智能图像处理:Python和OpenCV实现
①全新正版,现货速发,7天无理由退换货②天津、成都、无锡、广东等多仓就近发货,订单最迟48小时内发出③无法指定快递④可开电子发票,不清楚的请咨询客服。
¥
58.71
7.4折
¥
79
全新
库存2件
作者赵云龙,葛广英
出版社机械工业
ISBN9787111694038
出版时间2021-12
装帧平装
开本其他
定价79元
货号31332524
上书时间2024-10-13
商品详情
- 品相描述:全新
- 商品描述
-
前言
作者简介
目录
前言<br/>第1章 图像处理环境 1<br/>1.1 图像处理简介 1<br/>1.1.1 图像处理的应用领域 1<br/>1.1.2 图像处理的常用方法 3<br/>1.2 Python数字图像处理库 4<br/>1.3 Python集成环境的安装 5<br/>1.3.1 Anaconda集成环境的下载与安装 6<br/>1.3.2 PyCharm集成环境的下载与安装 10<br/>1.4 习题 14<br/>第2章 数字图像的获取和基本运算 15<br/>2.1 图像的基本类型 15<br/>2.1.1 二值图像 15<br/>2.1.2 灰度图像 16<br/>2.1.3 索引图像 16<br/>2.1.4 彩色图像 16<br/>2.2 单幅图像的获取 17<br/>2.2.1 图像的读取 17<br/>2.2.2 图像的显示 18<br/>2.2.3 图像的保存 18<br/>2.2.4 图像的属性 19<br/>2.3 视频图像的获取 19<br/>2.3.1 视频文件的读写 20<br/>2.3.2 实时视频图像的获取 20<br/>2.4 图像的算术运算 22<br/>2.4.1 加法运算 22<br/>2.4.2 减法运算 25<br/>2.4.3 乘法运算 27<br/>2.4.4 除法运算 28<br/>2.5 图像的逻辑运算 30<br/>2.5.1 按位与运算 30<br/>2.5.2 按位或运算 30<br/>2.5.3 按位非运算 32<br/>2.5.4 按位异或运算 33<br/>2.5.5 综合实例 34<br/>2.6 习题 34<br/>第3章 数字图像的几何运算 36<br/>3.1 图像平移 36<br/>3.1.1 显示窗口改变的图像平移 37<br/>3.1.2 显示窗口不变的图像平移 38<br/>3.1.3 仿射变换的应用实例 38<br/>3.2 图像缩放 39<br/>3.3 图像旋转 41<br/>3.4 图像剪切 43<br/>3.5 图像的镜像变换 46<br/>3.6 图像的透视变换 47<br/>3.7 图像的极坐标变换 47<br/>3.7.1 数据点坐标系间的转换 48<br/>3.7.2 图像数据坐标系间的转换 48<br/>3.7.3 视频图像坐标系间的转换 49<br/>3.8 习题 51<br/>第4章 图像空域增强 52<br/>4.1 灰度线性变换 52<br/>4.1.1 用OpenCV做灰度变换与颜色空间变换 52<br/>4.1.2 增加或降低图像亮度 54<br/>4.1.3 增强或减弱图像对比度 55<br/>4.1.4 图像反色变换 56<br/>4.2 非线性变换 58<br/>4.2.1 对数变换 58<br/>4.2.2 伽马变换 59<br/>4.3 图像噪声 60<br/>4.3.1 通过Numpy数组库添加噪声 61<br/>4.3.2 通过skimage库添加噪声 65<br/>4.4 直方图均衡化 67<br/>4.4.1 使用Matplotlib库绘制图像直方图 67<br/>4.4.2 使用OpenCV中的函数绘制直方图 69<br/>4.4.3 自定义函数实现直方图均衡化 70<br/>4.4.4 使用OpenCV函数实现直方图均衡化 71<br/>4.4.5 自适应直方图均衡化 73<br/>4.5 直方图规定化 74<br/>4.5.1 自定义映像函数实现直方图规定化 74<br/>4.5.2 直方图反向投影 78<br/>4.6 习题 79<br/>第5章 图像空域滤波 81<br/>5.1 空域滤波 81<br/>5.2 图像平滑 82<br/>5.2.1 均值滤波 82<br/>5.2.2 方框滤波 83<br/>5.2.3 高斯滤波 84<br/>5.2.4 中值滤波 86<br/>5.2.5 双边滤波 87<br/>5.3 图像锐化 89<br/>5.3.1 拉普拉斯滤波 89<br/>5.3.2 自定义卷积核滤波 91<br/>5.3.3 非锐化掩模和高频提升滤波 93<br/>5.4 习题 94<br/>第6章 图像频域滤波 95<br/>6.1 傅里叶变换 95<br/>6.1.1 