書馨卡幫你省薪 2024個(gè)人購書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
數(shù)字圖像處理 基于OpenCV-Python

數(shù)字圖像處理 基于OpenCV-Python

作者：黃杉
出版社：電子工業(yè)出版社出版時(shí)間：2023-07-01
開本： 16開 頁數(shù)： 456
中 圖 價(jià):¥91.6(7.1折) 定價(jià)  ¥129.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

數(shù)字圖像處理 基于OpenCV-Python 版權(quán)信息

數(shù)字圖像處理 基于OpenCV-Python 本書特色

（1）實(shí)例豐富，注釋詳細(xì)：本書介紹OpenCV例程，并編制例程索引，全面覆蓋OpenCV的基本功能，系統(tǒng)介紹數(shù)字圖像處理課程的內(nèi)容。所有例程的實(shí)現(xiàn)方法簡單、清晰，注釋詳細(xì)，便于讀者理解和修改。 （2）循序漸進(jìn)，編排合理：與同類圖書不同，本書以數(shù)字圖像處理知識(shí)體系為主線，而非按照OpenCV模塊編排，從而更好地體現(xiàn)問題導(dǎo)向和需求導(dǎo)向。各章節(jié)內(nèi)容相對(duì)獨(dú)立，每個(gè)例程都是獨(dú)立程序，不會(huì)相互調(diào)用，從而避免使用尚未講到的函數(shù)或內(nèi)容。 （3）函數(shù)手冊(cè)，即學(xué)即用：本書介紹常用的OpenCV函數(shù)，并編制函數(shù)索引。與官方文檔和同類書不同的是，本書對(duì)OpenCV函數(shù)進(jìn)行了大量測試，著重講解函數(shù)中參數(shù)的格式要求和注意事項(xiàng)，并結(jié)合例程幫助讀者理解每個(gè)函數(shù)的特殊規(guī)定。 （4）閱讀建議：與岡薩雷斯《數(shù)字圖像處理》教材配套閱讀，學(xué)習(xí)效果事半功倍。

數(shù)字圖像處理 基于OpenCV-Python 內(nèi)容簡介

本書按照數(shù)字圖像處理的知識(shí)體系，循序漸進(jìn)地對(duì)OpenCV-Python的基本功能進(jìn)行全面、系統(tǒng)的介紹。全書共18章，分為OpenCV-Python的基本操作、圖像處理的基本方法、圖像處理的高級(jí)方法和計(jì)算機(jī)視覺四部分，詳細(xì)介紹常用的OpenCV函數(shù)，并講解例程代碼。
本書實(shí)例豐富、通俗易懂，適合數(shù)字圖像處理方向的師生與相關(guān)技術(shù)人員使用，既可以作為入門數(shù)字圖像處理的參考書，也可以作為OpenCV的入門教程。

