第1章 概論 1.1 數(shù)字圖像處理的分類(lèi)和發(fā)展 001 1.1.1 圖像分類(lèi) 001 1.1.2 數(shù)字圖像發(fā)展歷史 003 1.2 數(shù)字圖像處理系統(tǒng) 004 1.2.1 經(jīng)典的數(shù)字圖像處理系統(tǒng) 005 1.2.2 實(shí)際的數(shù)字圖像處理系統(tǒng) 005 1.3 數(shù)字圖像處理的內(nèi)容及特點(diǎn) 007 1.3.1 數(shù)字圖像處理的內(nèi)容 007 1.3.2 數(shù)字圖像處理的特點(diǎn) 008 1.4 數(shù)字圖像處理的應(yīng)用 009 1.5 數(shù)字圖像處理的內(nèi)容以及與其他相關(guān)學(xué)科的關(guān)系 011 1.6 習(xí)題 012第2章 數(shù)字圖像處理開(kāi)發(fā)環(huán)境 2.1 OpenCV簡(jiǎn)介 013 2.2 OpenCV基礎(chǔ)及開(kāi)發(fā)環(huán)境配置 014 2.2.1 安裝OpenCV庫(kù) 014 2.2.2 C++集成開(kāi)發(fā)環(huán)境配置 016 2.2.3 OpenCV代碼實(shí)例 018 2.3 Python簡(jiǎn)介 020 2.4 Python基本語(yǔ)法和編程 021 2.5 Python環(huán)境配置及開(kāi)發(fā) 026 2.5.1 Python開(kāi)發(fā)環(huán)境配置 026 2.5.2 **個(gè)Python程序 031 2.6 習(xí)題 032第3章 數(shù)字圖像處理基礎(chǔ) 3.1 圖像獲取 033 3.1.1 圖像采集過(guò)程 033 3.1.2 模擬圖像描述 034 3.2 圖像類(lèi)型及常用格式 034 3.2.1 圖像的基本類(lèi)型 034 3.2.2 圖像常用格式 037 3.3 圖像數(shù)字化 038 3.3.1 圖像的數(shù)字化表示 039 3.3.2 圖像的數(shù)字化過(guò)程 039 3.4 圖像色度模型 042 3.4.1 色度學(xué)基礎(chǔ) 042 3.4.2 顏色模型 043 3.5 圖像運(yùn)算 045 3.5.1 代數(shù)運(yùn)算 046 3.5.2 邏輯運(yùn)算 050 3.5.3 灰度直方圖及其應(yīng)用 052 3.6 習(xí)題 054第4章 圖像正交變換 4.1 圖像變換概述 055 4.2 傅里葉變換 056 4.2.1 連續(xù)傅里葉變換 056 4.2.2 離散傅里葉變換 057 4.2.3 傅里葉變換在圖像處理中的應(yīng)用 061 4.3 離散余弦變換 064 4.3.1 一維離散余弦變換 064 4.3.2 二維離散余弦變換 065 4.4 離散沃爾什-哈達(dá)瑪變換 067 4.4.1 沃爾什變換 067 4.4.2 哈達(dá)瑪變換 070 4.5 小波變換 071 4.5.1 小波變換的概念和特性 071 4.5.2 圖像的小波變換 072 4.6 習(xí)題 077第5章 圖像預(yù)處理 5.1 圖像增強(qiáng) 078 5.1.1 灰度變化 078 5.1.2 幾何變換 088 5.2 圖像濾波 096 5.2.1 空域?yàn)V波 096 5.2.2 頻域?yàn)V波 106 5.3 形態(tài)學(xué)處理 113 5.3.1 二值形態(tài)學(xué)的基本運(yùn)算 113 5.3.2 二值圖像的形態(tài)學(xué)處理 117 5.3.3 灰度形態(tài)學(xué)的基本運(yùn)算 120 5.4 習(xí)題 125第6章 圖像特征提取 6.1 圖像的基本特征 126 6.1.1 幅度特征 126 6.1.2 幾何特征 127 6.1.3 統(tǒng)計(jì)特征 129 6.2 角點(diǎn)特征的描述與提取 129 6.2.1 圖像角點(diǎn)的概念 129 6.2.2 SUSAN角點(diǎn)檢測(cè)算法 130 6.3 顏色特征的描述與提取 132 6.3.1 顏色直方圖 132 6.3.2 顏色矩 134 6.4 紋理特征的描述與提取 134 6.4.1 統(tǒng)計(jì)分析法 135 6.4.2 頻譜分析法 137 6.4.3 紋理的結(jié)構(gòu)分析 141 6.5 形狀特征的描述與提取 142 6.5.1 邊界描述 143 6.5.2 區(qū)域描述 145 6.6 習(xí)題 150第7章 圖像分割 7.1 圖像分割概論 151 7.1.1 圖像分割概念 151 7.1.2 圖像分割分類(lèi) 152 7.1.3 圖像分割系統(tǒng)的構(gòu)成 153 7.2 邊緣檢測(cè) 153 7.2.1 邊緣檢測(cè)概念 153 7.2.2 梯度算子 153 7.2.3 Roberts算子 155 7.2.4 Prewitt算子 156 7.2.5 Sobel算子 157 7.2.6 Kirsch算子 158 7.2.7 Laplace算子 159 7.2.8 Marr算子 160 7.2.9 Canny算子 162 7.3 邊界跟蹤 162 7.3.1 