Python数字图像处理-目录

  新书推荐丨Python数字图像处理

第1章 图像数据的表示与基本运算

1.1 图像文件的读写与显示

1.1.1 OpenCV读写与显示图像文件

1.1.2 OpenCV读取摄像机视频图像帧

1.1.3 OpenCV读写视频文件

1.1.4 Matplotlib显示图像

1.1.5 Scikit-image读写图像文件

1.1.6 Pillow读写图像文件

1.2 图像类型与图像数据

1.2.1 RGB真彩色图像

1.2.2 索引图像

1.2.3 灰度图像

1.2.4 二值图像

1.2.5 视频图像

1.2.6 图像类型之间的转换

1.3 图像的数字化

1.3.1 图像的采样与量化

1.3.2 图像分辨率

1.4 图像坐标系

1.5 图像的基本运算

1.5.1 图像的算术运算

1.5.2 图像的比较运算

1.5.3 图像的逻辑运算

1.5.4 图像的二进制位运算

1.5.5 图像运算示例

1.6 像素之间的位置关系

1.7 Python及图像处理扩展库简介

习题

上机练习

第2章 灰度变换

2.1 图像的亮度、对比度和动态范围

2.1.1 亮度

2.1.2 对比度

2.1.3 动态范围

2.2 线性灰度变换

2.2.1 带饱和处理的线性灰度变换

2.2.2 分段线性灰度变换

2.2.3 连续单独或同时调整图像的亮度和对比度

2.3 非线性灰度变换

2.3.1 伽马校正

2.3.2 对数校正

2.3.3 指数校正

2.4 图像直方图

2.4.1 频数分布表与灰度直方图

2.4.2 分组频数直方图

2.4.3 累积直方图

2.4.4 灰度直方图的计算

2.4.5 直方图的百分位数

2.5 直方图均衡化

2.6 直方图匹配

2.7 Python及扩展库灰度变换函数简介

习题

上机练习

第3章 空域滤波

3.1 滤波器的几个基本概念

3.2线性滤波器

3.2.1 滤波器系数数组

3.2.2 相关运算与卷积运算

3.2.3 图像边界的处理

3.2.4 线性空域滤波器的实现

3.3统计排序滤波器

3.3.1 最大值滤波器与最小值滤波器

3.3.2 中值滤波器

3.3.3 自适应中值滤波器

3.3.4中点滤波器

3.4 图像平滑

3.4.1 算术均值滤波器

3.4.2 高斯低通滤波器

3.4.3双边滤波器

3.4.4 图像平滑滤波器尺寸大小的选择

3.4.5 图像平滑滤波函数

3.5 图像锐化

3.5.1 采用拉普拉斯算子的图像锐化

3.5.2 钝化掩膜图像锐化

3.6 Python扩展库中的图像空域滤波函数

习题

上机练习

第4章 频域滤波

4.1 离散傅里叶变换DFT

4.1.1 傅里叶变换的四种形式

4.1.2 离散傅里叶变换DFT

4.1.3 离散傅里叶变换DFT的基本性质

4.1.4 用DFT计算线性卷积的方法步骤

4.1.5 离散傅里叶变换DFT的实现

4.2 图像频域滤波基础

4.3 频域图像平滑

4.3.1 巴特沃斯低通滤波器

4.3.2 高斯低通滤波器

4.4 频域图像锐化

4.4.1 巴特沃斯高通滤波器

4.4.2 高斯高通滤波器

4.4.3 拉普拉斯算子图像锐化的频域实现

4.4.4 钝化掩膜图像锐化的频域实现

4.4.5 同态滤波器

4.5 Python扩展库中的图像傅里叶频域分析与滤波函数

习题

上机练习

第5章 彩色图像处理

5.1 颜色的感知

5.1.1 人眼视网膜结构与三原色

5.1.2 物体的光谱吸收特性与颜色感觉

5.1.3 颜色的视觉属性

5.2 CIE标准色度系统

5.2.1 CIE 1931-RGB色度系统

5.2.2 CIE 1931-XYZ标准色度系统

5.2.3 色度坐标与色度图

5.2.4 减法颜色匹配

5.3 颜色模型

5.3.1 CIE RGB颜色模型

5.3.2 sRGB颜色模型

5.3.3 面向视觉感知的颜色模型HSI、HSV

