掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類(lèi)五星書(shū)更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國(guó)政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國(guó)特色社會(huì)主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國(guó)中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
中圖價(jià):¥50.6
加入購(gòu)物車(chē)
數(shù)字圖像處理 版權(quán)信息
- ISBN：9787302631934
- 條形碼：9787302631934 ; 978-7-302-63193-4
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>>
數(shù)字圖像處理 本書(shū)特色
本書(shū)將理論介紹與工程實(shí)踐進(jìn)行了有機(jī)結(jié)合本書(shū)理論聯(lián)系實(shí)踐，內(nèi)容豐富新穎
數(shù)字圖像處理 內(nèi)容簡(jiǎn)介
本書(shū)涵蓋了數(shù)字圖像處理的多方面，主要內(nèi)容包括： Python和OpenCV基礎(chǔ)、圖像的直方圖表示與變換、圖像的幾何變換、空間域圖像增強(qiáng)、圖像的形態(tài)學(xué)運(yùn)算、圖像的分割、彩色圖像處理、圖像的特征提取、深度學(xué)習(xí)與圖像處理。本書(shū)將理論介紹與工程實(shí)踐進(jìn)行有機(jī)結(jié)合，各章的理論介紹深入淺出，并使用比較流行的編程語(yǔ)言Python將理論內(nèi)容轉(zhuǎn)換為工程代碼。本書(shū)不僅介紹了圖像的幾何變換和形態(tài)學(xué)變換等數(shù)字圖像處理領(lǐng)域中的傳統(tǒng)內(nèi)容，還介紹了深度學(xué)習(xí)等數(shù)字圖像處理領(lǐng)域的新內(nèi)容。 本書(shū)共10章。第1章介紹了數(shù)字圖像處理的基本知識(shí)。第2章介紹了本書(shū)的編程工具： Python和OpenCV。第3章至第10章詳細(xì)介紹了數(shù)字圖像處理的各種具體方法和技術(shù)。 本書(shū)適合作為“數(shù)字圖像處理”課程的教材，也適合具有一定數(shù)學(xué)基礎(chǔ)的計(jì)算機(jī)類(lèi)、電子信息類(lèi)專(zhuān)業(yè)的本科生、研究生以及從事數(shù)字圖像處理工作的專(zhuān)業(yè)人員閱讀。
數(shù)字圖像處理 目錄
第1章緒論
1.1數(shù)字圖像的定義
1.2數(shù)字圖像的分類(lèi)
1.2.1矢量圖
1.2.2位圖
1.3數(shù)字圖像的表示與存儲(chǔ)
1.3.1數(shù)字圖像的表示
1.3.2數(shù)字圖像的存儲(chǔ)格式
1.4數(shù)字圖像分辨率
1.4.1圖像的空間分辨率
1.4.2灰度級(jí)分辨率
1.5像素間基本關(guān)系
1.5.1像素的鄰域與鄰接
1.5.2像素的連通性、區(qū)域和邊界
1.6距離度量
1.6.1〓幾類(lèi)常見(jiàn)距離度量
第2章Python和OpenCV基礎(chǔ) 2.1Python基礎(chǔ)知識(shí) 2.1.1Python簡(jiǎn)介 2.1.2配置開(kāi)發(fā)環(huán)境 2.2Python基本語(yǔ)法 2.2.1數(shù)據(jù)類(lèi)型與變量 2.2.2字符串與類(lèi)型轉(zhuǎn)換 2.2.3列表 2.2.4循環(huán) 2.2.5判斷 2.2.6字典 2.2.7函數(shù) 2.2.8使用庫(kù) 2.2.9類(lèi) 2.2.10文件 2.3OpenCV基礎(chǔ)知識(shí) 2.3.1OpenCV簡(jiǎn)介 2.3.2安裝OpenCV 2.3.3圖像文件基本操作 第3章圖像的直方圖表示與變換 3.1灰度直方圖 3.1.1灰度直方圖原理 3.1.2灰度直方圖的OpenCV和Python實(shí)現(xiàn) 3.2直方圖均衡化 