本书以Python+OpenCV为主线，系统地介绍了OpenCV在数字图像处理方面的各种算法和应用案例，并在Anaconda或PyCharm集成开发环境下编写程序，对数字图像处理的各种算法进行讲解，为读者继续进行人工智能、机器学习、深度学习等方面的学习和研究打下基础。本书采用理论与应用实例相结合的方式，在介绍完每个理论算法之后至少提供一个应用实例且每个实例程序均已通过调试，能够正常运行。本书可作为高等学校数字图像处理、智能图像处理等课程的教材或参考书，也可作为智能图像处理初学者的入门读物。

葛广英，南京大学工学博士，山东省自动化协会理事，硕士生导师。长期从事图像处理与模式识别方面的教学和科研工作。主讲《现代数字信号处理》、《数字图像处理》等多门本科生和研究生课程。发表学术论文70余篇，已出版编著5部教材。作为课题负责人和技术负责人承担了山东省科技发展计划项目、横向课题等20余项，获得山东省科技进步三等奖等30余项科研奖励，获得“中青年学术骨干和学术带头人培养对象”、“面向二十一世纪高层次人材培养工程培养对象”、“优秀人才”等荣誉称号。担任教育部学位中心、山东省教育厅评审专家，以及《电子与信息》学报评审专家。

目　　录<br />前言<br />第1章　图像处理基础　1<br />1.1　图像处理简介　1<br />1.1.1　图像处理的发展概况　2<br />1.1.2　图像处理的应用领域　3<br />1.1.3　图像处理的目的和常用方法　4<br />1.2　图像的表示方法　5<br />1.2.1　数字图像的表示　5<br />1.2.2　数字图像的矩阵表示　6<br />1.2.3　数字图像处理中的坐标系　6<br />1.3　图像像素的基本关系　7<br />1.3.1　像素的邻域　7<br />1.3.2　图像像素间的距离　8<br />1.4　常用的图像处理工具　8<br />1.5　Python数字图像处理库　10<br />1.6　Python集成环境的安装　12<br />1.6.1　Anaconda集成环境的下载<br />与安装　12<br />1.6.2　PyCharm集成环境的下载<br />与安装　17<br />1.7　习题　22<br />第2章　数字图像的获取和基本运算　23<br />2.1　图像的基本类型　23<br />2.1.1　二值图像　23<br />2.1.2　灰度图像　24<br />2.1.3　索引图像　24<br />2.1.4　彩色图像　24<br />2.2　图像的格式　25<br />2.2.1　静态图像格式　25<br />2.2.2　视频图像格式　26<br />2.3　图像的获取　27<br />2.3.1　图像的读取　28<br />2.3.2　图像的显示　28<br />2.3.3　图像的保存　30<br />2.3.4　图像的属性　31<br />2.3.5　图像的复制与克隆　32<br />2.4　视频图像的获取　34<br />2.4.1　视频文件的读写　34<br />2.4.2　实时视频图像的获取　35<br />2.5　图像的算术运算　36<br />2.5.1　加法运算　36<br />2.5.2　减法运算　39<br />2.5.3　乘法运算　41<br />2.5.4　除法运算　41<br />2.6　图像的逻辑运算　42<br />2.6.1　按位与运算　43<br />2.6.2　按位或运算　44<br />2.6.3　按位非运算　44<br />2.6.4　按位异或运算　45<br />2.6.5　图像的感兴趣区域与感兴趣<br />区域操作　47<br />2.6.6　利用mask进行图像叠加　48<br />2.7　图形的绘制和添加文字　51<br />2.7.1　图像中图形的绘制　51<br />2.7.2　图像添加非中文文字　55<br />2.7.3　图像添加中文文字　56<br />2.8　习题　57<br />第3章　数字图像的几何变换　58<br />3.1　图像的映射变换与插值方法　58<br />3.1.1　图像的映射变换　58<br />3.1.2　图像变换的插值方法　60<br />3.2　图像平移与缩放　63<br />3.2.1　图像平移　63<br />3.2.2　图像缩放　66<br />3.3　图像旋转　67<br />3.3.1　图像不完整旋转　67<br />3.3.2　图像完整旋转　69<br />3.3.3　使用特定函数的旋转　70<br />3.4　图像剪切　72<br />3.4.1　