掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
數字圖像處理(基于OPENCV的C++與PYTHON實現:從基礎到實戰)(周衛斌) 版權信息
- ISBN：9787122470881
- 條形碼：9787122470881 ; 978-7-122-47088-1
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數字圖像處理(基于OPENCV的C++與PYTHON實現:從基礎到實戰)(周衛斌) 內容簡介
本書系統地講解了數字圖像處理的基礎和進階知識，涵蓋基礎概念、系統構建、算法及其應用，輔以豐富的教學和科研案例，詳細介紹了如何利用C++和Python語言，結合OpenCV庫進行圖像處理算法的編程實現。同時，本書介紹了深度學習在數字圖像處理中的應用前沿技術，如GoogleNet、ResNet、Transformer、YOLOv10等，具備較強的實用性和參考價值。 本書為讀者提供了理論與實踐相結合的學習平臺，幫助其深入理解并應用數字圖像處理技術解決實際問題。適合作為高等院校計算機科學與技術、電子信息工程、自動化、通信工程等相關專業的本科生、研究生教材，同時適合數字圖像處理、計算機視覺等領域的科研和工程技術人員參考使用。 本書還為讀者提供了豐富的配套資源，包括PPT、彩圖和源代碼。讀者可通過登錄化學工業出版社網站或掃描書中二維碼，根據自身需求選擇相應的資源進行下載。
數字圖像處理(基于OPENCV的C++與PYTHON實現:從基礎到實戰)(周衛斌)數字圖像處理(基于OPENCV的C++與PYTHON實現:從基礎到實戰)(周衛斌) 前言
黨的二十大報告強調，教育、科技與人才是社會主義現代化建設的核心支撐，明確了其戰略地位。這一戰略指引，為我們的教學、科研和人才培養提供了方向，凸顯了新時代科技、教育和人才的重要性。在數字化時代，數字圖像處理技術的蓬勃發展，是技術革命、生產要素創新配置和產業轉型升級的結果，體現了新質生產力高科技、高效能、高質量的特征。在這一背景下，數字圖像處理技術的發展不僅是技術進步的體現，更是推動社會生產力發展的重要力量。
從技術發展現狀來看，一方面，硬件設備的不斷升級為數字圖像處理提供了強大的計算支持，高性能的圖形處理器（GPU）以及專門用于圖像處理的芯片，極大地提高了圖像處理的速度和效率。例如，在深度學習算法應用于圖像處理時，強大的GPU能夠快速處理海量的數據，加速模型的訓練過程。另一方面，算法的創新和改進推動了數字圖像處理技術的進步。傳統的圖像處理算法不斷優化，同時新興的人工智能技術，尤其是深度學習算法，如卷積神經網絡（CNN）及其各種變體（ResNet、VGG等），在圖像識別、目標檢測、圖像分割等任務中取得了令人矚目的成果。這些算法能夠自動學習圖像的特征，相較于傳統方法具有更高的準確性和魯棒性。
數字圖像處理(基于OPENCV的C++與PYTHON實現:從基礎到實戰)(周衛斌) 目錄
第1章 概論
1.1 數字圖像處理的分類和發展 001
1.1.1 圖像分類 001
1.1.2 數字圖像發展歷史 003
1.2 數字圖像處理系統 004
1.2.1 經典的數字圖像處理系統 005
1.2.2 實際的數字圖像處理系統 005
1.3 數字圖像處理的內容及特點 007
1.3.1 數字圖像處理的內容 007
1.3.2 數字圖像處理的特點 008
1.4 數字圖像處理的應用 009
1.5 數字圖像處理的內容以及與其他相關學科的關系 011
1.6 習題 012第2章 數字圖像處理開發環境
2.1 OpenCV簡介 013
2.2 OpenCV基礎及開發環境配置 014
2.2.1 安裝OpenCV庫 014
2.2.2 C++集成開發環境配置 016
2.2.3 OpenCV代碼實例 018
2.3 Python簡介 020
2.4 Python基本語法和編程 021
2.5 Python環境配置及開發 026
2.5.1 Python開發環境配置 026
2.5.2 **個Python程序 031
2.6 習題 032第3章 數字圖像處理基礎
3.1 圖像獲取 033
3.1.1 圖像采集過程 033
3.1.2 模擬圖像描述 034
3.2 圖像類型及常用格式 034
3.2.1 圖像的基本類型 034
3.2.2 圖像常用格式 037
3.3 圖像數字化 038
3.3.1 圖像的數字化表示 039
3.3.2 圖像的數字化過程 039
3.4 圖像色度模型 042
3.4.1 色度學基礎 042
3.4.2 顏色模型 043
3.5 圖像運算 045
3.5.1 代數運算 046
3.5.2 邏輯運算 050
3.5.3 灰度直方圖及其應用 052
3.6 習題 054第4章 圖像正交變換
4.1 圖像變換概述 055
4.2 傅里葉變換 056
4.2.1 連續傅里葉變換 056
4.2.2 離散傅里葉變換 057
4.2.3 傅里葉變換在圖像處理中的應用 061
4.3 離散余弦變換 064
4.3.1 一維離散余弦變換 064
4.3.2 二維離散余弦變換 065
4.4 離散沃爾什-哈達瑪變換 067
4.4.1 沃爾什變換 067
4.4.2 哈達瑪變換 070
4.5 小波變換 071
4.5.1 小波變換的概念和特性 071
4.5.2 圖像的小波變換 072
4.6 習題 077第5章 圖像預處理
5.1 圖像增強 078
5.1.1 灰度變化 078
5.1.2 幾何變換 088
5.2 圖像濾波 096
5.2.1 空域濾波 096
5.2.2 頻域濾波 106
