數(shù)字圖像處理技術(shù)：基于Python的實(shí)現(xiàn)

第 1章　緒論 1
1.1 數(shù)字圖像的基本概念 2
1.1.1　數(shù)字圖像的概念 2
1.1.2　圖像的特點(diǎn) 2
1.2 基本的圖像處理系統(tǒng) 3
1.2.1　圖像處理硬件系統(tǒng) 4
1.2.2　圖像處理軟件系統(tǒng) 5
1.3 數(shù)字圖像處理技術(shù)的應(yīng)用與發(fā)展 5
1.3.1　數(shù)字圖像處理研究內(nèi)容 5
1.3.2　數(shù)字圖像處理技術(shù)分層 7
1.3.3　數(shù)字圖像處理技術(shù)的發(fā)展 8
1.3.4　數(shù)字圖像處理技術(shù)的應(yīng)用 9
1.4 數(shù)字圖像離散化及分類 12
1.4.1　數(shù)字圖像離散化 12
1.4.2　數(shù)字圖像分類 15
1.5 圖像文件格式 16
1.6 圖像質(zhì)量的評價方法 20
1.6.1　圖像質(zhì)量評價方法概述 20
1.6.2　主觀質(zhì)量評價方法 21
1.6.3　客觀質(zhì)量評價方法 21
第 2章 Python圖像處理編程基礎(chǔ)
2.1 引言 28
2.2 Python開發(fā)環(huán)境配置 29
2.2.1 Anaconda安裝和使用 29
2.2.2 PyCharm安裝和使用 30
2.2.3 Python圖像處理庫安裝 33
2.3 Python基礎(chǔ) 35
2.3.1　基礎(chǔ)語法 35
2.3.2　數(shù)據(jù)類型 37
2.3.3　運(yùn)算符 48
2.3.4　程序流程控制 51
2.3.5　函數(shù) 54
第3章 圖像的像素運(yùn)算與幾何變換
3.1 引言 59
3.2 圖像點(diǎn)運(yùn)算 59
3.2.1　圖像點(diǎn)運(yùn)算算法 59
3.2.2　圖像點(diǎn)運(yùn)算實(shí)現(xiàn) 60
3.3 圖像代數(shù)運(yùn)算 62
3.3.1　圖像代數(shù)運(yùn)算算法 62
3.3.2　圖像代數(shù)運(yùn)算實(shí)現(xiàn) 65
3.4 圖像邏輯運(yùn)算 68
3.4.1　圖像邏輯運(yùn)算算法 68
3.4.2　圖像邏輯運(yùn)算實(shí)現(xiàn) 69
3.5 圖像的縮放 70
3.5.1　圖像縮放變換算法 70
3.5.2　圖像縮放實(shí)現(xiàn) 73
3.6 圖像的旋轉(zhuǎn) 74
3.6.1　圖像旋轉(zhuǎn)變換算法 74
3.6.2　圖像旋轉(zhuǎn)實(shí)現(xiàn) 76
3.7 圖像的平移 77
3.7.1　圖像平移變換算法 77
3.7.2　圖像平移實(shí)現(xiàn) 78
3.8 圖像的裁剪 79
3.8.1　圖像裁剪算法 79
3.8.2　圖像裁剪實(shí)現(xiàn) 79
3.9 圖像的轉(zhuǎn)置 80
3.9.1　圖像轉(zhuǎn)置算法 80
3.9.2　圖像轉(zhuǎn)置實(shí)現(xiàn) 80
3.10 圖像的鏡像變換 81
3.10.1　圖像鏡像變換算法 81
3.10.2　圖像鏡像變換實(shí)現(xiàn) 82
第4章　圖像的空間域處理
4.1 引言 85
4.2 灰度增強(qiáng) 85
4.2.1　直方圖修正法 86
4.2.2　灰度的線性變換 92
4.2.3　灰度的分段線性變換 94
4.2.4　灰度的非線性變換 94
4.3 圖像平滑 97
4.3.1　圖像噪聲 98
4.3.2　鄰域平均法 100
4.3.3　多幅圖像平均法 103
4.3.4　中值濾波法 105
4.3.5　模板操作 108
4.4 圖像銳化 110
4.4.1　一階微分法 110
4.4.2　梯度算子 111
4.4.3　拉普拉斯算子 112
4.5 圖像的偽彩色處理 114
4.5.1　色彩模型 114
4.5.2　密度分割法 118
4.5.3　灰度變換法 119
4.5.4　頻率域?yàn)V波法 121
4.5.5　彩色圖像灰度化 121
知識拓展（一）　CLAHE算法及其Python實(shí)現(xiàn) 123
知識拓展（二）　自適應(yīng)中值濾波及其Python實(shí)現(xiàn) 126
第5章　圖像的頻率域處理