图像规则剪切　72<br />3.4.2　图像不规则剪切　73<br />3.5　图像的镜像变换　75<br />3.6　图像的仿射变换和透视变换　76<br />3.6.1　图像的仿射变换　76<br />3.6.2　图像的透视变换　78<br />3.7　图像的极坐标变换　82<br />3.7.1　数据点坐标系间的转换　82<br />3.7.2　图像数据坐标系间的转换　83<br />3.7.3　视频图像坐标系间的转换　85<br />3.8　习题　87<br />第4章　图像空域增强　88<br />4.1　灰度线性变换　88<br />4.1.1　图像亮度增加或降低　88<br />4.1.2　增强或减弱图像对比度　90<br />4.1.3　图像反色变换　91<br />4.1.4　图像分段线性灰度变换　93<br />4.2　非线性变换　94<br />4.2.1　对数变换　94<br />4.2.2　伽马变换　96<br />4.3　图像直方图　98<br />4.3.1　使用OpenCV中的函数绘制<br />直方图　98<br />4.3.2　使用Matplotlib库绘制图像<br />直方图　99<br />4.4　直方图均衡化　101<br />4.4.1　直方图均衡化原理　102<br />4.4.2　使用OpenCV函数实现直方<br />图均衡化　103<br />4.4.3　自适应直方图均衡化　105<br />4.5　直方图规定化　106<br />4.5.1　自定义映像函数实现直方图<br />规定化　107<br />4.5.2　直方图反向投影　111<br />4.6　习题　114<br />第5章　图像空域滤波　115<br />5.1　图像噪声　115<br />5.1.1　通过NumPy数组库添加噪声　115<br />5.1.2　通过skimage库添加噪声　121<br />5.2　空域滤波　123<br />5.2.1　线性空域滤波和非线性滤波　123<br />5.2.2　图像滤波边界处理　124<br />5.3　图像平滑　126<br />5.3.1　均值滤波　126<br />5.3.2　方框滤波　128<br />5.3.3　高斯滤波　129<br />5.3.4　中值滤波　131<br />5.3.5　自适应中值滤波　133<br />5.3.6　高斯双边滤波　137<br />5.3.7　均值迁移滤波　138<br />5.3.8　导向滤波　140<br />5.3.9　非局部均值滤波　141<br />5.4　图像锐化　144<br />5.4.1　拉普拉斯滤波　144<br />5.4.2　自定义卷积核滤波　147<br />5.4.3　非锐化掩模和高频提升滤波　148<br />5.5　习题　149<br />第6章　图像频域滤波　151<br />6.1　傅里叶变换　151<br />6.1.1　NumPy中的傅里叶变换　152<br />6.1.2　OpenCV中的傅里叶变换　153<br />6.2　低通滤波　155<br />6.2.1　理想低通滤波　155<br />6.2.2　巴特沃斯低通滤波　158<br />6.2.3　高斯低通滤波　162<br />6.3　高通滤波　166<br />6.3.1　理想高通滤波　166<br />6.3.2　巴特沃斯高通滤波　169<br />6.3.3　高斯高通滤波　171<br />6.4　带通和带阻滤波　173<br />6.4.1　带通滤波　173<br />6.4.2　带阻滤波　178<br />6.5　同态滤波　182<br />6.6　习题　185<br />第7章　图像退化和复原　186<br />7.1　图像退化与复原的机理　186<br />7.1.1　图像退化　186<br />7.1.2　图像复原　187<br />7.2　图像的模糊　188<br />7.2.1　运动模糊退化模型　188<br />7.2.2　湍流模糊退化模型　191<br />7.3　图像的逆滤波复原　193<br />7.3.1　运动模糊图像的逆滤波　193<br />7.3.2　湍流模糊图像的逆滤波　194<br />7.4　图像的维纳滤波复原　197<br />7.5　约束最小二乘滤波复原　200<br />7.6　几何均值滤波复原　203<br />7.7　图像修复与复原　205<br />7.8　图像质量的评价　206<br />7.8.1　主观评价方法　207<br />7.8.2　客观评价方法　207<br />7.9　习题　216<br />第8章　图像数学形态学　217<br />8.1　结构元素　217<br />8.1.1　使用OpenCV生成结构元素　217<br />8.1.2　使用NumPy生成结构元素　218<br />8.2　腐蚀　219<br />8.2.1　OpenCV中的腐蚀函数　221<br />8.2.2　skimage中的腐蚀函数　222<br />8.3　膨胀　223<br />8.3.1　OpenCV中的膨胀函数　225<br />8.3.2　skimage中的膨胀函数　226<br />8.3.3　OpenCV形态学处理原型<br />函数　227<br />8.4　开运算　228<br />8.4.1　OpenCV中的开运算　228<br />8.4.2　skimage中的开运算　229<br />8.5　闭运算　230<br />8.5.1　OpenCV中的闭运算　230<br />8.5.2　skimage中的闭运算　231<br />8.6　高帽运算　232<br />8.6.1　OpenCV中的高帽运算　232<br />8.6.2　skimage中的高帽运算　234<br />8.7　黑帽运算　235<br />8.7.1　OpenCV中的黑帽运算　235<br />8.7.2　skimage中的黑帽运算　236<br />8.8　形态学梯度　237<br />8.9　灰度形态学　240<br />8.9.1　灰度图像的腐蚀运算　240<br />8.9.2　灰度图像的膨胀运算　241<br />8.9.3　灰度图像的开运算和闭运算　242<br />8.10　形态学运算检测图像的边缘和<br />角点　243<br />8.10.1　检测图像边缘　243<br />8.10.2　检测图像角点　245<br />8.11　击中和击不中运算　248<br />8.12　习题　249<br />第9章　边缘检测　250<br />9.1　一阶微分算子　251<br />9.1.1　Roberts算子　251<br />9.1.2　Prewitt算子　253<br />9.1.3　Sobel算子　253<br />9.1.4　Scharr算子　256<br />9.2　二阶微分算子　257<br />9.2.1　拉普拉斯算子　257<br />9.2.2　高斯拉普拉斯算子　260<br />9.2.3　高斯差分算子　262<br />9.3　Canny算子　264<br />9.4　霍夫变换　268<br />9.4.1　霍夫变换的基本原理　268<br />9.4.2　霍夫变换检测直线　269<br />9.4.3　霍夫变换检测圆环　275<br />9.4.4　skimage库中的霍夫变换　277<br />9.5　图像金字塔　280<br />9.5.1　高斯金字塔　281<br />9.5.2　拉普拉斯金字塔　283<br />9.5.3　基于拉普拉斯金字塔的图像<br />融合　286<br />9.6　习题　290<br />第10章　图像分割　291<br />10.1　图像阈值分割　291<br />10.1.1　全局阈值分割　292<br />10.1.2　自适应阈值　294<br />10.1.3　Otsu’s算法　295<br />10.1.4　三角形法　297<br />10.2　图像区域分割　298<br />10.2.1　区域生长　298<br />10.2.2　区域分裂合并　300<br />10.3　图像的边缘分割　302<br />10.4　直方图分割法　304<br />10.5　图像连接组件标记算法　306<br />10.6　分水岭算法　308<br />10.6.1　基于距离变换的分水岭算法　309<br />10.6.2　基于标记点的分水岭算法　312<br />10.6.3　基于均值漂移算法的图像<br />分割　313<br />10.7　基于梯度的分水岭算法　315<br />10.7.1　基于Sobel梯度的分水岭算法　316<br />10.7.2　基于形态学梯度的分水岭<br />算法　317<br />10.7.3　基于轮廓标记的分水岭算法　319<br />10.7.4　鼠标交互标记的分水岭算法　320<br />10.8　基于k均值聚类的区域分割　323<br />10.9　习题　326<br />第11章　彩色图像的处理　327<br />11.1　彩色模型和色彩空间的转换　327<br />11.1.1　彩色模型　327<br />11.1.2　色彩空间的转换　331<br />11.2　彩色图像通道的分离与合并　334<br />11.2.1　彩色图像通道的分离　335<br />11.2.2　彩色图像通道的合并　336<br />11.3　全彩色图像处理　337<br />11.3.1　彩色图像变换　338<br />11.3.2　彩色图像直方图处理　339<br />11.3.3　彩色图像的平滑和锐化　341<br />11.4　RGB色彩空间的图像分割　344<br />11.4.1　全局阈值的图像分割　344<br />11.4.2　局部阈值的图像分割　345<br />11.4.3　Otsu’s阈值的图像分割　347<br />11.4.4　颜色信息的图像分割　347<br />11.5　HSV色彩空间的图像分割　348<br />11.5.1　基于颜色阈值表的图像分割　349<br />11.5.2　基于颜色条的图像分割　352<br />11.6　伪彩色图像处理　355<br />11.6.1　灰度图像形成彩色图像　355<br />11.6.2　多光谱图像合成彩色图像　357<br />11.7　习题　359<br />第12章　图像特征的提取与描述　360<br />12.1　图像特征简介　360<br />12.2　图像的轮廓特征　361<br />12.2.1　图像轮廓的查找和绘制　361<br />12.2.2　边缘检测后的轮廓　363<br />12.2.3　使用轮廓绘制功能提取前景<br />图像　364<br />12.3　图像的几何特征　365<br />12.3.1　面积与周长　365<br />12.3.2　外接矩形　366<br />12.3.3　最小外接圆和内接椭圆　368<br />12.3.4　近似轮廓　369<br />12.3.5　轮廓凸包　371<br />12.3.6　拟合直线　372<br />12.3.7　形状特征　373<br />12.4　图像特征矩　375<br />12.4.1　图像特征矩简介　375<br />12.4.2　Hu矩　380<br />12.4.3　形状匹配　382<br />12.5　图像的角点检测　384<br />12.5.1　Harris角点检测　385<br />12.5.2　Shi-Tomasi角点检测　386<br />12.5.3　SIFT角点检测　387<br />12.6　图像匹配　390<br />12.6.1　ORB特征检测+暴力匹配　390<br />12.6.2　k最近邻匹配　393<br />12.6.3　FLANN匹配　394<br />12.7　图像拼接　395<br />12.7.1　SIFT+暴力匹配算法实现图像的<br />拼接　395<br />12.7.2　Stitcher全景拼接　397<br />12.8　习题　399<br />第13章　综合应用实例　400<br />13.1　Haar特征和级联分类器的目标<br />检测　400<br />13.1.1　Haar特征和级联分类器　400<br />13.1.2　基于Haar特征分类器的车牌<br />检测　402<br />13.1.3　基于Haar特征分类器的人脸<br />检测　403<br />13.2　答题卡的检测与分割　405<br />13.2.1　答题卡轮廓检测　405<br />13.2.2　答题卡不同区域的提取　406<br />13.2.3　识别填涂答案　407<br />13.2.4　答题卡用户界面的设计与<br />封装　411<br />13.3　基于CNN模型的手势识别　414<br />13.3.1　手势图像数据的采集　415<br />13.3.2　神经网络模型的创建与训练　416<br />13.3.3　实时手势数字的识别　419<br />13.4　基于深度学习的花卉识别系统　421<br />13.4.1　花卉图像数据的采集　421<br />13.4.2　数据集的分类　421<br />13.4.3　MobileNet神经网络模型的<br />设计与测试　423<br />13.4.4　图形用户界面设计　427<br />13.5　口罩佩戴的检测　430<br />13.5.1　口罩数据集的采集与处理　431<br />13.5.2　数据集的划分　434<br />13.5.3　数据集的训练　436<br />13.5.4　检测是否佩戴口罩　438<br />13.5.5　视频实时监测口罩佩戴<br />情况　439<br />参考文献　442