《Python中的圖像處理》主要研究Python中的圖像處理�！禤ython中的圖像處理》貫穿各種圖像處理算法與案例進(jìn)行介紹，是一本典型的實(shí)戰(zhàn)指南�！禤ython中的圖像處理》從實(shí)戰(zhàn)出發(fā)，詳細(xì)介紹了Python中的圖像處理，包含了豐富的算法及案例，每個(gè)步驟都結(jié)合代碼、公式和圖表進(jìn)行敘述�！禤ython中的圖像處理》采用Python編程語言和OpenCV庫編寫，給想快速了解圖像處理、從事計(jì)算機(jī)視覺領(lǐng)域和研究Python圖像識(shí)別方向的讀者提供便利，能夠迅速上手�！禤ython中的圖像處理》構(gòu)思合理，采用通俗易懂、由淺入深的方式敘述，也符合*大數(shù)據(jù)發(fā)展戰(zhàn)略，是一本入門級(jí)的Python圖像處理教材。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。
目錄
第一篇 基礎(chǔ)知識(shí)
第1章 緒論 3
1.1 數(shù)字圖像處理 3
1.2 Python語言 4
1.3 OpenCV 5
1.4 章節(jié)安排 6
參考文獻(xiàn) 7
第2章 Python基礎(chǔ) 8
2.1 Python簡(jiǎn)介 8
2.2 基礎(chǔ)語法 10
2.2.1 輸出語句 10
2.2.2 注釋 12
2.2.3 變量及賦值 13
2.2.4 輸入語句 14
2.3 數(shù)據(jù)類型 15
2.4 基本語句 20
2.4.1 條件語句 20
2.4.2 循環(huán)語句 23
2.5 基本操作 25
2.6 本章小結(jié) 27
參考文獻(xiàn) 27
第3章 數(shù)字圖像處理基礎(chǔ) 28
3.1 數(shù)字圖像處理概述 28
3.2 像素及常見圖像分類 28
3.3 圖像信號(hào)數(shù)字化處理 31
3.4 OpenCV安裝配置 32
3.5 OpenCV初識(shí)及常見數(shù)據(jù)類型 33
3.5.1 OpenCV顯示圖像 33
3.5.2 常見數(shù)據(jù)類型 36
3.6 Numpy和Matplotlib庫介紹 37
3.6.1 Numpy庫 37
3.6.2 Matplotlib庫 38
3.7 幾何圖形繪制 42
3.7.1 繪制直線 43
3.7.2 繪制矩形 45
3.7.3 繪制圓形 47
3.7.4 繪制橢圓 48
3.7.5 繪制多邊形 51
3.7.6 繪制文字 54
3.8 本章小結(jié) 55
參考文獻(xiàn) 55
第4章 Python圖像處理入門 56
4.1 OpenCV讀取顯示圖像 56
4.2 OpenCV讀取修改像素 57
4.3 OpenCV創(chuàng)建復(fù)制保存圖像 61
4.4 獲取圖像屬性及通道 64
4.4.1 圖像屬性 64
4.4.2 圖像通道處理 66
4.5 圖像算術(shù)與邏輯運(yùn)算 70
4.5.1 圖像加法運(yùn)算 70
4.5.2 圖像減法運(yùn)算 71
4.5.3 圖像與運(yùn)算 73
4.5.4 圖像或運(yùn)算 75
4.5.5 圖像異或運(yùn)算 76
4.5.6 圖像非運(yùn)算 77
4.6 圖像融合處理 79
4.7 獲取圖像ROI區(qū)域 82
4.8 圖像類型轉(zhuǎn)換 84
4.9 本章小結(jié) 88
參考文獻(xiàn) 88
第二篇 圖像運(yùn)算
第5章 Python圖像幾何變換 91
5.1 圖像幾何變換概述 91
5.2 圖像平移變換 92
5.3 圖像縮放變換 95
5.4 圖像旋轉(zhuǎn)變換 99
5.5 圖像鏡像變換 102
5.6 圖像仿射變換 104
5.7 圖像透視變換 106
5.8 本章小結(jié) 108
參考文獻(xiàn) 108
第6章 Python圖像量化及采樣處理 109
6.1 圖像量化處理 109
6.1.1 概述 109
6.1.2 操作 110
6.1.3 K-Means聚類量化處理 114
6.2 圖像采樣處理 116
6.2.1 概述 116
6.2.2 操作 117
6.2.3 局部馬賽克處理 121
6.3 圖像金字塔 123
6.3.1 圖像向下取樣 124
6.3.2 圖像向上取樣 127
6.4 本章小結(jié) 130
參考文獻(xiàn) 130
第7章 Python圖像的點(diǎn)運(yùn)算處理 131
7.1 圖像點(diǎn)運(yùn)算的概述 131
7.2 圖像灰度化處理 131
7.2.1 圖像的灰度線性變換 140
7.2.2 圖像的灰度非線性變換 147
7.3 圖像閾值化處理 154
7.3.1 固定閾值化處理 155
7.3.2 自適應(yīng)閾值化處理 163
7.4 本章小結(jié) 167
