新書推薦：
《
捍卫道德实在论（元伦理学系列）
》
售價：NT$
561
《
中西之外：华夏世界观与人类学
》
售價：NT$
398
《
匹诺曹：非存在的存在（阿甘本另类解读《木偶奇遇记》 流浪木偶匹诺曹的哲学启示）
》
售價：NT$
337
《
跨越时空的蜂鸟家族（约翰·古尔德的鸟类手绘图鉴）
》
售價：NT$
857
《
成功的法则：掌控人生的关键能力
》
售價：NT$
301
《
黄宗羲传
》
售價：NT$
347
《
教育研究量表手册 21世纪教育科学系列教材
》
售價：NT$
454
《
真事隐：康熙废储与正史虚构
》
售價：NT$
398
|
| 編輯推薦： |
以Python+OpenCV为主线，系统介绍智能图像处理的基础知识、常用技术和算法，内容涵盖数字图像采集、图像几何运算、图像增强和滤波、图像的退化与复原、图像形态学、图像边缘检测与分割、目标识别和分类等，帮助读者全面掌握智能图像处理的概念和原理，并能够利用Python语言及图像处理库解决智能图像处理问题。
理论与实际结合。本书采用浅显易懂的语言和图文并茂的方式介绍原理，介绍完理论算法之后至少提供一个应用实例。读者可以通过这些实例巩固知识点，掌握智能图像处理的常用算法，加深对智能图像处理问题解决思路的理解。
实例丰富。本书给出了200多个不同规模的实例，读者既可通过这些实例对智能图像处理的算法和技术进行实践，也可利用这些实例的源代码解决相关的实际问题。书中给出的所有应用实例程序均已通过调试，读者可直接使用。
教学资源丰富。作者根据多年的教学经验和本书内容，整理了一套完整和实用的教学资料，包括PPT课件、实例代码、教学大纲等，以帮助教师更好地进行授课。
|
| 內容簡介： |
|
本书以Python+OpenCV为主线，系统地介绍了OpenCV在数字图像处理方面的各种算法和应用案例，并在Anaconda或PyCharm集成开发环境下编写程序，对数字图像处理的各种算法进行讲解，为读者继续进行人工智能、机器学习、深度学习等方面的学习和研究打下基础。本书采用理论与应用实例相结合的方式，在介绍完每个理论算法之后至少提供一个应用实例且每个实例程序均已通过调试，能够正常运行。本书可作为高等学校数字图像处理、智能图像处理等课程的教材或参考书，也可作为智能图像处理初学者的入门读物。
|
| 關於作者： |
|
葛广英，南京大学工学博士，山东省自动化协会理事，硕士生导师。长期从事图像处理与模式识别方面的教学和科研工作。主讲《现代数字信号处理》、《数字图像处理》等多门本科生和研究生课程。发表学术论文70余篇，已出版编著5部教材。作为课题负责人和技术负责人承担了山东省科技发展计划项目、横向课题等20余项，获得山东省科技进步三等奖等30余项科研奖励，获得“中青年学术骨干和学术带头人培养对象”、“面向二十一世纪高层次人材培养工程培养对象”、“优秀人才”等荣誉称号。担任教育部学位中心、山东省教育厅评审专家，以及《电子与信息》学报评审专家。
|
| 目錄：
|
目 录
前言
第1章 图像处理基础 1
1.1 图像处理简介 1
1.1.1 图像处理的发展概况 2
1.1.2 图像处理的应用领域 3
1.1.3 图像处理的目的和常用方法 4
1.2 图像的表示方法 5
1.2.1 数字图像的表示 5
1.2.2 数字图像的矩阵表示 6
1.2.3 数字图像处理中的坐标系 6
1.3 图像像素的基本关系 7
1.3.1 像素的邻域 7
1.3.2 图像像素间的距离 8
1.4 常用的图像处理工具 8
1.5 Python数字图像处理库 10
1.6 Python集成环境的安装 12
1.6.1 Anaconda集成环境的下载
与安装 12
1.6.2 PyCharm集成环境的下载
与安装 17
1.7 习题 22
第2章 数字图像的获取和基本运算 23
2.1 图像的基本类型 23
2.1.1 二值图像 23
2.1.2 灰度图像 24
2.1.3 索引图像 24
2.1.4 彩色图像 24
2.2 图像的格式 25
2.2.1 静态图像格式 25
2.2.2 视频图像格式 26
2.3 图像的获取 27
2.3.1 图像的读取 28
2.3.2 图像的显示 28
