如何系统化学习OpenCV4
OpenCV4.0发布以来，其依靠良好的接口代码、系统级别的优化、更加通用易学的函数调用，集成OpenVINO与tensorflow、caffe等模型加速推断、实现了从传统的图像处理到基于深度学习的视觉处理路线图的完整拓展。OpenCV4 毫无疑问是一个OpenCV发展历史的一个重要里程碑之作。官方的宣传口号是 OpenCV4 is more than OpenCV 充分说明OpenCV4 是整合深度学习的新一代计算机视觉开发框架！
学习路线图
从OpenCV4发布测试版本开始，作者就一直关注！根据自己近十年图像处理OpenCV开发相关工作经验，花了七个月的时间，针对OpenCV4、精心选择OpenCV中常用模块与知识点，构建了一套系统化的课程，这套课程对每个课时的代码演示都是基于 C++与Python 两种语言，充分考虑了初学者对各种语言的上手问题，由浅入深、层次递进的讲述OpenCV各个模块关键知识点与相关API函数，零基础 开始学习OpenCV中最常用的八个模块内容
图像与视频I/O模块
HGUI模块(窗口与图形绘制与显示)
图像处理基础知识
图像卷积操作相关
二值图像分析与处理
视频分析与对象跟踪
特征提取与对象检测
深度神经网络DNN模块
同时在各个关键节点通过案例教学与代码分析，帮助厘清相关知识点的运用，达到学以致用，培养编程能力，提升个人竞争力！
课程提纲
001. 图像读取与显示 002. 图像色彩空间转换 003. 图像对象的创建与赋值 004. 图像像素的读写操作 005. 图像像素的算术操作 006. LUT的作用与用法 007. 图像像素的逻辑操作 008. 通道分离与合并 009. 图像色彩空间转换 010. 图像像素值统计 011. 像素归一化 012. 视频文件的读写 013. 图像翻转 014. 图像插值 015. 几何形状绘制 016. 图像ROI与ROI操作 017. 图像直方图 018. 图像直方图均衡化 019. 图像直方图比较 020. 图像直方图反向投影 021. 图像卷积操作 022. 图像均值与高斯模糊 023. 中值模糊 024. 图像噪声 025. 图像去噪声 026. 高斯双边模糊 027. 均值迁移模糊 028. 图像积分图算法 029. 快速的图像边缘滤波算法 030. OpenCV自定义的滤波器 031. 图像梯度–Sobel算子 032. 图像梯度–更多梯度算子 033. 图像梯度–拉普拉斯算子 034. 图像锐化 035. USM锐化增强算法 036. Canny边缘检测器 037. 图像金字塔 038. 拉普拉斯金字塔 039. 图像模板匹配 040. 二值图像介绍 041. OpenCV中的基本阈值操作 042. OTSU二值寻找算法 043. TRIANGLE二值寻找算法 044. 自适应阈值算法 045. 图像二值化与去噪 046. 二值图像联通组件寻找 047. 二值图像连通组件状态统计 048. 二值图像分析—轮廓发现 049. 二值图像分析—轮廓外接矩形 050. 二值图像分析 – 矩形面积与弧长 051. 二值图像分析—使用轮廓逼近 052. 二值图像分析—用几何矩计算轮廓中心与横纵比过滤 053. 二值图像分析—Hu矩实现轮廓匹配 054. 二值图像分析—对轮廓圆与椭圆拟合 055. 二值图像分析—凸包检测] 056. 二值图像分析–直线拟合与极值点寻找 057. 二值图像分析—点多边形测试 058. 二值图像分析—寻找最大内接圆 059. 二值图像分析—霍夫直线检测 060. 二值图像分析—霍夫直线检测二 061. 二值图像分析—霍夫圆检测 062. 图像形态学—膨胀与腐蚀 063. 图像形态学—膨胀与腐蚀 064. 图像形态学—开操作 065. 图像形态学—闭操作 066. 图像形态学—开闭操作时候结构元素应用演示 067. 图像形态学—顶帽操作 068. 图像形态学—黑帽操作 069. 图像形态学—图像梯度 070. 形态学应用—用基本梯度实现轮廓分析 071. 形态学操作—击中击不中 072. 