OpenCV

创建日期:2024-06-21
更新日期:2025-02-01

核心功能(核心模块)

  1. Mat - 基本图像容器
  2. 如何使用 OpenCV 扫描图像、查找表和时间测量
  3. 矩阵上的掩码操作
  4. 图像操作
  5. 使用 OpenCV 添加(混合)两个图像
  6. 改变图像的对比度和亮度!
  7. 离散傅里叶变换
  8. 使用 XML 和 YAML 文件的文件输入和输出
  9. 如何使用 OpenCV parallel_for_ 来并行化你的代码
  10. 使用 Universal Intrinsics 对代码进行矢量化

图像处理(imgproc 模块)

基础

  1. 基本绘图
  2. 使用 OpenCV 的随机生成器和文本
  3. 平滑图像
  4. 腐蚀和膨胀
  5. 更多形态转换
  6. 命中或没命中
  7. 使用形态学运算提取水平和垂直线
  8. 图像金字塔
  9. 基本阈值操作
  10. 使用 inRange 进行阈值操作

变形

  1. 制作自己的线性滤波器!
  2. 为图像添加边框
  3. 索贝尔衍生物
  4. 拉普拉斯算子
  5. Canny 边缘检测器
  6. 霍夫线变换
  7. 霍夫圆变换
  8. 重新映射
  9. 仿射变换

直方图

  1. 直方图均衡
  2. 直方图计算
  3. 直方图比较
  4. 反投影
  5. 模板匹配

轮廓

  1. 在图像中查找轮廓
  2. 凸包
  3. 为轮廓创建边界框和圆
  4. 为轮廓创建边界旋转框和椭圆
  5. 影像时刻
  6. 点多边形测试

其他

  1. 使用距离变换和分水岭算法进行图像分割
  2. 失焦去模糊滤镜
  3. 运动去模糊滤镜
  4. 梯度结构张量的各向异性图像分割
  5. 周期性去噪滤波器

应用工具(highgui、imgcodecs、videoio 模块)

  1. 将 Trackbar 添加到我们的应用程序中!
  2. 使用 GDAL 读取地理空间栅格文件
  3. 使用 OpenCV 和相似度测量的视频输入
  4. 使用 OpenCV 创建视频
  5. 使用 Kinect 和其他 OpenNI 兼容的深度传感器
  6. 使用 Orbbec Astra 3D 相机
  7. 使用 Creative Senz3D 和其他与英特尔实感 SDK 兼容的深度传感器

相机校准和 3D 重建(calib3d 模块)

  1. 创建校准图案
  2. 用方形棋盘标定相机
  3. 使用 OpenCV 进行相机校准
  4. 纹理对象的实时姿态估计
  5. 交互式相机校准应用程序

2D 特征框架(feature2d 模块)

  1. 哈里斯角检测器
  2. Shi-Tomasi 角点检测器
  3. 创建您自己的角点检测器
  4. 检测子像素中的角位置
  5. 特征检测
  6. 功能描述
  7. 使用 FLANN 进行特征匹配
  8. Features2D + Homography 查找已知对象
  9. 平面物体的检测
  10. AKAZE 局部特征匹配
  11. AKAZE 和 ORB 平面跟踪
  12. 用代码解释的单应性基本概念

深度神经网络(dnn 模块)

  1. 加载 Caffe 框架模型
  2. 如何启用 Halide 后端以提高效率
  3. 如何为 Halide 后端安排网络
  4. 如何在 Android 设备上运行深度网络
  5. YOLO DNN
  6. 如何在浏览器中运行深度网络
  7. 自定义深度学习层支持
  8. 如何运行自定义 OCR 模型
  9. 高级 API:TextDetectionModel 和 TextRecognitionModel
  10. 基于 DNN 的人脸检测与识别

图形 API (Guppy Modale)

  1. 使用 G-API 的人脸分析管道
  2. 在 G-API 上移植各向异性图像分割
  3. 使用 G-API 实现人脸美化算法

其他教程(ml、objdetect、照片、拼接、视频)

  1. photo. High Dynamic Range Imaging
  2. stitching. High level stitching API (Stitcher class)
  3. video. How to Use Background Subtraction Methods
  4. video. Meanshift and Camshift
  5. video. Optical Flow
  6. objdetect. Cascade Classifier
  7. objdetect. Cascade Classifier Training
  8. ml. Introduction to Support Vector Machines
  9. ml. Support Vector Machines for Non-Linearly Separable Data
  10. ml. Introduction to Principal Component Analysis (PCA)