3.2.1直方圖均衡化原理 3.2.2直方圖均衡化的OpenCV和Python實(shí)現(xiàn) 3.3直方圖規(guī)定化 3.3.1直方圖規(guī)定化原理 3.3.2直方圖規(guī)定化的OpenCV和Python實(shí)現(xiàn) 3.4線性變換 3.4.1線性變換原理 3.4.2線性變換的OpenCV和Python實(shí)現(xiàn) 3.5對(duì)數(shù)變換 3.5.1對(duì)數(shù)變換原理 3.5.2對(duì)數(shù)變換的OpenCV和Python實(shí)現(xiàn) 3.6伽馬變換 3.6.1伽馬變換原理 3.6.2伽馬變換的OpenCV和Python實(shí)現(xiàn) 3.7閾值變換 3.7.1閾值變換原理 3.7.2閾值變換的OpenCV和Python實(shí)現(xiàn) 第4章圖像的幾何變換 4.1圖像的平移 4.1.1圖像平移的基本原理 4.1.2圖像平移的Python和OpenCV實(shí)現(xiàn) 4.2圖像的旋轉(zhuǎn) 4.2.1圖像旋轉(zhuǎn)的基本原理 4.2.2圖像旋轉(zhuǎn)的Python和OpenCV實(shí)現(xiàn) 4.3圖像的縮放 4.3.1圖像縮放的基本原理 4.3.2圖像縮放的Python和OpenCV實(shí)現(xiàn) 4.4圖像的轉(zhuǎn)置 4.4.1圖像轉(zhuǎn)置的基本原理 4.4.2圖像轉(zhuǎn)置的Python和OpenCV實(shí)現(xiàn) 4.5圖像的翻轉(zhuǎn) 4.5.1圖像翻轉(zhuǎn)的基本原理 4.5.2圖像翻轉(zhuǎn)的Python和OpenCV實(shí)現(xiàn) 4.6圖像的插值 4.6.1圖像插值的基本原理 4.6.2*近鄰插值法 4.6.3雙線性插值法 4.6.4雙三次插值法 4.6.5圖像插值的Python和OpenCV實(shí)現(xiàn) 4.7圖像的配準(zhǔn) 4.7.1圖像配準(zhǔn)的基本原理 4.7.2提取特征點(diǎn) 4.7.3基于特征的配準(zhǔn)方法 4.7.4圖像配準(zhǔn)的Python和OpenCV實(shí)現(xiàn) 第5章空間域圖像增強(qiáng) 5.1圖像增強(qiáng) 5.1.1圖像增強(qiáng)的分類(lèi) 5.1.2圖像增強(qiáng)的應(yīng)用 5.2空間域?yàn)V波 5.2.1空間域?yàn)V波和鄰域處理 5.2.2邊界處理 5.3圖像平滑 5.3.1均值濾波 5.3.2方框?yàn)V波 5.3.3高斯濾波 5.3.4中值濾波 5.3.5雙邊濾波 5.4圖片銳化 第6章圖像的形態(tài)學(xué)運(yùn)算 6.1腐蝕 6.1.1腐蝕理論基礎(chǔ) 6.1.2腐蝕的Python和OpenCV實(shí)現(xiàn) 6.2膨脹 6.2.1膨脹理論基礎(chǔ) 6.2.2膨脹的Python和OpenCV實(shí)現(xiàn) 6.3開(kāi)操作 6.3.1開(kāi)操作理論基礎(chǔ) 6.3.2開(kāi)操作的Python和OpenCV實(shí)現(xiàn) 6.4閉操作 6.4.1閉操作理論基礎(chǔ) 6.4.2閉操作的Python和OpenCV實(shí)現(xiàn) 6.5形態(tài)學(xué)梯度運(yùn)算 6.5.1形態(tài)學(xué)梯度運(yùn)算理論基礎(chǔ) 6.5.2形態(tài)學(xué)梯度運(yùn)算的Python和OpenCV實(shí)現(xiàn) 6.6孔洞填充 6.6.1孔洞填充理論基礎(chǔ) 6.6.2孔洞填充的Python和OpenCV實(shí)現(xiàn) 6.7細(xì)化算法 6.7.1細(xì)化算法理論基礎(chǔ) 6.7.2細(xì)化算法的Python和OpenCV實(shí)現(xiàn) 第7章圖像的分割 7.1圖像分割概述 7.2邊緣檢測(cè) 7.2.1邊緣檢測(cè)算法 7.2.2Canny邊緣檢測(cè)的Python OpenCV實(shí)現(xiàn) 7.3霍夫變換 7.3.1直線檢測(cè) 7.3.2曲線檢測(cè) 7.3.3霍夫變換的Python OpenCV實(shí)現(xiàn) 7.4閾值分割 7.4.1簡(jiǎn)單的閾值分割 7.4.2自適應(yīng)閾值分割 