包邮数字图像处理

第1章绪论 1.1数字图像的定义 1.2数字图像的分类 1.2.1矢量图 1.2.2位图 1.3数字图像的表示与存储 1.3.1数字图像的表示 1.3.2数字图像的存储格式 1.4数字图像分辨率 1.4.1图像的空间分辨率 1.4.2灰度级分辨率 1.5像素间基本关系 1.5.1像素的邻域与邻接 1.5.2像素的连通性、区域和边界 1.6距离度量 1.6.1〓几类常见距离度量
第2章Python和OpenCV基础 2.1Python基础知识 2.1.1Python简介 2.1.2配置开发环境 2.2Python基本语法 2.2.1数据类型与变量 2.2.2字符串与类型转换 2.2.3列表 2.2.4循环 2.2.5判断 2.2.6字典 2.2.7函数 2.2.8使用库 2.2.9类 2.2.10文件 2.3OpenCV基础知识 2.3.1OpenCV简介 2.3.2安装OpenCV 2.3.3图像文件基本操作 第3章图像的直方图表示与变换 3.1灰度直方图 3.1.1灰度直方图原理 3.1.2灰度直方图的OpenCV和Python实现 3.2直方图均衡化 3.2.1直方图均衡化原理 3.2.2直方图均衡化的OpenCV和Python实现 3.3直方图规定化 3.3.1直方图规定化原理 3.3.2直方图规定化的OpenCV和Python实现 3.4线性变换 3.4.1线性变换原理 3.4.2线性变换的OpenCV和Python实现 3.5对数变换 3.5.1对数变换原理 3.5.2对数变换的OpenCV和Python实现 3.6伽马变换 3.6.1伽马变换原理 3.6.2伽马变换的OpenCV和Python实现 3.7阈值变换 3.7.1阈值变换原理 3.7.2阈值变换的OpenCV和Python实现 第4章图像的几何变换 4.1图像的平移 4.1.1图像平移的基本原理 4.1.2图像平移的Python和OpenCV实现 4.2图像的旋转 4.2.1图像旋转的基本原理 4.2.2图像旋转的Python和OpenCV实现 4.3图像的缩放 4.3.1图像缩放的基本原理 4.3.2图像缩放的Python和OpenCV实现 4.4图像的转置 4.4.1图像转置的基本原理 4.4.2图像转置的Python和OpenCV实现 4.5图像的翻转 4.5.1图像翻转的基本原理 4.5.2图像翻转的Python和OpenCV实现 4.6图像的插值 4.6.1图像插值的基本原理 4.6.2*近邻插值法 4.6.3双线性插值法 4.6.4双三次插值法 4.6.5图像插值的Python和OpenCV实现 4.7图像的配准 4.7.1图像配准的基本原理 4.7.2提取特征点 4.7.3基于特征的配准方法 4.7.4图像配准的Python和OpenCV实现 第5章空间域图像增强 5.1图像增强 5.1.1图像增强的分类 5.1.2图像增强的应用 5.2空间域滤波 5.2.1空间域滤波和邻域处理 5.2.2边界处理 5.3图像平滑 5.3.1均值滤波 5.3.2方框滤波 5.3.3高斯滤波 5.3.4中值滤波 5.3.5双边滤波 5.4图片锐化 第6章图像的形态学运算 6.1腐蚀 6.1.1腐蚀理论基础 6.1.2腐蚀的Python和OpenCV实现 6.2膨胀 6.2.1膨胀理论基础 6.2.2膨胀的Python和OpenCV实现 6.3开操作 6.3.1开操作理论基础 6.3.2开操作的Python和OpenCV实现 6.4闭操作 6.4.1闭操作理论基础 6.4.2闭操作的Python和OpenCV实现 6.5形态学梯度运算 6.5.1形态学梯度运算理论基础 6.5.2形态学梯度运算的Python和OpenCV实现 6.6孔洞填充 6.6.1孔洞填充理论基础 6.6.2孔洞填充的Python和OpenCV实现 6.7细化算法 6.7.1细化算法理论基础 6.7.2细化算法的Python和OpenCV实现 第7章图像的分割 7.1图像分割概述 7.2边缘检测 7.2.1边缘检测算法 7.2.2Canny边缘检测的Python OpenCV实现 7.3霍夫变换 7.3.1直线检测 7.3.2曲线检测 7.3.3霍夫变换的Python OpenCV实现 7.4阈值分割 7.4.1简单的阈值分割 7.4.2自适应阈值分割 7.5区域生长 第8章彩色图像处理 8.1彩色简介 8.1.1彩色属性 8.1.2色彩的三要素 8.1.3三原色 8.1.4计算机中颜色的表示 8.2彩色模型 8.2.1RGB模型 8.2.2HSI模型 8.2.3HSV模型 第9章图像的特征提取 9.1图像特征概述 9.2梯度方向直方图 9.2.1梯度方向直方图的计算 9.2.2梯度方向直方图的Python OpenCV实现 9.3角点特征 9.3.1Harris角点检测 9.3.2基于Harris角点的人脸检测 9.3.3ShiTomasi角点检测 9.3.4FAST角点检测 9.4SIFT算法 9.4.1SIFT算法的特点与步骤 9.4.2图像SIFT特征点的检测 9.5局部二进制模式 9.5.1基本LBP 9.5.2圆形邻域的LBPpr算子 9.5.3统一化LBP算子——Uniform LBP及其Python实现 9.6基于Gabor滤波器的图像纹理特征提取 9.6.1二维Gabor滤波器函数的数学表达 9.6.2利用Gabor滤波器提取纹理特征的原理 9.6.3Python OpenCV实现Gabor函数 9.7数据降维算法 9.7.1PCA算法流程 9.7.2使用PCA算法进行数据降维 9.7.3使用PCA算法对图片进行降维 9.8基于LBP特征的人脸识别 9.8.1图像识别 9.8.2基于局部二值模式的人脸识别 9.8.3人脸识别代码实现 第10章深度学习与图像处理 10.1人工神经网络基本结构 10.1.1感知机与人工神经网络 10.1.2激活函数 10.1.3输出函数 10.2神经网络的学习 10.2.1训练数据与测试数据 10.2.2损失函数 10.2.3梯度下降法 10.2.4正则化 10.3卷积神经网络 10.3.1卷积 10.3.2填充 10.3.3池化 10.3.4三维卷积 10.4深度学习框架 10.4.1使用GPU加速 10.4.2TensorFlow简介 10.4.3安装TensorFlow 10.4.4TensorFlow基本语法 10.4.5使用Keras构建神经网络 10.4.6PyTorch简介 10.4.7安装PyTorch 10.4.8PyTorch基本语法 10.4.9使用nn构建神经网络 10.5手写字符识别 10.5.1MNIST数据集 10.5.2用于手写字符识别的神经网络结构 10.5.3使用TensorFlow完成手写字符识别 10.5.4使用PyTorch完成手写字符识别