2.3.3 图像的保存 30
2.3.4 图像的属性 31
2.3.5 图像的复制与克隆 32
2.4 视频图像的获取 34
2.4.1 视频文件的读写 34
2.4.2 实时视频图像的获取 35
2.5 图像的算术运算 36
2.5.1 加法运算 36
2.5.2 减法运算 39
2.5.3 乘法运算 41
2.5.4 除法运算 41
2.6 图像的逻辑运算 42
2.6.1 按位与运算 43
2.6.2 按位或运算 44
2.6.3 按位非运算 44
2.6.4 按位异或运算 45
2.6.5 图像的感兴趣区域与感兴趣
区域操作 47
2.6.6 利用mask进行图像叠加 48
2.7 图形的绘制和添加文字 51
2.7.1 图像中图形的绘制 51
2.7.2 图像添加非中文文字 55
2.7.3 图像添加中文文字 56
2.8 习题 57
第3章 数字图像的几何变换 58
3.1 图像的映射变换与插值方法 58
3.1.1 图像的映射变换 58
3.1.2 图像变换的插值方法 60
3.2 图像平移与缩放 63
3.2.1 图像平移 63
3.2.2 图像缩放 66
3.3 图像旋转 67
3.3.1 图像不完整旋转 67
3.3.2 图像完整旋转 69
3.3.3 使用特定函数的旋转 70
3.4 图像剪切 72
3.4.1 图像规则剪切 72
3.4.2 图像不规则剪切 73
3.5 图像的镜像变换 75
3.6 图像的仿射变换和透视变换 76
3.6.1 图像的仿射变换 76
3.6.2 图像的透视变换 78
3.7 图像的极坐标变换 82
3.7.1 数据点坐标系间的转换 82
3.7.2 图像数据坐标系间的转换 83
3.7.3 视频图像坐标系间的转换 85
3.8 习题 87
第4章 图像空域增强 88
4.1 灰度线性变换 88
4.1.1 图像亮度增加或降低 88
4.1.2 增强或减弱图像对比度 90
4.1.3 图像反色变换 91
4.1.4 图像分段线性灰度变换 93
4.2 非线性变换 94
4.2.1 对数变换 94
4.2.2 伽马变换 96
4.3 图像直方图 98
4.3.1 使用OpenCV中的函数绘制
直方图 98
4.3.2 使用Matplotlib库绘制图像
直方图 99
4.4 直方图均衡化 101
4.4.1 直方图均衡化原理 102
4.4.2 使用OpenCV函数实现直方
图均衡化 103
4.4.3 自适应直方图均衡化 105
4.5 直方图规定化 106
4.5.1 自定义映像函数实现直方图
规定化 107
4.5.2 直方图反向投影 111
4.6 习题 114
第5章 图像空域滤波 115
5.1 图像噪声 115
5.1.1 通过NumPy数组库添加噪声 115
5.1.2 通过skimage库添加噪声 121
5.2 空域滤波 123
5.2.1 线性空域滤波和非线性滤波 123
5.2.2 图像滤波边界处理 124
5.3 图像平滑 126
5.3.1 均值滤波 126
5.3.2 方框滤波 128
5.3.3 高斯滤波 129
5.3.4 中值滤波 131
5.3.5 自适应中值滤波 133
5.3.6 高斯双边滤波 137
5.3.7 均值迁移滤波 138
5.3.8 导向滤波 140
5.3.9 非局部均值滤波 141
5.4 图像锐化 144
5.4.1 拉普拉斯滤波 144
5.4.2 自定义卷积核滤波 147
5.4.3 非锐化掩模和高频提升滤波 148
5.5 习题 149
第6章 图像频域滤波 151
6.1 傅里叶变换 151
6.1.1 NumPy中的傅里叶变换 152
6.1.2 OpenCV中的傅里叶变换 153
6.2 低通滤波 155
6.2.1 理想低通滤波 155
6.2.2 巴特沃斯低通滤波 158
6.2.3 高斯低通滤波 162
6.3 高通滤波 166
6.3.1 理想高通滤波 166
6.3.2 巴特沃斯高通滤波 169
6.3.3 高斯高通滤波 171
6.4 带通和带阻滤波 173
6.4.1 带通滤波 173
6.4.2 带阻滤波 178
6.5 同态滤波 182
6.6 习题 185
第7章 图像退化和复原 186