5.1 引言 132
5.2 傅里葉變換基礎(chǔ)知識 132
5.2.1　連續(xù)傅里葉變換 132
5.2.2　離散傅里葉變換 133
5.2.3　幅度譜、相位譜、功率譜 135
5.2.4　二維離散傅里葉變換的性質(zhì) 136
5.2.5　離散圖像傅里葉變換的實(shí)現(xiàn) 137
5.3 頻率域?yàn)V波基礎(chǔ) 138
5.3.1　頻率域?yàn)V波和空間域?yàn)V波的關(guān)系 138
5.3.2　數(shù)字圖像的頻譜圖 138
5.3.3　頻率域?yàn)V波的基本步驟 139
5.4 頻率域低通濾波器 140
5.4.1　理想低通濾波器及其Python實(shí)現(xiàn) 140
5.4.2　高斯低通濾波器及其Python實(shí)現(xiàn) 143
5.4.3　巴特沃思低通濾波器及其Python實(shí)現(xiàn) 145
5.4.4　指數(shù)低通濾波器及其Python實(shí)現(xiàn) 147
5.5 頻率域高通濾波器 147
5.5.1　常用的高通濾波器 148
5.5.2　同態(tài)濾波 152
知識拓展（一）　Retinex理論及其Python實(shí)現(xiàn) 155
知識拓展（二）　雙邊濾波器及其Python實(shí)現(xiàn) 164
第6章　圖像復(fù)原
6.1 引言 168
6.2 圖像退化原因與復(fù)原技術(shù)基礎(chǔ) 169
6.2.1　圖像降質(zhì)的數(shù)學(xué)模型 169
6.2.2　離散圖像退化的數(shù)學(xué)模型 171
6.3 逆濾波復(fù)原 173
6.3.1　逆濾波復(fù)原原理 173
6.3.2　病態(tài)性及其改進(jìn) 175
6.4 維納濾波復(fù)原 176
6.4.1　有約束的復(fù)原方法 176
6.4.2　維納濾波 177
第7章　圖像分割
7.1 引言 182
7.1.1　圖像分割的定義 182
7.1.2　圖像分割的分類 183
7.2 基于閾值的圖像分割方法 184
7.2.1　閾值分割概述 184
7.2.2　峰-谷閾值選取法 185
7.2.3　微分閾值選取法 186
7.2.4　迭代閾值選取法 187
7.2.5　最優(yōu)閾值法 189
7.2.6　最大類間方差法 190
7.3 基于區(qū)域的圖像分割方法 194
7.3.1　區(qū)域生長算法 194
7.3.2　區(qū)域分裂與合并 197
7.3.3　四叉樹數(shù)據(jù)結(jié)構(gòu) 198
7.4 基于邊緣的圖像分割方法 200
7.4.1 Roberts算子 201
7.4.2 Sobel算子 203
7.4.3 Prewitt算子 205
7.4.4 LoG算子 206
7.4.5 Canny算子 207
7.4.6　分水嶺算法 211
知識拓展（一）　DoG算法及其Python實(shí)現(xiàn) 215
知識拓展（二）　基于邊緣/區(qū)域的圖像分割及其
　　　　　　　　Python實(shí)現(xiàn) 218
知識拓展（三）　圖像分割的無監(jiān)督學(xué)習(xí)及其
　　　　　　　　Python實(shí)現(xiàn) 223
第8章　形態(tài)學(xué)圖像處理
8.1 引言 228
8.1.1　數(shù)學(xué)形態(tài)學(xué)簡介 228
8.1.2　圖像位置關(guān)系 229
8.1.3　結(jié)構(gòu)元素 229
8.1.4　形態(tài)學(xué)運(yùn)算過程 230
8.2 集合論基礎(chǔ)知識 231
8.2.1　元素和集合 231
8.2.2　集合的基本運(yùn)算 231
8.3 基本形態(tài)學(xué)運(yùn)算 232
8.3.1　腐蝕 233
8.3.2　膨脹 236
8.3.3　開運(yùn)算和閉運(yùn)算 239
8.3.4　擊中/擊不中 243
8.4 數(shù)學(xué)形態(tài)學(xué)應(yīng)用 246
8.4.1　細(xì)化 246
8.4.2　厚化 247
8.4.3　形態(tài)濾波 248
8.4.4　平滑 248
8.4.5　邊緣提取 249
8.4.6　區(qū)域填充 251
知識拓展　高級形態(tài)學(xué)處理及其Python實(shí)現(xiàn) 252