數(shù)字圖像處理（基于OpenCV的C++與Python實(shí)現(xiàn)：從基礎(chǔ)到實(shí)戰(zhàn)）（周衛(wèi)斌）
定 價(jià)：59 元
- 作者：周衛(wèi)斌、林麗媛、強(qiáng)曉永 主編
- 出版時(shí)間：2025/1/1
- ISBN：9787122470881
- 出 版 社：化學(xué)工業(yè)出版社
- 中圖法分類：TN911.73
- 頁碼：311
- 紙張：
- 版次：01
- 開本：16開
本書系統(tǒng)地講解了數(shù)字圖像處理的基礎(chǔ)和進(jìn)階知識(shí)，涵蓋基礎(chǔ)概念、系統(tǒng)構(gòu)建、算法及其應(yīng)用，輔以豐富的教學(xué)和科研案例，詳細(xì)介紹了如何利用C++和Python語言，結(jié)合OpenCV庫進(jìn)行圖像處理算法的編程實(shí)現(xiàn)。同時(shí)，本書介紹了深度學(xué)習(xí)在數(shù)字圖像處理中的應(yīng)用前沿技術(shù)，如GoogleNet、ResNet、Transformer、YOLOv10等，具備較強(qiáng)的實(shí)用性和參考價(jià)值。
本書為讀者提供了理論與實(shí)踐相結(jié)合的學(xué)習(xí)平臺(tái)，幫助其深入理解并應(yīng)用數(shù)字圖像處理技術(shù)解決實(shí)際問題。適合作為高等院校計(jì)算機(jī)科學(xué)與技術(shù)、電子信息工程、自動(dòng)化、通信工程等相關(guān)專業(yè)的本科生、研究生教材，同時(shí)適合數(shù)字圖像處理、計(jì)算機(jī)視覺等領(lǐng)域的科研和工程技術(shù)人員參考使用。
本書還為讀者提供了豐富的配套資源，包括PPT、彩圖和源代碼。讀者可通過登錄化學(xué)工業(yè)出版社網(wǎng)站或掃描書中二維碼，根據(jù)自身需求選擇相應(yīng)的資源進(jìn)行下載。
第1章 概論
1.1 數(shù)字圖像處理的分類和發(fā)展 001
1.1.1 圖像分類 001
1.1.2 數(shù)字圖像發(fā)展歷史 003
1.2 數(shù)字圖像處理系統(tǒng) 004
1.2.1 經(jīng)典的數(shù)字圖像處理系統(tǒng) 005
1.2.2 實(shí)際的數(shù)字圖像處理系統(tǒng) 005
1.3 數(shù)字圖像處理的內(nèi)容及特點(diǎn) 007
1.3.1 數(shù)字圖像處理的內(nèi)容 007
1.3.2 數(shù)字圖像處理的特點(diǎn) 008
1.4 數(shù)字圖像處理的應(yīng)用 009
1.5 數(shù)字圖像處理的內(nèi)容以及與其他相關(guān)學(xué)科的關(guān)系 011
1.6 習(xí)題 012
第2章 數(shù)字圖像處理開發(fā)環(huán)境
2.1 OpenCV簡(jiǎn)介 013
2.2 OpenCV基礎(chǔ)及開發(fā)環(huán)境配置 014
2.2.1 安裝OpenCV庫 014
2.2.2 C++集成開發(fā)環(huán)境配置 016
2.2.3 OpenCV代碼實(shí)例 018
2.3 Python簡(jiǎn)介 020
2.4 Python基本語法和編程 021
2.5 Python環(huán)境配置及開發(fā) 026
2.5.1 Python開發(fā)環(huán)境配置 026
2.5.2 第一個(gè)Python程序 031
2.6 習(xí)題 032
第3章 數(shù)字圖像處理基礎(chǔ)
3.1 圖像獲取 033
3.1.1 圖像采集過程 033
3.1.2 模擬圖像描述 034
3.2 圖像類型及常用格式 034
3.2.1 圖像的基本類型 034
3.2.2 圖像常用格式 037
3.3 圖像數(shù)字化 038
3.3.1 圖像的數(shù)字化表示 039
3.3.2 圖像的數(shù)字化過程 039
3.4 圖像色度模型 042
3.4.1 色度學(xué)基礎(chǔ) 042
