新書推薦：
《
希腊人（伊恩·莫里斯文明史系列）
》
售價：NT$
845.0
《
亚马逊六页纸 如何高效开会、写作、完成工作
》
售價：NT$
349.0
《
世界巨变：严复的角色（王中江著作系列）
》
售價：NT$
500.0
《
塔西佗（全二册）（二十世纪人文译丛）
》
售價：NT$
1800.0
《
（棱镜精装人文译丛）思想的假死
》
售價：NT$
290.0
《
当代精神分析新论
》
售價：NT$
430.0
《
宋初三先生集（中国思想史资料丛刊）
》
售價：NT$
990.0
《
棕榈油的全球史 ： 从奴隶船到购物篮
》
售價：NT$
440.0
|
| 編輯推薦： |
|
本教材将Python编程与图像处理完美融合。
|
| 內容簡介： |
|
本书共分9章。第1章综述Python语言的基本语法知识和数据结构； 第2章介绍Python常用的图像处理第三方库的预备知识和安装方法； 第3章系统介绍数字图像处理技术； 第4~8章系统介绍常用图像库处理图像的增强、分割、配准、融合、可视化和形态学操作的应用； 第9章是图像处理技术的综合应用，展示了两个应用案例： 一是纳米材料SEM图像的结构颗粒统计分析； 二是小儿肺部X光片的医学图像分析。 本书适合高等院校本科生和研究生作为图像处理技术类课程的教材，也可作为相关领域研究人员的学习或参考资料。
|
| 目錄：
|
第1章Python语言基础
1．1Python语言的数据类型
1．1．1整型和浮点型
1．1．2字符串
1．2Python语言的控制结构
1．2．1分支语句
1．2．2循环语句
1．3Python语言的列表、元组、字典与集合
1．3．1列表
1．3．2元组
1．3．3字典
1．3．4集合
1．4Python语言的函数
1．4．1函数的定义和调用
1．4．2函数的参数和返回值
1．5Python语言的模块和类
1．5．1模块的分类
1．5．2模块的导入
1．5．3Python的常用内置模块
1．5．4图形模块turtle
1．5．5扩展模块NumPy
第2章Python图像处理库及安装
2．1Python常用图像处理库
2．1．1ScikitImage
2．1．2NumPy
2．1．3SciPy
2．1．4PIL/Pillow
2．1．5OpenCVPython
2．1．6SimpleCV
2．1．7Mahotas
2．1．8SimpleITK
2．1．9Pgmagick
2．1．10Pycairo
2．2第三方库的安装方法
2．2．1pip命令和环境变量
2．2．2文件安装
2．2．3程序安装
2．2．4pip版本升级和镜像安装
2．3图像处理库ScikitImage安装
2．4图像处理库OpenCV安装
2．4．1pip 命令安装OpenCV
2．4．2whl文件安装OpenCV
2．4．3直接下载OpenCV
2．4．4API
2．5图像可视化库NumPy和Matplotlib安装
2．6医学图像库Pydicom
2．6．1医学影像学
2．6．2DICOM文件结构
2．6．3Pydicom图形库处理
2．6．4Pydicom库的应用
第3章数字图像处理基础
3．1数字图像的基本概念
3．1．1数字图像
3．1．2数字图像基本操作
3．2数字图像的类型与存储格式
3．2．1数字图像类型
3．2．2图像类型的转换
3．2．3图像数据类型及转换
3．2．4图像像素操作
3．2．5数字图像的基本文件格式
3．3数字图像的灰度直方图
3．3．1图像灰度直方图概念
3．3．2绘制直方图
3．3．3图像灰度直方图的性质
3．3．4直方图的用途
3．4数字图像的色彩空间
3．4．1常见的色彩空间
3．4．2色彩空间的转换
3．4．3通道的拆分和合并
3．5数字图像的基本运算
3．5．1图像的点运算
3．5．2图像的代数运算
3．5．3图像的几何变换
3．6数字图像的插值
3．6．1插值的概念
3．6．2最邻近插值法
3．6．3双线性内插法
3．6．4三次多项式插值
