新書推薦：
《
孤独谱系障碍评估与干预：从理论到实践 国际经典医学心理学译著
》
售價：NT$
1061.0
《
帝国时代
》
售價：NT$
959.0
《
天下之极：世界枢纽观念的古今之变
》
售價：NT$
449.0
《
认识现代社会之真相：杨照讲马克斯·韦伯
》
售價：NT$
439.0
《
“义与制不相遗”：蒙文通与近代学界
》
售價：NT$
500.0
《
从黑船来航到开罗会议：近代日本外交历程
》
售價：NT$
653.0
《
论美国（附赠解读手册）
》
售價：NT$
653.0
《
无人机飞行原理与气象环境（第2版）
》
售價：NT$
148.0
|
| 內容簡介： |
|
本书系统地讲解了数字图像处理的基础和进阶知识，涵盖基础概念、系统构建、算法及其应用，辅以丰富的教学和科研案例，详细介绍了如何利用C 和Python语言，结合OpenCV库进行图像处理算法的编程实现。同时，本书介绍了深度学习在数字图像处理中的应用前沿技术，如GoogleNet、ResNet、Transformer、YOLOv10等，具备较强的实用性和参考价值。本书为读者提供了理论与实践相结合的学习平台，帮助其深入理解并应用数字图像处理技术解决实际问题。适合作为高等院校计算机科学与技术、电子信息工程、自动化、通信工程等相关专业的本科生、研究生教材，同时适合数字图像处理、计算机视觉等领域的科研和工程技术人员参考使用。本书还为读者提供了丰富的配套资源，包括PPT、彩图和源代码。读者可通过登录化学工业出版社网站或扫描书中二维码，根据自身需求选择相应的资源进行下载。
|
| 目錄：
|
第1章 概论
1.1 数字图像处理的分类和发展 001
1.1.1 图像分类 001
1.1.2 数字图像发展历史 003
1.2 数字图像处理系统 004
1.2.1 经典的数字图像处理系统 005
1.2.2 实际的数字图像处理系统 005
1.3 数字图像处理的内容及特点 007
1.3.1 数字图像处理的内容 007
1.3.2 数字图像处理的特点 008
1.4 数字图像处理的应用 009
1.5 数字图像处理的内容以及与其他相关学科的关系 011
1.6 习题 012
第2章 数字图像处理开发环境
2.1 OpenCV简介 013
2.2 OpenCV基础及开发环境配置 014
2.2.1 安装OpenCV库 014
2.2.2 C 集成开发环境配置 016
2.2.3 OpenCV代码实例 018
2.3 Python简介 020
2.4 Python基本语法和编程 021
2.5 Python环境配置及开发 026
2.5.1 Python开发环境配置 026
2.5.2 第一个Python程序 031
2.6 习题 032
第3章 数字图像处理基础
3.1 图像获取 033
3.1.1 图像采集过程 033
3.1.2 模拟图像描述 034
3.2 图像类型及常用格式 034
3.2.1 图像的基本类型 034
3.2.2 图像常用格式 037
3.3 图像数字化 038
3.3.1 图像的数字化表示 039
3.3.2 图像的数字化过程 039
3.4 图像色度模型 042
3.4.1 色度学基础 042
3.4.2 颜色模型 043
3.5 图像运算 045
3.5.1 代数运算 046
3.5.2 逻辑运算 050
3.5.3 灰度直方图及其应用 052
3.6 习题 054
第4章 图像正交变换
4.1 图像变换概述 055
4.2 傅里叶变换 056
4.2.1 连续傅里叶变换 056
4.2.2 离散傅里叶变换 057
4.2.3 傅里叶变换在图像处理中的应用 061
4.3 离散余弦变换 064
4.3.1 一维离散余弦变换 064
4.3.2 二维离散余弦变换 065
4.4 离散沃尔什-哈达玛变换 067
4.4.1 沃尔什变换 067
4.4.2 哈达玛变换 070
4.5 小波变换 071
4.5.1 小波变换的概念和特性 071
4.5.2 图像的小波变换 072
4.6 习题 077
第5章 图像预处理
5.1 图像增强 078
5.1.1 灰度变化 078
5.1.2 几何变换 088
5.2 图像滤波 096
5.2.1 空域滤波 096
5.2.2 频域滤波 106
5.3 形态学处理 113
5.3.1 二值形态学的基本运算 113
5.3.2 二值图像的形态学处理 117
5.3.3 灰度形态学的基本运算 120
5.4 习题 125
第6章 图像特征提取
6.1 图像的基本特征 126
6.1.1 幅度特征 126
6.1.2 几何特征 127
6.1.3 统计特征 129
6.2 角点特征的描述与提取 129
6.2.1 图像角点的概念 129
6.2.2 SUSAN角点检测算法 130
6.3 颜色特征的描述与提取 132
6.3.1 颜色直方图 132
6.3.2 颜色矩 134
6.4 纹理特征的描述与提取 134
