编辑推荐
基于OpenCV和Python解决计算机视觉和机器学习中的问题。
内容简介
本书利用Windows系统下的Anaconda搭建环境，并基于OpenCV框架和Python语言，详细阐述了智能化图像处理的实现方法。本书共12章，主要内容包括智能图像处理入门、Python基础、图像处理基础、图像几何变换、图像直方图处理、图像平滑滤波处理、图像阈值处理、图像形态学处理、图像分割处理、图像梯度及边缘检测、图像轮廓检测与拟合、人脸识别实现等，最后结合具体案例，使用Python语言和OpenCV库函数阐述图像处理技术。
章节目录
版权信息
前言
第1章 智能图像处理入门
1.1 智能图像处理概述
1.2 环境搭建
1.2.1 安装Python
1.2.2 安装PyCharm
1.2.3 PyCharm的初始化
1.2.4 OpenCV及常用库的配置
1.3 思考与练习
第2章 Python基础
2.1 数据类型
2.1.1 数值类型
2.1.2 字符串类型
2.1.3 布尔类型
2.2 变量与常量
2.3 运算符
2.3.1 运算符简介
2.3.2 运算符优先级
2.4 选择与循环
2.4.1 if语句
2.4.2 while循环
2.4.3 for循环
2.4.4 break和continue语句
2.5 列表与元组
2.5.1 创建
2.5.2 查询
2.5.3 修改
2.5.4 删除
2.6 字典
2.6.1 字典的创建
2.6.2 字典的常规操作
2.6.3 字典的遍历
2.7 函数
2.7.1 函数的定义与调用
2.7.2 参数传递
2.8 面向对象编程
2.8.1 类与对象
2.8.2 继承与多态
2.9 思考与练习
第3章 图像处理基础
3.1 图像的基本表示方法
3.1.1 二值图像
3.1.2 灰度图像
3.1.3 彩色图像
3.2 图像处理的基本操作
3.2.1 图像的读取、显示和保存
3.2.2 图像通道的基本操作
3.2.3 图像属性的获取
3.3 初识Numpy.array
3.4 图像运算
3.4.1 加法运算
3.4.2 减法运算
3.4.3 乘法运算
3.4.4 除法运算
3.4.5 逻辑运算
3.5 图像的色彩空间转换
3.5.1 色彩空间类型转换函数
3.5.2 RGB色彩空间
3.5.3 GRAY色彩空间
3.5.4 YCrCb色彩空间
3.5.5 HSV色彩空间
3.6 思考与练习
第4章 图像几何变换
4.1 仿射变换
4.1.1 平移
4.1.2 缩放
4.1.3 旋转
4.2 重映射
4.2.1 复制
4.2.2 绕x轴翻转
4.2.3 绕y轴翻转
4.2.4 绕x轴与y轴翻转
4.3 投影变换
4.3.1 原理简介
4.3.2 Python实现
4.4 极坐标变换
4.4.1 原理简介
4.4.2 Python实现
4.5 思考与练习
第5章 图像直方图处理
5.1 直方图概述
5.2 直方图的绘制
5.2.1 用OpenCV绘制直方图
5.2.2 用pyplot绘制直方图
5.3 直方图正规化
5.3.1 正规化原理
5.3.2 Python实现
5.3.3 使用normalize实现
5.4 直方图均衡化
5.4.1 均衡化原理简介
5.4.2 Python实现
5.4.3 自适应直方图均衡化
5.5 思考与练习
第6章 图像平滑滤波处理
6.1 图像平滑概述
6.2 高斯滤波
6.2.1 原理简介
6.2.2 Python实现
6.3 均值滤波
6.3.1 原理简介
6.3.2 Python实现
6.4 方框滤波
6.4.1 原理简介
6.4.2 Python实现
6.5 中值滤波
6.5.1 原理简介
6.5.2 Python实现
6.6 双边滤波
6.6.1 原理简介
6.6.2 Python实现
6.7 2D卷积核的实现
6.8 思考与练习
第7章 图像阈值处理
7.1 阈值处理概述
7.2 全局阈值处理
7.2.1 原理简介
7.2.2 OpenCV阈值函数cv2.threshold()
7.2.3 阈值分割实例
7.3 局部阈值处理
7.3.1 原理简介
7.3.2 cv2.adaptiveThreshold()函数
7.4 Otsu阈值处理
7.4.1 原理简介
7.4.2 Python实现
7.5 思考与练习
第8章 图像形态学处理
8.1 腐蚀
8.1.1 原理简介
8.1.2 Python实现
8.2 膨胀
8.2.1 原理简介
8.2.2 Python实现
8.3 形态学梯度运算
8.3.1 原理简介
8.3.2 Python实现
8.4 开运算与闭运算
8.4.1 原理简介
8.4.2 Python实现
8.5 黑帽与礼帽运算
8.5.1 原理简介
8.5.2 Python实现
8.6 思考与练习
第9章 图像分割处理
9.1 分水岭算法的介绍与实现
9.1.1 算法原理
9.1.2 OpenCV中的相关函数
9.2 图像的金字塔分割
9.2.1 图像金字塔简介
9.2.2 OpenCV中的相关函数
9.2.3 用金字塔算法实现图像分割
9.3 思考与练习
第10章 图像梯度及边缘检测
10.1 Sobel算子
10.1.1 原理简介
10.1.2 Python实现
10.2 Scharr算子
10.2.1 原理简介
10.2.2 Python实现
10.3 Canny边缘检测
10.3.1 原理简介
10.3.2 Python实现
10.4 Laplacian算子
10.4.1 原理简介
10.4.2 Python实现
10.5 高斯拉普拉斯边缘检测
10.5.1 原理简介
10.5.2 Python实现
10.6 思考与练习
第11章 图像轮廓检测与拟合
11.1 OpenCV中轮廓的查找与绘制
11.1.1 轮廓的查找与绘制
11.1.2 查找绘制轮廓的实例
11.2 OpenCV中轮廓的周长与面积
11.2.1 周长计算：cv2.arcLength()函数
11.2.2 面积计算：cv2.contourArea()函数
11.3 几何图形的最小外包与拟合
11.3.1 最小外包矩形
11.3.2 最小外包圆形
11.3.3 最小外包三角形
11.3.4 最小外包椭圆
11.3.5 最优拟合直线
11.4 霍夫检测
11.4.1 霍夫直线检测
11.4.2 霍夫圆检测
11.5 思考与练习
第12章 人脸识别实现
12.1 绘图基础
12.1.1 绘制直线：cv2.line()函数
12.1.2 绘制矩形：cv2.rectangle()函数
12.1.3 绘制圆形：cv2.circle()函数
12.1.4 绘制椭圆：cv2.ellipse()函数
12.1.5 在图形上绘制文字：cv2.putText()函数
12.2 人脸检测
12.2.1 OpenCV中级联分类器的使用
12.2.2 Python实现
12.3 人脸识别
12.3.1 原理简介
12.3.2 相关函数
12.3.3 LBPH人脸识别的Python实现
12.4 用Fisherfaces与EigenFaces算法进行人脸识别
12.4.1 相关函数
12.4.2 Python实现
12.5 思考与练习
机器学习：基于OpenCV和Python的智能图像处理是2020年由机械工业出版社华章分社出版,作者赵娜。
得书感谢您对《机器学习：基于OpenCV和Python的智能图像处理》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