实训1数字图像的插值
第4章图像增强
4．1数字图像的增强技术
4．2灰度变换增强
4．2．1线性灰度变换
4．2．2非线性灰度变换
4．2．3分段线性灰度变换
4．3直方图增强
4．3．1直方图均衡化
4．3．2直方图规定化
4．4空间邻域增强
4．4．1空间邻域平滑
4．4．2空间邻域锐化
4．5频域滤波增强
4．5．1低通滤波
4．5．2高通滤波
4．6彩色增强
4．6．1伪彩色增强
4．6．2假彩色增强
实训2通过指定的图像实现直方图增强
实训3低通滤波图像
第5章图像分割
5．1图像分割概述
5．2阈值分割原理与实现
5．2．1固定阈值法
5．2．2直方图双峰法
5．2．3最大类间方差法
5．2．4迭代法
5．2．5最大熵法
5．2．6自适应法
5．3边缘分割原理与实现
5．3．1常用边缘检测算子
5．3．2霍夫变换
5．3．3轮廓检测和绘制
5．4区域分割原理与实现
5．4．1区域生长法
5．4．2区域分裂合并法
5．4．3分水岭算法
5．5基于特定理论的图像分割
5．5．1基于聚类分析的图像分割方法
5．5．2基于模糊集理论的图像分割方法
5．5．3基于神经网络的图像分割方法
5．5．4基于图论的图像分割方法
5．5．5基于遗传算法的图像分割方法
5．5．6基于小波变换的图像分割方法
实训4阈值分割
实训5边缘分割
实训6区域分割
第6章图像配准与融合
6．1图像的配准和融合概念
6．1．1概念解析
6．1．2图像配准和融合过程解析
6．2图像配准的基本框架
6．2．1特征空间
6．2．2搜索空间
6．2．3搜索策略
6．2．4灰度插值技术
6．2．5相似性测度
6．3基于灰度信息的图像配准
6．3．1互相关法
6．3．2序列相似度检测方法
6．3．3互信息法
6．3．4基于灰度的图像配准实例
6．4基于特征的图像配准
6．4．1基于点特征的图像配准
6．4．2基于线特征的图像配准
6．4．3基于区域特征的图像配准
6．5基于变换域的图像配准
6．5．1傅里叶变换特性
6．5．2基于傅里叶变换的图像配准
6．6图像配准的评价
6．7图像融合
6．7．1图像融合的概念
6．7．2图像融合的分类
6．7．3一个简单图像融合实例
实训7基于傅里叶变换的配准实例
第7章图形图像的可视化技术
7．1科学计算和可视化
7．1．1绘制Matplotlib图表组成元素
7．1．2绘制数据图形
7．2解析可视化概念
7．3医学图像三维重建与可视化
7．3．1医学图像可视化过程
7．3．2医学图像种类
7．3．3医学图像处理系统
7．4三维可视化工具
7．4．1VTK开发包
7．4．2ITK开发包
7．4．3OpenGL
7．5面绘制
7．5．1移动立方体法
7．5．2其他常见面绘制算法
7．5．3面绘制实例
7．6体绘制
7．6．1体绘制概述
7．6．2光线投射算法
7．6．3其他常见体绘制算法
7．6．4体绘制实例
实训8VTK的面绘制
第8章图像的形态学处理
8．1二值图像和结构元素
8．1．1二值图像
8．1．2结构元素
8．1．3图像的二值化
8．2腐蚀和膨胀运算
8．2．1腐蚀
8．2．2膨胀
8．3形态学运算族操作
实训9识别分割文字下画线
第9章图像处理技术的综合应用
9．1SEM图像处理与纳米颗粒分析
9．1．1应用背景
9．1．2问题描述
9．1．3解决方案
9．1．4源程序代码
9．2小儿肺炎X光片分析与病灶临床诊断
9．2．1应用背景
9．2．2问题描述
9．2．3图像预处理
9．2．4卷积神经模型
9．2．5图像预处理代码
9．2．6神经网络模型训练代码
参考文献
|
| 內容試閱：
|
第1章Python语言基础
1．1Python语言的数据类型
1．1．1整型和浮点型
1．1．2字符串
1．2Python语言的控制结构
随着人工智能和大数据技术的发展，Python语言得到越来越广泛的应用，其以简单易学、资源丰富、开发生态链完整等特点，使得各个行业的智能化改造得以小成本实现。在高校“新工科”和“医工融合”课程建设中，Python语言也成为许多专业首选的编程教学语言，特别是对第三方图像库的支持，使得Python图像处理及可视化得到应用者的青睐。
