智能交通数字图像处理技术 / 新能源与智能网联汽车新技术系列丛书，普通高等教育交通运输类专业系列教材
定价：￥46.00
作者： 陈昕
出版时间：2025-01-02
最新印次日期：2025-1
出版社：机械工业出版社
“十四五”国家重点出版物出版规划项目
试读- 机械工业出版社
- 9787111770183
- 1-1
- 49260749-4
- 16开
- 2025-01-02
- 354
- 工学
- 交通运输类
- 智慧交通
- 本科
内容简介
本书以满足智能交通领域对数字图像处理技术的需求为宗旨，采用数字图像处理理论知识、算法讲解与Python编程相结合的方法，突出在智能交通领域的应用，具有较强的实用性。本书共12章，包括基础和应用两部分：基础部分为第1～8章，涵盖数字图像处理技术的基础知识和理论算法，主要内容有绪论、图像处理基础、傅里叶变换与图像卷积、图像增强、图像复原、形态学图像处理、图像分割、图像特征提取；应用部分为第9～12章，是数字图像处理技术在智能交通领域的应用实例，主要内容有车牌识别、道路交通标志检测与识别、车道线检测与识别、行人目标检测。
本书既可作为高等院校智能交通和智能车辆工程等专业的图像处理相关课程教材，也可作为从事智能交通领域图像研究和应用的工程技术人员的参考读物。
本书配有PPT课件，以及原始图像和图像处理代码，采用本书作为教材的教师，可以登录www.cmpedu.com免费注册并下载。
本书既可作为高等院校智能交通和智能车辆工程等专业的图像处理相关课程教材，也可作为从事智能交通领域图像研究和应用的工程技术人员的参考读物。
本书配有PPT课件，以及原始图像和图像处理代码，采用本书作为教材的教师，可以登录www.cmpedu.com免费注册并下载。
目录
前言
第1章绪论1
11数字图像1
111数字图像的基本概念及分类1
112数字图像的基本特点3
12数字图像处理的目的和主要研究内容4
121数字图像处理的目的4
122数字图像处理的主要研究内容4
13Python数字图像处理库5
131基于Python开发的数字图像
处理包6
132OpenCVPython7
14数字图像处理技术在智能交通中的
应用8
141交通信息采集8
142图像检测与识别8
习题9
第2章图像处理基础10
21图像数字化10
211图像采样和量化10
212空间和灰度级分辨率13
213数字图像的表示14
214像素间的关系14
22图像数据结构16
221二维数组存储数字图像16
222颜色模型19
223图像通道模式21
23图像文件格式24
231BMP文件格式24
232GIF文件格式24
233TIFF文件格式25
234JPEG文件格式25
235PNG文件格式25
24简单图像处理编程实现25
241图像读取25
242彩色图像通道拆分27
243使用切片进行图像处理28
244灰度图像二值化处理30
245显示不同图像模式31
习题31
第3章傅里叶变换与图像卷积32
31傅里叶变换32
311傅里叶级数与变换32
312一维离散傅里叶变换33
313二维离散傅里叶变换36
314图像的离散傅里叶变换43
32图像卷积45
321图像卷积的概念45
322卷积定理45
323数字图像卷积操作46
习题49
第4章图像增强50
41概述50
42直接灰度变换51
421灰度线性变换51
422图像反转52
423对数变换53
424幂律变换55
43直方图修正56
431灰度直方图的含义56
432对比度拉伸60
433直方图均衡化64
434直方图规定化68
44图像平滑74
441邻域平均法74
442中值滤波法76
443频域低通滤波法78
45图像锐化82
451微分法82
452高通滤波法83
习题86
第5章图像复原87
51图像复原的基本概念87
52图像退化模型87
521连续的退化模型88
522离散的退化模型89
53图像复原方法91
531反向滤波法91
532约束还原法95
习题99
第6章形态学图像处理100
61腐蚀和膨胀100
611腐蚀100
612膨胀102
62开运算和闭运算103
621开运算103
622闭运算105
63形态学图像处理交通领域编程实现107
631利用开、闭运算实现斑马线
清洗107
632形态学对比度增强108
习题110
第7章图像分割111
71阈值分割111
711基于阈值的二值化111
712Otsu分割112
72边缘检测114
721基于梯度方法和零点交叉方法的
边缘检测114
722基于边缘连接的边缘检测121
73Hough变换123
731Hough变换原理123
732图像Hough变换操作124
74区域分割130
741区域生长130
742分裂合并134
743分水岭分割137
习题140
第8章图像特征提取141
81图像特征检测器与描述符141
811特征检测器与描述符141
812Harris角点检测142
82图像特征提取方法143
821方向梯度直方图（HOG）特征
提取144
822尺度不变特征变换（SIFT）特征
提取149
83图像匹配151
831ORB特征检测和暴力匹配151
832FLANN匹配153
习题155
第9章交通应用实例——车牌识别156
91车牌识别研究现状156
92数字图像处理车牌识别157
921车牌图像预处理157
922车牌定位164
923字符分割164
924字符识别165
93数字图像处理车牌识别编程实现166
习题176
第10章交通应用实例——道路交通
标志检测与识别177
101道路交通标志图像处理检测与识别
研究现状177
1011国外研究现状177
1012国内研究现状178
1013交通标志识别系统与数据集179
102道路交通标志检测与识别方法180
1021检测方法180
1022识别方法181
103交通标志检测与识别编程实现182
习题195
