前言
第1章　圖像處理環(huán)境 1
1.1　圖像處理簡介 1
1.1.1　圖像處理的應(yīng)用領(lǐng)域 1
1.1.2　圖像處理的常用方法 3
1.2　Python數(shù)字圖像處理庫 4
1.3　Python集成環(huán)境的安裝 5
1.3.1　Anaconda集成環(huán)境的下載與安裝 6
1.3.2　PyCharm集成環(huán)境的下載與安裝 10
1.4　習(xí)題 14
第2章　數(shù)字圖像的獲取和基本運算 15
2.1　圖像的基本類型 15
2.1.1　二值圖像 15
2.1.2　灰度圖像 16
2.1.3　索引圖像 16
2.1.4　彩色圖像 16
2.2　單幅圖像的獲取 17
2.2.1　圖像的讀取 17
2.2.2　圖像的顯示 18
2.2.3　圖像的保存 18
2.2.4　圖像的屬性 19
2.3　視頻圖像的獲取 19
2.3.1　視頻文件的讀寫 20
2.3.2　實時視頻圖像的獲取 20
2.4　圖像的算術(shù)運算 22
2.4.1　加法運算 22
2.4.2　減法運算 25
2.4.3　乘法運算 27
2.4.4　除法運算 28
2.5　圖像的邏輯運算 30
2.5.1　按位與運算 30
2.5.2　按位或運算 30
2.5.3　按位非運算 32
2.5.4　按位異或運算 33
2.5.5　綜合實例 34
2.6　習(xí)題 34
第3章　數(shù)字圖像的幾何運算 36
3.1　圖像平移 36
3.1.1　顯示窗口改變的圖像平移 37
3.1.2　顯示窗口不變的圖像平移 38
3.1.3　仿射變換的應(yīng)用實例 38
3.2　圖像縮放 39
3.3　圖像旋轉(zhuǎn) 41
3.4　圖像剪切 43
3.5　圖像的鏡像變換 46
3.6　圖像的透視變換 47
3.7　圖像的極坐標(biāo)變換 47
3.7.1　數(shù)據(jù)點坐標(biāo)系間的轉(zhuǎn)換 48
3.7.2　圖像數(shù)據(jù)坐標(biāo)系間的轉(zhuǎn)換 48
3.7.3　視頻圖像坐標(biāo)系間的轉(zhuǎn)換 49
3.8　習(xí)題 51
第4章　圖像空域增強 52
4.1　灰度線性變換 52
4.1.1　用OpenCV做灰度變換與顏色空間變換 52
4.1.2　增加或降低圖像亮度 54
4.1.3　增強或減弱圖像對比度 55
4.1.4　圖像反色變換 56
4.2　非線性變換 58
4.2.1　對數(shù)變換 58
4.2.2　伽馬變換 59
4.3　圖像噪聲 60
4.3.1　通過Numpy數(shù)組庫添加噪聲 61
4.3.2　通過skimage庫添加噪聲 65
4.4　直方圖均衡化 67
4.4.1　使用Matplotlib庫繪制圖像直方圖 67
4.4.2　使用OpenCV中的函數(shù)繪制直方圖 69
4.4.3　自定義函數(shù)實現(xiàn)直方圖均衡化 70
4.4.4　使用OpenCV函數(shù)實現(xiàn)直方圖均衡化 71
4.4.5　自適應(yīng)直方圖均衡化 73
4.5　直方圖規(guī)定化 74
4.5.1　自定義映像函數(shù)實現(xiàn)直方圖規(guī)定化 74
4.5.2　直方圖反向投影 78
4.6　習(xí)題 79
第5章　圖像空域濾波 81
5.1　空域濾波 81
5.2　圖像平滑 82
5.2.1　均值濾波 82
5.2.2　方框濾波 83
5.2.3　高斯濾波 84
5.2.4　中值濾波 86
5.2.5　雙邊濾波 87
5.3　圖像銳化 89
5.3.1　拉普拉斯濾波 89
5.3.2　自定義卷積核濾波 91
5.3.3　非銳化掩模和高頻提升濾波 93
5.4　習(xí)題 94
第6章　圖像頻域濾波 95
6.1　傅里葉變換 95
6.1.1　Numpy中的傅里葉變換 95
6.1.2　OpenCV中的傅里葉變換 96
6.2　低通濾波 98
6.2.1　理想低通濾波 98
6.2.2　巴特沃斯低通濾波 100
6.2.3　高斯低通濾波 102
6.3　高通濾波 103
6.3.1　理想高通濾波 104
6.3.2　巴特沃斯高通濾波 105
6.3.3　高斯高通濾波 107
6.4　帶通和帶阻濾波 109
6.4.1　帶通濾波 109
6.4.2　帶阻濾波 112
6.5　同態(tài)濾波 115
6.6　習(xí)題 116
第7章　圖像退化和復(fù)原 117
7.1　圖像退化與復(fù)原的機理 117
7.2　圖像的運動模糊 118
7.3　圖像的逆濾波 120
7.4　圖像的維納濾波 122
7.5　圖像質(zhì)量的評價 125
7.6　習(xí)題 133
第8章　圖像數(shù)學(xué)形態(tài)學(xué) 134
8.1　結(jié)構(gòu)元素 134
8.1.1　使用OpenCV生成結(jié)構(gòu)元素 134
8.1.2　使用Numpy生成結(jié)構(gòu)元素 135
8.2　腐蝕 136
8.2.1　OpenCV中的腐蝕函數(shù) 136
8.2.2　skimage中的腐蝕函數(shù) 137
8.3　膨脹 138
8.3.1　OpenCV中的膨脹函數(shù) 138
8.3.2　skimage中的膨脹函數(shù) 139
8.3.3　OpenCV形態(tài)學(xué)處理原型函數(shù) 140
8.4　開運算 141
8.4.1　OpenCV中的開運算 141
8.4.2　skimage中的開運算 142
8.5　閉運算 143
8.5.1　OpenCV中的閉運算 143
8.5.2　skimage中的閉運算 144
8.6　高帽運算 145
8.6.1　OpenCV中的高帽運算 145
8.6.2　skimage中的高帽運算 146
8.7　黑帽運算 146
8.7.1　OpenCV中的黑帽運算 146
8.7.2　skimage中的黑帽運算 147
8.8　形態(tài)學(xué)梯度 148
8.9　灰度形態(tài)學(xué) 151
8.9.1　灰度圖像的腐蝕運算 151
8.9.2　灰度圖像的膨脹運算 151
8.9.3　灰度圖像的開運算和閉運算 152
8.10　形態(tài)學(xué)運算檢測圖像的邊緣和角點 153
8.10.1　檢