數(shù)字圖像處理 基于OpenCV-Python 目錄

**部分 OpenCV-Python的基本操作 第1章 圖像的基本操作 3 1.1 圖像的讀取與保存 3 1.1.1 圖像的讀取 3 1.1.2 圖像的保存 4 1.2 圖像的顯示 6 1.3 基于Matplotlib顯示圖像 7 1.4 視頻文件的讀取與保存 9 1.5 多幀圖像的讀取與保存 12 第2章 圖像的數(shù)據(jù)格式 15 2.1 圖像屬性與數(shù)據(jù)類型 15 2.1.1 圖像顏色分類 15 2.1.2 以Numpy數(shù)組表示數(shù)字圖像 15 2.1.3 圖像的數(shù)據(jù)類型 16 2.2 圖像的創(chuàng)建與復(fù)制 17 2.3 圖像的裁剪與拼接 19 2.4 圖像通道的拆分與合并 21 2.5 獲取與修改像素值 23 2.6 快速LUT替換像素值 25 第3章 彩色圖像處理 29 3.1 圖像的顏色空間轉(zhuǎn)換 29 3.1.1 圖像的顏色空間 29 3.1.2 圖像的顏色空間轉(zhuǎn)換 29 3.2 灰度圖像的偽彩色處理 31 3.3 多模態(tài)數(shù)據(jù)合成的偽彩色圖像 33 3.4 圖像的色彩風(fēng)格濾鏡 35 3.5 調(diào)節(jié)圖像的色彩平衡 37 第4章 繪圖與鼠標(biāo)交互 40 4.1 OpenCV繪圖函數(shù)的參數(shù) 40 4.2 繪制直線與線段 41 4.3 繪制垂直矩形 43 4.4 繪制旋轉(zhuǎn)矩形 45 4.5 繪制圓形和橢圓 47 4.5.1 繪制圓形 47 4.5.2 繪制橢圓和橢圓弧 49 4.6 繪制多段線和多邊形 53 4.7 圖像上添加文字 56 4.8 鼠標(biāo)框選矩形區(qū)域 57 4.9 鼠標(biāo)交互操作 59 第二部分 圖像處理的基本方法 第5章 圖像的算術(shù)運(yùn)算 65 5.1 圖像的加法與減法運(yùn)算 65 5.2 使用掩模圖像控制處理區(qū)域 67 5.3 圖像的加權(quán)加法運(yùn)算 69 5.4 圖像的乘法與除法運(yùn)算 71 5.5 圖像的位運(yùn)算 73 5.6 圖像的積分運(yùn)算 77 5.7 圖像的歸一化處理 80 第6章 圖像的幾何變換 81 6.1 圖像的平移 81 6.2 圖像的縮放 83 6.3 圖像的旋轉(zhuǎn) 85 6.4 圖像的翻轉(zhuǎn) 88 6.5 圖像的斜切 89 6.6 圖像的投影變換 91 6.7 圖像的重映射 94 第7章 圖像的灰度變換 99 7.1 圖像反轉(zhuǎn)變換 99 7.2 線性灰度變換 100 7.3 非線性灰度變換 105 7.3.1 對(duì)數(shù)變換 105 7.3.2 冪律變換 105 7.4 分段線性變換之對(duì)比度拉伸 108 7.5 分段線性變換之灰度級(jí)分層 109 7.6 灰度變換之比特平面 110 7.7 基于灰度變換調(diào)整圖像色階 112 第8章 圖像的直方圖處理 116 8.1 圖像的灰度直方圖 116 8.2 圖像的直方圖均衡化 118 8.3 圖像的直方圖匹配 120 8.4 基于局部直方圖統(tǒng)計(jì)量的圖像增強(qiáng) 124 8.5 限制對(duì)比度自適應(yīng)直方圖均衡化 126 第9章 圖像的閾值處理 129 9.1 固定閾值處理 129 9.2 OTSU閾值算法 133 9.3 多閾值處理算法 134 9.4 自適應(yīng)閾值處理 137 9.5 移動(dòng)平均閾值處理 138 9.6 HSV顏色空間的閾值分割 140 9.6.1 HSV顏色空間 140 9.6.2 區(qū)間閾值處理 141 第三部分 圖像處理的高級(jí)方法 第10章 圖像卷積與空間濾波 149 10.1 相關(guān)運(yùn)算與卷積運(yùn)算 149 10.1.1 相關(guān)運(yùn)算 149 10.1.2 可分離卷積核 150 10.1.3 邊界擴(kuò)充 151 10.2 空間濾波之盒式濾波器 153 10.3 空間濾波之高斯濾波器 155 10.4 空間濾波之統(tǒng)計(jì)排序?yàn)V波器 157 10.4.1 中值濾波器 157 10.4.2 *大值濾波器 157 10.4.3 *小值濾波器 158 10.4.4 中點(diǎn)濾波器 158 10.4.5 修正阿爾法均值濾波器 158 10.5 空間濾波之自適應(yīng)濾波器 161 10.5.1 自適應(yīng)局部降噪濾波器 161 10.5.2 自適應(yīng)中值濾波器 161 10.6 空間濾波之雙邊濾波器 164 10.7 空間濾波之鈍化掩蔽 