Numpy中的傅里叶变换 95<br/>6.1.2 OpenCV中的傅里叶变换 96<br/>6.2 低通滤波 98<br/>6.2.1 理想低通滤波 98<br/>6.2.2 巴特沃斯低通滤波 100<br/>6.2.3 高斯低通滤波 102<br/>6.3 高通滤波 103<br/>6.3.1 理想高通滤波 104<br/>6.3.2 巴特沃斯高通滤波 105<br/>6.3.3 高斯高通滤波 107<br/>6.4 带通和带阻滤波 109<br/>6.4.1 带通滤波 109<br/>6.4.2 带阻滤波 112<br/>6.5 同态滤波 115<br/>6.6 习题 116<br/>第7章 图像退化和复原 117<br/>7.1 图像退化与复原的机理 117<br/>7.2 图像的运动模糊 118<br/>7.3 图像的逆滤波 120<br/>7.4 图像的维纳滤波 122<br/>7.5 图像质量的评价 125<br/>7.6 习题 133<br/>第8章 图像数学形态学 134<br/>8.1 结构元素 134<br/>8.1.1 使用OpenCV生成结构元素 134<br/>8.1.2 使用Numpy生成结构元素 135<br/>8.2 腐蚀 136<br/>8.2.1 OpenCV中的腐蚀函数 136<br/>8.2.2 skimage中的腐蚀函数 137<br/>8.3 膨胀 138<br/>8.3.1 OpenCV中的膨胀函数 138<br/>8.3.2 skimage中的膨胀函数 139<br/>8.3.3 OpenCV形态学处理原型函数 140<br/>8.4 开运算 141<br/>8.4.1 OpenCV中的开运算 141<br/>8.4.2 skimage中的开运算 142<br/>8.5 闭运算 143<br/>8.5.1 OpenCV中的闭运算 143<br/>8.5.2 skimage中的闭运算 144<br/>8.6 高帽运算 145<br/>8.6.1 OpenCV中的高帽运算 145<br/>8.6.2 skimage中的高帽运算 146<br/>8.7 黑帽运算 146<br/>8.7.1 OpenCV中的黑帽运算 146<br/>8.7.2 skimage中的黑帽运算 147<br/>8.8 形态学梯度 148<br/>8.9 灰度形态学 151<br/>8.9.1 灰度图像的腐蚀运算 151<br/>8.9.2 灰度图像的膨胀运算 151<br/>8.9.3 灰度图像的开运算和闭运算 152<br/>8.10 形态学运算检测图像的边缘和角点 153<br/>8.10.1 检测图像边缘 154<br/>8.10.2 检测图像角点 155<br/>8.11 击中与击不中运算 156<br/>8.12 习题 157<br/>第9章 边缘检测 159<br/>9.1 边缘检测简介 159<br/>9.2 Roberts算子 160<br/>9.3 Prewitt算子 162<br/>9.4 Sobel算子 164<br/>9.5 拉普拉斯算子 165<br/>9.6 Canny算子 168<br/>9.7 Scharr算子 171<br/>9.8 Kirsch和Robinson算子 173<br/>9.9 高斯拉普拉斯算子 176<br/>9.10 高斯差分算子 178<br/>9.11 霍夫变换 179<br/>9.11.1 使用霍夫变换检测直线 179<br/>9.11.2 使用霍夫变换检测圆环 182<br/>9.12 图像金字塔 184<br/>9.12.1 高斯金字塔 185<br/>9.12.2 拉普拉斯金字塔 186<br/>9.13 习题 188<br/>第10章 图像分割 189<br/>10.1 图像阈值分割 189<br/>10.1.1 全局阈值分割 190<br/>10.1.2 自适应阈值 191<br/>10.1.3 Otsu’s二值化 192<br/>10.2 图像区域分割 193<br/>10.2.1 区域生长 194<br/>10.2.2 区域分裂合并 196<br/>10.3 图像的边缘分割 198<br/>10.4 直方图分割法 199<br/>10.5 图像连接组件标记算法 201<br/>10.6 分水岭算法 204<br/>10.7 习题 208<br/>第11章 彩色图像的处理 209<br/>11.1 彩色模型 209<br/>11.1.1 RGB彩色模型 209<br/>11.1.2 CMY和CMYK彩色模型 210<br/>11.1.3 HSI彩色模型 211<br/>11.1.4 YIQ彩色模型 213<br/>11.1.5 YCrCb彩色模型 213<br/>11.2 色彩空间类型转换 213<br/>11.2.1 色彩空间类型转换函数 