7.1 图像退化与复原的机理 186
7.1.1 图像退化 186
7.1.2 图像复原 187
7.2 图像的模糊 188
7.2.1 运动模糊退化模型 188
7.2.2 湍流模糊退化模型 191
7.3 图像的逆滤波复原 193
7.3.1 运动模糊图像的逆滤波 193
7.3.2 湍流模糊图像的逆滤波 194
7.4 图像的维纳滤波复原 197
7.5 约束最小二乘滤波复原 200
7.6 几何均值滤波复原 203
7.7 图像修复与复原 205
7.8 图像质量的评价 206
7.8.1 主观评价方法 207
7.8.2 客观评价方法 207
7.9 习题 216
第8章 图像数学形态学 217
8.1 结构元素 217
8.1.1 使用OpenCV生成结构元素 217
8.1.2 使用NumPy生成结构元素 218
8.2 腐蚀 219
8.2.1 OpenCV中的腐蚀函数 221
8.2.2 skimage中的腐蚀函数 222
8.3 膨胀 223
8.3.1 OpenCV中的膨胀函数 225
8.3.2 skimage中的膨胀函数 226
8.3.3 OpenCV形态学处理原型
函数 227
8.4 开运算 228
8.4.1 OpenCV中的开运算 228
8.4.2 skimage中的开运算 229
8.5 闭运算 230
8.5.1 OpenCV中的闭运算 230
8.5.2 skimage中的闭运算 231
8.6 高帽运算 232
8.6.1 OpenCV中的高帽运算 232
8.6.2 skimage中的高帽运算 234
8.7 黑帽运算 235
8.7.1 OpenCV中的黑帽运算 235
8.7.2 skimage中的黑帽运算 236
8.8 形态学梯度 237
8.9 灰度形态学 240
8.9.1 灰度图像的腐蚀运算 240
8.9.2 灰度图像的膨胀运算 241
8.9.3 灰度图像的开运算和闭运算 242
8.10 形态学运算检测图像的边缘和
角点 243
8.10.1 检测图像边缘 243
8.10.2 检测图像角点 245
8.11 击中和击不中运算 248
8.12 习题 249
第9章 边缘检测 250
9.1 一阶微分算子 251
9.1.1 Roberts算子 251
9.1.2 Prewitt算子 253
9.1.3 Sobel算子 253
9.1.4 Scharr算子 256
9.2 二阶微分算子 257
9.2.1 拉普拉斯算子 257
9.2.2 高斯拉普拉斯算子 260
9.2.3 高斯差分算子 262
9.3 Canny算子 264
9.4 霍夫变换 268
9.4.1 霍夫变换的基本原理 268
9.4.2 霍夫变换检测直线 269
9.4.3 霍夫变换检测圆环 275
9.4.4 skimage库中的霍夫变换 277
9.5 图像金字塔 280
9.5.1 高斯金字塔 281
9.5.2 拉普拉斯金字塔 283
9.5.3 基于拉普拉斯金字塔的图像
融合 286
9.6 习题 290
第10章 图像分割 291
10.1 图像阈值分割 291
10.1.1 全局阈值分割 292
10.1.2 自适应阈值 294
10.1.3 Otsu’s算法 295
10.1.4 三角形法 297
10.2 图像区域分割 298
10.2.1 区域生长 298
10.2.2 区域分裂合并 300
10.3 图像的边缘分割 302
10.4 直方图分割法 304
10.5 图像连接组件标记算法 306
10.6 分水岭算法 308
10.6.1 基于距离变换的分水岭算法 309
10.6.2 基于标记点的分水岭算法 312
10.6.3 基于均值漂移算法的图像
分割 313
10.7 基于梯度的分水岭算法 315
10.7.1 基于Sobel梯度的分水岭算法 316
10.7.2 基于形态学梯度的分水岭
算法 317
10.7.3 基于轮廓标记的分水岭算法 319
10.7.4 鼠标交互标记的分水岭算法 320
10.8 基于k均值聚类的区域分割 323
10.9 习题 326
第11章 彩色图像的处理 327
11.1 彩色模型和色彩空间的转换 327