6.4.1 统计分析法 135
6.4.2 频谱分析法 137
6.4.3 纹理的结构分析 141
6.5 形状特征的描述与提取 142
6.5.1 边界描述 143
6.5.2 区域描述 145
6.6 习题 150
第7章 图像分割
7.1 图像分割概论 151
7.1.1 图像分割概念 151
7.1.2 图像分割分类 152
7.1.3 图像分割系统的构成 153
7.2 边缘检测 153
7.2.1 边缘检测概念 153
7.2.2 梯度算子 153
7.2.3 Roberts算子 155
7.2.4 Prewitt算子 156
7.2.5 Sobel算子 157
7.2.6 Kirsch算子 158
7.2.7 Laplace算子 159
7.2.8 Marr算子 160
7.2.9 Canny算子 162
7.3 边界跟踪 162
7.3.1 空域边界跟踪 163
7.3.2 霍夫（Hough）变换 163
7.4 阈值分割 165
7.4.1 阈值分割概念 165
7.4.2 全局阈值分割 167
7.4.3 局部阈值分割 169
7.4.4 动态阈值分割 172
7.5 区域分割 174
7.5.1 区域生长法 174
7.5.2 区域分裂合并法 176
7.6 习题 177
第8章 图像匹配
8.1 图像匹配概述 178
8.1.1 图像匹配概念 178
8.1.2 模板匹配 180
8.1.3 模板匹配流程 180
8.2 基于灰度的匹配 181
8.2.1 基于灰度的匹配概念及步骤 181
8.2.2 匹配方法 181
8.3 基于特征的匹配 184
8.3.1 基于特征的匹配概念及步骤 184
8.3.2 匹配方法 185
8.4 习题 193
第9章 图像识别
9.1 图像识别概述 194
9.2 传统图像识别方法 195
9.2.1 模式识别方法 195
9.2.2 支持向量机（SVM） 199
9.2.3 BP神经网络图像识别 201
9.2.4 聚类分析 204
9.2.5 K近邻算法（KNN） 207
9.2.6 贝叶斯分类器 208
9.2.7 几种传统方法对比分析 209
9.3 基于深度学习的图像识别方法 211
9.3.1 AlexNet：卷积网络的里程碑 211
9.3.2 GoogleNet：深度与宽度的平衡 213
9.3.3 ResNet：深度网络的残差学习 215
9.3.4 Swin Transformer：视觉Transformer新篇章 217
9.3.5 几种深度学习模型效果对比 219
9.4 习题 219
第10章 目标检测
10.1 目标检测概述 221
10.2 传统目标检测方法 222
10.2.1 基于Haar特征的级联分类器 222
10.2.2 基于HOG特征和SVM的目标检测 228
10.2.3 滑动窗口法 231
10.2.4 DPM 233
10.2.5 传统方法小结 237
10.3 基于深度学习的目标检测 238
10.3.1 概述 238
10.3.2 二阶段目标检测算法 239
10.3.3 单阶段目标检测算法 241
10.4 习题 254
第11章 数字图像处理综合实例
11.1 基于人脸视频的心率估计与表情识别 255
11.1.1 工作原理 255
11.1.2 实验设置 256
11.1.3 算法实现 257
11.2 一种基于几何形状特征的瞳孔定位方法 260
11.2.1 背景介绍 260
11.2.2 硬件系统设计 260
11.2.3 方案设计 262
11.2.4 实验结果 264
11.3 基于肤色分割的人脸检测 267
11.3.1 应用背景 267
11.3.2 方案设计 267
11.3.3 实验流程及结果 268
11.4 Mask R-CNN在目标检测和实例分割中的应用 271
11.4.1 背景简介 271
11.4.2 实验设置 271
11.4.3 实验结果及分析 272
11.5 基于DETR的热轧带钢表面缺陷检测 273
11.5.1 背景简介 273
11.5.2 实验设置 273
11.5.3 实验结果及分析 274
11.6 习题 275
第12章 数字图像处理技术工程应用案例
12.1 金属工件缺陷检测 276
12.1.1 应用背景 276
12.1.2 方案设计 277
12.2 化成箔缺陷检测 287
12.2.1 工程背景分析 287
12.2.2 数据采集 288
12.2.3 实验方案设计 289
12.2.4 实验结果 290
12.3 变电站开关识别 292
12.3.1 工程背景分析 292
12.3.2 实验方案设计 292
12.3.3 实验结果 295
12.4 习题 296
附录A OpenCV图像处理常用函数
附录B 基于Python的图像处理常用函数
惨老文献
|
| 內容試閱：
|
