本书介绍如何学习和使用流行的OpenCV库开发计算机视觉应用。主要内容包括图像的核心操作、图像阈值处理、图像形态变换、图像边缘检测、角点检测与特征匹配等。 全书分为4章：第1章着重介绍使用Python开发OpenCV应用基础知识；第2章着重介绍使用OpenCV进行图像特征检测、描述和特征匹配的各种算法；第3章着重介绍OCR文字识别；第4章着重介绍OpenCV中的深度学习。 本书适合作为高等院校计算机、软件工程专业本科生、研究生的参考书目，也适用于对人工智能领域感兴趣的人士。

第1章 使用Python开发OpenCV的应用
1.1 准备工作环境
1.2 安装
1.2.1 检测OpenCV版本
1.2.2 读取、显示和写入图像文件示例
1.3 视频入门
1.4 绘图函数
1.5 图像的核心操作
1.5.1 基本操作
1.5.2 图像上的算术运算
1.6 改变颜色空间
1.7 图像变换
1.8 图像阈值处理
1.8.1 简单闽值化
1.8.2 自适应阈值化
1.8.3 Otsu二值化
1.9 平滑图像
1.10 形态变换
1.11 斑点检测
1.12 Sobel边缘检测方法
1.13 Canny边缘检测
1.14 轮廓检测
1.15 人脸检测
1.16 特征脸
1.17 图像金字塔
1.18 实时人体检测
1.19 背景减除
1.20 模板匹配
1.21 直线检测
1.22 霍夫圆变换
1.23 镜头畸变
1.24 使用Hu矩进行形状匹配
1.25 找到blob的中心
1.26 查找凸包
1.27 将一个三角形扭曲为另一个三角形
1.28 阿尔法混合
1.29 基于特征的图像对齐
1.30 使用ZBar和OpenCV编写条形码和二维码扫描仪的Python代码
1.31 换脸
1.32 applyColorMap用于伪着色
1.33 高动态范围成像
1.34 曝光融合
1.35 对象跟踪
1.36 多对象跟踪
1.37 自动红眼去除器
1.38 创建虚拟笔和橡皮擦
1.39 使用ArUco标记的增强现实
第2章 特征检测和描述
2.1 Harris角点检测
2.2 Shi-Tomasi角点检测器和良好的跟踪功能
2.3 尺度不变特征变换
2.4 特征匹配
2.5 特征匹配+单应性查找对象
第3章 OCR文字识别
3.1 OpenCV的OCR功能
3.2 Tesseract的预处理
第4章 OpenCV深度学习
4.1 使用OpenCV DNN模块进行深度学习
4.2 基于OpenCV和深度学习的人脸识别
4.3 英特尔OpenVINO工具包简介
4.4 使用深度学习的自动车牌识别
4.4.1 使用YOLOv4检测车牌
4.4.2 OCR
4.5 超分辨率
4.6 对象检测
4.7 GOTURN：基于深度学习的对象跟踪
4.8 手势识别
4.9 人体姿态估计
4.10 使用OpenPose在OpenCV中进行多人姿态估计