本书的初衷是为工科和医工融合类选修课程提供学习参考，力图涵盖目前图像处理的技术和方法，主要应用Python第三方图库OpenCV的相关函数，编程实现图像处理功能，包括典型医学图像处理及可视化。特点有以下3个。
（1） 为具有工科背景的学生和研究者快速掌握图像处理技术和医学图像应用知识提供捷径。
（2） 为具有医学背景的学生和研究者提供应用Python处理图像的知识和技术，快速掌握OpenCV库的图像处理函数和技巧。
（3） 提供图像处理技术的综合应用案例，包括工科应用中的纳米材料SEM图像分析案例和医学应用中的X光片图像处理案例，为相关领域研究者提供参考和关键技术支持。
本书第1、2、8、9章由阎红灿教授编写，第4、5章由樊秋红老师编写，第6章由李爽老师编写，第3、7章由山艳老师编写，第9章的案例取材于阎红灿老师指导的大学生创新创业训练计划项目，学生肖瑞凌、吴立钊、陈博勋、齐俊丽等为案例的编程实现做出了贡献。在本书的编写过程中，我们秉承初心，反复讨论修订，力求做到教材内容服务于工科背景和医学背景，并简化理论，注重编程应用，尤其最后的案例力求服务于专业和领域。最终的成稿凝结了每一位编者的辛勤付出。
教材编写参考了大量文献资料，特别是应用案例参阅了许多博客的文章和学习资料，在此向作者们表示诚挚的感谢。同时感谢研究生王子茹、窦桂梅、李铂初和张甜同学，他们辅助做了表格编辑工作，本书的出版也包含了他们的无私奉献。
如果书中没有列全参阅的文献，请您谅解我们的疏漏，您的文章和资料给予我们很多提示和帮助，再次表示诚挚感谢！
由于编者水平有限，书中存在疏漏或不妥之处，敬请广大读者批评指正。
编者2023年6月
1．2．1分支语句
1．2．2循环语句
1．3Python语言的列表、元组、字典与集合
1．3．1列表
1．3．2元组
1．3．3字典
1．3．4集合
1．4Python语言的函数
1．4．1函数的定义和调用
1．4．2函数的参数和返回值
1．5Python语言的模块和类
1．5．1模块的分类
1．5．2模块的导入
1．5．3Python的常用内置模块
1．5．4图形模块turtle
1．5．5扩展模块NumPy
第2章Python图像处理库及安装
2．1Python常用图像处理库
2．1．1ScikitImage
2．1．2NumPy
2．1．3SciPy
2．1．4PIL/Pillow
2．1．5OpenCVPython
2．1．6SimpleCV
2．1．7Mahotas
2．1．8SimpleITK
2．1．9Pgmagick
2．1．10Pycairo
2．2第三方库的安装方法
2．2．1pip命令和环境变量
2．2．2文件安装
2．2．3程序安装
2．2．4pip版本升级和镜像安装
2．3图像处理库ScikitImage安装
2．4图像处理库OpenCV安装
2．4．1pip 命令安装OpenCV
2．4．2whl文件安装OpenCV
2．4．3直接下载OpenCV
2．4．4API
2．5图像可视化库NumPy和Matplotlib安装
2．6医学图像库Pydicom
2．6．1医学影像学
2．6．2DICOM文件结构
2．6．3Pydicom图形库处理
2．6．4Pydicom库的应用
第3章数字图像处理基础
3．1数字图像的基本概念
3．1．1数字图像
3．1．2数字图像基本操作
3．2数字图像的类型与存储格式
3．2．1数字图像类型
3．2．2图像类型的转换
3．2．3图像数据类型及转换
3．2．4图像像素操作
3．2．5数字图像的基本文件格式
3．3数字图像的灰度直方图
3．3．1图像灰度直方图概念
3．3．2绘制直方图
3．3．3图像灰度直方图的性质
3．3．4直方图的用途
3．4数字图像的色彩空间
3．4．1常见的色彩空间
3．4．2色彩空间的转换
3．4．3通道的拆分和合并