11.1.1 彩色模型 327
11.1.2 色彩空间的转换 331
11.2 彩色图像通道的分离与合并 334
11.2.1 彩色图像通道的分离 335
11.2.2 彩色图像通道的合并 336
11.3 全彩色图像处理 337
11.3.1 彩色图像变换 338
11.3.2 彩色图像直方图处理 339
11.3.3 彩色图像的平滑和锐化 341
11.4 RGB色彩空间的图像分割 344
11.4.1 全局阈值的图像分割 344
11.4.2 局部阈值的图像分割 345
11.4.3 Otsu’s阈值的图像分割 347
11.4.4 颜色信息的图像分割 347
11.5 HSV色彩空间的图像分割 348
11.5.1 基于颜色阈值表的图像分割 349
11.5.2 基于颜色条的图像分割 352
11.6 伪彩色图像处理 355
11.6.1 灰度图像形成彩色图像 355
11.6.2 多光谱图像合成彩色图像 357
11.7 习题 359
第12章 图像特征的提取与描述 360
12.1 图像特征简介 360
12.2 图像的轮廓特征 361
12.2.1 图像轮廓的查找和绘制 361
12.2.2 边缘检测后的轮廓 363
12.2.3 使用轮廓绘制功能提取前景
图像 364
12.3 图像的几何特征 365
12.3.1 面积与周长 365
12.3.2 外接矩形 366
12.3.3 最小外接圆和内接椭圆 368
12.3.4 近似轮廓 369
12.3.5 轮廓凸包 371
12.3.6 拟合直线 372
12.3.7 形状特征 373
12.4 图像特征矩 375
12.4.1 图像特征矩简介 375
12.4.2 Hu矩 380
12.4.3 形状匹配 382
12.5 图像的角点检测 384
12.5.1 Harris角点检测 385
12.5.2 Shi-Tomasi角点检测 386
12.5.3 SIFT角点检测 387
12.6 图像匹配 390
12.6.1 ORB特征检测+暴力匹配 390
12.6.2 k最近邻匹配 393
12.6.3 FLANN匹配 394
12.7 图像拼接 395
12.7.1 SIFT+暴力匹配算法实现图像的
拼接 395
12.7.2 Stitcher全景拼接 397
12.8 习题 399
第13章 综合应用实例 400
13.1 Haar特征和级联分类器的目标
检测 400
13.1.1 Haar特征和级联分类器 400
13.1.2 基于Haar特征分类器的车牌
检测 402
13.1.3 基于Haar特征分类器的人脸
检测 403
13.2 答题卡的检测与分割 405
13.2.1 答题卡轮廓检测 405
13.2.2 答题卡不同区域的提取 406
13.2.3 识别填涂答案 407
13.2.4 答题卡用户界面的设计与
封装 411
13.3 基于CNN模型的手势识别 414
13.3.1 手势图像数据的采集 415
13.3.2 神经网络模型的创建与训练 416
13.3.3 实时手势数字的识别 419
13.4 基于深度学习的花卉识别系统 421
13.4.1 花卉图像数据的采集 421
13.4.2 数据集的分类 421
13.4.3 MobileNet神经网络模型的
设计与测试 423
13.4.4 图形用户界面设计 427
13.5 口罩佩戴的检测 430
13.5.1 口罩数据集的采集与处理 431
13.5.2 数据集的划分 434
13.5.3 数据集的训练 436
13.5.4 检测是否佩戴口罩 438
13.5.5 视频实时监测口罩佩戴
情况 439
参考文献 442
|
| 內容試閱：
|
前 言
近年来，随着人工智能技术的迅猛发展，图像处理的应用领域不断扩大。图像处理技术在国家安全、经济发展等许多领域得到了广泛的应用，在日常生活中也充当着越来越重要的角色，目前正向更高、更深层次发展。图像处理是分析和处理数字图像的过程，旨在提高其质量或从中提取一些有用的信息，将其用于模式识别或人工智能。图像处理是一种通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。
