• はじめに
• 本書の構成
• 本書で扱わないこと，参考文献
• API の解説
• サンプルコードとサポート
• 開発環境

第1章 OpenCVとは

• 1.1 OpenCVの概要
• 1.2 主要モジュール
• 1.3 OSSライセンス
  • 1.3.1 OpenCVのOSSライセンス
  • 1.3.2 opencv-pythonのOSSライセンス
• 1.4 サポート言語
  • 1.4.1 公式サポート言語
  • 1.4.2 非公式サポート言語
• 1.5 サポートプラットフォーム
• 1.6 高速化
  • 1.6.1 スレッド並列化
  • 1.6.2 SIMD命令対応
  • 1.6.3 アクセラレータ対応
• 1.7 開発の歴史
• 1.8 ブランチ管理
  • 1.8.1 2.4ブランチ
  • 1.8.2 3.4ブランチ
  • 1.8.3 4.xブランチ
  • 1.8.4 5.xブランチ
  • 1.8.5 masterブランチ
  • 1.8.6 nextブランチ
• 1.9 各種サイト
  • 1.9.1 公式サイト
  • 1.9.2 公式リポジトリ
  • 1.9.3 有志サイト

第2章 OpenCVインストール

• 2.1 OpenCVのインストール
• 2.2 pip
  • 2.2.1 依存パッケージインストール
  • 2.2.2 opencv-pythonインストール
  • 2.2.3 opencv-contrib-pythonインストール
  • 2.2.4 動作確認
  • 2.2.5 opencv-pythonパッケージのバージョン番号
  • 2.2.6 Windows環境固有の注意点
• 2.3 Miniconda
  • 2.3.1 Minicondaインストール
  • 2.3.2 依存パッケージインストール
  • 2.3.3 opencvパッケージインストール
  • 2.3.4 動作確認
• 2.4 Docker
  • 2.4.1 Dockerインストール
  • 2.4.2 Dockerイメージのビルド
  • 2.4.3 Dockerコンテナの起動
  • 2.4.4 動作確認
• 2.5 ソースコード
  • 2.5.1 依存パッケージインストール
  • 2.5.2 ビルド，インストール
  • 2.5.3 動作確認
  • 2.5.4 CMakeオプション

第3章 coreモジュール

• 3.1 基本処理
  • 3.1.1 画像データの扱い
  • 3.1.2 ブランク画像生成
  • 3.1.3 画素値の参照，代入
  • 3.1.4 width，height，チャンネル情報の取得
  • 3.1.5 ROI操作
• 3.2 ピクセルごとの操作
  • 3.2.1 add，subtract
  • 3.2.2 bitwise_and，bitwise_or
  • 3.2.3 addWeighted
  • 3.2.4 absdiff
  • 3.2.5 copyTo
  • 3.2.6 flip
  • 3.2.7 rotate
  • 3.2.8 clip
• 3.3 統計情報の取得
  • 3.3.1 min，max
  • 3.3.2 minMaxLoc
  • 3.3.3 mean
  • 3.3.4 sum
  • 3.3.5 countNonZero
• 3.4 画像の分割，結合
  • 3.4.1 split，merge
  • 3.4.2 hconcat，vconcat
• 3.5 ユーティリティ
  • 3.5.1 getBuildInformation
  • 3.5.2 TickMeter
  • 3.5.3 FileStorage
  • 3.5.4 useOptimized
  • 3.5.5 setUseOptimized

第4章 imgprocモジュール

• 4.1 画像の前処理と後処理
  • 4.1.1 OpenCVで利用できる手法
  • 4.1.2 画像の出力方法
• 4.2 色の変換
  • 4.2.1 色空間の変換（cvtColor
  • 4.2.2 チャンネルで分割（split）
  • 4.2.3 HSV色空間の活用
  • 4.2.4 その他の色変換
• 4.3 適応的しきい値による2値化（adaptiveThreshold）
  • 4.3.1 しきい値（threshold）
  • 4.3.2 adaptiveThresholdによる2値化
  • 4.3.3 輪郭の抽出（findContours）
• 4.4 画像の幾何変換
  • 4.4.1 アフィン変換（warpAffine）
  • 4.4.2 射影変換（ホモグラフィ変換）