党的二十大报告强调，教育、科技与人才是社会主义现代化建设的核心支撑，明确了其战略地位。这一战略指引，为我们的教学、科研和人才培养提供了方向，凸显了新时代科技、教育和人才的重要性。在数字化时代，数字图像处理技术的蓬勃发展，是技术革命、生产要素创新配置和产业转型升级的结果，体现了新质生产力高科技、高效能、高质量的特征。在这一背景下，数字图像处理技术的发展不仅是技术进步的体现，更是推动社会生产力发展的重要力量。
从技术发展现状来看，一方面，硬件设备的不断升级为数字图像处理提供了强大的计算支持，高性能的图形处理器（GPU）以及专门用于图像处理的芯片，极大地提高了图像处理的速度和效率。例如，在深度学习算法应用于图像处理时，强大的GPU能够快速处理海量的数据，加速模型的训练过程。另一方面，算法的创新和改进推动了数字图像处理技术的进步。传统的图像处理算法不断优化，同时新兴的人工智能技术，尤其是深度学习算法，如卷积神经网络（CNN）及其各种变体（ResNet、VGG等），在图像识别、目标检测、图像分割等任务中取得了令人瞩目的成果。这些算法能够自动学习图像的特征，相较于传统方法具有更高的准确性和鲁棒性。
在应用领域，数字图像处理技术的应用范围日益广泛。在医疗领域，医学影像诊断借助数字图像处理技术实现了更精确的疾病检测和诊断，例如通过对X光、CT、MRI等影像的处理，医生可以更清晰地观察到病变部位的细节。在安防领域，视频监控系统利用图像识别和目标检测技术，可以实时监测和识别异常行为和目标，提高了公共安全保障水平。在交通领域，智能交通系统依靠图像处理技术实现了车辆识别、交通流量监测和违章抓拍等功能，有效改善了交通拥堵和安全问题。在娱乐产业，虚拟现实（VR）和增强现实（AR）技术大量应用数字图像处理算法，为用户带来更加沉浸式的体验。
目前市场上已有不少数字图像处理教材，但有些教材理论性过强，缺乏实际案例的支撑，使得读者在学习过程中难以将理论知识与实际应用相结合；有些教材虽然注重实践，但在理论体系的完整性上有所欠缺，无法为读者提供全面系统的知识架构。本教材旨在弥补现有教材的不足，为读者提供一本既具有扎实理论基础，又富含丰富实际案例的数字图像处理教材。我们期望通过系统全面的知识讲解与大量详实的实践案例剖析，助力读者全方位掌握数字图像处理的核心知识与前沿技术，切实培养其解决实际问题的能力，以更好地契合数字图像处理领域持续演进的发展需求。
本教材内容完备，涵盖数字图像处理的各个层面，从基础理论到实际应用，构建起一个完整且逻辑严密的知识体系。特别强调案例教学，所有案例均源自编写者长期的教学、科研及工程实践，具备高度的实用性与针对性。同时，教材以C 和Python为主要编程语言，并结合开源计算机视觉库OpenCV，详细阐释各类算法与技术的实现路径，方便读者学习与实践操作。全书内容丰富、结构明晰、语言平实易懂，适合计算机科学与技术、电子信息工程、自动化、通信工程等相关专业的本科生、研究生，以及对数字图像处理技术怀有浓厚兴趣的工程技术人员和研究人员阅读参考。同时，本教材积极践行新工科教育理念，致力于培养学生的创新能力、实践能力和社会责任感。通过实例融入思政元素，引导学生树立正确价值观与职业操守，培养创新、实践能力和社会责任感，使其成为德才兼备之才，为国家社会发展贡献力量。
本书的编写人员具有丰富的教学和科研经验，长期从事数字图像处理方面的研究和教学工作，并对数字图像处理技术在各个领域的应用有深入的了解。由周卫斌、林丽媛、强晓永担任主编，林丽媛统稿，编写分工如下：周卫斌负责编写第1、2章，并负责组织、统筹本书的编写工作。林丽媛负责编写第3、9、10、11、12章和附录A、B，并组织、验证了全书的程序开发和实验；强晓永负责编写第4、5、6、7、8章。乔冠华、王超凡负责第2～8章的程序开发和实验，并参与了第2章的编写准备工作；王鑫负责第9章的程序开发和实验；王乐广、颜景鹏、文澳林、师淋源、李小鱼、乔冠华、陈健、王莹参与了第10、11、12章的编写准备工作，并负责程序开发和实验；郭永良，王志鹏参与了第3、4、5、6、7、8章的编写准备工作。
本书是在天津市人工智能学会的悉心指导下完成的。在此，我们要衷心感谢天津大学电气自动化与信息工程学院周圆教授给予的专业指导；感谢内蒙古海立电子材料有限公司总经理朱益辉、总工程师李三华、设备部部长王瑞考、设备部副部长陈健，以及天津燊辉电力科技股份有限公司董事长顾业华、总经理孙旭冉、副总经理李国超、运检部负责人阚金鹏、运检部运维督导王莹等为本书提供的宝贵技术与实践支持。
本书配备了丰富的教学资源，包括电子课件、程序源代码和彩图，读者可通过登录化学工业出版社网站或扫描二维码进行下载。尽管我们在编写过程中竭尽全力，但难免存在疏漏之处，恳请同行专家和广大读者不吝批评指正。若您对本书有任何意见或建议，欢迎通过电子邮件linlytust@163.com与我们联系，我们将不胜感激。
编者
2024年11月
|
|
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
