數字圖像處理實踐——基於Python

郭銳,碩士，副教授，現任教於廣東理工學院，研究方向包括計算機科學與技術、軟件工程、數字圖像處理、計算機視覺。

目錄

 

第1章  緒論  1

1.1  認識數字圖像  2

1.1.1  數字圖像的起源  2

1.1.2　數字圖像基本概念  2

1.1.3　數字圖像的分類  3

1.1.4  數字圖像的采樣與量化  5

1.2  認識數字圖像處理  6

1.2.1　數字圖像處理的含義  7

1.2.2　數字圖像處理的應用領域  7

1.2.3  常見的數字圖像處理技術  8

1.2.4  數字圖像處理的基本步驟  9

1.2.5  數字圖像文件格式  10

1.3　認識數字圖像處理工具  11

1.3.1  MATLAB  11

1.3.2  Visual C++  13

1.3.3  Python  16

1.4  思考練習  18

第2章  Python與數字圖像處理  19

2.1  Python環境部署  20

2.1.1  Python安裝  20

2.1.2  Pychram安裝  20

2.2  了解Pillow庫  22

2.2.1  Pillow庫的基本信息  22

2.2.2  Pillow庫的安裝方法  22

2.2.3  Pillow庫的主要作用  23

2.3  了解NumPy庫  25

2.3.1  NumPy庫概述  25

2.3.2  NumPy庫的安裝方法  26

2.3.3  NumPy庫的應用  26

2.4  了解scikit-image庫  30

2.4.1  scikit-image庫的基礎概念  30

2.4.2  scikit-image庫的安裝方法  30

2.4.3  scikit-image庫的作用  30

2.5　熟悉OpenCV庫  34

2.5.1  什麼是OpenCV  34

2.5.2  OpenCV的歷史與發展  35

2.5.3  OpenCV的應用領域  35

2.5.4  OpenCV安裝  35

2.5.5  OpenCV基礎操作  36

2.6　python其他的有關圖像處理庫  42

2.6.1  Matplotlib庫  42

2.6.2  PyTorch庫  45

2.6.3  TensorFlow庫  46

2.7  思考練習  47

第3章  圖像基本運算  49

3.1  點運算  50

3.1.1  線性點運算  50

3.1.2  非線性點運算  55

3.2  算術運算  64

3.2.1  加法運算  65

3.2.2  減法運算  68

3.2.3  乘法運算  70

3.2.4  除法運算  71

3.3  幾何運算  73

3.3.1  仿射變換  73

3.3.2  平移變換  75

3.3.3  旋轉變換  77

3.3.4  鏡像變換  78

3.3.5  縮放變換  80

3.3.6  透視變換  83

3.4  思考練習  85

第4章  圖像變換  86

4.1  圖像變換概述  87

4.1.1  圖像變換的主要作用  87

4.1.2  圖像變換的方法  87

4.1.3  圖像變換的步驟  88

4.1.4　實例及代碼實現  89

4.2  離散傅裏葉變換  90

4.2.1  離散傅裏葉變換的定義  90

4.2.2  離散傅裏葉變換的特點  90

4.2.3  實例及代碼實現  91

4.2.4  應用領域  95

4.3  圖像傅裏葉變換頻譜分析  96

4.3.1  基本原理  96

4.3.2  常用的頻譜分析方法  96

4.3.3  實例及代碼實現  97

4.4  離散余弦變換  103

4.4.1  定義和原理  103

4.4.2  特點和優勢  104

4.4.3  實例及代碼實現  104

4.5  思考練習  107

第5章  圖像增強  108

5.1  圖像增強概述  109

5.1.1  圖像增強的主要作用  109

5.1.2  圖像增強的方法  111

5.1.3  圖像增強的步驟  112

5.2  直方圖均衡  113

5.2.1  直方圖均衡的原理  113

5.2.2  直方圖均衡的特點  114

5.2.3  實例及代碼實現  115

5.3  空間域濾波增強  118

5.3.1  平滑濾波  119

5.3.2  銳化濾波  126

5.4  頻率域平滑濾波器  133

5.4.1  概述  133

5.4.2  理想低通濾波器  133

5.4.3  Butterworth低通濾波器  136

5.4.4  高斯低通濾波器  138

5.5  頻率域銳化濾波器  140

5.5.1  概述  141

5.5.2  理想高通濾波器  141

5.5.3  Butterworth高通濾波器  143