5.3 形態學處理 113
5.3.1 二值形態學的基本運算 113
5.3.2 二值圖像的形態學處理 117
5.3.3 灰度形態學的基本運算 120
5.4 習題 125第6章 圖像特征提取
6.1 圖像的基本特征 126
6.1.1 幅度特征 126
6.1.2 幾何特征 127
6.1.3 統計特征 129
6.2 角點特征的描述與提取 129
6.2.1 圖像角點的概念 129
6.2.2 SUSAN角點檢測算法 130
6.3 顏色特征的描述與提取 132
6.3.1 顏色直方圖 132
6.3.2 顏色矩 134
6.4 紋理特征的描述與提取 134
6.4.1 統計分析法 135
6.4.2 頻譜分析法 137
6.4.3 紋理的結構分析 141
6.5 形狀特征的描述與提取 142
6.5.1 邊界描述 143
6.5.2 區域描述 145
6.6 習題 150第7章 圖像分割
7.1 圖像分割概論 151
7.1.1 圖像分割概念 151
7.1.2 圖像分割分類 152
7.1.3 圖像分割系統的構成 153
7.2 邊緣檢測 153
7.2.1 邊緣檢測概念 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 邊界跟蹤 162
7.3.1 空域邊界跟蹤 163
7.3.2 霍夫（Hough）變換 163
7.4 閾值分割 165
7.4.1 閾值分割概念 165
7.4.2 全局閾值分割 167
7.4.3 局部閾值分割 169
7.4.4 動態閾值分割 172
7.5 區域分割 174
7.5.1 區域生長法 174
7.5.2 區域分裂合并法 176
7.6 習題 177第8章 圖像匹配
8.1 圖像匹配概述 178
8.1.1 圖像匹配概念 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驟 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驟 184
8.3.2 匹配方法 185
8.4 習題 193第9章 圖像識別
9.1 圖像識別概述 194
9.2 傳統圖像識別方法 195
9.2.1 模式識別方法 195
9.2.2 支持向量機（SVM） 199
9.2.3 BP神經網絡圖像識別 201
9.2.4 聚類分析 204
9.2.5 K近鄰算法（KNN） 207
9.2.6 貝葉斯分類器 208
9.2.7 幾種傳統方法對比分析 209
9.3 基于深度學習的圖像識別方法 211
9.3.1 AlexNet：卷積網絡的里程碑 211
9.3.2 GoogleNet：深度與寬度的平衡 213
9.3.3 ResNet：深度網絡的殘差學習 215
9.3.4 Swin Transformer：視覺Transformer新篇章 217
9.3.5 幾種深度學習模型效果對比 219
9.4 習題 219第10章 目標檢測
10.1 目標檢測概述 221
10.2 傳統目標檢測方法 222
10.2.1 基于Haar特征的級聯分類器 222
10.2.2 基于HOG特征和SVM的目標檢測 228
10.2.3 滑動窗口法 231
10.2.4 DPM 233
10.2.5 傳統方法小結 237
10.3 基于深度學習的目標檢測 238
10.3.1 概述 238
10.3.2 二階段目標檢測算法 239
10.3.3 單階段目標檢測算法 241
10.4 習題 254第11章 數字圖像處理綜合實例
11.1 基于人臉視頻的心率估計與表情識別 255
11.1.1 工作原理 255
11.1.2 實驗設置 256
11.1.3 算法實現 257
11.2 一種基于幾何形狀特征的瞳孔定位方法 260
11.2.1 背景介紹 260
11.2.2 硬件系統設計 260
11.2.3 方案設計 262
11.2.4 實驗結果 264
11.3 基于膚色分割的人臉檢測 267
11.3.1 應用背景 267
11.3.2 方案設計 267
11.3.3 實驗流程及結果 268
11.4 Mask R-CNN在目標檢測和實例分割中的應用 271
11.4.1 背景簡介 271
11.4.2 實驗設置 271
11.4.3 實驗結果及分析 272
11.5 基于DETR的熱軋帶鋼表面缺陷檢測 273
11.5.1 背景簡介 273
11.5.2 實驗設置 273
11.5.3 實驗結果及分析 274
11.6 習題 275第12章 數字圖像處理技術工程應用案例
12.1 金屬工件缺陷檢測 276
12.1.1 應用背景 276
12.1.2 方案設計 277
12.2 化成箔缺陷檢測 287
12.2.1 工程背景分析 287
12.2.2 數據采集 288
12.2.3 實驗方案設計 289
12.2.4 實驗結果 290
12.3 變電站開關識別 292
12.3.1 工程背景分析 292
12.3.2 實驗方案設計 292
12.3.3 實驗結果 295
12.4 習題 296附錄A OpenCV圖像處理常用函數附錄B 基于Python的圖像處理常用函數慘老文獻
展開全部
書友推薦
- >
有舍有得是人生
- >
莉莉和章魚
- >
煙與鏡
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
羅庸西南聯大授課錄
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
苦雨齋序跋文-周作人自編集
- >
小考拉的故事-套裝共3冊
本類暢銷
