Python視覺分析應用案例實戰(zhàn)

 
下載源碼
 
下載圖片
 
第1章緒論
1.1什么是編程語言
1.1.1編程語言的內(nèi)容
1.1.2編程語言發(fā)展史
1.2Python簡介
1.3Python的下載和安裝
1.4Jupyter Notebook的安裝與使用
1.4.1Jupyter Notebook的下載與安裝
1.4.2運行Jupyter Notebook
1.4.3Jupyter Notebook的使用
1.5數(shù)字圖像處理概述
1.5.1數(shù)字圖像處理的特點
1.5.2數(shù)字圖像處理的基本技術
1.5.3數(shù)字圖像處理方法
1.5.4彩色空間
1.5.5數(shù)字圖像處理的應用
第2章邁進Python
2.1NumPy庫
2.1.1Numpy創(chuàng)建數(shù)組
2.1.2數(shù)組操作
2.2SciPy庫
2.2.1創(chuàng)建稀疏矩陣
2.2.2插值
2.2.3概率統(tǒng)計
2.2.4大數(shù)定律
2.2.5中心極限定理
2.3Pandas庫
2.3.1Pandas系列
2.3.2Pandas數(shù)據(jù)結構
2.3.3Pandas面板
2.3.4Pandas稀疏數(shù)據(jù)
2.3.5Pandas CSV文件
2.3.6Pandas JSON
2.3.7Pandas數(shù)據(jù)清洗
第3章Python圖形用戶界面
3.1布局管理
3.1.1Pack布局管理器
3.1.2Grid布局管理器
3.1.3Place布局管理器
3.2Tkinter常用組件
3.2.1Variable類
3.2.2compound選項
3.2.3Entry與Text組件
3.2.4Checkbutton組件
3.2.5Radiobutton組件
3.2.6Listbox和Combobox組件
3.2.7Spinbox組件
3.2.8Scale和LabeledScale組件
3.2.9LabelFrame組件
3.2.10PanedWindow組件
3.2.11OptionMenu組件
3.3對話框
3.3.1普通對話框
3.3.2非模式對話框
3.3.3輸入對話框
3.3.4生成對話框
3.3.5顏色選擇對話框
3.3.6消息框
3.4菜單
3.4.1窗口菜單
3.4.2右鍵菜單
3.5在Canvas中繪圖
3.5.1Canvas的繪圖
3.5.2繪制動畫
第4章數(shù)據(jù)可視化分析
4.1Matplotlib生成數(shù)據(jù)圖
4.1.1安裝Matplotlib包
4.1.2認識 Matplotlib 
4.2各類型數(shù)據(jù)圖
4.2.1離散型時間數(shù)據(jù)可視化
4.2.2連續(xù)型時間數(shù)據(jù)的可視化
4.2.3關系型數(shù)據(jù)的可視化
4.2.4多圖形的組合
4.2.5等高線圖
4.3三維繪圖
4.3.1坐標軸對象
4.3.2三維曲線
4.3.3三維散點
4.3.4三維等高線圖
4.3.5三維線框
4.3.6三維曲面圖
4.4Pygal數(shù)據(jù)可視化
4.4.1安裝Pygal
4.4.2Pygal數(shù)據(jù)圖入門
4.4.3Pygal繪制常見數(shù)據(jù)圖
4.5Pygal模擬擲骰子
第5章圖像視覺增強分析
5.1圖像增強方法
5.2灰度變換
5.2.1線性灰度變換
5.2.2分段線性灰度增強
5.2.3非線性灰度變換
5.3空域增強
5.3.1平滑線性濾波器
5.3.2統(tǒng)計排序(非線性)濾波器
5.3.3雙邊濾波器
5.4空域銳化算子
5.4.1梯度空間算子
5.4.2Prewitt算子
5.4.3Sobel算子
5.4.4Laplacian算子
5.5圖像頻域平滑處理
5.5.1理想低通濾波器
5.5.2巴特沃思低通濾波器
5.5.3高斯低通濾波器
5.5.4頻域低通濾波器的應用
5.6頻域圖像銳化
5.6.1理想高通濾波器
5.6.2巴特沃斯高通濾波器
5.6.3指數(shù)高通濾波器
5.6.4頻域高通濾波器的應用
5.7空/頻域濾波的關系
第6章圖像視覺復原分析
6.1退化與復原
6.1.1退化的模型
6.1.2退化的原理
6.1.3復原的原理
6.2圖像去噪
6.2.1噪聲模型
6.2.2逆濾波
6.2.3維納濾波
6.2.4逆濾波與維納濾波的實現(xiàn)
6.3暗通道去霧處理
6.3.1暗通道的概念
6.3.2暗通道去霧霾的原理
第7章圖像視覺幾何變換與校正分析
7.1圖像幾何變換概述
7.2幾何變換的數(shù)學描述
7.3圖像的坐標變換
7.3.1圖像的平移
7.3.2鏡像變換
7.3.3圖像的轉(zhuǎn)置
7.3.4圖像的縮放
7.3.5圖像的旋轉(zhuǎn)
7.3.6圖像幾何變換實戰(zhàn)
7.4圖像的幾何變換類型
7.4.1剛體變換
7.4.2仿射變換
7.4.3透視變換
第8章圖像視覺分割技術分析
8.1圖像視覺分割的意義
8.2邊緣分割法
8.2.1邊緣模型
8.2.2基本邊緣檢測
8.2.3邊緣檢測實戰(zhàn)
8.3Hough變換
8.4閾值分割法
8.4.1灰度閾值與雙閾值
8.4.2全局閾值處理
8.4.3OTSU算法
8.4.4自適應動態(tài)閾值
8.5區(qū)域生長分割法
8.5.1區(qū)域生長原理
8.5.2區(qū)域生長準則
8.5.3區(qū)域分割與聚合
8.5.4分水嶺圖像分割法
第9章圖像視覺描述與特征提取分析
9.1圖像特征
9.2角點特征
9.2.1Harris角點檢測
9.2.2ShiTomasi角點檢測
9.2.3SUSAN角點檢測
9.3SIFT/SURF算法
9.3.1SIFT算法
9.3.2SURF特征檢測
9.4FAST和ORB算法
9.4.1FAST特征點檢測
9.4.2ORB算法
9.5LBP和HOG特征算子
9.5.1LBP算法
9.5.2HOG算法
9.6顏色特征
9.6.1直方圖特征
9.6.2顏色矩
9.6.3顏色相關圖
9.7圖像紋理特征提取
第10章車牌識別分析
10.1車牌識別流程
10.2車牌圖像處理與定位
10.2.1圖像的處理
10.2.2定位原理
10.2.3字符處理
10.2.4字符分割實現(xiàn)
10.3字符識別
10.3.1模板匹配的字符識別
10.3.2車牌字符識別實例
參考文獻