第11章交通应用实例——车道线
检测与识别196
111车道线检测与识别概述196
112车道线检测算法196
1121基于模型的检测算法197
1122基于特征的检测算法198
1123基于深度学习的车道线检测198
113基于OpenCV的车道线检测编程
实现199
习题207
第12章交通应用实例——行人目标
检测208
121行人目标检测概述208
122行人目标检测算法208
1221单特征的行人目标检测算法209
1222多特征的行人目标检测算法210
123基于Haar特征的行人检测Python
实现211
1231基于Haar特征的行人检测211
1232Python编程实现212
124基于HOG+SVM的行人目标检测
Python实现213
1241算法步骤213
1242Python编程实现214
习题218
参考文献219
第1章绪论1
11数字图像1
111数字图像的基本概念及分类1
112数字图像的基本特点3
12数字图像处理的目的和主要研究内容4
121数字图像处理的目的4
122数字图像处理的主要研究内容4
13Python数字图像处理库5
131基于Python开发的数字图像
处理包6
132OpenCVPython7
14数字图像处理技术在智能交通中的
应用8
141交通信息采集8
142图像检测与识别8
习题9
第2章图像处理基础10
21图像数字化10
211图像采样和量化10
212空间和灰度级分辨率13
213数字图像的表示14
214像素间的关系14
22图像数据结构16
221二维数组存储数字图像16
222颜色模型19
223图像通道模式21
23图像文件格式24
231BMP文件格式24
232GIF文件格式24
233TIFF文件格式25
234JPEG文件格式25
235PNG文件格式25
24简单图像处理编程实现25
241图像读取25
242彩色图像通道拆分27
243使用切片进行图像处理28
244灰度图像二值化处理30
245显示不同图像模式31
习题31
第3章傅里叶变换与图像卷积32
31傅里叶变换32
311傅里叶级数与变换32
312一维离散傅里叶变换33
313二维离散傅里叶变换36
314图像的离散傅里叶变换43
32图像卷积45
321图像卷积的概念45
322卷积定理45
323数字图像卷积操作46
习题49
第4章图像增强50
41概述50
42直接灰度变换51
421灰度线性变换51
422图像反转52
423对数变换53
424幂律变换55
43直方图修正56
431灰度直方图的含义56
432对比度拉伸60
433直方图均衡化64
434直方图规定化68
44图像平滑74
441邻域平均法74
442中值滤波法76
443频域低通滤波法78
45图像锐化82
451微分法82
452高通滤波法83
习题86
第5章图像复原87
51图像复原的基本概念87
52图像退化模型87
521连续的退化模型88
522离散的退化模型89
53图像复原方法91
531反向滤波法91
532约束还原法95
习题99
第6章形态学图像处理100
61腐蚀和膨胀100
611腐蚀100
612膨胀102
62开运算和闭运算103
621开运算103
622闭运算105
63形态学图像处理交通领域编程实现107
631利用开、闭运算实现斑马线
清洗107
632形态学对比度增强108
习题110
第7章图像分割111
71阈值分割111
711基于阈值的二值化111
712Otsu分割112
72边缘检测114
721基于梯度方法和零点交叉方法的
边缘检测114
722基于边缘连接的边缘检测121
73Hough变换123
731Hough变换原理123
732图像Hough变换操作124
74区域分割130
741区域生长130
742分裂合并134
743分水岭分割137
习题140
第8章图像特征提取141
81图像特征检测器与描述符141
811特征检测器与描述符141
812Harris角点检测142
82图像特征提取方法143
821方向梯度直方图（HOG）特征
提取144
822尺度不变特征变换（SIFT）特征
提取149
83图像匹配151
831ORB特征检测和暴力匹配151
832FLANN匹配153
习题155
第9章交通应用实例——车牌识别156
91车牌识别研究现状156
92数字图像处理车牌识别157
921车牌图像预处理157
922车牌定位164
923字符分割164
924字符识别165
93数字图像处理车牌识别编程实现166
习题176
第10章交通应用实例——道路交通
标志检测与识别177
101道路交通标志图像处理检测与识别
研究现状177
1011国外研究现状177
1012国内研究现状178
1013交通标志识别系统与数据集179
102道路交通标志检测与识别方法180
1021检测方法180
1022识别方法181
103交通标志检测与识别编程实现182
习题195
第11章交通应用实例——车道线
检测与识别196
111车道线检测与识别概述196
112车道线检测算法196
1121基于模型的检测算法197
1122基于特征的检测算法198
1123基于深度学习的车道线检测198
113基于OpenCV的车道线检测编程
实现199
习题207
第12章交通应用实例——行人目标
检测208
121行人目标检测概述208
122行人目标检测算法208
1221单特征的行人目标检测算法209
1222多特征的行人目标检测算法210
123基于Haar特征的行人检测Python
实现211
1231基于Haar特征的行人检测211
1232Python编程实现212
124基于HOG+SVM的行人目标检测
Python实现213
1241算法步骤213
1242Python编程实现214
习题218
参考文献219