3．5数字图像的基本运算
3．5．1图像的点运算
3．5．2图像的代数运算
3．5．3图像的几何变换
3．6数字图像的插值
3．6．1插值的概念
3．6．2最邻近插值法
3．6．3双线性内插法
3．6．4三次多项式插值
实训1数字图像的插值
第4章图像增强
4．1数字图像的增强技术
4．2灰度变换增强
4．2．1线性灰度变换
4．2．2非线性灰度变换
4．2．3分段线性灰度变换
4．3直方图增强
4．3．1直方图均衡化
4．3．2直方图规定化
4．4空间邻域增强
4．4．1空间邻域平滑
4．4．2空间邻域锐化
4．5频域滤波增强
4．5．1低通滤波
4．5．2高通滤波
4．6彩色增强
4．6．1伪彩色增强
4．6．2假彩色增强
实训2通过指定的图像实现直方图增强
实训3低通滤波图像
第5章图像分割
5．1图像分割概述
5．2阈值分割原理与实现
5．2．1固定阈值法
5．2．2直方图双峰法
5．2．3最大类间方差法
5．2．4迭代法
5．2．5最大熵法
5．2．6自适应法
5．3边缘分割原理与实现
5．3．1常用边缘检测算子
5．3．2霍夫变换
5．3．3轮廓检测和绘制
5．4区域分割原理与实现
5．4．1区域生长法
5．4．2区域分裂合并法
5．4．3分水岭算法
5．5基于特定理论的图像分割
5．5．1基于聚类分析的图像分割方法
5．5．2基于模糊集理论的图像分割方法
5．5．3基于神经网络的图像分割方法
5．5．4基于图论的图像分割方法
5．5．5基于遗传算法的图像分割方法
5．5．6基于小波变换的图像分割方法
实训4阈值分割
实训5边缘分割
实训6区域分割
第6章图像配准与融合
6．1图像的配准和融合概念
6．1．1概念解析
6．1．2图像配准和融合过程解析
6．2图像配准的基本框架
6．2．1特征空间
6．2．2搜索空间
6．2．3搜索策略
6．2．4灰度插值技术
6．2．5相似性测度
6．3基于灰度信息的图像配准
6．3．1互相关法
6．3．2序列相似度检测方法
6．3．3互信息法
6．3．4基于灰度的图像配准实例
6．4基于特征的图像配准
6．4．1基于点特征的图像配准
6．4．2基于线特征的图像配准
6．4．3基于区域特征的图像配准
6．5基于变换域的图像配准
6．5．1傅里叶变换特性
6．5．2基于傅里叶变换的图像配准
6．6图像配准的评价
6．7图像融合
6．7．1图像融合的概念
6．7．2图像融合的分类
6．7．3一个简单图像融合实例
实训7基于傅里叶变换的配准实例
第7章图形图像的可视化技术
7．1科学计算和可视化
7．1．1绘制Matplotlib图表组成元素
7．1．2绘制数据图形
7．2解析可视化概念
7．3医学图像三维重建与可视化
7．3．1医学图像可视化过程
7．3．2医学图像种类
7．3．3医学图像处理系统
7．4三维可视化工具
7．4．1VTK开发包
7．4．2ITK开发包
7．4．3OpenGL
7．5面绘制
7．5．1移动立方体法
7．5．2其他常见面绘制算法
7．5．3面绘制实例
7．6体绘制
7．6．1体绘制概述
7．6．2光线投射算法
7．6．3其他常见体绘制算法
7．6．4体绘制实例
实训8VTK的面绘制
第8章图像的形态学处理
8．1二值图像和结构元素
8．1．1二值图像
8．1．2结构元素
8．1．3图像的二值化
8．2腐蚀和膨胀运算
8．2．1腐蚀
8．2．2膨胀
8．3形态学运算族操作
实训9识别分割文字下画线
第9章图像处理技术的综合应用
9．1SEM图像处理与纳米颗粒分析
9．1．1应用背景
9．1．2问题描述
9．1．3解决方案
9．1．4源程序代码
9．2小儿肺炎X光片分析与病灶临床诊断
9．2．1应用背景
9．2．2问题描述
9．2．3图像预处理
9．2．4卷积神经模型
9．2．5图像预处理代码
9．2．6神经网络模型训练代码
参考文献
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