參考文獻(xiàn) 167
第8章 Python圖像形態(tài)學(xué)處理 168
8.1 數(shù)學(xué)形態(tài)學(xué)概述 168
8.2 圖像腐蝕 168
8.3 圖像膨脹 171
8.4 圖像開運(yùn)算 173
8.5 圖像閉運(yùn)算 176
8.6 圖像梯度運(yùn)算 178
8.7 圖像頂帽運(yùn)算 180
8.8 圖像底帽運(yùn)算 184
8.9 本章小結(jié) 186
參考文獻(xiàn) 186
第三篇 圖像增強(qiáng)
第9章 Python直方圖統(tǒng)計(jì) 189
9.1 圖像直方圖概述 189
9.2 Matplotlib繪制直方圖 191
9.3 OpenCV繪制直方圖 197
9.4 掩模直方圖 201
9.5 圖像灰度變換直方圖對(duì)比 203
9.6 圖像H-S直方圖 213
9.7 直方圖判斷黑夜白天 215
9.8 本章小結(jié) 219
參考文獻(xiàn) 219
第10章 Python圖像增強(qiáng) 220
10.1 圖像增強(qiáng)概述 220
10.2 直方圖均衡化 222
10.2.1 原理知識(shí) 222
10.2.2 代碼實(shí)現(xiàn) 227
10.3 局部直方圖均衡化 231
10.4 自動(dòng)色彩均衡化 233
10.5 本章小結(jié) 237
參考文獻(xiàn) 237
第11章 Python圖像平滑 238
11.1 圖像平滑概述 238
11.2 均值濾波 240
11.3 方框?yàn)V波 243
11.4 高斯濾波 247
11.5 中值濾波 249
11.6 雙邊濾波 251
11.7 本章小結(jié) 254
參考文獻(xiàn) 254
第12章 Python圖像銳化及邊緣檢測(cè) 255
12.1 原理概述 255
12.1.1 一階微分算子 255
12.1.2 二階微分算子 256
12.2 Roberts算子 257
12.3 Prewitt算子 259
12.4 Sobel算子 261
12.5 Laplacian算子 263
12.6 Scharr算子 268
12.7 Canny算子 270
12.8 LOG算子 273
12.9 本章小結(jié) 275
參考文獻(xiàn) 276
第四篇 高階圖像處理
第13章 Python圖像特效處理 279
13.1 圖像毛玻璃特效 279
13.2 圖像浮雕特效 280
13.3 圖像油漆特效 282
13.4 圖像素描特效 283
13.5 圖像懷舊特效 285
13.6 圖像光照特效 287
13.7 圖像流年特效 289
13.8 圖像水波特效 290
13.9 圖像卡通特效 293
13.10 圖像濾鏡特效 295
13.11 圖像直方圖均衡化特效 297
13.12 圖像模糊特效 299
13.13 本章小結(jié) 300
第14章 Python圖像分割 301
14.1 圖像分割概述 301
14.2 基于閾值的圖像分割 302
14.3 基于邊緣檢測(cè)的圖像分割 303
14.4 基于紋理背景的圖像分割 309
14.5 基于K-Means聚類的區(qū)域分割 311
14.6 基于均值漂移算法的圖像分割 317
14.7 基于分水嶺算法的圖像分割 321
14.8 圖像漫水填充分割 327
14.9 文字區(qū)域定位及提取案例 333
14.10 本章小結(jié) 338
參考文獻(xiàn) 339
第15章 Python傅里葉變換與霍夫變換 340
15.1 圖像傅里葉變換概述 340
15.2 圖像傅里葉變換操作 341
15.2.1 Numpy實(shí)現(xiàn)傅里葉變換 341
15.2.2 Numpy實(shí)現(xiàn)傅里葉逆變換 345
15.2.3 OpenCV實(shí)現(xiàn)傅里葉變換 346
15.2.4 OpenCV實(shí)現(xiàn)傅里葉逆變換 348
15.3 基于傅里葉變換的高通濾波和低通濾波 350
15.4 圖像霍夫變換 356
15.4.1 圖像霍夫線變換操作 358
15.4.2 圖像霍夫圓變換操作 363
15.5 本章小結(jié) 366
參考文獻(xiàn) 366
第16章 Python圖像分類 367
16.1 圖像分類概述 367
16.2 常見的分類算法 368
16.2.1 樸素貝葉斯分類算法 368
16.2.2 KNN分類算法 369
16.2.3 SVM分類算法 369
16.2.4 隨機(jī)森林分類算法 371
16.2.5 神經(jīng)網(wǎng)絡(luò)分類算法 372
16.3 基于樸素貝葉斯算法的圖像分類 374
16.4 基于KNN算法的圖像分類 380
16.5 基于神經(jīng)網(wǎng)絡(luò)算法的圖像分類 384
16.6 本章小結(jié) 389
參考文獻(xiàn) 389
書單推薦