7.5區(qū)域生長(zhǎng) 第8章彩色圖像處理 8.1彩色簡(jiǎn)介 8.1.1彩色屬性 8.1.2色彩的三要素 8.1.3三原色 8.1.4計(jì)算機(jī)中顏色的表示 8.2彩色模型 8.2.1RGB模型 8.2.2HSI模型 8.2.3HSV模型 第9章圖像的特征提取 9.1圖像特征概述 9.2梯度方向直方圖 9.2.1梯度方向直方圖的計(jì)算 9.2.2梯度方向直方圖的Python OpenCV實(shí)現(xiàn) 9.3角點(diǎn)特征 9.3.1Harris角點(diǎn)檢測(cè) 9.3.2基于Harris角點(diǎn)的人臉檢測(cè) 9.3.3ShiTomasi角點(diǎn)檢測(cè) 9.3.4FAST角點(diǎn)檢測(cè) 9.4SIFT算法 9.4.1SIFT算法的特點(diǎn)與步驟 9.4.2圖像SIFT特征點(diǎn)的檢測(cè) 9.5局部二進(jìn)制模式 9.5.1基本LBP 9.5.2圓形鄰域的LBPpr算子 9.5.3統(tǒng)一化LBP算子——Uniform LBP及其Python實(shí)現(xiàn) 9.6基于Gabor濾波器的圖像紋理特征提取 9.6.1二維Gabor濾波器函數(shù)的數(shù)學(xué)表達(dá) 9.6.2利用Gabor濾波器提取紋理特征的原理 9.6.3Python OpenCV實(shí)現(xiàn)Gabor函數(shù) 9.7數(shù)據(jù)降維算法 9.7.1PCA算法流程 9.7.2使用PCA算法進(jìn)行數(shù)據(jù)降維 9.7.3使用PCA算法對(duì)圖片進(jìn)行降維 9.8基于LBP特征的人臉識(shí)別 9.8.1圖像識(shí)別 9.8.2基于局部二值模式的人臉識(shí)別 9.8.3人臉識(shí)別代碼實(shí)現(xiàn) 第10章深度學(xué)習(xí)與圖像處理 10.1人工神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu) 10.1.1感知機(jī)與人工神經(jīng)網(wǎng)絡(luò) 10.1.2激活函數(shù) 10.1.3輸出函數(shù) 10.2神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí) 10.2.1訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù) 10.2.2損失函數(shù) 10.2.3梯度下降法 10.2.4正則化 10.3卷積神經(jīng)網(wǎng)絡(luò) 10.3.1卷積 10.3.2填充 10.3.3池化 10.3.4三維卷積 10.4深度學(xué)習(xí)框架 10.4.1使用GPU加速 10.4.2TensorFlow簡(jiǎn)介 10.4.3安裝TensorFlow 10.4.4TensorFlow基本語(yǔ)法 10.4.5使用Keras構(gòu)建神經(jīng)網(wǎng)絡(luò) 10.4.6PyTorch簡(jiǎn)介 10.4.7安裝PyTorch 10.4.8PyTorch基本語(yǔ)法 10.4.9使用nn構(gòu)建神經(jīng)網(wǎng)絡(luò) 10.5手寫(xiě)字符識(shí)別 10.5.1MNIST數(shù)據(jù)集 10.5.2用于手寫(xiě)字符識(shí)別的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 10.5.3使用TensorFlow完成手寫(xiě)字符識(shí)別 10.5.4使用PyTorch完成手寫(xiě)字符識(shí)別