第5章 imgcodecs，videoioモジュール

• 5.1 画像の読み込み
  • 5.1.1 静止画を読み込む（imread）
  • 5.1.2 動画の読み込み（VideoCapture）
  • 5.1.3 ネットワークカメラからの読み込み
  • 5.1.4 Webカメラからの読み込み
  • 5.1.5 連番画像の読み込み
• 5.2 画像の書き込み
  • 5.2.1 静止画の書き込み（imwrite）
  • 5.2.2 動画の書き込み（VideoWriter）

第6章 ディープラーニング

• 6.1 ディープラーニングの概要
  • 6.1.1 モデル，パラメータ，オプティマイザ
  • 6.1.2 過小適合と過剰適合
  • 6.1.3 ディープラーニングでの考え方
• 6.2 精度評価
  • 6.2.1 回帰の精度評価
  • 6.2.2 分類の精度評価
• 6.3 画像処理におけるディープラーニング
  • 6.3.1 CNN
  • 6.3.2 CNNの優位性

第7章 dnnモジュール基礎

• 7.1 dnnモジュールの概要
  • 7.1.1 dnnモジュールとは？
  • 7.1.2 サポートしているモデルフォーマット
  • 7.1.3 推論エンジンと実行デバイス
  • 7.1.4 High Level APIとLow Level API
• 7.2 顔検出
  • 7.2.1 顔検出とは？
  • 7.2.2 顔検出（OpenCV Face Detector）
  • 7.2.3 NMS（Non-Maximum Suppression）
  • 7.2.4 パフォーマンス比較
  • 7.2.5 APIの仕様
• 7.3 オブジェクト検出
  • 7.3.1 オブジェクト検出とは？
  • 7.3.2 精度重視のオブジェクト検出（YOLOv4）
  • 7.3.3 さらに精度の高いオブジェクト検出（Scaled-YOLOv4）
  • 7.3.4 処理速度重視のオブジェクト検出（YOLOv4-tiny）
  • 7.3.5 パフォーマンス比較
  • 7.3.6 APIの仕様
• 7.4 クラス分類
  • 7.4.1 クラス分類とは？
  • 7.4.2 精度重視のクラス分類（EfficientNet）
  • 7.4.3 信頼度上位5個のクラスを取得する
  • 7.4.4 処理速度重視のクラス分類（MobileNet v3）
  • 7.4.5 パフォーマンス比較
  • 7.4.6 APIの仕様
• 7.5 セグメンテーション
  • 7.5.1 セグメンテーションとは？
  • 7.5.2 セグメンテーション（DeepLab v3）
  • 7.5.3 APIの仕様
• 7.6 テキスト検出とテキスト認識
  • 7.6.1 テキスト検出，テキスト認識とは？
  • 7.6.2 テキスト検出（DB）
  • 7.6.3 テキスト認識（CRNN-CTC，DenseNet-CTC）
  • 7.6.4 パフォーマンス比較
  • 7.6.5 APIの仕様
• 7.7 キーポイント検出
  • 7.7.1 キーポイント検出とは？
  • 7.7.2 キーポイント検出（Lightweight OpenPose）
  • 7.7.3 キーポイントのもとになるヒートマップを取得する
  • 7.7.4 APIの仕様

第8章 dnnモジュール応用

• 8.1 dnnモジュールの対応レイヤ
• 8.2 カスタムレイヤ対応
  • 8.2.1 カスタムレイヤのクラスを実装する
  • 8.2.2 カスタムレイヤを登録する
  • 8.2.3 動作確認
• 8.3 学習済みモデルの診断ツール（model-diagnostics）
  • 8.3.1 概要
  • 8.3.2 環境構築
  • 8.3.3 使い方
  • 8.3.4 実行例
• 8.4 外部DNNフレームワーク連携
  • 8.4.1 CUDA backend
  • 8.4.2 Intel Inference Engine backend
  • 8.4.3 Tengine backend
• 8.5 学習済みモデルの利用
  • 8.5.1 OpenCV Zoo
  • 8.5.2 Open Model Zoo

• 索引
• 著者プロフィール