從零開始：數(shù)字圖像處理的編程基礎與應用

定　價：￥79.90

作　者：	彭凌西，彭紹湖，唐春明，陳統(tǒng)
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787115579553	出版時間：	2022-04-01	包裝：
開本：	16開	頁數(shù)：	303	字數(shù)：

內(nèi)容簡介

　　本書主要介紹數(shù)字圖像處理基礎知識與基于OpenCV和C++的圖像編程技術的相關內(nèi)容，旨在幫助讀者盡快掌握數(shù)字圖像理論知識和編程技術。本書第1章主要介紹OpenCV基礎；第2章主要介紹圖像預處理；第3章主要介紹圖像分割和數(shù)學形態(tài)學；第4章主要介紹特征提取與匹配；第5章主要介紹模板匹配與輪廓繪制；第6章主要介紹視頻錄制與目標追蹤；第7章主要介紹三維重建；第8章主要介紹距離測量與角點檢測；第9章主要介紹圖像識別應用，涉及文字識別、二維碼識別、人臉識別和車牌識別等內(nèi)容；第10章主要介紹基于深度學習的圖像應用。書中通過近百個編程實例和項目，幫助讀者掌握數(shù)字圖像處理原理，并進一步掌握數(shù)字圖像的編程技術。本書不僅適合各類院校相關專業(yè)的學生使用，也適合對數(shù)字圖像編程感興趣，已有一定的C++編程基礎，但沒有數(shù)字圖像基礎理論知識的讀者閱讀。

作者簡介

　　彭凌西廣州大學教授，計算機應用專業(yè)博士，博士后導師，中國計算機學會高級會員，主要研究方向為智能算法和網(wǎng)絡安全，發(fā)表SCI論文20多篇，出版著作2部，從事計算機教學和研究工作20多年，主講C C++程序設計、UNIX系統(tǒng)編程、數(shù)據(jù)庫原理、可視化程序設計、人工智能導論等課程。彭紹湖主要研究圖像分割算法、圖像特征提取、基于機器學習特征分類和目標識別，具有近二十年的相關研發(fā)實踐經(jīng)歷。曾任Shonics公司和Techvalley公司算法工程師，作為負責人或主要人員參與國家自然科學基金、省部級科研項目3項，發(fā)表論文30余篇，申請發(fā)明專利5件，授權1件。唐春明廣州大學教授，博士生導師，廣州市高層次人才優(yōu)秀專家?，F(xiàn)為廣州大學研究生院常務副院長、廣東省信息安全技術重點實驗室主任、中國密碼學會組織工作委員會副主任、廣東省數(shù)學會常務理事兼副秘書長、廣東省學位與研究生教育學會常務理事。陳統(tǒng)廣東軒轅網(wǎng)絡科技股份有限公司董事長，廣州市高層次人才優(yōu)秀專家，主要研究方向為計算機應用技術、云計算大數(shù)據(jù)及人工智能等，參與編寫行業(yè)白皮書1 本，參與制定行業(yè)標準2項，參與編寫云計算大數(shù)據(jù)教材14部，同時主持參與了10余項國家、省、市等政府科技項目。

