目　　录
前言
第1章　图像处理基础　1
1.1　图像处理简介　1
1.1.1　图像处理的发展概况　2
1.1.2　图像处理的应用领域　3
1.1.3　图像处理的目的和常用方法　4
1.2　图像的表示方法　5
1.2.1　数字图像的表示　5
1.2.2　数字图像的矩阵表示　6
1.2.3　数字图像处理中的坐标系　6
1.3　图像像素的基本关系　7
1.3.1　像素的邻域　7
1.3.2　图像像素间的距离　8
1.4　常用的图像处理工具　8
1.5　Python数字图像处理库　10
1.6　Python集成环境的安装　12
1.6.1　Anaconda集成环境的下载
与安装　12
1.6.2　PyCharm集成环境的下载
与安装　17
1.7　习题　22
第2章　数字图像的获取和基本运算　23
2.1　图像的基本类型　23
2.1.1　二值图像　23
2.1.2　灰度图像　24
2.1.3　索引图像　24
2.1.4　彩色图像　24
2.2　图像的格式　25
2.2.1　静态图像格式　25
2.2.2　视频图像格式　26
2.3　图像的获取　27
2.3.1　图像的读取　28
2.3.2　图像的显示　28
2.3.3　图像的保存　30
2.3.4　图像的属性　31
2.3.5　图像的复制与克隆　32
2.4　视频图像的获取　34
2.4.1　视频文件的读写　34
2.4.2　实时视频图像的获取　35
2.5　图像的算术运算　36
2.5.1　加法运算　36
2.5.2　减法运算　39
2.5.3　乘法运算　41
2.5.4　除法运算　41
2.6　图像的逻辑运算　42
2.6.1　按位与运算　43
2.6.2　按位或运算　44
2.6.3　按位非运算　44
2.6.4　按位异或运算　45
2.6.5　图像的感兴趣区域与感兴趣
区域操作　47
2.6.6　利用mask进行图像叠加　48
2.7　图形的绘制和添加文字　51
2.7.1　图像中图形的绘制　51
2.7.2　图像添加非中文文字　55
2.7.3　图像添加中文文字　56
2.8　习题　57
第3章　数字图像的几何变换　58
3.1　图像的映射变换与插值方法　58
3.1.1　图像的映射变换　58
3.1.2　图像变换的插值方法　60
3.2　图像平移与缩放　63
3.2.1　图像平移　63
3.2.2　图像缩放　66
3.3　图像旋转　67
3.3.1　图像不完整旋转　67
3.3.2　图像完整旋转　69
3.3.3　使用特定函数的旋转　70
3.4　图像剪切　72
3.4.1　图像规则剪切　72
3.4.2　图像不规则剪切　73
3.5　图像的镜像变换　75
3.6　图像的仿射变换和透视变换　76
3.6.1　图像的仿射变换　76
3.6.2　图像的透视变换　78
3.7　图像的极坐标变换　82
3.7.1　数据点坐标系间的转换　82
3.7.2　图像数据坐标系间的转换　83
3.7.3　视频图像坐标系间的转换　85
3.8　习题　87
第4章　图像空域增强　88
4.1　灰度线性变换　88
4.1.1　图像亮度增加或降低　88
4.1.2　增强或减弱图像对比度　90
4.1.3　图像反色变换　91
4.1.4　图像分段线性灰度变换　93
4.2　非线性变换　94
4.2.1　对数变换　94
4.2.2　伽马变换　96
4.3　图像直方图　98
4.3.1　使用OpenCV中的函数绘制
直方图　98
4.3.2　使用Matplotlib库绘制图像
直方图　99
4.4　直方图均衡化　101
4.4.1　直方图均衡化原理　102
4.4.2　使用OpenCV函数实现直方
图均衡化　103
4.4.3　自适应直方图均衡化　105
4.5　直方图规定化　106
4.5.1　自定义映像函数实现直方图
规定化　107
4.5.2　直方图反向投影　111
4.6　习题　114
第5章　图像空域滤波　115
5.1　图像噪声　115
5.1.1　通过NumPy数组库添加噪声　115
5.1.2　通过skimage库添加噪声　121
5.2　空域滤波　123
5.2.1　线性空域滤波和非线性滤波　123
5.2.2　图像滤波边界处理　124
5.3　图像平滑　126
5.3.1　均值滤波　126
5.3.2　方框滤波　128
5.3.3　高斯滤波　129
5.3.4　中值滤波　131
5.3.5　自适应中值滤波　133
5.3.6　高斯双边滤波　137
