新書推薦：
《
Python贝叶斯深度学习
》
售價：NT$
407.0
《
文本的密码：社会语境中的宋代文学
》
售價：NT$
306.0
《
启微·狂骉年代：西洋赛马在中国
》
售價：NT$
357.0
《
有趣的中国古建筑
》
售價：NT$
305.0
《
十一年夏至
》
售價：NT$
347.0
《
如何打造成功的商业赛事
》
售價：NT$
407.0
《
万千教育学前·透视学前儿童的发展：解析幼儿教师常问的那些问题
》
售價：NT$
265.0
《
慈悲与玫瑰
》
售價：NT$
398.0
|
| 編輯推薦： |
理论与实战结合，以数字图像处理常用技术与任务案例相结合。
以应用为导向，在多种场景下介绍数字图像处理相关操作。
注重启发式教学，带给读者从介绍到完成的完整工作流程体验。
|
| 內容簡介： |
本书以数字图像处理基础理论与真实案例相结合的方式，深入浅出地介绍数字图像处理的常见任务及实现技术。本书共9章，内容包含数字图像处理概述、图像的基本变换、图像增强与复原、形态学处理、图像特征提取、图像分割等技术，以及车牌检测、QR码的检测、钢轨表面缺陷检测等案例。本书以Python为算法实现工具，大部分章包含操作实践代码和课后习题，帮助读者在数字图像处理基础任务和案例中应用算法，巩固所学内容。
本书可以作为高校信息技术或人工智能相关专业的教材，也可以作为数字图像处理应用的开发人员和从事数字图像处理技术研究的科研人员的参考用书。对于有一定基础和经验的读者，也能帮助他们查漏补缺，深入理解并掌握相关原理和方法，提高解决实际问题的能力。
|
| 關於作者： |
|
杨坦，中山大学博士，任教于华南师范大学数学科学学院，主讲数学建模、数据挖掘等课程。主持和参与编写多部教材，获得两项数字图像处理方面的国家发明专利。
|
| 目錄：
|
第 1章 数字图像处理概述 1
1.1 认识数字图像处理 1
1.1.1 了解数字图像处理的起源 1
1.1.2 了解数字图像处理的应用领域 4
1.1.3 了解图像工程与数字图像处理的关系 7
1.2 认识数字图像 7
1.2.1 了解人眼的视觉系统 7
1.2.2 了解数字图像 8
1.2.3 熟悉像素间的基本关系 9
1.3 认识数字图像处理工具 11
1.3.1 熟悉常用数字图像处理工具 12
1.3.2 数字图像处理工具对比 13
1.4 了解数字图像处理相关Python库 14
1.4.1 了解Pillow库 14
1.4.2 了解NumPy库 15
1.4.3 了解scikit-image库 15
1.4.4 熟悉OpenCV库 16
小结 17
课后习题 18
第 2章 图像的基本变换 19
2.1 读写图像数据 19
2.1.1 读取和显示图像 20
2.1.2 保存图像 20
2.2 在图像上绘制图形 21
2.2.1 绘制简单的图形 21
2.2.2 标注图像中的人脸区域 25
2.3 转换图像的颜色空间 26
2.3.1 了解颜色空间 26
2.3.2 颜色空间的相互转换 31
2.4 图像几何变换 32
2.4.1 了解图像的几何变换 33
2.4.2 人脸图像几何变换 35
小结 39
课后习题 40
第3章 图像增强与复原 41
3.1 使用空间滤波增强图像 41
3.1.1 了解空间滤波 41
3.1.2 使用空间滤波平滑图像 44
3.1.3 使用空间滤波锐化图像 48
3.1.4 使用空间滤波模糊图像 54
3.2 使用频率域滤波增强图像 56
3.2.1 了解频率域滤波 56
3.2.2 使用频率域滤波平滑图像 58
3.2.3 使用频率域滤波锐化图像 65
3.3 复原车牌图像 73
3.3.1 了解噪声模型 74
3.3.2 复原只存在噪声的图像 77
小结 83
课后习题 83
第4章 形态学处理 85
4.1 腐蚀和膨胀车牌图像 85
4.1.1 了解腐蚀与膨胀 85
4.1.2 腐蚀车牌图像 89
4.1.3 膨胀车牌图像 91
