數(shù)字圖像處理實(shí)戰(zhàn)

第 1章　數(shù)字圖像處理概述　1
1.1　認(rèn)識(shí)數(shù)字圖像處理　1
1.1.1　了解數(shù)字圖像處理的起源　1
1.1.2　了解數(shù)字圖像處理的應(yīng)用領(lǐng)域　4
1.1.3　了解圖像工程與數(shù)字圖像處理的關(guān)系　7
1.2　認(rèn)識(shí)數(shù)字圖像　7
1.2.1　了解人眼的視覺系統(tǒng)　7
1.2.2　了解數(shù)字圖像　8
1.2.3　熟悉像素間的基本關(guān)系　9
1.3　認(rèn)識(shí)數(shù)字圖像處理工具　11
1.3.1　熟悉常用數(shù)字圖像處理工具　12
1.3.2　數(shù)字圖像處理工具對(duì)比　13
1.4　了解數(shù)字圖像處理相關(guān)Python庫　14
1.4.1　了解Pillow庫　14
1.4.2　了解NumPy庫　15
1.4.3　了解scikit-image庫　15
1.4.4　熟悉OpenCV庫　16
小結(jié)　17
課后習(xí)題　18
第　2章 圖像的基本變換　19
2.1　讀寫圖像數(shù)據(jù)　19
2.1.1　讀取和顯示圖像　20
2.1.2　保存圖像　20
2.2　在圖像上繪制圖形　21
2.2.1　繪制簡(jiǎn)單的圖形　21
2.2.2　標(biāo)注圖像中的人臉區(qū)域　25
2.3　轉(zhuǎn)換圖像的顏色空間　26
2.3.1　了解顏色空間　26
2.3.2　顏色空間的相互轉(zhuǎn)換　31
2.4　圖像幾何變換　32
2.4.1　了解圖像的幾何變換　33
2.4.2　人臉圖像幾何變換　35
小結(jié)　39
課后習(xí)題　40
第3章　圖像增強(qiáng)與復(fù)原　41
3.1　使用空間濾波增強(qiáng)圖像　41
3.1.1　了解空間濾波　41
3.1.2　使用空間濾波平滑圖像　44
3.1.3　使用空間濾波銳化圖像　48
3.1.4　使用空間濾波模糊圖像　54
3.2　使用頻率域?yàn)V波增強(qiáng)圖像　56
3.2.1　了解頻率域?yàn)V波　56
3.2.2　使用頻率域?yàn)V波平滑圖像　58
3.2.3　使用頻率域?yàn)V波銳化圖像　65
3.3　復(fù)原車牌圖像　73
3.3.1　了解噪聲模型　74
3.3.2　復(fù)原只存在噪聲的圖像　77
小結(jié)　83
課后習(xí)題　83
第4章　形態(tài)學(xué)處理　85
4.1　腐蝕和膨脹車牌圖像　85
4.1.1　了解腐蝕與膨脹　85
4.1.2　腐蝕車牌圖像　89
4.1.3　膨脹車牌圖像　91
4.2　使用開/閉操作處理車牌圖像　92
4.2.1　了解開操作與閉操作　93
4.2.2　對(duì)車牌圖像進(jìn)行開操作　94
4.2.3　對(duì)車牌圖像進(jìn)行閉操作　96
4.3　使用基本的形態(tài)學(xué)算法處理圖像　97
4.3.1　了解基本的形態(tài)學(xué)算法　97
4.3.2　使用形態(tài)學(xué)算法處理車牌圖像　119
小結(jié)　122
課后習(xí)題　122
第5章　圖像特征提取　125
5.1　提取圖像的顏色特征　125
5.1.1　了解圖像的顏色特征　125
5.1.2　提取水質(zhì)圖像的顏色特征　134
5.2　提取圖像的紋理特征　136
5.2.1　了解圖像的紋理特征　136
5.2.2　提取組織切片圖像的紋理特征　140
5.3　提取圖像的輪廓特征　142
5.3.1　了解圖像的輪廓特征　142