213<br/>11.2.2 RGB色彩空间 214<br/>11.2.3 GRAY色彩空间 214<br/>11.2.4 YCrCb色彩空间 215<br/>11.2.5 HSV色彩空间 216<br/>11.3 彩色图像通道的分离与合并 217<br/>11.3.1 彩色图像通道的分离 218<br/>11.3.2 彩色图像通道的合并 219<br/>11.4 全彩色图像处理 220<br/>11.4.1 彩色变换 220<br/>11.4.2 直方图处理 221<br/>11.4.3 彩色图像的平滑和锐化 222<br/>11.4.4 基于彩色的图像分割 225<br/>11.5 习题 229<br/>第12章 图像特征的提取与描述 230<br/>12.1 图像特征简介 230<br/>12.2 图像轮廓特征 230<br/>12.2.1 图像轮廓的查找和绘制 231<br/>12.2.2 带噪声的轮廓 232<br/>12.2.3 边缘检测后的轮廓 234<br/>12.3 图像的几何特征 234<br/>12.3.1 面积与周长 235<br/>12.3.2 外接矩形 236<br/>12.3.3 最小外接圆和椭圆 237<br/>12.3.4 近似轮廓 239<br/>12.3.5 轮廓凸包 240<br/>12.3.6 拟合直线 241<br/>12.3.7 形状特征 242<br/>12.4 图像特征矩 243<br/>12.4.1 图像特征矩简介 244<br/>12.4.2 Hu矩 246<br/>12.4.3 形状匹配 249<br/>12.5 图像的角点检测 251<br/>12.5.1 Harris角点检测 251<br/>12.5.2 SIFT角点检测 253<br/>12.5.3 SURF特征检测算法 254<br/>12.6 图像匹配 256<br/>12.6.1 ORB特征检测+暴力匹配 256<br/>12.6.2 特征匹配关键点的获取 258<br/>12.6.3 K-最近邻匹配 259<br/>12.6.4 FLANN匹配 260<br/>12.7 综合实例 262<br/>12.7.1 利用SIFT+KNN匹配算法实现图像拼接 262<br/>12.7.2 利用SIFT+暴力匹配算法实现图像拼接 265<br/>12.7.3 搜索匹配的图像 267<br/>12.8 习题 270<br/>第13章 综合应用实例 272<br/>13.1 使用OpenCV进行车牌提取及识别 272<br/>13.1.1 车牌的提取过程 273<br/>13.1.2 车牌的检测与提取 274<br/>13.1.3 字符分割 276<br/>13.1.4 基于Haar特征分类器的车牌检测 278<br/>13.1.5 字符识别 279<br/>13.2 人脸检测 281<br/>13.2.1 图像预处理 281<br/>13.2.2 Haar特征分类器 282<br/>13.2.3 人脸检测程序 282<br/>13.3 答题卡的检测与分割 284<br/>13.3.1 答题卡轮廓检测 284<br/>13.3.2 答题卡不同区域的提取 285<br/>13.3.3 识别填涂答案 287<br/>13.3.4 答题卡用户界面的设计与封装 290<br/>13.4 基于CNN模型的手势识别 293<br/>13.4.1 手势图像数据的采集 294<br/>13.4.2 神经网络模型的创建与训练 296<br/>13.4.3 实时手势数字的识别 298<br/>13.5 基于深度学习的花卉识别系统 299<br/>13.5.1 花卉图像数据的采集 300<br/>13.5.2 数据集的分类 300<br/>13.5.3 MobileNet神经网络模型的设计与测试 302<br/>13.5.4 图形用户界面的设计 305<br/>13.6 口罩佩戴的检测 309<br/>13.6.1 口罩数据集的采集与处理 309<br/>13.6.2 数据集的划分 313<br/>13.6.3 数据集的训练 314<br/>13.6.4 检测是否佩戴口罩 317<br/>13.6.5 视频实时监测口罩佩戴情况 317<br/>参考文献 320
内容摘要
本书主要以Python+OpenCV为主,系统地介绍了Python在数字图像处理的各种应用算法和案例,对数字图像处理的各种算法进行讲解和案例分析,以方面读者后期继续进行人工智能、机器学习、深度学习等方面的学习和研究,不再需要更换编程语言和编程环境。<br>本书主要以介绍图像处理技术和应用实例为主,每个处理技术后面跟着至少一个应用实例,全书共给出189个应用实例程序,每个实例均已通过作者的调试,能够运行正常,读者可直接引用。
— 没有更多了 —
以下为对购买帮助不大的评价