二值图像分析—缺陷检测一 073. 二值图像分析—缺陷检测二 074. 二值图像分析—提取最大轮廓与编码关键点 075. 图像去水印/修复 076. 图像透视变换应用 077. 视频读写与处理 078. 识别与跟踪视频中的特定颜色对象 079. 视频分析—背景/前景提取 080. 视频分析—背景消除与前景ROI提取 081. 角点检测—Harris角点检测 082. 角点检测—shi-tomas角点检测 083. 角点检测—亚像素级别角点检测 084. 视频分析—移动对象的KLT光流跟踪算法 085. 视频分析—KLT光流跟踪 02 086. 视频分析—稠密光流分析 087. 视频分析—基于帧差法实现移动对象分析 088. 视频分析—基于均值迁移的对象移动分析 089. 视频分析—基于连续自适应均值迁移的对象移动分析 090. 视频分析—对象移动轨迹绘制 091. 对象检测—HAAR级联检测器使用 092. 对象检测—HAAR特征介绍 093. 对象检测—LBP特征介绍 094. ORB FAST特征关键点检测 095. BRIEF特征描述子 匹配 096. 描述子匹配 097. 基于描述子匹配的已知对象定位 098. SIFT特征提取—关键点提取 099. SIFT特征提取—描述子生成 100. HOG特征与行人检测 101. HOG特征描述子—多尺度检测 102. HOG特征描述子—提取描述子 103. HOG特征描述子—使用描述子特征生成样本数据 104. SVM线性分类器 105. HOG特征描述子—使用HOG进行对象检测 106. AKAZE特征与描述子 107. Brisk特征提取与描述子匹配 108. 特征提取之关键点检测—GFTTDetector 109. BLOB特征分析—simpleblobdetector使用 110. KMeans 数据分类 111. KMeans图像分割 112. KMeans图像分割—背景替换 113. KMeans图像分割—主色彩提取 114. KNN算法介绍 115. KNN算法应用 116. 决策树算法 介绍与使用 117. 图像均值漂移分割 118. Grabcut图像分割 119. Grabcut图像分割—背景替换 120. 二维码检测与识别 121. OpenCV DNN 获取导入模型各层信息 122. OpenCV DNN 实现图像分类 123. OpenCV DNN 为模型运行设置目标设备与计算后台 124. OpenCV DNN 基于SSD实现对象检测 125. OpenCV DNN 基于SSD实现实时视频检测 126. OpenCV DNN 基于残差网络的人脸检测 127. OpenCV DNN 基于残差网络的视频人脸检测 128. OpenCV DNN 直接调用tensorflow的导出模型 129. OpenCV DNN 调用openpose模型实现姿态评估 130. OpenCV DNN 支持YOLO对象检测网络运行 131. OpenCV DNN 支持YOLOv3-tiny版本实时对象检测 132. OpenCV DNN单张与多张图像的推断 133. OpenCV DNN 图像颜色化模型使用 134. OpenCV DNN ENet实现图像分割 135. OpenCV DNN 实时快速的图像风格迁移 136. OpenCV DNN解析网络输出结果 137. OpenCV DNN 实现性别与年龄预测 138. OpenCV DNN 使用OpenVINO加速 139. 案例：识别0～9印刷体数字 —Part1 140. 案例：识别0～9印刷体数字 —Part2
此外后期根据反馈，添加更新了《tensorflow基础入门》相关分享20课时+， 若干技术案例代码，总计 170+课时 精华内容。为了更好的帮助初学者搭建好OpenCV开发环境，良心录制了一系列免费OpenCV环境搭建视频，详细信息见这里
B站OpenCV环境搭建视频
OpenCV4.0+python
https://www.bilibili.com/video/av41974149
OpenCV4.0+C++