5.3.2　提取電容器零件圖像的輪廓特征　144
5.4　提取圖像的形狀特征　145
5.4.1　了解圖像的形狀特征　145
5.4.2　提取車牌圖像的形狀特征　155
小結(jié)　156
課后習(xí)題　156
第6章　圖像分割　158
6.1　使用閾值分割圖像　158
6.1.1　閾值分割方法的基本原理　158
6.1.2　基于全局閾值的大津法　159
6.1.3　自適應(yīng)閾值分割方法　161
6.1.4　使用閾值分割方法處理巖石樣本圖像　162
6.2　基于邊緣檢測(cè)的圖像分割　167
6.2.1　邊緣檢測(cè)　167
6.2.2　使用Hough變換檢測(cè)直線　173
6.2.3　基于Hough變換的QR碼分割　174
6.3　區(qū)域生長算法　175
6.3.1　區(qū)域生長算法的流程　176
6.3.2　使用區(qū)域生長算法分割心形圖像　176
6.4　結(jié)合空間域與色彩域的圖像分割算法　178
6.4.1　SLIC算法　178
6.4.2　QuickShift算法　181
小結(jié)　182
課后習(xí)題　182
第7章　車牌檢測(cè)　184
7.1　了解項(xiàng)目背景　184
7.2　分析項(xiàng)目需求　185
7.2.1　數(shù)據(jù)說明　185
7.2.2　項(xiàng)目目標(biāo)　186
7.2.3　車牌檢測(cè)流程　187
7.3　定位車牌　187
7.3.1　車牌粗略定位　187
7.3.2　車牌精細(xì)定位　193
7.4　車牌字符分割　200
7.5　結(jié)果分析　204
小結(jié)　205
課后習(xí)題　205
第8章　QR碼的檢測(cè)　206
8.1　了解項(xiàng)目背景　206
8.2　分析項(xiàng)目需求　207
8.2.1　數(shù)據(jù)說明　207
8.2.2　項(xiàng)目目標(biāo)　209
8.2.3　QR碼檢測(cè)流程　209
8.3　圖像的預(yù)處理　210
8.3.1　圖像灰度化　210
8.3.2　圖像去噪　211
8.3.3　灰度圖像二值化　214
8.4　定位塊的檢測(cè)　216
8.4.1　提取二值圖像的輪廓　217
8.4.2　輪廓嵌套結(jié)構(gòu)檢測(cè)　218
8.4.3　定位塊線掃描特征篩選　219
8.5　QR碼的分割與解析　222
8.5.1　計(jì)算3個(gè)定位塊在QR碼中的位置關(guān)系　222
8.5.2　計(jì)算定位塊的4個(gè)頂點(diǎn)的坐標(biāo)　225
8.5.3　計(jì)算QR碼的4個(gè)角點(diǎn)的坐標(biāo)及朝向　228
8.5.4　QR碼的幾何校正及縮放　229
8.5.5　QR碼的解析　230
小結(jié)　231
課后習(xí)題　231
第9章　鋼軌表面缺陷檢測(cè)　232
9.1　了解項(xiàng)目背景　232
9.2　分析項(xiàng)目需求　233
9.2.1　數(shù)據(jù)說明　233
9.2.2　項(xiàng)目目標(biāo)　234
9.2.3　鋼軌表面缺陷檢測(cè)流程　235
9.3　圖像預(yù)處理　235
9.3.1　鋼軌表面不均勻光照的消除　236
9.3.2　基于連通性分析的黑邊去除　237
9.4　基于區(qū)域生長算法的鋼軌表面缺陷檢測(cè)　240
9.4.1　種子點(diǎn)的提取　240
9.4.2　上閾值的自適應(yīng)選擇　242
9.4.3　區(qū)域生長算法的效果分析　249
小結(jié)　249
課后習(xí)題　250
參考文獻(xiàn)　251