智能圖像處理:Python 和 OpenCV 實現

趙雲龍,葛廣英

  • 出版商: 機械工業
  • 出版日期: 2021-12-21
  • 定價: $474
  • 售價: 8.5$403
  • 語言: 簡體中文
  • 頁數: 332
  • 裝訂: 平裝
  • ISBN: 7111694031
  • ISBN-13: 9787111694038
  • 相關分類: 影像辨識 Image-recognition
  • 立即出貨 (庫存 < 3)

買這商品的人也買了...

相關主題

商品描述

本書主要以Python+OpenCV為主,系統地介紹了Python在數字圖像處理的各種應用算法和案例,
對數字圖像處理的各種算法進行講解和案例分析,
以方面讀者後期繼續進行人工智能、機器學習、
深度學習等方面的學習和研究,不再需要更換編程語言和編程環境。

目錄大綱

前言
第1章 圖像處理環境 1
1.1 圖像處理簡介 1
1.1.1 圖像處理的應用領域 1
1.1.2 圖像處理的常用方法 3
1.2 Python數字圖像處理庫 4
1.3 Python集成環境的安裝 5
1.3.1 Anaconda集成環境的下載與安裝 6
1.3.2 PyCharm集成環境的下載與安裝 10
1.4 習題 14
第2章 數字圖像的獲取和基本運算 15
2.1 圖像的基本類型 15
2.1.1 二值圖像 15
2.1.2 灰度圖像 16
2.1.3 索引圖像 16
2.1.4 彩色圖像 16
2.2 單幅圖像的獲取 17
2.2.1 圖像的讀取 17
2.2.2 圖像的顯示 18
2.2.3 圖像的保存 18
2.2.4 圖像的屬性 19
2.3 視頻圖像的獲取 19
2.3.1 視頻文件的讀寫 20
2.3.2 實時視頻圖像的獲取 20
2.4 圖像的算術運算 22
2.4.1 加法運算 22
2.4.2 減法運算 25
2.4.3 乘法運算 27
2.4.4 除法運算 28
2.5 圖像的邏輯運算 30
2.5.1 按位與運算 30
2.5.2 按位或運算 30
2.5.3 按位非運算 32
2.5.4 按位異或運算 33
2.5.5 綜合實例 34
2.6 習題 34
第3章 數字圖像的幾何運算 36
3.1 圖像平移 36
3.1.1 顯示窗口改變的圖像平移 37
3.1.2 顯示窗口不變的圖像平移 38
3.1.3 仿射變換的應用實例 38
3.2 圖像縮放 39
3.3 圖像旋轉 41
3.4 圖像剪切 43
3.5 圖像的鏡像變換 46
3.6 圖像的透視變換 47
3.7 圖像的極坐標變換 47
3.7.1 數據點坐標系間的轉換 48
3.7.2 圖像數據坐標系間的轉換 48
3.7.3 視頻圖像坐標系間的轉換 49
3.8 習題 51
第4章 圖像空域增強 52
4.1 灰度線性變換 52
4.1.1 用OpenCV做灰度變換與顏色空間變換 52
4.1.2 增加或降低圖像亮度 54
4.1.3 增強或減弱圖像對比度 55
4.1.4 圖像反色變換 56
4.2 非線性變換 58
4.2.1 對數變換 58
4.2.2 伽馬變換 59
4.3 圖像噪聲 60
4.3.1 通過Numpy數組庫添加噪聲 61
4.3.2 通過skimage庫添加噪聲 65
4.4 直方圖均衡化 67
4.4.1 使用Matplotlib庫繪製圖像直方圖 67
4.4.2 使用OpenCV中的函數繪製直方圖 69
4.4.3 自定義函數實現直方圖均衡化 70
4.4.4 使用OpenCV函數實現直方圖均衡化 71
4.4.5 自適應直方圖均衡化 73
4.5 直方圖規定化 74
4.5.1 自定義映像函數實現直方圖規定化 74
4.5.2 直方圖反向投影 78
4.6 習題 79
第5章 圖像空域濾波 81
5.1 空域濾波 81
5.2 圖像平滑 82
5.2.1 均值濾波 82