3.4.2 顏色模型 043
3.5 圖像運(yùn)算 045
3.5.1 代數(shù)運(yùn)算 046
3.5.2 邏輯運(yùn)算 050
3.5.3 灰度直方圖及其應(yīng)用 052
3.6 習(xí)題 054
第4章 圖像正交變換
4.1 圖像變換概述 055
4.2 傅里葉變換 056
4.2.1 連續(xù)傅里葉變換 056
4.2.2 離散傅里葉變換 057
4.2.3 傅里葉變換在圖像處理中的應(yīng)用 061
4.3 離散余弦變換 064
4.3.1 一維離散余弦變換 064
4.3.2 二維離散余弦變換 065
4.4 離散沃爾什-哈達(dá)瑪變換 067
4.4.1 沃爾什變換 067
4.4.2 哈達(dá)瑪變換 070
4.5 小波變換 071
4.5.1 小波變換的概念和特性 071
4.5.2 圖像的小波變換 072
4.6 習(xí)題 077
第5章 圖像預(yù)處理
5.1 圖像增強(qiáng) 078
5.1.1 灰度變化 078
5.1.2 幾何變換 088
5.2 圖像濾波 096
5.2.1 空域?yàn)V波 096
5.2.2 頻域?yàn)V波 106
5.3 形態(tài)學(xué)處理 113
5.3.1 二值形態(tài)學(xué)的基本運(yùn)算 113
5.3.2 二值圖像的形態(tài)學(xué)處理 117
5.3.3 灰度形態(tài)學(xué)的基本運(yùn)算 120
5.4 習(xí)題 125
第6章 圖像特征提取
6.1 圖像的基本特征 126
6.1.1 幅度特征 126
6.1.2 幾何特征 127
6.1.3 統(tǒng)計(jì)特征 129
6.2 角點(diǎn)特征的描述與提取 129
6.2.1 圖像角點(diǎn)的概念 129
6.2.2 SUSAN角點(diǎn)檢測(cè)算法 130
6.3 顏色特征的描述與提取 132
6.3.1 顏色直方圖 132
6.3.2 顏色矩 134
6.4 紋理特征的描述與提取 134
6.4.1 統(tǒng)計(jì)分析法 135
6.4.2 頻譜分析法 137
6.4.3 紋理的結(jié)構(gòu)分析 141
6.5 形狀特征的描述與提取 142
6.5.1 邊界描述 143
6.5.2 區(qū)域描述 145
6.6 習(xí)題 150
第7章 圖像分割
7.1 圖像分割概論 151
7.1.1 圖像分割概念 151
7.1.2 圖像分割分類 152
7.1.3 圖像分割系統(tǒng)的構(gòu)成 153
7.2 邊緣檢測(cè) 153
7.2.1 邊緣檢測(cè)概念 153
7.2.2 梯度算子 153
7.2.3 Roberts算子 155
7.2.4 Prewitt算子 156
7.2.5 Sobel算子 157
7.2.6 Kirsch算子 158
7.2.7 Laplace算子 159
7.2.8 Marr算子 160
7.2.9 Canny算子 162
7.3 邊界跟蹤 162
7.3.1 空域邊界跟蹤 163
7.3.2 霍夫（Hough）變換 163
7.4 閾值分割 165
7.4.1 閾值分割概念 165
7.4.2 全局閾值分割 167
7.4.3 局部閾值分割 169
7.4.4 動(dòng)態(tài)閾值分割 172
7.5 區(qū)域分割 174
7.5.1 區(qū)域生長(zhǎng)法 174
7.5.2 區(qū)域分裂合并法 176
7.6 習(xí)題 177
第8章 圖像匹配
8.1 圖像匹配概述 178
8.1.1 圖像匹配概念 178
8.1.2 模板匹配 180
8.1.3 模板匹配流程 180
8.2 基于灰度的匹配 181
8.2.1 基于灰度的匹配概念及步驟 181
8.2.2 匹配方法 181
8.3 基于特征的匹配 184
8.3.1 基于特征的匹配概念及步驟 184
8.3.2 匹配方法 185
8.4 習(xí)題 193
第9章 圖像識(shí)別
9.1 圖像識(shí)別概述 194
9.2 傳統(tǒng)圖像識(shí)別方法 195
9.2.1 模式識(shí)別方法 195