5.3.7　均值迁移滤波　138
5.3.8　导向滤波　140
5.3.9　非局部均值滤波　141
5.4　图像锐化　144
5.4.1　拉普拉斯滤波　144
5.4.2　自定义卷积核滤波　147
5.4.3　非锐化掩模和高频提升滤波　148
5.5　习题　149
第6章　图像频域滤波　151
6.1　傅里叶变换　151
6.1.1　NumPy中的傅里叶变换　152
6.1.2　OpenCV中的傅里叶变换　153
6.2　低通滤波　155
6.2.1　理想低通滤波　155
6.2.2　巴特沃斯低通滤波　158
6.2.3　高斯低通滤波　162
6.3　高通滤波　166
6.3.1　理想高通滤波　166
6.3.2　巴特沃斯高通滤波　169
6.3.3　高斯高通滤波　171
6.4　带通和带阻滤波　173
6.4.1　带通滤波　173
6.4.2　带阻滤波　178
6.5　同态滤波　182
6.6　习题　185
第7章　图像退化和复原　186
7.1　图像退化与复原的机理　186
7.1.1　图像退化　186
7.1.2　图像复原　187
7.2　图像的模糊　188
7.2.1　运动模糊退化模型　188
7.2.2　湍流模糊退化模型　191
7.3　图像的逆滤波复原　193
7.3.1　运动模糊图像的逆滤波　193
7.3.2　湍流模糊图像的逆滤波　194
7.4　图像的维纳滤波复原　197
7.5　约束最小二乘滤波复原　200
7.6　几何均值滤波复原　203
7.7　图像修复与复原　205
7.8　图像质量的评价　206
7.8.1　主观评价方法　207
7.8.2　客观评价方法　207
7.9　习题　216
第8章　图像数学形态学　217
8.1　结构元素　217
8.1.1　使用OpenCV生成结构元素　217
8.1.2　使用NumPy生成结构元素　218
8.2　腐蚀　219
8.2.1　OpenCV中的腐蚀函数　221
8.2.2　skimage中的腐蚀函数　222
8.3　膨胀　223
8.3.1　OpenCV中的膨胀函数　225
8.3.2　skimage中的膨胀函数　226
8.3.3　OpenCV形态学处理原型
函数　227
8.4　开运算　228
8.4.1　OpenCV中的开运算　228
8.4.2　skimage中的开运算　229
8.5　闭运算　230
8.5.1　OpenCV中的闭运算　230
8.5.2　skimage中的闭运算　231
8.6　高帽运算　232
8.6.1　OpenCV中的高帽运算　232
8.6.2　skimage中的高帽运算　234
8.7　黑帽运算　235
8.7.1　OpenCV中的黑帽运算　235
8.7.2　skimage中的黑帽运算　236
8.8　形态学梯度　237
8.9　灰度形态学　240
8.9.1　灰度图像的腐蚀运算　240
8.9.2　灰度图像的膨胀运算　241
8.9.3　灰度图像的开运算和闭运算　242
8.10　形态学运算检测图像的边缘和
角点　243
8.10.1　检测图像边缘　243
8.10.2　检测图像角点　245
8.11　击中和击不中运算　248
8.12　习题　249
第9章　边缘检测　250
9.1　一阶微分算子　251
9.1.1　Roberts算子　251
9.1.2　Prewitt算子　253
9.1.3　Sobel算子　253
9.1.4　Scharr算子　256
9.2　二阶微分算子　257
9.2.1　拉普拉斯算子　257
9.2.2　高斯拉普拉斯算子　260
9.2.3　高斯差分算子　262
9.3　Canny算子　264
9.4　霍夫变换　268
9.4.1　霍夫变换的基本原理　268
9.4.2　霍夫变换检测直线　269
9.4.3　霍夫变换检测圆环　275
9.4.4　skimage库中的霍夫变换　277
9.5　图像金字塔　280
9.5.1　高斯金字塔　281
9.5.2　拉普拉斯金字塔　283
9.5.3　基于拉普拉斯金字塔的图像
融合　286
9.6　习题　290
第10章　图像分割　291
10.1　图像阈值分割　291
10.1.1　全局阈值分割　292
10.1.2　自适应阈值　294
10.1.3　Otsu’s算法　295
10.1.4　三角形法　297
10.2　图像区域分割　298
10.2.1　区域生长　298
10.2.2　区域分裂合并　300
