本书主要以Python+OpenCV为主,系统地介绍了Python在数字图像处理的各种应用算法和案例,对数字图像处理的各种算法进行讲解和案例分析,以方面读者后期继续进行人工智能、机器学习、深度学习等方面的学习和研究,不再需要更换编程语言和编程环境。 本书主要以介绍图像处理技术和应用实例为主,每个处理技术后面跟着至少一个应用实例,全书共给出189个应用实例程序,每个实例均已通过作者的调试,能够运行正常,读者可直接引用。

前言 第1章 图像处理环境 1 1.1 图像处理简介 1 1.1.1 图像处理的应用领域 1 1.1.2 图像处理的常用方法 3 1.2 Python数字图像处理库 4 1.3 Python集成环境的安装 5 1.3.1 Anaconda集成环境的下载与安装 6 1.3.2 PyCharm集成环境的下载与安装 10 1.4 习题 14 第2章 数字图像的获取和基本运算 15 2.1 图像的基本类型 15 2.1.1 二值图像 15 2.1.2 灰度图像 16 2.1.3 索引图像 16 2.1.4 彩色图像 16 2.2 单幅图像的获取 17 2.2.1 图像的读取 17 2.2.2 图像的显示 18 2.2.3 图像的保存 18 2.2.4 图像的属性 19 2.3 视频图像的获取 19 2.3.1 视频文件的读写 20 2.3.2 实时视频图像的获取 20 2.4 图像的算术运算 22 2.4.1 加法运算 22 2.4.2 减法运算 25 2.4.3 乘法运算 27 2.4.4 除法运算 28 2.5 图像的逻辑运算 30 2.5.1 按位与运算 30 2.5.2 按位或运算 30 2.5.3 按位非运算 32 2.5.4 按位异或运算 33 2.5.5 综合实例 34 2.6 习题 34 第3章 数字图像的几何运算 36 3.1 图像平移 36 3.1.1 显示窗口改变的图像平移 37 3.1.2 显示窗口不变的图像平移 38 3.1.3 仿射变换的应用实例 38 3.2 图像缩放 39 3.3 图像旋转 41 3.4 图像剪切 43 3.5 图像的镜像变换 46 3.6 图像的透视变换 47 3.7 图像的极坐标变换 47 3.7.1 数据点坐标系间的转换 48 3.7.2 图像数据坐标系间的转换 48 3.7.3 视频图像坐标系间的转换 49 3.8 习题 51 第4章 图像空域增强 52 4.1 灰度线性变换 52 4.1.1 用OpenCV做灰度变换与颜色空间变换 52 4.1.2 增加或降低图像亮度 54 4.1.3 增强或减弱图像对比度 55 4.1.4 图像反色变换 56 4.2 非线性变换 58 4.2.1 对数变换 58 4.2.2 伽马变换 59 4.3 图像噪声 60 4.3.1 通过Numpy数组库添加噪声 61 4.3.2 通过skimage库添加噪声 65 4.4 直方图均衡化 67 4.4.1 使用Matplotlib库绘制图像直方图 67 4.4.2 使用OpenCV中的函数绘制直方图 69 4.4.3 自定义函数实现直方图均衡化 70 4.4.4 使用OpenCV函数实现直方图均衡化 71 4.4.5 自适应直方图均衡化 73 4.5 直方图规定化 74 4.5.1 自定义映像函数实现直方图规定化 74 4.5.2 直方图反向投影 78 4.6 习题 79 第5章 图像空域滤波 81 5.1 空域滤波 81 5.2 图像平滑 82 5.2.1 均值滤波 82 5.2.2 方框滤波 83 5.2.3 高斯滤波 84 5.2.4 中值滤波 86 5.2.5 双边滤波 87 5.3 图像锐化 89 5.3.1 拉普拉斯滤波 89 5.3.2 自定义卷积核滤波 91 5.3.3 非锐化掩模和高频提升滤波 93 5.4 习题 94 第6章 图像频域滤波 95 6.1 傅里叶变换 95 6.1.1 Numpy中的傅里叶变换 95 6.1.2 OpenCV中的傅里叶变换 96 6.2 低通滤波 98 6.2.1 理想低通滤波 98 6.2.2 巴特沃斯低通滤波 100 6.2.3 高斯低通滤波 102 6.3 高通滤波 103 6.3.1 理想高通滤波 104 6.3.2 巴特沃斯高通滤波 105 6.3.3 高斯高通滤波 107 6.4 带通和带阻滤波 109 6.4.1 带通滤波 109 6.4.2 带阻滤波 112 6.5 同态滤波 115 6.6 习题 116 第7章 图像退化和复原 117 7.1 图像退化与复原的机理 117 7.2 图像的运动模糊 118 7.3 图像的逆滤波 120 7.4 图像的维纳滤波 122 7.5 图像质量的评价 125 7.6 习题 133 第8章 图像数学形态学 134 8.1 结构元素 134 8.1.1 使用OpenCV生成结构元素 134 8.1.2 使用Numpy生成结构元素 135 8.2 腐蚀 136 8.2.1 OpenCV中的腐蚀函数 136 8.2.2 skimage中的腐蚀函数 137 8.3 膨胀 138 8.3.1 OpenCV中的膨胀函数 138 8.3.2 skimage中的膨胀函数 139 8.3.3 OpenCV形态学处理原型函数 140 8.4 开运算 141 8.4.1 OpenCV中的开运算 141 8.4.2 skimage中的开运算 142 8.5 闭运算 143 8.5.1 OpenCV中的闭运算 143 8.5.2 skimage中的闭运算 144 8.6 高帽运算 145 8.6.1 OpenCV中的高帽运算 145 8.6.2 skimage中的高帽运算 146 8.7 黑帽运算 146 8.7.1 OpenCV中的黑帽运算 146 8.7.2 skimage中的黑帽运算 147 8.8 形态学梯度 148 8.9 灰度形态学 151 8.9.1 灰度图像的腐蚀运算 151 8.9.2 灰度图像的膨胀运算 151 8.9.3 灰度图像的开运算和闭运算 152 8.10 形态学运算检测图像的边缘和角点 153 8.10.1 检