166 10.8 空間濾波之Laplacian算子 168 10.9 空間濾波之Sobel算子與Scharr算子 169 10.9.1 Sobel算子 169 10.9.2 Scharr算子 170 10.10 圖像金字塔 173 10.10.1 高斯金字塔 173 10.10.2 拉普拉斯金字塔 174 第11章 傅里葉變換與頻域?yàn)V波 179 11.1 圖像的傅里葉變換 179 11.1.1 用OpenCV實(shí)現(xiàn)傅里葉變換 180 11.1.2 用Numpy實(shí)現(xiàn)傅里葉變換 181 11.1.3 頻譜中心化 181 11.2 快速傅里葉變換 185 11.3 頻域?yàn)V波的基本步驟 187 11.4 頻域?yàn)V波之低通濾波 189 11.4.1 低通濾波器的傳遞函數(shù) 189 11.4.2 頻域?yàn)V波的詳細(xì)步驟 192 11.5 頻域?yàn)V波之高通濾波 195 11.6 頻域?yàn)V波之Laplacian算子 198 11.6.1 Laplacian算子 198 11.6.2 梯度算子的傳遞函數(shù) 198 11.7 頻域?yàn)V波之選擇性濾波器 202 11.7.1 帶阻濾波器和帶通濾波器 203 11.7.2 陷波濾波器 203 第12章 形態(tài)學(xué)圖像處理 209 12.1 腐蝕運(yùn)算和膨脹運(yùn)算 209 12.1.1 腐蝕和膨脹 209 12.1.2 形態(tài)學(xué)處理的結(jié)構(gòu)元 210 12.2 形態(tài)學(xué)運(yùn)算函數(shù) 212 12.2.1 形態(tài)學(xué)高級(jí)運(yùn)算 213 12.2.2 形態(tài)學(xué)處理函數(shù) 214 12.3 灰度形態(tài)學(xué)運(yùn)算 218 12.3.1 灰度腐蝕與灰度膨脹 218 12.3.2 灰度開運(yùn)算與灰度閉運(yùn)算 219 12.3.3 灰度頂帽算子和灰度底帽算子 219 12.4 形態(tài)學(xué)算法之邊界提取 225 12.5 形態(tài)學(xué)算法之直線提取 226 12.6 形態(tài)學(xué)算法之線條細(xì)化 228 12.7 形態(tài)學(xué)重建之邊界清除 230 12.8 形態(tài)學(xué)重建之孔洞填充 232 12.8.1 孔洞填充算法 232 12.8.2 泛洪填充算法 233 12.9 形態(tài)學(xué)重建之骨架提取 237 12.10 形態(tài)學(xué)重建之粒徑分離 238 12.11 基于形態(tài)學(xué)的粒度測定 240 12.12 形態(tài)學(xué)算法之邊緣檢測和角點(diǎn)檢測 242 第13章 圖像變換、重建與復(fù)原 245 13.1 直角坐標(biāo)與極坐標(biāo)變換 245 13.2 霍夫變換直線檢測 247 13.3 霍夫變換圓檢測 250 13.4 雷登變換與反投影圖像重建 252 13.4.1 投影和雷登變換 252 13.4.2 反投影和圖像重建 253 13.5 雷登變換濾波反投影圖像重建 257 13.6 退化圖像復(fù)原之逆濾波 260 13.7 退化圖像復(fù)原之維納濾波 263 13.8 退化圖像復(fù)原之*小二乘法濾波 266 第四部分 計(jì)算機(jī)視覺 第14章 邊緣檢測與圖像輪廓 273 14.1 邊緣檢測之梯度算子 273 14.2 邊緣檢測之LoG算子 275 14.3 邊緣檢測之DoG算子 278 14.4 邊緣檢測之Canny算子 280 14.5 邊緣連接 282 14.6 輪廓的查找與繪制 284 14.6.1 查找圖像輪廓 284 14.6.2 繪制圖像輪廓 285 14.7 輪廓的基本參數(shù) 288 14.7.1 輪廓的面積 288 14.7.2 輪廓的周長 288 14.7.3 輪廓的質(zhì)心 289 14.7.4 輪廓的等效直徑 289 14.7.5 極端點(diǎn)的位置 289 14.8 輪廓的形狀特征 292 14.8.1 輪廓的垂直矩形邊界框 292 14.8.2 輪廓的*小矩形邊界框 292 14.8.3 輪廓的*小外接圓 293 14.8.4 輪廓的*小外接三角形 293 14.8.5 輪廓的近似多邊形 294 14.8.6 輪廓的擬合橢圓 294 14.8.7 輪廓的擬合直線 294 14.8.8 輪廓的凸殼 295 14.9 輪廓的屬性 298 14.9.1 輪廓的寬高比 298 14.9.2 輪廓的面積比 299 14.9.3 輪廓的堅(jiān)實(shí)度 299 14.9.4 輪廓的方向 299 