"《數(shù)字圖像處理實踐基于Python》秉承理論結合實踐的教學理念，旨在通過系統(tǒng)且深入的內(nèi)容，幫助讀者快速掌握數(shù)字圖像處理的核心技術，為未來的工作、科研或深造奠定堅實基礎。本教材共分10章，主要內(nèi)容涵蓋了數(shù)字圖像的基本概念、數(shù)字圖像處理的重要意義以及當前常用的處理工具，并介紹了Python在數(shù)字圖像處理中的應用、圖像的基本運算、圖像變換領域，以及圖像增強技術、圖像復原技術、圖像壓縮編碼技術、圖像分割技術、彩色圖像處理技術、圖像表示與描述技術等。本教材以實戰(zhàn)為導向，每章均配有大量可執(zhí)行的代碼與實例演示，確保讀者能夠邊學邊做，快速掌握數(shù)字圖像處理的精髓。
本教材內(nèi)容全面，層次分明，不僅適合作為應用型本科生的教材使用，也適合作為數(shù)字圖像處理領域其他初學者的自學參考書。"
第1章緒論1
1.1認識數(shù)字圖像2
1.1.1數(shù)字圖像的起源2
1.1.2 數(shù)字圖像基本概念2
1.1.3 數(shù)字圖像的分類3
1.1.4數(shù)字圖像的采樣與量化5
1.2認識數(shù)字圖像處理6
1.2.1 數(shù)字圖像處理的含義7
1.2.2 數(shù)字圖像處理的應用領域7
1.2.3常見的數(shù)字圖像處理技術8
1.2.4數(shù)字圖像處理的基本步驟9
1.2.5數(shù)字圖像文件格式10
1.3 認識數(shù)字圖像處理工具11
1.3.1MATLAB11
1.3.2VisualC 13
1.3.3Python16
1.4思考練習18
第2章Python與數(shù)字圖像處理19
2.1Python環(huán)境部署20
2.1.1Python安裝20
2.1.2Pychram安裝20
2.2了解Pillow庫22
2.2.1Pillow庫的基本信息22
2.2.2Pillow庫的安裝方法22
2.2.3Pillow庫的主要作用23
2.3了解NumPy庫25
2.3.1NumPy庫概述25
2.3.2NumPy庫的安裝方法26
2.3.3NumPy庫的應用26
2.4了解scikit-image庫30
2.4.1scikit-image庫的基礎概念30
2.4.2scikit-image庫的安裝方法30
2.4.3scikit-image庫的作用30
2.5 熟悉OpenCV庫34
2.5.1什么是OpenCV34
2.5.2OpenCV的歷史與發(fā)展35
2.5.3OpenCV的應用領域35
2.5.4OpenCV安裝35
2.5.5OpenCV基礎操作36
2.6 python其他的有關圖像處理庫42
2.6.1Matplotlib庫42
2.6.2PyTorch庫45
2.6.3TensorFlow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(xiàn)89
4.2離散傅里葉變換90
4.2.1離散傅里葉變換的定義90
4.2.2離散傅里葉變換的特點90
4.2.3實例及代碼實現(xiàn)91
4.2.4應用領域95
4.3圖像傅里葉變換頻譜分析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(xiàn)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(yōu)勢104
4.4.3實例及代碼實現(xiàn)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(xiàn)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
5.4.3Butterworth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
5.5.3Butterworth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(xiàn)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(xiàn)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(shù)185
6.5.1常見估計退化函數(shù)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(shù)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(qū)別與聯(lián)系208
7.2變長編碼211
7.2.1霍夫曼編碼211
7.2.2游程編碼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(xiàn)227
7.3.3算術編碼的優(yōu)勢和挑戰(zhàn)230
7.4變換編碼231
7.4.1DCT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(xiàn)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(xiàn)248
8.2.4形態(tài)學運算函數(shù)252
8.2.5邊緣分割的優(yōu)缺點分析254
8.2.6邊緣分割的應用場景254
8.3區(qū)域分割254
8.3.1區(qū)域生長法255
8.3.2區(qū)域分裂與合并法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
9.2.2RGB模型272
9.2.3CMY模型與CMYK模型275
9.2.4HSI模型和HSV模型276
9.2.5CIELab模型279
9.2.6YCbCr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(tǒng)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傅里葉描述323
10.5區(qū)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
書單推薦