5.3.4 视频颜色模型YCbCr

5.3.5 用于印刷技术的颜色模型CMY和CMYK

5.3.6 颜色空间转换的编程实现

5.4 彩色图像的表达

5.4.1 RGB真彩色图像

5.4.2 索引图像

5.5 彩色图像的点处理增强

5.5.1 饱和度调整

5.5.2 亮度和对比度调整

5.5.3 色调调整

5.6 彩色图像的滤波处理

5.6.1 彩色图像的平滑与降噪

5.6.2 彩色图像的锐化

5.7 图像的伪彩色处理

5.7.1 灰度分层

5.7.2 灰度变换-合成方法

5.8 Python扩展库中的彩色图像处理函数

习题

上机练习

第6章 图像几何变换

6.1 图像几何变换原理

6.1.1 空间坐标变换

6.1.2 灰度插值

6.2 灰度插值

6.2.1 一维插值

6.2.2 二维插值

6.3 图像的基本几何变换

6.3.1 平移变换

6.3.2 缩放变换

6.3.3 旋转变换

6.3.4 剪切变换

6.3.5 齐次坐标与几何变换矩阵

6.3.6 图像基本几何变换的编程实现

6.4 采用控制点的图像几何变换

6.4.1 仿射变换

6.4.2 投影变换

6.4.3 图像分片局部坐标变换

6.5 图像的非线性几何变换

6.5.1 涡旋变换

6.5.2 球面变换

6.5.3 波浪扭曲变换

6.6 Python扩展库中的图像几何变换函数

习题

上机练习

第7章 图像复原

7.1 图像退化过程及其模型化方法

7.1.1 图像退化模型

7.1.2 图像退化过程的机理建模

7.1.3 噪声模型

7.2 逆滤波图像复原

7.2.1 直接逆滤波

7.2.2 加窗逆滤波

7.3 维纳滤波图像复原

7.4 约束最小二乘滤波图像复原

7.5 图像修复

7.6 Python扩展库中的图像复原函数

习题

上机练习

第8章 形态学图像处理

8.1 形态学图像处理基础

8.1.1 连通性与区域

8.1.2 集合运算

8.1.3 结构元素

8.2 腐蚀与膨胀

8.2.1 腐蚀

8.2.2 膨胀

8.3 开运算和闭运算

8.3.1 开运算

8.3.2 闭运算

8.4 击中/击不中变换

8.5 二值图像形态学处理应用

8.5.1 边界提取

8.5.2 孔洞填充

8.5.3 连通域的提取

8.6 灰度图像的形态学处理

8.6.1 灰度图像的腐蚀

8.6.2 灰度图像的膨胀

8.6.3 灰度图像的开运算和闭运算

8.6.4 灰度图像形态学算法的应用

8.7 Python扩展库中的形态学图像处理函数

习题

上机练习

第9章 边缘检测

9.1 基于梯度的边缘检测

9.1.1 图像梯度

9.1.2 梯度的计算

9.2 基于二阶导数的边缘检测

9.2.1 拉普拉斯算子

9.2.2 高斯拉普拉斯算子LoG

9.3 Canny边缘检测算子

9.3.1 图像平滑与梯度计算

9.3.2 非最大值抑制

9.3.3 双阈值滞后阈值化处理

9.4 Hough变换

9.4.1 Hough变换的直线检测

9.4.2 Hough变换直线检测基本步骤

9.4.3 Hough变换的圆检测

9.5 角点检测

Harris角点检测器

9.6 Python扩展库中的图像边缘检测函数

习题

上机练习

第10章 图像分割

10.1 阈值分割

10.1.1 灰度直方图与阈值选择

10.1.2 基本全局阈值图像分割

10.1.3 Otsu最佳全局阈值图像分割

10.1.4 自适应阈值图像分割

10.2 区域生长

10.3 分水岭图像分割

10.3.1 分水岭算法的基本原理

10.3.2 二值图像的距离变换

10.4 彩色图像分割

10.5 运动目标分割

10.5.1 图像变化

10.5.2 简单背景模型—参考图像

10.5.3 近似中值滤波背景模型

10.6 Python扩展库中的图像分割函数

习题

上机练习

附录：Anaconda及Python扩展库安装

参考文献