这些资源你可能感兴趣
开篇先介绍如何在Windows和ubuntu上部署OpenCV，然后过度到核心章节，从灰度图像、彩色图像、图像平滑、边缘检测、霍夫变换等几个维度入手讲解，尽量拆分算法，代码实现用C++和Python代码。案例在每章最后分享，方便读者练习。
本书适合入门图像处理和计算机视觉领域的初学者阅读，要求读者具备一定的C++ 或Python编程基础。
张平，数学与应用数学专业，算法工程师。主要从事图像算法研究和产品的应用开发，此外还从事有关机器学习、数据挖掘算法的应用研发工作。
编辑推荐
《OpenCV算法精解:基于Python与C++》适合入门图像处理和计算机视觉领域的初学者阅读，要求读者具备一定的C++或Python编程基础。
作者简介
张平，毕业于温州大学，数学与应用数学专业硕士，算法工程师。致力于研究数字图像处理算法及OpenCV的使用。CSDN博主。
目录
1OpenCV入门
1.1初识OpenCV
1.1.1OpenCV的模块简介
1.1.2OpenCV 2.4.13与3.2版本的区别
1.2部署OpenCV
1.2.1在Visual Studio 2015中配置OpenCV
1.2.2OpenCV 2.X C++API的第一个示例
1.2.3OpenCV 3.X C++API的第一个示例
1.2.4在Anaconda2中配置OpenCV
1.2.5OpenCV 2.X Python API的第一个示例
1.2.6OpenCV 3.X Python API的第一个示例
2图像数字化
2.1认识Numpy中的ndarray
2.1.1构造ndarray对象
2.1.2访问ndarray中的值
2.2认识OpenCV中的Mat类
2.2.1初识Mat
2.2.2构造单通道Mat对象
2.2.3获得单通道Mat的基本信息
2.2.4访问单通道Mat对象中的值
2.2.5向量类Vec
2.2.6构造多通道Mat对象
2.2.7访问多通道Mat对象中的值
2.2.8获得Mat中某一区域的值
2.3矩阵的运算
2.3.1加法运算
2.3.2减法运算
2.3.3点乘运算
2.3.4点除运算
2.3.5乘法运算
2.3.6其他运算
2.4灰度图像数字化
2.4.1概述
2.4.2将灰度图像转换为Mat
2.4.3将灰度图转换为ndarray
2.5彩色图像数字化
2.5.1将RGB彩色图像转换为多通道Mat
2.5.2将RGB彩色图转换为三维的ndarray
2.6参考文献
3几何变换
3.1仿射变换
3.1.1平移
3.1.2放大和缩小
3.1.3旋转
3.1.4计算仿射矩阵
3.1.5插值算法
3.1.6Python实现
3.1.7C++实现
3.1.8旋转函数rotate（OpenCV 3.X新特性）
3.2投影变换
3.2.1原理详解
3.2.2Python实现
3.2.3C++实现
3.3极坐标变换
3.3.1原理详解
3.3.2Python实现
3.3.3C++实现
3.3.4线性极坐标函数linearPolar（OpenCV 3.X新特性）
3.3.5对数极坐标函数logPolar（OpenCV 3.X新特性）
3.4参考文献
4对比度增强
4.1灰度直方图
4.1.1什么是灰度直方图
4.1.2Python及C++实现
4.2线性变换
4.2.1原理详解
4.2.2Python实现
4.2.3C++实现
4.3直方图正规化
4.3.1原理详解
4.3.2Python实现
4.3.3C++实现
4.3.4正规化函数normalize
4.4伽马变换
4.4.1原理详解
4.4.2Python实现
4.4.3C++实现
4.5全局直方图均衡化
4.5.1原理详解
4.5.2Python实现
4.5.3C++实现
4.6限制对比度的自适应直方图均衡化
4.6.1原理详解
4.6.2代码实现
4.7参考文献
5图像平滑
5.1二维离散卷积
5.1.1卷积定义及矩阵形式
5.1.2可分离卷积核
5.1.3离散卷积的性质
5.2高斯平滑
5.2.1高斯卷积核的构建及分离性
5.2.2高斯卷积核的二项式近似
5.2.3Python实现
5.2.4C++实现
5.3均值平滑
5.3.1均值卷积核的构建及分离性
5.3.2快速均值平滑
5.3.3Python实现
5.3.4C++实现
5.4中值平滑
5.4.1原理详解
5.4.2Python实现
5.4.3C++实现
5.5双边滤波
5.5.1原理详解
5.5.2Python实现
5.5.3C++实现
5.6联合双边滤波
5.6.1原理详解
5.6.2Python实现
5.6.3C++实现
5.7导向滤波
5.7.1原理详解
5.7.2Python实现
5.7.3快速导向滤波
5.7.4C++实现
5.8参考文献
6阈值分割
6.1方法概述
6.1.1全局阈值分割
6.1.2阈值函数threshold（OpenCV 3.X新特性）
6.1.3局部阈值分割
6.2直方图技术法
6.2.1原理详解
6.2.2Python实现
6.2.3C++实现
6.3熵算法
6.3.1原理详解
6.3.2代码实现
6.4Otsu阈值处理
6.4.1原理详解
6.4.2Python实现
6.4.3C++实现
6.5自适应阈值
6.5.1原理详解
6.5.2Python实现
6.5.3C++实现
6.6二值图的逻辑运算
6.6.1“与”和“或”运算
6.6.2Python实现
6.6.3C++实现
6.7参考文献
……
7形态学处理
8边缘检测
9几何形状的检测和拟合
10傅里叶变换
11频率域滤波
12色彩空间
本书评论