更新时间：2021-03-18 18:08:47
封面
版权信息
版权
版权声明
内容提要
作者简介
审稿人简介
译者简介
前言
读者对象
本书内容
阅读本书的必备知识
下载示例代码文件
本书体例约定
第1章 图像处理入门
1.1 什么是图像处理及图像处理的应用
1.2 图像处理流程
1.3 在Python中安装不同的图像处理库
1.4 使用Python进行图像输入/输出和显示
1.5 处理不同的文件格式和图像类型，并执行基本的图像操作
小结
习题
拓展阅读
第2章 采样、傅里叶变换与卷积
2.1 图像形成——采样和量化
2.2 离散傅里叶变换
2.3 理解卷积
第3章 卷积和频域滤波
3.1 卷积定理和频域高斯模糊
3.2 频域滤波
第4章 图像增强
4.1 逐点强度变换——像素变换
4.2 直方图处理——直方图均衡化和直方图匹配
4.3 线性噪声平滑
4.4 非线性噪声平滑
第5章 应用导数方法实现图像增强
5.1 图像导数——梯度和拉普拉斯算子
5.2 锐化和反锐化掩模
5.3 使用导数和滤波器进行边缘检测
5.4 图像金字塔——融合图像
第6章 形态学图像处理
6.1 基于scikit-image形态学模块的形态学图像处理
6.2 基于scikit-image filter.rank模块的形态学图像处理
6.3 基于SciPy ndimage.morphology模块的形态学图像处理
第7章 图像特征提取与描述符
7.1 特征检测器与描述符
7.2 哈里斯角点检测器
7.3 基于LoG、DoG和DoH的斑点检测器
7.4 基于方向梯度直方图的特征提取
7.5 尺度不变特征变换
7.6 类Haar特征及其在人脸检测中的应用
第8章 图像分割
8.1 图像分割的概念
8.2 霍夫变换——检测图像中的圆和线
8.3 二值化和Otsu分割
8.4 基于边缘/区域的图像分割
8.5 基于菲尔森茨瓦布高效图的分割算法、SLIC算法、快速移位图像分割算法、紧凑型分水岭算法及使用SimpleITK的区域生长算法
8.6 活动轮廓算法、形态学蛇算法和基于OpenCV的GrabCut图像分割算法
第9章 图像处理中的经典机器学习方法
9.1 监督学习与无监督学习
9.2 无监督机器学习——聚类、PCA和特征脸
9.3 监督机器学习——基于手写数字数据集的图像分类
9.4 监督机器学习——目标检测
第10章 图像处理中的深度学习——图像分类
10.1 图像处理中的深度学习
10.2 卷积神经网络
10.3 使用TensorFlow或Keras进行图像分类
10.4 应用于图像分类的主流深度卷积神经网络
第11章 图像处理中的深度学习——目标检测等
11.1 YOLO v2
11.2 利用DeepLab v3+的深度语义分割
11.3 迁移学习——什么是迁移学习以及什么时候使用迁移学习
11.4 使用预训练的Torch模型和cv2实现神经风格迁移
11.5 使用Python和OpenCV实现神经风格迁移
第12章 图像处理中的其他问题
12.1 接缝雕刻
12.2 无缝克隆和泊松图像编辑
12.3 图像修复
12.4 变分图像处理
12.5 图像绗缝