14.9.5 輪廓的掩模 299 14.9.6 輪廓的*大值、*小值及其位置 300 14.9.7 灰度均值和顏色均值 300 14.9.8 檢測輪廓的內(nèi)部/外部 300 14.10 矩不變量與形狀相似性 303 14.10.1 圖像的矩不變量 303 14.10.2 基于矩不變量的形狀相似性 304 第15章 圖像分割 308 15.1 區(qū)域生長與分離 308 15.1.1 區(qū)域生長 308 15.1.2 區(qū)域分離與聚合 308 15.2 超像素區(qū)域分割 311 15.2.1 簡單線性迭代聚類 311 15.2.2 能量驅(qū)動(dòng)采樣 311 15.2.3 線性譜聚類 312 15.2.4 OpenCV超像素分割函數(shù) 312 15.3 分水嶺算法 317 15.4 圖割分割算法 322 15.4.1 GraphCut圖割算法 322 15.4.2 GrabCut圖割算法 322 15.4.3 OpenCV中的圖割算法 323 15.5 均值漂移算法 328 15.6 運(yùn)動(dòng)圖像分割 331 15.6.1 幀間差分法 331 15.6.2 背景差分法 331 15.6.3 密集光流法 332 第16章 特征描述 340 16.1 特征描述之弗里曼鏈碼 340 16.2 特征描述之傅里葉描述符 344 16.3 特征描述之傅里葉頻譜分析 347 16.4 特征描述之區(qū)域特征描述 350 16.5 特征描述之灰度共生矩陣 353 16.6 特征描述之LBP描述符 356 16.6.1 基本LBP特征描述符 356 16.6.2 擴(kuò)展LBP特征描述符 356 16.6.3 LBP特征統(tǒng)計(jì)直方圖 357 16.7 特征描述之HOG描述符 363 16.8 特征描述之BRIEF描述符 367 16.9 特征描述之FREAK描述符 371 第17章 特征檢測與匹配 374 17.1 角點(diǎn)檢測之Harris算法 374 17.1.1 Harris角點(diǎn)檢測算法 374 17.1.2 Shi-Tomas角點(diǎn)檢測算法 375 17.1.3 OpenCV角點(diǎn)檢測算法 375 17.2 角點(diǎn)檢測之亞像素精確定位 377 17.3 特征檢測之SIFT算法 380 17.3.1 SIFT算法的原理 380 17.3.2 OpenCV的SIFT類 381 17.4 特征檢測之SURF算法 384 17.4.1 SURF算法原理 384 17.4.2 OpenCV的SURF類 385 17.5 特征檢測之FAST算法 387 17.6 特征檢測之ORB算法 390 17.6.1 基于尺度空間的FAST關(guān)鍵點(diǎn)檢測 390 17.6.2 基于點(diǎn)方向的BRIEF特征描述符 390 17.7 特征檢測之MSER算法 392 17.8 特征匹配之暴力匹配 396 17.9 特征匹配之*近鄰匹配 399 17.9.1 *近鄰匹配 399 17.9.2 單應(yīng)性映射變換 400 第18章 機(jī)器學(xué)習(xí) 404 18.1 OpenCV機(jī)器學(xué)習(xí)模塊 404 18.2 主成分分析 406 18.2.1 主成分分析基本方法 406 18.2.2 OpenCV的PCA類 406 18.3 k均值聚類算法 409 18.4 k近鄰算法 413 18.5 貝葉斯分類器 417 18.6 支持向量機(jī) 420 18.6.1 支持向量機(jī)算法 420 18.6.2 OpenCV的SVM類 421 18.6.3 OpenCV的SVMSGD類 422 18.7 人工神經(jīng)網(wǎng)絡(luò)算法 426 18.7.1 神經(jīng)網(wǎng)絡(luò)算法介紹 426 18.7.2 OpenCV的ANN_MLP神經(jīng)網(wǎng)絡(luò)模型 427 參考文獻(xiàn) 436
展開全部

數(shù)字圖像處理 基于OpenCV-Python 作者簡介

黃杉，就讀于西安郵電大學(xué)通信工程學(xué)院，致力于圖像處理、深度學(xué)習(xí)領(lǐng)域的學(xué)習(xí)與研究。以網(wǎng)名youcans在 CSDN、B站、知乎開設(shè)“數(shù)字圖像處理學(xué)習(xí)課”與“OpenCV例程”相關(guān)專欄，已發(fā)表400余篇文章，累計(jì)閱讀量達(dá) 200萬人次，其中100余篇文章入選“CSDN全站熱榜”。

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
返回頂部
中圖網(wǎng)
在線客服