10.3　图像的边缘分割　302
10.4　直方图分割法　304
10.5　图像连接组件标记算法　306
10.6　分水岭算法　308
10.6.1　基于距离变换的分水岭算法　309
10.6.2　基于标记点的分水岭算法　312
10.6.3　基于均值漂移算法的图像
分割　313
10.7　基于梯度的分水岭算法　315
10.7.1　基于Sobel梯度的分水岭算法　316
10.7.2　基于形态学梯度的分水岭
算法　317
10.7.3　基于轮廓标记的分水岭算法　319
10.7.4　鼠标交互标记的分水岭算法　320
10.8　基于k均值聚类的区域分割　323
10.9　习题　326
第11章　彩色图像的处理　327
11.1　彩色模型和色彩空间的转换　327
11.1.1　彩色模型　327
11.1.2　色彩空间的转换　331
11.2　彩色图像通道的分离与合并　334
11.2.1　彩色图像通道的分离　335
11.2.2　彩色图像通道的合并　336
11.3　全彩色图像处理　337
11.3.1　彩色图像变换　338
11.3.2　彩色图像直方图处理　339
11.3.3　彩色图像的平滑和锐化　341
11.4　RGB色彩空间的图像分割　344
11.4.1　全局阈值的图像分割　344
11.4.2　局部阈值的图像分割　345
11.4.3　Otsu’s阈值的图像分割　347
11.4.4　颜色信息的图像分割　347
11.5　HSV色彩空间的图像分割　348
11.5.1　基于颜色阈值表的图像分割　349
11.5.2　基于颜色条的图像分割　352
11.6　伪彩色图像处理　355
11.6.1　灰度图像形成彩色图像　355
11.6.2　多光谱图像合成彩色图像　357
11.7　习题　359
第12章　图像特征的提取与描述　360
12.1　图像特征简介　360
12.2　图像的轮廓特征　361
12.2.1　图像轮廓的查找和绘制　361
12.2.2　边缘检测后的轮廓　363
12.2.3　使用轮廓绘制功能提取前景
图像　364
12.3　图像的几何特征　365
12.3.1　面积与周长　365
12.3.2　外接矩形　366
12.3.3　最小外接圆和内接椭圆　368
12.3.4　近似轮廓　369
12.3.5　轮廓凸包　371
12.3.6　拟合直线　372
12.3.7　形状特征　373
12.4　图像特征矩　375
12.4.1　图像特征矩简介　375
12.4.2　Hu矩　380
12.4.3　形状匹配　382
12.5　图像的角点检测　384
12.5.1　Harris角点检测　385
12.5.2　Shi-Tomasi角点检测　386
12.5.3　SIFT角点检测　387
12.6　图像匹配　390
12.6.1　ORB特征检测+暴力匹配　390
12.6.2　k最近邻匹配　393
12.6.3　FLANN匹配　394
12.7　图像拼接　395
12.7.1　SIFT+暴力匹配算法实现图像的
拼接　395
12.7.2　Stitcher全景拼接　397
12.8　习题　399
第13章　综合应用实例　400
13.1　Haar特征和级联分类器的目标
检测　400
13.1.1　Haar特征和级联分类器　400
13.1.2　基于Haar特征分类器的车牌
检测　402
13.1.3　基于Haar特征分类器的人脸
检测　403
13.2　答题卡的检测与分割　405
13.2.1　答题卡轮廓检测　405
13.2.2　答题卡不同区域的提取　406
13.2.3　识别填涂答案　407
13.2.4　答题卡用户界面的设计与
封装　411
13.3　基于CNN模型的手势识别　414
13.3.1　手势图像数据的采集　415
13.3.2　神经网络模型的创建与训练　416
13.3.3　实时手势数字的识别　419
13.4　基于深度学习的花卉识别系统　421
13.4.1　花卉图像数据的采集　421
13.4.2　数据集的分类　421
13.4.3　MobileNet神经网络模型的
设计与测试　423
13.4.4　图形用户界面设计　427
13.5　口罩佩戴的检测　430
13.5.1　口罩数据集的采集与处理　431
13.5.2　数据集的划分　434
13.5.3　数据集的训练　436
13.5.4　检测是否佩戴口罩　438
13.5.5　视频实时监测口罩佩戴
情况　439
参考文献　442