轻松学数字图像处理(基于Python语言和NumPy库微课视频版)/跟我一起学人工智能

本书是介绍数字图像处 理入门与基础的图书。数字 图像处理已经融入人们的日 常生活，其重要性不言自明 。本书以现代数字图像处理 发展的最新理论为基础，使 用当前最流行的Python编程 语言作为工具，借助 NumPy、Pillow和Matplotlib 等库，以理论和实践相结合 ，二者并重的形式介绍数字 图像处理。 本书共9章，其中数字图 像处理简介、开发环境搭建 、初识数字图像处理、 NumPy数组和图像几章重 在介绍图像处理的相关背景 和基础知识；图像点运算、 图像邻域运算和图像全局运 算几章是本书的重点，按照 图像处理过程中参与运算的 像素范围进行内容组织，并 对运算在图像处理中的意义 进行详细介绍；机器学习与 数字图像处理一章介绍机器 学习与数字图像处理的联系 ，为进一步学习数字图像处 理给出建议；图像处理软件 开发一章介绍以GUI框架 Tkinter进行设计和实现图像 处理软件的流程和方法，为 实现复杂的图像处理软件提 供参考。 本书适合初学者入门自 学，也适于从事图像处理的 研究人员和工程师参考，并 可作为高等院校和培训机构 相关专业的教学参考书。随 书附赠本书中的所有图像文 件和全书源码。

\"侯伟，华北理工大学理学院教师，工学博士，教授图像处理和深度学习等相关课程。从事数字图像处理及其在工业自动视觉检测方面的研究和应用工作，具备扎实的理论基础和丰富的编程经验，对数字图像处理和深度学习具有较为深刻的认识和理解。目前已发表学术论文5篇，获授权发明专利2项，授权软件著作权1项，参编教材1本。 马燕芹，南京工业职业技术大学计算机与软件学院副教授。长期从事图像处理和计算机视觉、人工智能感知、机器人控制等方面的教研工作。作为负责人，主持江苏省自然科学青年基金、江苏省高等学校面上项目等项目，在权威学术期刊上发表论文10余篇，获授权发明专利3项。作为“数字图像处理技术”教学资源库建设负责人，开发教学资源1套。指导学生参加相关学科竞赛20余项，获得国家级、省级奖10余项，同时指导学生创新创业项目8项，积极带动学生的创新能力和研发精神。\"

第1章 数字图像处理简介 1.1 人类视觉 1.1.1 视觉感知 1.1.2 视觉认知 1.2 图像 1.2.1 图像的概念 1.2.2 数字图像表示 1.2.3 采样和量化 1.2.4 数字图像基本类型 1.2.5 数字图像存储 1.3 数字图像处理概述 1.3.1 数字图像处理发展 1.3.2 常用数字图像处理库 1.3.3 数字图像处理应用 1.3.4 数字图像处理内容 1.4 本章小结 第2章 开发环境搭建 2.1 开发环境简介 2.1.1 Python语言 2.1.2 在线开发环境介绍 2.1.3 离线开发环境介绍 2.2 在线开发环境AI Studio 2.2.1 登录和项目创建 2.2.2 在线开发环境界面 2.2.3 笔记本的使用 2.3 离线开发环境的搭建 2.3.1 安装Python 2.3.2 安装VS Code 2.4 Python的第三方库 2.4.1 第三方库的检索 2.4.2 包管理器pip 2.4.3 第三方库的安装 2.5 本章小结 第3章 初识数字图像处理 3.1 Pillow库的简单使用 3.1.1 图像生成 3.1.2 图像存取与显示 3.1.3 图像属性查询 3.1.4 图像处理初步 3.1.5 Tkinter显示图像 3.2 Matplotlib库的简单使用 3.2.1 图像绘制 3.2.2 图形绘制 3.3 本章小结 第4章 NumPy数组和图像 4.1 数组和图像 4.1.1 数据类型 4.1.2 数组创建 4.1.3 数组属性 4.2 数组运算 4.2.1 数组索引和切片 4.2.2 数值运算 4.2.3 矩阵运算 4.2.4 聚合运算 4.2.5 数组映射 4.3 本章小结 第5章 图像点运算 5.1 图像点运算概述 5.2 图像线性灰度变换 5.3 图像分段线性灰度变换 5.4 图像非线性灰度变换 5.4.1 图像对数变换 5.4.2 图像伽马变换 5.4 ，3图像比特平面切片 5.4.4 图像二值化 5.5 图像其他灰度变换 5.5.1 灰度级压缩 5.5.2 灰度级切片 5.6 图像点运算应用 5.6.1 案例：图像混合 5.6.2 案例：图像掩模 5.6.3 案例：图像求差 5.6.4 案例：植被指数 5.6.5 案例：色彩空间变换 5.6.6 案例：肤色识别 5.7 本章小结 第6章 图像邻域运算 6.1 图像邻域简介 6.1.1 图像邻域 6.1.2 像素连通性 6.1.3 像素距离 6.2 图像邻域运算 6.2.1 邻域运算表示 6.2.2 邻域生成 6.3 图像滤波 6.3.1 均值滤波 6.3.2 高斯滤波 6.3.3 中值滤波 6.4 边缘检测 6.4.1 Sobel算子 6.4.2 Scharr算子 6.4.3 Prewitt算子 6.4.4 Laplacian算子 6.5 形态学运算 6.5.1 膨胀和腐蚀 6.5.2 形态学梯度 6.5.3 开运算和闭运算 6.5.4 顶帽和黑帽运算 6.6 本章小结 第7章 图像全局运算 7.1 仿射变换基础 7.1.1 图像仿射变换基本原理 7.1.2 图像插值理论 7.2 图像典型仿射变换 7.2.1 图像平移 7.2.2 图像缩放 7.2.3 图像旋转 7.3 直方图均衡化 7.4 图像频域处理基础 7.4.1 一维傅里叶变换 7.4.2 二维傅里叶变换 7.4.3 图像频谱图 7.5 图像频域滤波 7.5.1 低通滤波 7.5.2 高通滤波 7.5.3 带通和带阻滤波 7.5.4 案例：条带噪声消除 7.6 本章小结 第8章 机器学习与数字图像处理 8.1 机器学习概述 8.1.1 基本概念 8.1.2 机器学习的分类 8.2 图像处理与机器学习 8.2.1 像素与特征 8.2.2 图像特征向量的构造 8.2.3 图像处理与特征提取 8.2.4 机器学习库Sklearn简介 8.3 图像聚类 8.3.1 距离和相似性 8.3.2 案例：K均值聚类 8.3.3 案例：层次聚类 8.3.4 案例：高斯混合聚类 8.4 本章小结 第9章 图像处理软件开发 9.1 Tkinter介绍 9.1.1 控件 9.1.2 事件 9.1.3 布局 9.2 常用控件的使用 9.2.1 基本控件 9.2.2 容器控件 9.2.3 内置功能窗体 9.3 图像处理软件设计 9.3.1 功能设计 9.3.2 界面设计 9.4 图像处理软件的实现 9.4.1 启动界面 9.4.2 主界面 9.4.3 参数配置界面 9.4.4 启动程序 9.5 图像处理软件的打包 9.5.1 PyInstaller简介 9.5.2 PyInstaller的使用 9.5.3 程序打包 9.6 本章小结 参考文献