第2章Python和OpenCV基礎(chǔ) 2.1Python基礎(chǔ)知識(shí) 2.1.1Python簡(jiǎn)介 2.1.2配置開(kāi)發(fā)環(huán)境 2.2Python基本語(yǔ)法 2.2.1數(shù)據(jù)類(lèi)型與變量 2.2.2字符串與類(lèi)型轉(zhuǎn)換 2.2.3列表 2.2.4循環(huán) 2.2.5判斷 2.2.6字典 2.2.7函數(shù) 2.2.8使用庫(kù) 2.2.9類(lèi) 2.2.10文件 2.3OpenCV基礎(chǔ)知識(shí) 2.3.1OpenCV簡(jiǎn)介 2.3.2安裝OpenCV 2.3.3圖像文件基本操作 第3章圖像的直方圖表示與變換 3.1灰度直方圖 3.1.1灰度直方圖原理 3.1.2灰度直方圖的OpenCV和Python實(shí)現(xiàn) 3.2直方圖均衡化 3.2.1直方圖均衡化原理 3.2.2直方圖均衡化的OpenCV和Python實(shí)現(xiàn) 3.3直方圖規(guī)定化 3.3.1直方圖規(guī)定化原理 3.3.2直方圖規(guī)定化的OpenCV和Python實(shí)現(xiàn) 3.4線性變換 3.4.1線性變換原理 3.4.2線性變換的OpenCV和Python實(shí)現(xiàn) 3.5對(duì)數(shù)變換 3.5.1對(duì)數(shù)變換原理 3.5.2對(duì)數(shù)變換的OpenCV和Python實(shí)現(xiàn) 3.6伽馬變換 3.6.1伽馬變換原理 3.6.2伽馬變換的OpenCV和Python實(shí)現(xiàn) 3.7閾值變換 3.7.1閾值變換原理 3.7.2閾值變換的OpenCV和Python實(shí)現(xiàn) 第4章圖像的幾何變換 4.1圖像的平移 4.1.1圖像平移的基本原理 4.1.2圖像平移的Python和OpenCV實(shí)現(xiàn) 4.2圖像的旋轉(zhuǎn) 4.2.1圖像旋轉(zhuǎn)的基本原理 4.2.2圖像旋轉(zhuǎn)的Python和OpenCV實(shí)現(xiàn) 4.3圖像的縮放 4.3.1圖像縮放的基本原理 4.3.2圖像縮放的Python和OpenCV實(shí)現(xiàn) 4.4圖像的轉(zhuǎn)置 4.4.1圖像轉(zhuǎn)置的基本原理 4.4.2圖像轉(zhuǎn)置的Python和OpenCV實(shí)現(xiàn) 4.5圖像的翻轉(zhuǎn) 4.5.1圖像翻轉(zhuǎn)的基本原理 4.5.2圖像翻轉(zhuǎn)的Python和OpenCV實(shí)現(xiàn) 4.6圖像的插值 4.6.1圖像插值的基本原理 4.6.2*近鄰插值法 4.6.3雙線性插值法 4.6.4雙三次插值法 4.6.5圖像插值的Python和OpenCV實(shí)現(xiàn) 4.7圖像的配準(zhǔn) 4.7.1圖像配準(zhǔn)的基本原理 4.7.2提取特征點(diǎn) 4.7.3基于特征的配準(zhǔn)方法 4.7.4圖像配準(zhǔn)的Python和OpenCV實(shí)現(xiàn) 第5章空間域圖像增強(qiáng) 5.1圖像增強(qiáng) 5.1.1圖像增強(qiáng)的分類(lèi) 5.1.2圖像增強(qiáng)的應(yīng)用 5.2空間域?yàn)V波 5.2.1空間域?yàn)V波和鄰域處理 5.2.2邊界處理 5.3圖像平滑 5.3.1均值濾波 5.3.2方框?yàn)V波 5.3.3高斯濾波 5.3.4中值濾波 5.3.5雙邊濾波 5.4圖片銳化 第6章圖像的形態(tài)學(xué)運(yùn)算 6.1腐蝕 6.1.1腐蝕理論基礎(chǔ) 6.1.2腐蝕的Python和OpenCV實(shí)現(xiàn) 6.2膨脹 6.2.1膨脹理論基礎(chǔ) 6.2.2膨脹的Python和OpenCV實(shí)現(xiàn) 6.3開(kāi)操作 6.3.1開(kāi)操作理論基礎(chǔ) 6.3.2開(kāi)操作的Python和OpenCV實(shí)現(xiàn) 6.4閉操作 6.4.1閉操作理論基礎(chǔ) 6.4.2閉操作的Python和OpenCV實(shí)現(xiàn) 6.5形態(tài)學(xué)梯度運(yùn)算 6.5.1形態(tài)學(xué)梯度運(yùn)算理論基礎(chǔ) 6.5.2形態(tài)學(xué)梯度運(yùn)算的Python和OpenCV實(shí)現(xiàn) 6.6孔洞填充 6.6.1孔洞填充理論基礎(chǔ) 6.6.2孔洞填充的Python和OpenCV實(shí)現(xiàn) 6.7細(xì)化算法 6.7.1細(xì)化算法理論基礎(chǔ) 6.7.2細(xì)化算法的Python和OpenCV實(shí)現(xiàn) 第7章圖像的分割 7.1圖像分割概述 7.2邊緣檢測(cè) 7.2.1邊緣檢測(cè)算法 7.2.2Canny邊緣檢測(cè)的Python OpenCV實(shí)現(xiàn) 