圖書目錄

001 第 1章 OpenCV基礎
002 1．1 OpenCV簡介
002 1．2 OpenCV 編程環(huán)境搭建
002 1．2．1 Visual Studio 2019安裝
004 1．2．2 Qt 安裝
006 1．2．3 OpenCV Release版本安裝
006 1．2．4 VS 2019中OpenCV 4．4環(huán)境的配置
010 1．2．5 Qt 5．9．9中OpenCV 4．4環(huán)境的搭建
016 1．3 Mat圖像存儲容器
016 1．3．1 Mat容器簡介
018 1．3．2 存儲方法
019 1．3．3 創(chuàng)建Mat對象
024 1．4 圖像讀取與保存
024 1．4．1 圖像讀取
027 1．4．2 圖像保存
029 1．5 視頻讀取與輸出
029 1．5．1 視頻讀取
031 1．5．2 視頻輸出
033 1．6 圖像屬性與基本圖形繪制
033 1．6．1 圖像屬性
034 1．6．2 基本圖形繪制
036 1．6．3 顏色空間轉換
038 1．7 計算機交互
038 1．7．1 鼠標和鍵盤
040 1．7．2 滑動條
041 1．8 小結
042 第 2章圖像預處理
043 2．1 圖像格式和通道
043 2．1．1 圖像格式
043 2．1．2 通道分離與合并
047 2．2 點運算
047 2．2．1 像素點操作和卷積
052 2．2．2 圖像反轉
054 2．2．3 對數(shù)變換
055 2．2．4 冪律變換
057 2．2．5 線性變換
058 2．2．6 全域線性變換
061 2．2．7 圖像灰度化
063 2．3 直方圖處理
064 2．3．1 標準直方圖
067 2．3．2 直方圖均衡化
068 2．3．3 直方圖匹配
072 2．3．4 局部直方圖處理
075 2．4 圖像去噪
075 2．4．1 均值濾波
077 2．4．2 高斯濾波
080 2．4．3 中值濾波
081 2．4．4 雙邊濾波
083 2．4．5 小波濾波
088 2．5 小結
089 第3章圖像分割和數(shù)學形態(tài)學
090 3．1 圖像分割
090 3．1．1 灰度閾值算法
095 3．1．2 OTSU閾值算法
099 3．1．3 區(qū)域生長算法
105 3．1．4 分水嶺算法
108 3．1．5 迭代式閾值分割
110 3．1．6 Grab Cut圖像切割算法
113 3．2 數(shù)學形態(tài)學
113 3．2．1 膨脹和腐蝕
116 3．2．2 開運算與閉運算
117 3．2．3 形態(tài)學梯度
118 3．2．4 頂帽
120 3．2．5 黑帽
121 3．2．6 綜合運用——細線和噪點去除
122 3．3 圖像金字塔
122 3．3．1 高斯金字塔
123 3．3．2 拉普拉斯金字塔
127 3．3．3 高斯不同
129 3．4 小結
130 第4章特征提取與匹配
131 4．1 邊緣檢測
131 4．1．1 梯度法
131 4．1．2 索貝爾算子
134 4．1．3 拉普拉斯算子
136 4．1．4 坎尼算子
138 4．1．5 普魯伊特算子
139 4．1．6 羅伯茨算子
140 4．2 顏色特征
140 4．2．1 灰度直方圖
143 4．2．2 聚類
145 4．3 關鍵點特征
146 4．3．1 SURF算法
148 4．3．2 SIFT算法
150 4．3．3 ORB算法
153 4．3．4 LBP算法
154 4．3．5 Gabor算法
156 4．4 特征描述與匹配
156 4．4．1 SIFT特征描述子
158 4．4．2 ORB特征描述子
160 4．5 形狀提取
161 4．5．1 標準霍夫變換
163 4．5．2 累計概率霍夫變換
165 4．5．3 霍夫圓變換
167 4．6 小結
168 第5章模板匹配與輪廓繪制
169 5．1 模板匹配
172 5．2 輪廓繪制
178 5．3 小結
179 第6章視頻錄制與目標追蹤
180 6．1 簡單視頻錄制
187 6．2 視頻目標追蹤
187 6．2．1 BS算法
190 6．2．2 Meanshift算法與Camshift算法
191 6．2．3 示例程序
196 6．3 小結
197 第7章三維重建
198 7．1 超分辨率重建
198 7．1．1 常見的超分辨率重建技術
206 7．1．2 光流法簡介
211 7．1．3 視頻重建的原理和過程
215 7．2 三維重建的具體操作
215 7．2．1 calib3d模塊簡介
215 7．2．2 黑白棋盤重構
217 7．2．3 單目相機標定
222 7．3 小結
223 第8章距離測量與角點檢測
224 8．1 距離測量
225 8．1．1 單目測距
227 8．1．2 雙目測距
228 8．2 角點檢測
228 8．2．1 Harris角點檢測
230 8．2．2 Shi-Tomasi角點檢測
231 8．2．3 亞像素級角點檢測
233 8．3 小結
234 第9章圖像識別應用
235 9．1 文字識別
235 9．1．1 OCR簡介
235 9．1．2 OCR操作基礎
237 9．1．3 示例程序
239 9．2 二維碼識別
240 9．2．1 二維碼編程原理
241 9．2．2 二維碼識別原理
241 9．2．3 示例程序
242 9．3 人臉識別
243 9．3．1 人臉識別Haar特征
244 9．3．2 Cascade分類器
246 9．3．3 Eigen Faces人臉識別算法
248 9．3．4 示例程序
255 9．4 車牌識別
255 9．4．1 灰度二值化處理
255 9．4．2 車牌定位
256 9．4．3 字符識別
257 9．4．4 示例程序
266 9．5 小結
267 第 10章基于深度學習的圖像應用
268 10．1 深度學習基本原理
268 10．1．1 神經(jīng)網(wǎng)絡
269 10．1．2 卷積神經(jīng)網(wǎng)絡
270 10．1．3 循環(huán)神經(jīng)網(wǎng)絡
271 10．2 深度神經(jīng)網(wǎng)絡模塊
271 10．2．1 主流框架模型簡介
272 10．2．2 模型操作
272 10．2．3 硬件加速
273 10．3 人體姿態(tài)識別
273 10．3．1 原理簡介
274 10．3．2 人體姿態(tài)識別示例程序
277 10．4 YOLO物體識別
277 10．4．1 原理簡介
279 10．4．2 YOLO算法示例程序
283 10．5 圖片分類
286 10．6 小結
287 附錄1 OpenCV編程常見問題
290 附錄2 OpenCV 4．4源碼及opencv_contrib模塊編譯
300 附錄3 基于Caffe框架的神經(jīng)網(wǎng)絡訓練過程