欢迎光临澳大利亚新华书店网 [登录 | 免费注册]

    • 数字图像处理(21世纪高等学校计算机类专业核心课程系列教材)
      • 作者:编者:李斌|责编:贾斌
      • 出版社:清华大学
      • ISBN:9787302631934
      • 出版日期:2023/12/01
      • 页数:208
    • 售价:23.92
  • 内容大纲

        本书涵盖了数字图像处理的多方面,主要内容包括:Python和OpenCV基础、图像的直方图表示与变换、图像的几何变换、空间域图像增强、图像的形态学运算、图像的分割、彩色图像处理、图像的特征提取、深度学习与图像处理。本书将理论介绍与工程实践进行有机结合,各章的理论介绍深入浅出,并使用比较流行的编程语言Python将理论内容转换为工程代码。本书不仅介绍了图像的几何变换和形态学变换等数字图像处理领域中的传统内容,还介绍了深度学习等数字图像处理领域的新内容。
        本书共10章。第1章介绍了数字图像处理的基本知识。第2章介绍了本书的编程工具:Python和OpenCV。第3章至第10章详细介绍了数字图像处理的各种具体方法和技术。本书适合作为“数字图像处理”课程的教材,也适合具有一定数学基础的计算机类、电子信息类专业的本科生、研究生以及从事数字图像处理工作的专业人员阅读。
  • 作者介绍

  • 目录

    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
    第2章  Python和OpenCV基础
      2.1  Python基础知识
        2.1.1  Python简介
        2.1.2  配置开发环境
      2.2  Python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
      2.3  OpenCV基础知识
        2.3.1  OpenCV简介
        2.3.2  安装OpenCV
        2.3.3  图像文件基术操作
    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  阙值变换
        3.7.1  阙值变换原理
        3.7.2  阙值变换的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  最近邻插值法
        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
        7.2.2  Canny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  简单的阀值分割
        7.4.2  自适应阀值分割
      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
        8.2.1  RGB模型
        8.2.2  HSI模型
        8.2.3  HSV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
        9.3.1  Harris角点检测
        9.3.2  基于Harris角点的人脸检测

        9.3.3  Shi-Tomasi角点检测
        9.3.4  FAST角点检测
      9.4  SIFT算法
        9.4.1  SIFT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
        9.6.3  Python+OpenCV实现Gabor函数
      9.7  数据降维算法
        9.7.1  PCA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
        10.4.2  TensorFlow简介
        10.4.3  安装TensorFlow
        10.4.4  TensorFlow基本语法
        10.4.5  使用Keras构建神经网络
        10.4.6  PyTorch简介
        10.4.7  安装PyTorch
        10.4.8  PyTorch基本语法
        10.4.9  使用nn构建神经网络
      10.5  手写字符识别
        10.5.1  MNIST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