Test
=============================================================
OpenCV
1 GUI
1.1 图像
1.1.1 读取
1.1.2 显示
1.1.2.1 opencv窗口
1.1.2.2 matplotlib
1.1.3 保存
1.2 视频
1.2.1 读取
1.2.1.1 摄像头捕捉
1.2.1.2 从文件读
1.2.2 显示
1.2.2.1 读取帧，用opencv窗口显示
1.2.3 保存
1.3 绘图
1.3.1 基本图形
1.3.1.1 线
1.3.1.2 长方形
1.3.1.3 圆
1.3.1.4 椭圆
1.3.1.5 多边形
1.3.2 文字
1.3.3 鼠标回调函数
1.4 滑动条
1.4.1 创建滑动条、获取滑动条的值
2 2.Core Operations
2.1 基本操作
2.1.1 获取、改变像素
2.1.2 图像属性
2.1.3 复制图像、复制某区域
2.1.4 分割、合并图像通道
2.1.5 扩展图像
2.2 基本运算
2.2.1 相加
2.2.2 混合
2.2.3 位运算
2.3 程序性能检测
2.3.1 计算函数运行时间
2.3.2 开启默认优化
3 3.lmage Processing
3.1 （1）颜色空间转换
3.1.1 GRAY
3.1.2 BGR/RGB
3.1.3 HSV
3.2 彩色图像上的操作
3.2.1 （2）几何变换
3.2.1.1 缩放
3.2.1.2 平移、旋转、仿射变换
3.2.1.3 透视变换
3.2.2 （4）图像平滑
3.2.2.1 均值模糊
3.2.2.2 中值模糊
3.2.2.3 高斯模糊
3.2.2.4 双边滤波
3.2.3 （8）图像金字塔
3.2.3.1 高斯金字塔
3.2.3.2 拉普拉斯金字塔
3.2.4 （10）直方图
3.2.4.1 直方图的计算、绘制与分析
3.2.4.1.1 matplotlib
3.2.4.1.2 CV方法
3.2.4.1.3 numpy方法
3.2.4.2 直方图均衡化
3.2.4.3 2D直方图
3.2.4.4 直方图反向投影
3.2.5 （16）GrabCut前景提取
3.3 灰度图像上的操作
3.3.1 （3）图像闹值
3.3.1.1 简单阀值
3.3.1.2 自适应阀值
3.3.1.3 Otsu's二值化
3.3.2 （6）图像梯度
3.3.2.1 概述：高通滤波、用于检测边缘
3.3.2.2 Sobel算子
3.3.2.3 Laplacian算子
3.3.3 （7）边缘检测
3.3.3.1 Canny检测
3.3.4 （11）傅里叶变换
3.3.4.1 numpy方法
3.3.4.2 opencv方法
3.3.5 （12）模板匹配
3.3.5.1 概述：在大图中查找模板图像
3.3.5.1.1 匹配单个物体
3.3.5.1.2 匹配多个物体
3.3.6 （14）Hough圆环变换
3.4 二值图像上的操作
3.4.1 （5）形态学转换
3.4.1.1 腐蚀、膨胀、梯度
3.4.1.2 开运算、闭运算、礼帽、黑帽
3.4.1.3 创建不同形状的核
3.4.2 （9）图像轮廓
3.4.2.1 直找并绘制轮廓
3.4.2.2 计算轮廓性质
3.4.2.3 获取轮廓特征
3.4.2.4 查找凸缺陷、轮廓匹配
3.4.3 （13）Hough直线变换
3.4.4 （15）分水岭算法-图像分割
4 4.Feature Detection and Description
4.1 特征检测
4.1.1 Harris角点检测
4.1.1.1 旋转不变特性
4.1.2 Shi-Tomasi角点检测
4.1.2.1 对Haris的改进
4.1.3 亚像素精确
4.1.3.1 以Harris为前提
4.1.4 模盘角点检测
4.1.4.1 用于提像机标定
4.1.5 FAST
4.1.5.1 尺度不变特性，很快
4.2 特征描述
4.2.1 ORIEF
4.2.1.1 占内存更小的特征描述方法
4.3 特征检测与描述
4.3.1 SIFT
4.3.1.1 尺度不变特性
4.3.2 SURF
4.3.2.1 对SIFT的改进，更快
4.3.3 ORB
4.3.3.1 免费，FAST、ORIEF的结合
4.4 特征匹配
4.4.1 蛮力匹配
4.4.2 FLANN匹配
4.4.3 使用特征匹配和单应性查找对象
5 5.Video Analysis
5.1 对象跟踪
5.1.1 Meanshift
5.1.1.1 窗口大小固定
5.1.2 Camshift
5.1.2.1 窗口大小、角度自动调整
5.2 光流
5.2.1 稀疏光流
5.2.1.1 Lucas-Kanade 法
5.2.1.2 计算少量特征
5.2.2 稠密光流
5.2.2.1 计算图像所有点的光流
5.3 背景减除
5.3.1 MOG方法
5.3.1.1 K高斯分布
5.3.2 MOG2方法
5.3.2.1 自选高斯分布
5.3.2.2 可检测阴影
5.3.3 GMG方法
5.3.3.1 贝叶斯估计
6 6.Camera Calibrationand 3D Reconstruction
6.1 摄像机标定
6.1.1 由对象点、图像点求出摄像机矩阵、畸变系数
6.1.2 根据求得值校正图像、计算误差
6.2 姿势估计
6.2.1 根据摄像机标定的参数。
6.2.2 求出三维对象点投影到图像的点，画出3D效果。
6.3 对极几何、深度地图
6.3.1 用摄像机在不同角度拍摄的图像估计对象深度
7 7.Machine Learning
7.1 K近邻
7.1.1 用KNN对手写数字分类。
7.1.2 用灰度值做训练数据。
7.2 支持向量机
7.2.1 用SVM对手写数字分类。
7.2.2 用图像的二阶矩进行抗扭斜处理。
7.2.3 用图像的方向梯度直方图做训练数据。
7.3 K值聚类
7.3.1 用KMeans对图像进行颜色量化处理
8 8.Computational Photography
8.1 图像去噪
8.1.1 用多张图像来进行全局噪声去除
8.2 图像修补
8.2.1 对噪音和划痕，用坏点周围的值取代坏点
9 9.Object Detection
9.1 使用Haar分类器进行面部检测
9.1.1 基于机器学习得到funciton，再进行对象检测
9.1.2 opencv自带了很多分类器：眼睛、面部等