4.2 使用开/闭操作处理车牌图像 92
4.2.1 了解开操作与闭操作 93
4.2.2 对车牌图像进行开操作 94
4.2.3 对车牌图像进行闭操作 96
4.3 使用基本的形态学算法处理图像 97
4.3.1 了解基本的形态学算法 97
4.3.2 使用形态学算法处理车牌图像 119
小结 122
课后习题 122
第5章 图像特征提取 125
5.1 提取图像的颜色特征 125
5.1.1 了解图像的颜色特征 125
5.1.2 提取水质图像的颜色特征 134
5.2 提取图像的纹理特征 136
5.2.1 了解图像的纹理特征 136
5.2.2 提取组织切片图像的纹理特征 140
5.3 提取图像的轮廓特征 142
5.3.1 了解图像的轮廓特征 142
5.3.2 提取电容器零件图像的轮廓特征 144
5.4 提取图像的形状特征 145
5.4.1 了解图像的形状特征 145
5.4.2 提取车牌图像的形状特征 155
小结 156
课后习题 156
第6章 图像分割 158
6.1 使用阈值分割图像 158
6.1.1 阈值分割方法的基本原理 158
6.1.2 基于全局阈值的大津法 159
6.1.3 自适应阈值分割方法 161
6.1.4 使用阈值分割方法处理岩石样本图像 162
6.2 基于边缘检测的图像分割 167
6.2.1 边缘检测 167
6.2.2 使用Hough变换检测直线 173
6.2.3 基于Hough变换的QR码分割 174
6.3 区域生长算法 175
6.3.1 区域生长算法的流程 176
6.3.2 使用区域生长算法分割心形图像 176
6.4 结合空间域与色彩域的图像分割算法 178
6.4.1 SLIC算法 178
6.4.2 QuickShift算法 181
小结 182
课后习题 182
第7章 车牌检测 184
7.1 了解项目背景 184
7.2 分析项目需求 185
7.2.1 数据说明 185
7.2.2 项目目标 186
7.2.3 车牌检测流程 187
7.3 定位车牌 187
7.3.1 车牌粗略定位 187
7.3.2 车牌精细定位 193
7.4 车牌字符分割 200
7.5 结果分析 204
小结 205
课后习题 205
第8章 QR码的检测 206
8.1 了解项目背景 206
8.2 分析项目需求 207
8.2.1 数据说明 207
8.2.2 项目目标 209
8.2.3 QR码检测流程 209
8.3 图像的预处理 210
8.3.1 图像灰度化 210
8.3.2 图像去噪 211
8.3.3 灰度图像二值化 214
8.4 定位块的检测 216
8.4.1 提取二值图像的轮廓 217
8.4.2 轮廓嵌套结构检测 218
8.4.3 定位块线扫描特征筛选 219
8.5 QR码的分割与解析 222
8.5.1 计算3个定位块在QR码中的位置关系 222
8.5.2 计算定位块的4个顶点的坐标 225
8.5.3 计算QR码的4个角点的坐标及朝向 228
8.5.4 QR码的几何校正及缩放 229
8.5.5 QR码的解析 230
小结 231
课后习题 231
第9章 钢轨表面缺陷检测 232
9.1 了解项目背景 232
9.2 分析项目需求 233
9.2.1 数据说明 233
9.2.2 项目目标 234
9.2.3 钢轨表面缺陷检测流程 235
9.3 图像预处理 235
9.3.1 钢轨表面不均匀光照的消除 236
9.3.2 基于连通性分析的黑边去除 237
9.4 基于区域生长算法的钢轨表面缺陷检测 240
9.4.1 种子点的提取 240
9.4.2 上阈值的自适应选择 242
9.4.3 区域生长算法的效果分析 249
小结 249
课后习题 250
参考文献 251
|
|
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
