數字圖像處理

本書涵蓋了數字圖像處理的多方面，主要內容包括： Python和OpenCV基礎、圖像的直方圖表示與變換、圖像的幾何變換、空間域圖像增強、圖像的形態學運算、圖像的分割、彩色圖像處理、圖像的特徵提取、深度學習與圖像處理。本書將理論介紹與工程實踐進行有機結合，各章的理論介紹深入淺出，並使用比較流行的編程語言Python將理論內容轉換為工程代碼。本書不僅介紹了圖像的幾何變換和形態學變換等數字圖像處理領域中的傳統內容，還介紹了深度學習等數字圖像處理領域的新內容。本書共10章。第1章介紹了數字圖像處理的基本知識。第2章介紹了本書的編程工具： Python和OpenCV。第3章至第10章詳細介紹了數字圖像處理的各種具體方法和技術。 ^[1] 

目錄

第1章緒論

1.1數字圖像的定義

1.2數字圖像的分類

1.2.1矢量圖

1.2.2位圖

1.3數字圖像的表示與存儲

1.3.1數字圖像的表示

1.3.2數字圖像的存儲格式

1.4數字圖像分辨率

1.4.1圖像的空間分辨率

1.4.2灰度級分辨率

1.5像素間基本關係

1.5.1像素的鄰域與鄰接

1.5.2像素的連通性、區域和邊界

1.6距離度量

1.6.1幾類常見距離度量

第2章Python和OpenCV基礎

2.1Python基礎知識

2.1.1Python簡介

2.1.2配置開發環境

2.2Python基本語法

2.2.1數據類型與變量

2.2.2字符串與類型轉換

2.2.3列表

2.2.4循環

2.2.5判斷

2.2.6字典

2.2.7函數

2.2.8使用庫

2.2.9類

2.2.10文件

2.3OpenCV基礎知識

2.3.1OpenCV簡介

2.3.2安裝OpenCV

2.3.3圖像文件基本操作

第3章圖像的直方圖表示與變換

3.1灰度直方圖

3.1.1灰度直方圖原理

3.1.2灰度直方圖的OpenCV和Python實現

3.2直方圖均衡化

3.2.1直方圖均衡化原理

3.2.2直方圖均衡化的OpenCV和Python實現

3.3直方圖規定化

3.3.1直方圖規定化原理

3.3.2直方圖規定化的OpenCV和Python實現

3.4線性變換

3.4.1線性變換原理

3.4.2線性變換的OpenCV和Python實現

3.5對數變換

3.5.1對數變換原理

3.5.2對數變換的OpenCV和Python實現

3.6伽馬變換

3.6.1伽馬變換原理

3.6.2伽馬變換的OpenCV和Python實現

3.7閾值變換

3.7.1閾值變換原理

3.7.2閾值變換的OpenCV和Python實現

第4章圖像的幾何變換

4.1圖像的平移

4.1.1圖像平移的基本原理

4.1.2圖像平移的Python和OpenCV實現

4.2圖像的旋轉

4.2.1圖像旋轉的基本原理

4.2.2圖像旋轉的Python和OpenCV實現

4.3圖像的縮放

4.3.1圖像縮放的基本原理

4.3.2圖像縮放的Python和OpenCV實現

4.4圖像的轉置

4.4.1圖像轉置的基本原理

4.4.2圖像轉置的Python和OpenCV實現

4.5圖像的翻轉

4.5.1圖像翻轉的基本原理

4.5.2圖像翻轉的Python和OpenCV實現

4.6圖像的插值

4.6.1圖像插值的基本原理

4.6.2最近鄰插值法

4.6.3雙線性插值法

4.6.4雙三次插值法

4.6.5圖像插值的Python和OpenCV實現

4.7圖像的配準

4.7.1圖像配準的基本原理

4.7.2提取特徵點

4.7.3基於特徵的配準方法

4.7.4圖像配準的Python和OpenCV實現

第5章空間域圖像增強

5.1圖像增強

5.1.1圖像增強的分類

5.1.2圖像增強的應用

5.2空間域濾波

5.2.1空間域濾波和鄰域處理

5.2.2邊界處理

5.3圖像平滑

5.3.1均值濾波