5.5.4 高斯高通濾波器  144

5.6  思考練習  146

第6章  圖像復原  148

6.1  圖像復原及退化模型  149

6.1.1  圖像復原及相關概念  149

6.1.2  圖像復原的方法和步驟  149

6.1.3  退化模型的表示  150

6.1.4  常見退化模型及形式  151

6.2  圖像噪聲  152

6.2.1  圖像噪聲的分類  152

6.2.2  圖像噪聲模型應用領域  153

6.2.3　實例及代碼實現  153

6.3  空間域濾波復原  158

6.3.1  基本原理  158

6.3.2  空間域濾波復原的基本步驟  158

6.3.3  空間域濾波復原的分類  159

6.4  頻率域濾波復原  177

6.4.1  主要原理  177

6.4.2  濾波方法及實現步驟  177

6.4.3  頻率域濾波的特點  177

6.4.4  帶通濾波器  178

6.4.5  帶阻濾波器  180

6.4.6  陷波濾波器  184

6.5  估計退化函數  185

6.5.1  常見估計退化函數的方法  186

6.5.2  考慮因素  186

6.6  逆濾波和維納濾波  189

6.6.1  逆濾波  190

6.6.2  維納濾波  194

6.7  思考練習  197

第7章  圖像壓縮編碼  199

7.1  數字圖像壓縮編碼基礎  200

7.1.1  圖像壓縮的定義和分類  200

7.1.2  冗余與壓縮效率  203

7.1.3  信源編碼與信道編碼的區別與聯系  208

7.2  變長編碼  211

7.2.1  霍夫曼編碼  211

7.2.2  遊程編碼  219

7.2.3  字典編碼  222

7.2.4　LZW算法  223

7.3  算術編碼  226

7.3.1  算術編碼原理  226

7.3.2  算術編碼算法實現  227

7.3.3  算術編碼的優勢和挑戰  230

7.4  變換編碼  231

7.4.1  DCT的應用  232

7.4.2  小波變換  235

7.4.3  其他變換方法  236

7.5  思考練習  237

第8章  圖像分割  239

8.1  閾值分割  240

8.1.1  基本原理  240

8.1.2  閾值的選擇  240

8.1.3  閾值分割的類型  240

8.1.4  代碼實現  241

8.1.5  應用領域  243

8.2  邊緣分割  243

8.2.1  基本原理  243

8.2.2  常用的邊緣檢測算法  243

8.2.3  代碼實現  248

8.2.4  形態學運算函數  252

8.2.5  邊緣分割的優缺點分析  254

8.2.6  邊緣分割的應用場景  254

8.3  區域分割  254

8.3.1  區域生長法  255

8.3.2  區域分裂與合並法  260

8.4  聚類分割  264

8.4.1  基本原理  264

8.4.2  常用聚類算法在圖像分割中的應用  264

8.5  思考練習  268

第9章  彩色圖像處理  269

9.1  彩色圖像基礎  270

9.2  彩色模型  271

9.2.1  彩色模型分類  272

9.2.2  RGB模型  272

9.2.3  CMY模型與CMYK模型  275

9.2.4  HSI模型和HSV模型  276

9.2.5  CIELab模型  279

9.2.6  YCbCr模型和YUV模型  279

9.3  偽彩色處理  284

9.3.1  偽彩色圖像處理基礎  284

9.3.2  灰度級到彩色變換  285

9.4  全彩色圖像處理  288

9.4.1  全彩色圖像處理基礎  288

9.4.2  彩色圖像增強  288

9.4.3  彩色圖像平滑  297

9.4.4  彩色圖像銳化  300

9.5  思考練習  305

第10章  圖像表示與描述  307

10.1  圖像表示描述的作用及應用場景  308

10.1.1　圖像表示與描述的作用  308

10.1.2　圖像表示描述的應用場景  308

10.2  顏色描述  309

10.2.1  顏色矩  309

10.2.2  顏色直方圖  311

10.2.3  顏色集  313

10.3  紋理描述  315

10.3.1  矩分析法  315

10.3.2  灰度差分統計  316

10.3.3  灰度共生矩陣  318

10.3.4  局部二值模式  318

10.4  邊界描述  322

10.4.1  鏈碼描述  322

10.4.2  傅裏葉描述  323

10.5  區域描述  326

10.5.1  幾何特征  326

10.5.2  不變矩  330

10.6  思考練習  332

參考文獻  333