7.3霍夫變換 7.3.1直線檢測(cè) 7.3.2曲線檢測(cè) 7.3.3霍夫變換的Python OpenCV實(shí)現(xiàn) 7.4閾值分割 7.4.1簡(jiǎn)單的閾值分割 7.4.2自適應(yīng)閾值分割 7.5區(qū)域生長(zhǎng) 第8章彩色圖像處理 8.1彩色簡(jiǎn)介 8.1.1彩色屬性 8.1.2色彩的三要素 8.1.3三原色 8.1.4計(jì)算機(jī)中顏色的表示 8.2彩色模型 8.2.1RGB模型 8.2.2HSI模型 8.2.3HSV模型 第9章圖像的特征提取 9.1圖像特征概述 9.2梯度方向直方圖 9.2.1梯度方向直方圖的計(jì)算 9.2.2梯度方向直方圖的Python OpenCV實(shí)現(xiàn) 9.3角點(diǎn)特征 9.3.1Harris角點(diǎn)檢測(cè) 9.3.2基于Harris角點(diǎn)的人臉檢測(cè) 9.3.3ShiTomasi角點(diǎn)檢測(cè) 9.3.4FAST角點(diǎn)檢測(cè) 9.4SIFT算法 9.4.1SIFT算法的特點(diǎn)與步驟 9.4.2圖像SIFT特征點(diǎn)的檢測(cè) 9.5局部二進(jìn)制模式 9.5.1基本LBP 9.5.2圓形鄰域的LBPpr算子 9.5.3統(tǒng)一化LBP算子——Uniform LBP及其Python實(shí)現(xiàn) 9.6基于Gabor濾波器的圖像紋理特征提取 9.6.1二維Gabor濾波器函數(shù)的數(shù)學(xué)表達(dá) 9.6.2利用Gabor濾波器提取紋理特征的原理 9.6.3Python OpenCV實(shí)現(xiàn)Gabor函數(shù) 9.7數(shù)據(jù)降維算法 9.7.1PCA算法流程 9.7.2使用PCA算法進(jìn)行數(shù)據(jù)降維 9.7.3使用PCA算法對(duì)圖片進(jìn)行降維 9.8基于LBP特征的人臉識(shí)別 9.8.1圖像識(shí)別 9.8.2基于局部二值模式的人臉識(shí)別 9.8.3人臉識(shí)別代碼實(shí)現(xiàn) 第10章深度學(xué)習(xí)與圖像處理 10.1人工神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu) 10.1.1感知機(jī)與人工神經(jīng)網(wǎng)絡(luò) 10.1.2激活函數(shù) 10.1.3輸出函數(shù) 10.2神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí) 10.2.1訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù) 10.2.2損失函數(shù) 10.2.3梯度下降法 10.2.4正則化 10.3卷積神經(jīng)網(wǎng)絡(luò) 10.3.1卷積 10.3.2填充 10.3.3池化 10.3.4三維卷積 10.4深度學(xué)習(xí)框架 10.4.1使用GPU加速 10.4.2TensorFlow簡(jiǎn)介 10.4.3安裝TensorFlow 10.4.4TensorFlow基本語(yǔ)法 10.4.5使用Keras構(gòu)建神經(jīng)網(wǎng)絡(luò) 10.4.6PyTorch簡(jiǎn)介 10.4.7安裝PyTorch 10.4.8PyTorch基本語(yǔ)法 10.4.9使用nn構(gòu)建神經(jīng)網(wǎng)絡(luò) 10.5手寫(xiě)字符識(shí)別 10.5.1MNIST數(shù)據(jù)集 10.5.2用于手寫(xiě)字符識(shí)別的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 10.5.3使用TensorFlow完成手寫(xiě)字符識(shí)別 10.5.4使用PyTorch完成手寫(xiě)字符識(shí)別
展開(kāi)全部
書(shū)友推薦
- >
我與地壇
- >
名家?guī)阕x魯迅:朝花夕拾
- >
名家?guī)阕x魯迅:故事新編
- >
巴金－再思錄
- >
隨園食單
- >
龍榆生：詞曲概論/大家小書(shū)
- >
上帝之肋:男人的真實(shí)旅程
- >
有舍有得是人生
本類(lèi)暢銷(xiāo)