5.2.2 方框濾波 83
5.2.3 高斯濾波 84
5.2.4 中值濾波 86
5.2.5 雙邊濾波 87
5.3 圖像銳化 89
5.3.1 拉普拉斯濾波 89
5.3.2 自定義卷積核濾波 91
5.3.3 非銳化掩模和高頻提升濾波 93
5.4 習題 94
第6章 圖像頻域濾波 95
6.1 傅里葉變換 95
6.1.1 Numpy中的傅里葉變換 95
6.1.2 OpenCV中的傅里葉變換 96
6.2 低通濾波 98
6.2.1 理想低通濾波 98
6.2.2 巴特沃斯低通濾波 100
6.2.3 高斯低通濾波 102
6.3 高通濾波 103
6.3.1 理想高通濾波 104
6.3.2 巴特沃斯高通濾波 105
6.3.3 高斯高通濾波 107
6.4 帶通和帶阻濾波 109
6.4.1 帶通濾波 109
6.4.2 帶阻濾波 112
6.5 同態濾波 115
6.6 習題 116
第7章 圖像退化和復原 117
7.1 圖像退化與復原的機理 117
7.2 圖像的運動模糊 118
7.3 圖像的逆濾波 120
7.4 圖像的維納濾波 122
7.5 圖像質量的評價 125
7.6 習題 133
第8章 圖像數學形態學 134
8.1 結構元素 134
8.1.1 使用OpenCV生成結構元素 134
8.1.2 使用Numpy生成結構元素 135
8.2 腐蝕 136
8.2.1 OpenCV中的腐蝕函數 136
8.2.2 skimage中的腐蝕函數 137
8.3 膨脹 138
8.3.1 OpenCV中的膨脹函數 138
8.3.2 skimage中的膨脹函數 139
8.3.3 OpenCV形態學處理原型函數 140
8.4 開運算 141
8.4.1 OpenCV中的開運算 141
8.4.2 skimage中的開運算 142
8.5 閉運算 143
8.5.1 OpenCV中的閉運算 143
8.5.2 skimage中的閉運算 144
8.6 高帽運算 145
8.6.1 OpenCV中的高帽運算 145
8.6.2 skimage中的高帽運算 146
8.7 黑帽運算 146
8.7.1 OpenCV中的黑帽運算 146
8.7.2 skimage中的黑帽運算 147
8.8 形態學梯度 148
8.9 灰度形態學 151
8.9.1 灰度圖像的腐蝕運算 151
8.9.2 灰度圖像的膨脹運算 151
8.9.3 灰度圖像的開運算和閉運算 152
8.10 形態學運算檢測圖像的邊緣和角點 153
8.10.1 檢測圖像邊緣 154
8.10.2 檢測圖像角點 155
8.11 擊中與擊不中運算 156
8.12 習題 157
第9章 邊緣檢測 159
9.1 邊緣檢測簡介 159
9.2 Roberts算子 160
9.3 Prewitt算子 162
9.4 Sobel算子 164
9.5 拉普拉斯算子 165
9.6 Canny算子 168
9.7 Scharr算子 171
9.8 Kirsch和Robinson算子 173
9.9 高斯拉普拉斯算子 176
9.10 高斯差分算子 178
9.11 霍夫變換 179
9.11.1 使用霍夫變換檢測直線 179
9.11.2 使用霍夫變換檢測圓環 182
9.12 圖像金字塔 184
9.12.1 高斯金字塔 185
9.12.2 拉普拉斯金字塔 186
9.13 習題 188
第10章 圖像分割 189
10.1 圖像閾值分割 189
10.1.1 全局閾值分割 190
10.1.2 自適應閾值 191
10.1.3 Otsu’s二值化 192
10.2 圖像區域分割 193
10.2.1 區域生長 194
10.2.2 區域分裂合併 196
10.3 圖像的邊緣分割 198
10.4 直方圖分割法 199
10.5 圖像連接組件標記算法 201
10.6 分水嶺算法 204
10.7 習題 208
