目录


下载源码




下载图片




第1章绪论

1.1什么是编程语言

1.1.1编程语言的内容

1.1.2编程语言发展史

1.2Python简介

1.3Python的下载和安装

1.4Jupyter Notebook的安装与使用

1.4.1Jupyter Notebook的下载与安装

1.4.2运行Jupyter Notebook

1.4.3Jupyter Notebook的使用

1.5数字图像处理概述

1.5.1数字图像处理的特点

1.5.2数字图像处理的基本技术

1.5.3数字图像处理方法

1.5.4彩色空间

1.5.5数字图像处理的应用


第2章迈进Python

2.1NumPy库

2.1.1Numpy创建数组

2.1.2数组操作

2.2SciPy库

2.2.1创建稀疏矩阵

2.2.2插值

2.2.3概率统计

2.2.4大数定律

2.2.5中心极限定理

2.3Pandas库

2.3.1Pandas系列

2.3.2Pandas数据结构

2.3.3Pandas面板

2.3.4Pandas稀疏数据

2.3.5Pandas CSV文件

2.3.6Pandas JSON

2.3.7Pandas数据清洗

第3章Python图形用户界面

3.1布局管理

3.1.1Pack布局管理器

3.1.2Grid布局管理器

3.1.3Place布局管理器

3.2Tkinter常用组件

3.2.1Variable类

3.2.2compound选项

3.2.3Entry与Text组件

3.2.4Checkbutton组件

3.2.5Radiobutton组件

3.2.6Listbox和Combobox组件

3.2.7Spinbox组件

3.2.8Scale和LabeledScale组件

3.2.9LabelFrame组件

3.2.10PanedWindow组件

3.2.11OptionMenu组件

3.3对话框

3.3.1普通对话框

3.3.2非模式对话框

3.3.3输入对话框

3.3.4生成对话框

3.3.5颜色选择对话框

3.3.6消息框

3.4菜单

3.4.1窗口菜单

3.4.2右键菜单

3.5在Canvas中绘图

3.5.1Canvas的绘图

3.5.2绘制动画

第4章数据可视化分析

4.1Matplotlib生成数据图

4.1.1安装Matplotlib包

4.1.2认识 Matplotlib 

4.2各类型数据图

4.2.1离散型时间数据可视化

4.2.2连续型时间数据的可视化

4.2.3关系型数据的可视化

4.2.4多图形的组合

4.2.5等高线图

4.3三维绘图

4.3.1坐标轴对象

4.3.2三维曲线

4.3.3三维散点

4.3.4三维等高线图

4.3.5三维线框

4.3.6三维曲面图

4.4Pygal数据可视化

4.4.1安装Pygal

4.4.2Pygal数据图入门

4.4.3Pygal绘制常见数据图

4.5Pygal模拟掷骰子

第5章图像视觉增强分析

5.1图像增强方法

5.2灰度变换

5.2.1线性灰度变换

5.2.2分段线性灰度增强

5.2.3非线性灰度变换

5.3空域增强

5.3.1平滑线性滤波器

5.3.2统计排序(非线性)滤波器

5.3.3双边滤波器

5.4空域锐化算子

5.4.1梯度空间算子

5.4.2Prewitt算子

5.4.3Sobel算子

5.4.4Laplacian算子

5.5图像频域平滑处理

5.5.1理想低通滤波器

5.5.2巴特沃思低通滤波器

5.5.3高斯低通滤波器

5.5.4频域低通滤波器的应用

5.6频域图像锐化

5.6.1理想高通滤波器

5.6.2巴特沃斯高通滤波器

5.6.3指数高通滤波器

5.6.4频域高通滤波器的应用

5.7空/频域滤波的关系

第6章图像视觉复原分析

6.1退化与复原

6.1.1退化的模型

6.1.2退化的原理

6.1.3复原的原理

6.2图像去噪

6.2.1噪声模型

6.2.2逆滤波

6.2.3维纳滤波

6.2.4逆滤波与维纳滤波的实现

6.3暗通道去雾处理

6.3.1暗通道的概念

6.3.2暗通道去雾霾的原理

第7章图像视觉几何变换与校正分析

7.1图像几何变换概述

7.2几何变换的数学描述

7.3图像的坐标变换

7.3.1图像的平移

7.3.2镜像变换

7.3.3图像的转置

7.3.4图像的缩放

7.3.5图像的旋转

7.3.6图像几何变换实战

7.4图像的几何变换类型

7.4.1刚体变换

7.4.2仿射变换

7.4.3透视变换

第8章图像视觉分割技术分析

8.1图像视觉分割的意义

8.2边缘分割法

8.2.1边缘模型

8.2.2基本边缘检测

8.2.3边缘检测实战

8.3Hough变换

8.4阈值分割法

8.4.1灰度阈值与双阈值

8.4.2全局阈值处理

8.4.3OTSU算法

8.4.4自适应动态阈值

8.5区域生长分割法

8.5.1区域生长原理

8.5.2区域生长准则

8.5.3区域分割与聚合

8.5.4分水岭图像分割法


第9章图像视觉描述与特征提取分析

9.1图像特征

9.2角点特征

9.2.1Harris角点检测

9.2.2ShiTomasi角点检测

9.2.3SUSAN角点检测

9.3SIFT/SURF算法

9.3.1SIFT算法

9.3.2SURF特征检测

9.4FAST和ORB算法

9.4.1FAST特征点检测

9.4.2ORB算法

9.5LBP和HOG特征算子

9.5.1LBP算法

9.5.2HOG算法

9.6颜色特征

9.6.1直方图特征

9.6.2颜色矩

9.6.3颜色相关图

9.7图像纹理特征提取

第10章车牌识别分析

10.1车牌识别流程

10.2车牌图像处理与定位

10.2.1图像的处理

10.2.2定位原理

10.2.3字符处理

10.2.4字符分割实现

10.3字符识别

10.3.1模板匹配的字符识别

10.3.2车牌字符识别实例

参考文献