谢OpenCV团队和社区给予我们这个精彩的库。我还要感谢我的合著者,感谢Packt出版社支持并帮助我完成本书。
维尼休斯·G.门东萨(Vinícius G. Mendon是巴拉那天主教大学(PUCPR)的计算机图形专业教授。他于1998年开始使用C++进行编程,并于2006年进入计算机游戏和计算机图形领域。他目前是巴西Apple开发者学院(Apple Developer Academy)的导师,从事用于移动设备的金属、机器学习和计算机视觉方面的教学工作。他曾担任其他Packt图书的审校者,包括《OpenNI Cookbook》和《Mastering OpenCV and Computer Vision with OpenCV 3 and Qt5》。在他的研究中,使用了Kinect、OpenNI和OpenCV来识别巴西手语手势。他感兴趣的领域包括移动电话、OpenGL、图像处理、计算机视觉和项目管理。
我要感谢我的妻子Thais A. L. Mendon
普拉蒂克·乔希(Prateek Joshi)是一位人工智能研究员、8本书的作者,还是一位TEDx演讲者。他的著作曾入选Forbes 30 Under 30、CNBC、TechCrunch、Silicon Valley Business Journal等多部出版物。他是Pluto AI的创始人,Pluto AI是一家由风投资助的硅谷初创公司,为水利设施建立智能平台。他毕业于南加州大学,获得人工智能专业硕士学位。他之前曾就职于NVIDIA和Microsoft Research。
前言
作者简介
审校者简介
第1章 OpenCV入门1
1.1 了解人类视觉系统1
1.2 人类如何理解图像内容3
1.3 你能用OpenCV做什么4
1.3.1 内置数据结构和输入/输出4
1.3.2 图像处理操作5
1.3.3 GUI5
1.3.4 视频分析6
1.3.5 3D重建6
1.3.6 特征提取7
1.3.7 对象检测7
1.3.8 机器学习8
1.3.9 计算摄影8
1.3.10 形状分析9
1.3.11 光流算法9
1.3.12 人脸和对象识别9
1.3.13 表面匹配10
1.3.14 文本检测和识别10
1.3.15 深度学习10
1.4 安装OpenCV10
1.4.1 Windows11
1.4.2 Mac OS X11
1.4.3 Linux13
1.5 总结14
第2章 OpenCV基础知识导论15
2.1 技术要求15
2.2 基本CMake配置文件16
2.3 创建一个库16
2.4 管理依赖项17
2.5 让脚本更复杂18
2.6 图像和矩阵20
2.7 读/写图像22
2.8 读取视频和摄像头25
2.9 其他基本对象类型27
2.9.1 Vec对象类型27
2.9.2 Scalar对象类型28
2.9.3 Point对象类型28
2.9.4 Size对象类型29
2.9.5 Rect对象类型29
2.9.6 RotatedRect对象类型29
2.10 基本矩阵运算30
2.11 基本数据存储32
2.12 总结34
第3章 学习图形用户界面35
3.1 技术要求35
3.2 OpenCV用户界面介绍36
3.3 OpenCV的基本图形用户界面36
3.4 Qt图形用户界面44
3.5 OpenGL支持50
3.6 总结54
第4章 深入研究直方图和滤波器55
4.1 技术要求56
4.2 生成CMake脚本文件56
4.3 创建图形用户界面57
4.4 绘制直方图59
4.5 图像颜色均衡62
4.6 Lomography效果64
4.7 卡通效果68
4.8 总结72
第5章 自动光学检查、对象分割和检测73
5.1 技术要求73
5.2 隔离场景中的对象74
5.3 为AOI创建应用程序76
5.4 预处理输入图像78
5.4.1 噪声消除78
5.4.2 用光模式移除背景进行分割79
5.4.3 阈值84
5.5 分割输入图像85
5.5.1 连通组件算法85
5.5.2 findContours算法90
5.6 总结92
第6章 学习对象分类94
6.1 技术要求94
6.2 机器学习概念介绍95
6.3 计算机视觉和机器学习工作流程98
6.4 自动对象检查分类示例100
6.4.1 特征提取102
6.4.2 训练SVM模型105
6.4.3 输入图像预测109
6.5 总结111
第7章 检测面部部位与覆盖面具112
7.1 技术要求112
7.2 了解Haar级联112
7.3 什么是积分图像114
7.4 在实时视频中覆盖面具115
7.5 戴上太阳镜118
7.6 跟踪鼻子、嘴巴和耳朵121
7.7 总结122
第8章 视频监控、背景建模和形态学操作123
8.1 技术要求123
8.2 理解背景减除124
8.3 直接的背景减除124
8.4 帧差分128
8.5 高斯混合方法131
8.6 形态学图像处理133
8.7 使形状变细134
8.8 使形状变粗135
8.9 其他形态运算符136
8.9.1 形态开口136
8.9.2 形态闭合137
8.9.3 绘制边界138
8.9.4 礼帽变换139
8.9.5 黑帽变换140
8.10 总结140
第9章 学习对象跟踪141
9.1 技术要求141
9.2 跟踪特定颜色的对象141
9.3 构建交互式对象跟踪器143
9.4 用Harris角点检测器检测点148
9.5 用于跟踪的好特征151
9.6 基于特征的跟踪153
9.6.1 Lucas-Kanade方法153
9.6.2 Farneback算法157
9.7 总结161
第10章 开发用于文本识别的分割算法162
10.1 技术要求162
10.2 光学字符识别介绍162
10.3 预处理阶段164
10.3.1 对图像进行阈值处理164
10.3.2 文本分割165
10.4 在你的操作系统上安装Tesseract OCR172
10.4.1 在Windows上安装Tesseract172
10.4.2 在Mac上安装Tesseract173
10.5 使用Tesseract OCR库173
10.6 总结177
第11章 用Tesseract进行文本识别178
11.1 技术要求178
11.2 文本API的工作原理179
11.2.1 场景检测问题179
11.2.2 极值区域180
11.2.3 极值区域过滤181
11.3 使用文本API182
11.3.1 文本检测182
11.3.2 文本提取187
11.3.3 文本识别189
11.4 总结193
第12章 使用OpenCV进行深度学习194
12.1 技术要求194
12.2 深度学习简介195
12.2.1 什么是神经网络,我们如何从数据中学习195
12.2.2 卷积神经网络197
12.3 OpenCV中的深度学习198
12.4 YOLO用于实时对象检测199
12.4.1 YOLO v3深度学习模型架构200
12.4.2 YOLO数据集、词汇表和模型200
12.4.3 将YOLO导入OpenCV201
12.5 用SSD进行人脸检测204
12.5.1 SSD模型架构204
12.5.2 将SSD人脸检测导入OpenCV204
12.6 总结208