掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>
數(shù)字圖像處理(基于OPENCV的C++與PYTHON實(shí)現(xiàn):從基礎(chǔ)到實(shí)戰(zhàn))(周衛(wèi)斌)
包郵 數(shù)字圖像處理(基于OPENCV的C++與PYTHON實(shí)現(xiàn):從基礎(chǔ)到實(shí)戰(zhàn))(周衛(wèi)斌)
開(kāi)本：
16開(kāi)
頁(yè)數(shù)：
311
本類(lèi)榜單：教材銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國(guó)政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國(guó)特色社會(huì)主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國(guó)中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
中圖價(jià):¥51.1
加入購(gòu)物車(chē)
數(shù)字圖像處理(基于OPENCV的C++與PYTHON實(shí)現(xiàn):從基礎(chǔ)到實(shí)戰(zhàn))(周衛(wèi)斌) 版權(quán)信息
- ISBN：9787122470881
- 條形碼：9787122470881 ; 978-7-122-47088-1
- 裝幀：平裝
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
數(shù)字圖像處理(基于OPENCV的C++與PYTHON實(shí)現(xiàn):從基礎(chǔ)到實(shí)戰(zhàn))(周衛(wèi)斌) 內(nèi)容簡(jiǎn)介
本書(shū)系統(tǒng)地講解了數(shù)字圖像處理的基礎(chǔ)和進(jìn)階知識(shí)，涵蓋基礎(chǔ)概念、系統(tǒng)構(gòu)建、算法及其應(yīng)用，輔以豐富的教學(xué)和科研案例，詳細(xì)介紹了如何利用C++和Python語(yǔ)言，結(jié)合OpenCV庫(kù)進(jìn)行圖像處理算法的編程實(shí)現(xiàn)。同時(shí)，本書(shū)介紹了深度學(xué)習(xí)在數(shù)字圖像處理中的應(yīng)用前沿技術(shù)，如GoogleNet、ResNet、Transformer、YOLOv10等，具備較強(qiáng)的實(shí)用性和參考價(jià)值。 本書(shū)為讀者提供了理論與實(shí)踐相結(jié)合的學(xué)習(xí)平臺(tái)，幫助其深入理解并應(yīng)用數(shù)字圖像處理技術(shù)解決實(shí)際問(wèn)題。適合作為高等院校計(jì)算機(jī)科學(xué)與技術(shù)、電子信息工程、自動(dòng)化、通信工程等相關(guān)專(zhuān)業(yè)的本科生、研究生教材，同時(shí)適合數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)等領(lǐng)域的科研和工程技術(shù)人員參考使用。 本書(shū)還為讀者提供了豐富的配套資源，包括PPT、彩圖和源代碼。讀者可通過(guò)登錄化學(xué)工業(yè)出版社網(wǎng)站或掃描書(shū)中二維碼，根據(jù)自身需求選擇相應(yīng)的資源進(jìn)行下載。
數(shù)字圖像處理(基于OPENCV的C++與PYTHON實(shí)現(xiàn):從基礎(chǔ)到實(shí)戰(zhàn))(周衛(wèi)斌)數(shù)字圖像處理(基于OPENCV的C++與PYTHON實(shí)現(xiàn):從基礎(chǔ)到實(shí)戰(zhàn))(周衛(wèi)斌) 前言
黨的二十大報(bào)告強(qiáng)調(diào)，教育、科技與人才是社會(huì)主義現(xiàn)代化建設(shè)的核心支撐，明確了其戰(zhàn)略地位。這一戰(zhàn)略指引，為我們的教學(xué)、科研和人才培養(yǎng)提供了方向，凸顯了新時(shí)代科技、教育和人才的重要性。在數(shù)字化時(shí)代，數(shù)字圖像處理技術(shù)的蓬勃發(fā)展，是技術(shù)革命、生產(chǎn)要素創(chuàng)新配置和產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的結(jié)果，體現(xiàn)了新質(zhì)生產(chǎn)力高科技、高效能、高質(zhì)量的特征。在這一背景下，數(shù)字圖像處理技術(shù)的發(fā)展不僅是技術(shù)進(jìn)步的體現(xiàn)，更是推動(dòng)社會(huì)生產(chǎn)力發(fā)展的重要力量。
從技術(shù)發(fā)展現(xiàn)狀來(lái)看，一方面，硬件設(shè)備的不斷升級(jí)為數(shù)字圖像處理提供了強(qiáng)大的計(jì)算支持，高性能的圖形處理器（GPU）以及專(zhuān)門(mén)用于圖像處理的芯片，極大地提高了圖像處理的速度和效率。例如，在深度學(xué)習(xí)算法應(yīng)用于圖像處理時(shí)，強(qiáng)大的GPU能夠快速處理海量的數(shù)據(jù)，加速模型的訓(xùn)練過(guò)程。另一方面，算法的創(chuàng)新和改進(jìn)推動(dòng)了數(shù)字圖像處理技術(shù)的進(jìn)步。傳統(tǒng)的圖像處理算法不斷優(yōu)化，同時(shí)新興的人工智能技術(shù)，尤其是深度學(xué)習(xí)算法，如卷積神經(jīng)網(wǎng)絡(luò)（CNN）及其各種變體（ResNet、VGG等），在圖像識(shí)別、目標(biāo)檢測(cè)、圖像分割等任務(wù)中取得了令人矚目的成果。這些算法能夠自動(dòng)學(xué)習(xí)圖像的特征，相較于傳統(tǒng)方法具有更高的準(zhǔn)確性和魯棒性。
數(shù)字圖像處理(基于OPENCV的C++與PYTHON實(shí)現(xiàn):從基礎(chǔ)到實(shí)戰(zhàn))(周衛(wèi)斌) 目錄
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)
展開(kāi)全部
書(shū)友推薦
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類(lèi)學(xué)概述
- >
月亮與六便士
- >
山海經(jīng)
- >
龍榆生：詞曲概論/大家小書(shū)
- >
小考拉的故事-套裝共3冊(cè)
- >
姑媽的寶刀
- >
巴金－再思錄
- >
我與地壇
本類(lèi)暢銷(xiāo)