空域邊界跟蹤 163 7.3.2 霍夫（Hough）變換 163 7.4 閾值分割 165 7.4.1 閾值分割概念 165 7.4.2 全局閾值分割 167 7.4.3 局部閾值分割 169 7.4.4 動(dòng)態(tài)閾值分割 172 7.5 區(qū)域分割 174 7.5.1 區(qū)域生長(zhǎng)法 174 7.5.2 區(qū)域分裂合并法 176 7.6 習(xí)題 177第8章 圖像匹配 8.1 圖像匹配概述 178 8.1.1 圖像匹配概念 178 8.1.2 模板匹配 180 8.1.3 模板匹配流程 180 8.2 基于灰度的匹配 181 8.2.1 基于灰度的匹配概念及步驟 181 8.2.2 匹配方法 181 8.3 基于特征的匹配 184 8.3.1 基于特征的匹配概念及步驟 184 8.3.2 匹配方法 185 8.4 習(xí)題 193第9章 圖像識(shí)別 9.1 圖像識(shí)別概述 194 9.2 傳統(tǒng)圖像識(shí)別方法 195 9.2.1 模式識(shí)別方法 195 9.2.2 支持向量機(jī)（SVM） 199 9.2.3 BP神經(jīng)網(wǎng)絡(luò)圖像識(shí)別 201 9.2.4 聚類(lèi)分析 204 9.2.5 K近鄰算法（KNN） 207 9.2.6 貝葉斯分類(lèi)器 208 9.2.7 幾種傳統(tǒng)方法對(duì)比分析 209 9.3 基于深度學(xué)習(xí)的圖像識(shí)別方法 211 9.3.1 AlexNet：卷積網(wǎng)絡(luò)的里程碑 211 9.3.2 GoogleNet：深度與寬度的平衡 213 9.3.3 ResNet：深度網(wǎng)絡(luò)的殘差學(xué)習(xí) 215 9.3.4 Swin Transformer：視覺(jué)Transformer新篇章 217 9.3.5 幾種深度學(xué)習(xí)模型效果對(duì)比 219 9.4 習(xí)題 219第10章 目標(biāo)檢測(cè) 10.1 目標(biāo)檢測(cè)概述 221 10.2 傳統(tǒng)目標(biāo)檢測(cè)方法 222 10.2.1 基于Haar特征的級(jí)聯(lián)分類(lèi)器 222 10.2.2 基于HOG特征和SVM的目標(biāo)檢測(cè) 228 10.2.3 滑動(dòng)窗口法 231 10.2.4 DPM 233 10.2.5 傳統(tǒng)方法小結(jié) 237 10.3 基于深度學(xué)習(xí)的目標(biāo)檢測(cè) 238 10.3.1 概述 238 10.3.2 二階段目標(biāo)檢測(cè)算法 239 10.3.3 單階段目標(biāo)檢測(cè)算法 241 10.4 習(xí)題 254第11章 數(shù)字圖像處理綜合實(shí)例 11.1 基于人臉視頻的心率估計(jì)與表情識(shí)別 255 11.1.1 工作原理 255 11.1.2 實(shí)驗(yàn)設(shè)置 256 11.1.3 算法實(shí)現(xiàn) 257 11.2 一種基于幾何形狀特征的瞳孔定位方法 260 11.2.1 背景介紹 260 11.2.2 硬件系統(tǒng)設(shè)計(jì) 260 11.2.3 方案設(shè)計(jì) 262 11.2.4 實(shí)驗(yàn)結(jié)果 264 11.3 基于膚色分割的人臉檢測(cè) 267 11.3.1 應(yīng)用背景 267 11.3.2 方案設(shè)計(jì) 267 11.3.3 實(shí)驗(yàn)流程及結(jié)果 268 11.4 Mask R-CNN在目標(biāo)檢測(cè)和實(shí)例分割中的應(yīng)用 271 11.4.1 背景簡(jiǎn)介 271 11.4.2 實(shí)驗(yàn)設(shè)置 271 11.4.3 實(shí)驗(yàn)結(jié)果及分析 272 11.5 基于DETR的熱軋帶鋼表面缺陷檢測(cè) 273 11.5.1 背景簡(jiǎn)介 273 11.5.2 實(shí)驗(yàn)設(shè)置 273 11.5.3 實(shí)驗(yàn)結(jié)果及分析 274 11.6 習(xí)題 275第12章 數(shù)字圖像處理技術(shù)工程應(yīng)用案例 12.1 金屬工件缺陷檢測(cè) 276 12.1.1 應(yīng)用背景 276 12.1.2 方案設(shè)計(jì) 277 12.2 化成箔缺陷檢測(cè) 287 12.2.1 工程背景分析 287 12.2.2 數(shù)據(jù)采集 288 12.2.3 實(shí)驗(yàn)方案設(shè)計(jì) 289 12.2.4 實(shí)驗(yàn)結(jié)果 290 12.3 變電站開(kāi)關(guān)識(shí)別 292 12.3.1 工程背景分析 292 12.3.2 實(shí)驗(yàn)方案設(shè)計(jì) 292 12.3.3 實(shí)驗(yàn)結(jié)果 295 12.4 習(xí)題 296附錄A OpenCV圖像處理常用函數(shù)附錄B 基于Python的圖像處理常用函數(shù)慘老文獻(xiàn)