9.2.2 支持向量機(jī)（SVM） 199
9.2.3 BP神經(jīng)網(wǎng)絡(luò)圖像識(shí)別 201
9.2.4 聚類分析 204
9.2.5 K近鄰算法（KNN） 207
9.2.6 貝葉斯分類器 208
9.2.7 幾種傳統(tǒng)方法對(duì)比分析 209
9.3 基于深度學(xué)習(xí)的圖像識(shí)別方法 211
9.3.1 AlexNet：卷積網(wǎng)絡(luò)的里程碑 211
9.3.2 GoogleNet：深度與寬度的平衡 213
9.3.3 ResNet：深度網(wǎng)絡(luò)的殘差學(xué)習(xí) 215
9.3.4 Swin Transformer：視覺Transformer新篇章 217
9.3.5 幾種深度學(xué)習(xí)模型效果對(duì)比 219
9.4 習(xí)題 219
第10章 目標(biāo)檢測(cè)
10.1 目標(biāo)檢測(cè)概述 221
10.2 傳統(tǒng)目標(biāo)檢測(cè)方法 222
10.2.1 基于Haar特征的級(jí)聯(lián)分類器 222
10.2.2 基于HOG特征和SVM的目標(biāo)檢測(cè) 228
10.2.3 滑動(dòng)窗口法 231
10.2.4 DPM 233
10.2.5 傳統(tǒng)方法小結(jié) 237
10.3 基于深度學(xué)習(xí)的目標(biāo)檢測(cè) 238
10.3.1 概述 238
10.3.2 二階段目標(biāo)檢測(cè)算法 239
10.3.3 單階段目標(biāo)檢測(cè)算法 241
10.4 習(xí)題 254
第11章 數(shù)字圖像處理綜合實(shí)例
11.1 基于人臉視頻的心率估計(jì)與表情識(shí)別 255
11.1.1 工作原理 255
11.1.2 實(shí)驗(yàn)設(shè)置 256
11.1.3 算法實(shí)現(xiàn) 257
11.2 一種基于幾何形狀特征的瞳孔定位方法 260
11.2.1 背景介紹 260
11.2.2 硬件系統(tǒng)設(shè)計(jì) 260
11.2.3 方案設(shè)計(jì) 262
11.2.4 實(shí)驗(yàn)結(jié)果 264
11.3 基于膚色分割的人臉檢測(cè) 267
11.3.1 應(yīng)用背景 267
11.3.2 方案設(shè)計(jì) 267
11.3.3 實(shí)驗(yàn)流程及結(jié)果 268
11.4 Mask R-CNN在目標(biāo)檢測(cè)和實(shí)例分割中的應(yīng)用 271
11.4.1 背景簡(jiǎn)介 271
11.4.2 實(shí)驗(yàn)設(shè)置 271
11.4.3 實(shí)驗(yàn)結(jié)果及分析 272
11.5 基于DETR的熱軋帶鋼表面缺陷檢測(cè) 273
11.5.1 背景簡(jiǎn)介 273
11.5.2 實(shí)驗(yàn)設(shè)置 273
11.5.3 實(shí)驗(yàn)結(jié)果及分析 274
11.6 習(xí)題 275
第12章 數(shù)字圖像處理技術(shù)工程應(yīng)用案例
12.1 金屬工件缺陷檢測(cè) 276
12.1.1 應(yīng)用背景 276
12.1.2 方案設(shè)計(jì) 277
12.2 化成箔缺陷檢測(cè) 287
12.2.1 工程背景分析 287
12.2.2 數(shù)據(jù)采集 288
12.2.3 實(shí)驗(yàn)方案設(shè)計(jì) 289
12.2.4 實(shí)驗(yàn)結(jié)果 290
12.3 變電站開關(guān)識(shí)別 292
12.3.1 工程背景分析 292
12.3.2 實(shí)驗(yàn)方案設(shè)計(jì) 292
12.3.3 實(shí)驗(yàn)結(jié)果 295
12.4 習(xí)題 296
附錄A OpenCV圖像處理常用函數(shù)
附錄B 基于Python的圖像處理常用函數(shù)
慘老文獻(xiàn)
書單推薦