5.3.2方框濾波

5.3.3高斯濾波

5.3.4中值濾波

5.3.5雙邊濾波

5.4圖片鋭化

第6章圖像的形態學運算

6.1腐蝕

6.1.1腐蝕理論基礎

6.1.2腐蝕的Python和OpenCV實現

6.2膨脹

6.2.1膨脹理論基礎

6.2.2膨脹的Python和OpenCV實現

6.3開操作

6.3.1開操作理論基礎

6.3.2開操作的Python和OpenCV實現

6.4閉操作

6.4.1閉操作理論基礎

6.4.2閉操作的Python和OpenCV實現

6.5形態學梯度運算

6.5.1形態學梯度運算理論基礎

6.5.2形態學梯度運算的Python和OpenCV實現

6.6孔洞填充

6.6.1孔洞填充理論基礎

6.6.2孔洞填充的Python和OpenCV實現

6.7細化算法

6.7.1細化算法理論基礎

6.7.2細化算法的Python和OpenCV實現

第7章圖像的分割

7.1圖像分割概述

7.2邊緣檢測

7.2.1邊緣檢測算法

7.2.2Canny邊緣檢測的Python+OpenCV實現

7.3霍夫變換

7.3.1直線檢測

7.3.2曲線檢測

7.3.3霍夫變換的Python+OpenCV實現

7.4閾值分割

7.4.1簡單的閾值分割

7.4.2自適應閾值分割

7.5區域生長

第8章彩色圖像處理

8.1彩色簡介

8.1.1彩色屬性

8.1.2色彩的三要素

8.1.3三原色

8.1.4計算機中顏色的表示

8.2彩色模型

8.2.1RGB模型

8.2.2HSI模型

8.2.3HSV模型

第9章圖像的特徵提取

9.1圖像特徵概述

9.2梯度方向直方圖

9.2.1梯度方向直方圖的計算

9.2.2梯度方向直方圖的Python+OpenCV實現

9.3角點特徵

9.3.1Harris角點檢測

9.3.2基於Harris角點的人臉檢測

9.3.3ShiTomasi角點檢測

9.3.4FAST角點檢測

9.4SIFT算法

9.4.1SIFT算法的特點與步驟

9.4.2圖像SIFT特徵點的檢測

9.5局部二進制模式

9.5.1基本LBP

9.5.2圓形鄰域的LBPpr算子

9.5.3統一化LBP算子——Uniform LBP及其Python實現

9.6基於Gabor濾波器的圖像紋理特徵提取

9.6.1二維Gabor濾波器函數的數學表達

9.6.2利用Gabor濾波器提取紋理特徵的原理

9.6.3Python+OpenCV實現Gabor函數

9.7數據降維算法

9.7.1PCA算法流程

9.7.2使用PCA算法進行數據降維

9.7.3使用PCA算法對圖片進行降維

9.8基於LBP特徵的人臉識別

9.8.1圖像識別

9.8.2基於局部二值模式的人臉識別

9.8.3人臉識別代碼實現

第10章深度學習與圖像處理

10.1人工神經網絡基本結構

10.1.1感知機與人工神經網絡

10.1.2激活函數

10.1.3輸出函數

10.2神經網絡的學習

10.2.1訓練數據與測試數據

10.2.2損失函數

10.2.3梯度下降法

10.2.4正則化

10.3卷積神經網絡

10.3.1卷積

10.3.2填充

10.3.3池化

10.3.4三維卷積

10.4深度學習框架

10.4.1使用GPU加速

10.4.2TensorFlow簡介

10.4.3安裝TensorFlow

10.4.4TensorFlow基本語法

10.4.5使用Keras構建神經網絡

10.4.6PyTorch簡介

10.4.7安裝PyTorch

10.4.8PyTorch基本語法

10.4.9使用nn構建神經網絡

10.5手寫字符識別

10.5.1MNIST數據集

10.5.2用於手寫字符識別的神經網絡結構

10.5.3使用TensorFlow完成手寫字符識別

10.5.4使用PyTorch完成手寫字符識別 ^[2]