Opencv中文文档(Python)
纠错
贡献更多优质内容
1. 学习如何在你的电脑上配置OpenCV-Python环境！
1.1 开始了解OpenCV-Python
1.2 在Windows下安装OpenCV-Python
1.3 在Fedora环境下安装OpenCV-Python
1.4 在Debian（Ubuntu）中配置OpenCV-Python
1.5 在Docker中安装OpenCV-Python
1.6 在树莓派配置OpenCV-Python
2. OpenCV中的GUI功能
2.1 开始使用图像
2.2 开始使用视频
2.3 OpenCV中的绘图函数
2.4 以鼠标为画笔
2.5 用滑块控制条做调色板
3. OpenCV中的GUI功能
3.1 图片基本操作
3.2 图像算术操作
3.3 性能评估与改进技巧
4. OpenCV中的图像处理
4.1 更换颜色空间
4.2 对图像进行几何变换
4.3 图像二值化处理
4.4 平滑图像
4.5 形态学转换
4.6 图像梯度
4.7 Canny边缘检测
4.8 图像金字塔
4.9 OpenCV中的直方图
4.9.1 直方图：查找，绘制，分析！
4.9.2 直方图均衡化
4.9.3 二维直方图
4.9.4 直方图反投影
4.10 OpenCV中的图像变换
4.10.1 傅立叶变换
4.11 模板匹配
4.12 霍夫直线变换
4.13 霍夫圆变换
4.14 基于分水岭算法的图像分割
4.14 使用GrabCut算法交互式前景提取
5. 特征检测和描述符
5.1 理解特征
5.2 Harris角点检测
5.3 Shi-Tomasi 角点检测 & 适合用来跟踪的特征
5.4 介绍SIFT（尺度不变特征转换）
5.5 介绍SURF（加速稳健特征）
5.6 角点检测的FAST算法
5.7 BRIEF特征点描述算法
5.8 ORB特征描述符(Oriented FAST and Rotated BRIEF)
5.9 特征匹配
5.10 特征匹配和使用单应性匹配来搜索物体
6. 视频分析
6.1 Meanshift和Camshift
6.2 光流
6.3 背景分割
7. 相机校准和3D重建
7.1 相机校准
7.2 姿势估计
7.3 极线几何
7.4 来自立体图像的深度图
8. 机器学习
8.1 K-最近邻算法
8.1.1 了解k-最近邻算法
8.1.2 使用kNN进行手写字符的OCR
8.2 支持向量机（SVM）
8.2.1 理解SVM
8.2.2 使用SVM的手写数据的OCR
8.3 K-Means聚类
8.3.1 理解K-Means聚类
8.3.2 OpenCV中的K-Means聚类
9. 计算摄影学
9.1 图像去噪
9.2 图像修复
9.3 高动态范围（HDR）
10. 目标检测
10.1 使用 Haar Cascades 的面部识别
11. OpenCV-Python 绑定
11.1 OpenCV-Python绑定如何工作？
未找到对应章节的内容