数字图像处理是一门综合性很强的课程，已成为高等院校理工科计算机科学与技术、电子信息工程、通信工程、电子科学与技术及相关专业的一门重要的专业课。它可以应用于工业、农业、交通、金融、地质、海洋、气象、生物医学、军事、公安、电子商务、卫星遥感、机器人、多媒体、网络通信等领域，有助于取得显著的社会效益和经济效益。
当前，数字图像处理方面的书籍较多，大多是基于MATLAB的数字图像处理，而基于“Python +图像处理库”的数字图像处理书籍相对较少。虽然网络上基于Python的图像处理方面的教程很多，但都比较零散，缺乏系统性讲解，不利于初学者学习。本书以Python + OpenCV为主线，系统地介绍了Python在数字图像处理方面的各种算法和应用案例，并在Anaconda或PyCharm集成开发环境下编写程序对数字图像处理的各种算法进行讲解，为读者继续进行人工智能、机器学习、深度学习等方面的学习和研究打下
基础。
本书第1版出版后受到了广大读者的喜爱，印刷数量一再增加，本次修订为第2版，增加了一些图像处理的新理论和技术，实例更加丰富多彩，满足读者的更多需求。
本书特色
（1）以Python+OpenCV为主线，系统介绍智能图像处理的基础知识、常用技术和算法。内容涵盖数字图像采集、图像几何运算、图像增强和滤波、图像的退化与复原、图像形态学、图像边缘检测与分割、目标识别和分类等，帮助读者全面掌握智能图像处理的概念和原理，以便利用Python语言及图像处理库解决智能图像处理问题。
（2）理论与实际结合。本书用浅显易懂的语言、图文并茂的方式介绍原理，在介绍完理论算法之后至少提供一个应用实例。读者可以通过这些实例巩固知识点，理解智能图像处理的常用算法，加深对智能图像处理问题解决思路的理解。
（3）实例丰富。全书给出200余个不同规模的实例，读者既可通过这些实例对智能图像处理的算法和技术进行实践，也可利用这些实例的源代码解决相关的实际问题。书中所用图像主要来自MATLAB和Python软件提供的图像、免费图片库以及编者自己拍摄的照片。书中给出的所有应用实例程序均已通过调试，运行正常，读者可直接使用。
（4）教学资源丰富。编者根据多年的教学经验和本书内容，整理了一套完整和实用的教学资料，包括PPT课件、实例代码、教学大纲等。这些教学资源可从机械工业出版社教育服务网下载。
教学安排
本书可作为高等院校理工科电子、通信、计算机科学与技术及相关专业本科生的教材，也可供相关专业的研究生以及从事图像处理、深度学习应用与研究的科研工作者和工程师学习参考。
本书系统介绍了数字图像处理的基础理论知识和算法编程技术，学习本书需要高等数学、线性代数、数字信号处理的基础知识和Python程序设计基础。
本书共13章，具体内容如下：第1章主要介绍数字图像处理技术及应用的基础知识、常用的Python数字图像处理库、Anaconda和PyCharm集成环境的下载及安装；第2章到第12章介绍基于Python的图像处理的各种常用算法，其中，第2章主要介绍数字图像的获取和基本运算，第3章主要介绍数字图像的几何变换，第4章主要介绍图像空域增强，第5章主要介绍图像空域滤波，第6章主要介绍图像频域滤波，第7章主要介绍图像退化和复原，第8章主要介绍图像数学形态学，第9章主要介绍边缘检测，第10章主要介绍图像分割，第11章主要介绍彩色图像的处理，第12章主要介绍图像特征的提取与描述；第13章给出5个综合应用实例，读者可通过这些实例将本书的知识融会贯通。
全书由葛广英统稿，并完成了本书的撰写。另外，董苗苗、刘羿漩、梁允泉和齐振岭几位老师参与了部分资料和案例的准备工作。在本书的编写过程中，编者参阅了大量文献资料和网络上的相关资料，在此对这些资源的作者表示衷心感谢；感谢机械工业出版社的各位编辑为本书的顺利出版所做的组织和协调工作。
由于数字图像处理技术发展迅猛、软件不断更新升级，加之编者水平所限，本书内容不足之处和错误在所难免，恳请广大读者批评指正。在使用本书的过程中，有什么建议和问题，可以及时与编者联系（邮箱：ggysd@126.com）。
编 者
2025年6月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