第11章 彩色圖像的處理 209
11.1 彩色模型 209
11.1.1 RGB彩色模型 209
11.1.2 CMY和CMYK彩色模型 210
11.1.3 HSI彩色模型 211
11.1.4 YIQ彩色模型 213
11.1.5 YCrCb彩色模型 213
11.2 色彩空間類型轉換 213
11.2.1 色彩空間類型轉換函數 213
11.2.2 RGB色彩空間 214
11.2.3 GRAY色彩空間 214
11.2.4 YCrCb色彩空間 215
11.2.5 HSV色彩空間 216
11.3 彩色圖像通道的分離與合併 217
11.3.1 彩色圖像通道的分離 218
11.3.2 彩色圖像通道的合併 219
11.4 全彩色圖像處理 220
11.4.1 彩色變換 220
11.4.2 直方圖處理 221
11.4.3 彩色圖像的平滑和銳化 222
11.4.4 基於彩色的圖像分割 225
11.5 習題 229
第12章 圖像特徵的提取與描述 230
12.1 圖像特徵簡介 230
12.2 圖像輪廓特徵 230
12.2.1 圖像輪廓的查找和繪製 231
12.2.2 帶噪聲的輪廓 232
12.2.3 邊緣檢測後的輪廓 234
12.3 圖像的幾何特徵 234
12.3.1 面積與周長 235
12.3.2 外接矩形 236
12.3.3 最小外接圓和橢圓 237
12.3.4 近似輪廓 239
12.3.5 輪廓凸包 240
12.3.6 擬合直線 241
12.3.7 形狀特徵 242
12.4 圖像特徵矩 243
12.4.1 圖像特徵矩簡介 244
12.4.2 Hu矩 246
12.4.3 形狀匹配 249
12.5 圖像的角點檢測 251
12.5.1 Harris角點檢測 251
12.5.2 SIFT角點檢測 253
12.5.3 SURF特徵檢測算法 254
12.6 圖像匹配 256
12.6.1 ORB特徵檢測+暴力匹配 256
12.6.2 特徵匹配關鍵點的獲取 258
12.6.3 K-最近鄰匹配 259
12.6.4 FLANN匹配 260
12.7 綜合實例 262
12.7.1 利用SIFT+KNN匹配算法實現圖像拼接 262
12.7.2 利用SIFT+暴力匹配算法實現圖像拼接 265
12.7.3 搜索匹配的圖像 267
12.8 習題 270
第13章 綜合應用實例 272
13.1 使用OpenCV進行車牌提取及識別 272
13.1.1 車牌的提取過程 273
13.1.2 車牌的檢測與提取 274
13.1.3 字符分割 276
13.1.4 基於Haar特徵分類器的車牌檢測 278
13.1.5 字符識別 279
13.2 人臉檢測 281
13.2.1 圖像預處理 281
13.2.2 Haar特徵分類器 282
13.2.3 人臉檢測程序 282
13.3 答題卡的檢測與分割 284
13.3.1 答題卡輪廓檢測 284
13.3.2 答題卡不同區域的提取 285
13.3.3 識別填塗答案 287
13.3.4 答題卡用戶界面的設計與封裝 290
13.4 基於CNN模型的手勢識別 293
13.4.1 手勢圖像數據的採集 294
13.4.2 神經網絡模型的創建與訓練 296
13.4.3 實時手勢數字的識別 298
13.5 基於深度學習的花卉識別系統 299
13.5.1 花卉圖像數據的採集 300
13.5.2 數據集的分類 300
13.5.3 MobileNet神經網絡模型的設計與測試 302
13.5.4 圖形用戶界面的設計 305
13.6 口罩佩戴的檢測 309
13.6.1 口罩數據集的採集與處理 309
13.6.2 數據集的劃分 313
13.6.3 數據集的訓練 314
13.6.4 檢測是否佩戴口罩 317
13.6.5 視頻實時監測口罩佩戴情況 317
參考文獻 320