机器学习:基于OpenCV和Python的智能图像处理

本书以Python语言为蓝本，以OpenCV为框架，使用Anaconda搭建环境，通过丰富的实例，从实验、实践、实用的角度，详细叙述了运用Python和OpenCV实现智能图像处理的过程。全书共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，全面阐述了智能图像处理的理论基础和实现过程。本书侧重基础、易学易懂，各章节既相对独立又前后关联，其*大的特点就是打破了传统书籍的讲解方法，在介绍各部分理论基础的同时，搭配具体实例，通过对相关程序的详细讲解，帮助读者进一步加深对理论基础的理解。本书每章配有习题，以指导读者深入学习智能图像处理技术。

前言章  智能图像处理入门 11.1  智能图像处理概述 11.2  环境搭建 21.2.1  安装Python 21.2.2  安装PyCharm 81.2.3  PyCharm的初始化 121.2.4  OpenCV及常用库的配置 151.3  思考与练习 17第2章  Python基础 182.1  数据类型 182.1.1  数值类型 182.1.2  字符串类型 202.1.3  布尔类型 202.2  变量与常量 212.3  运算符 212.3.1  运算符简介 212.3.2  运算符优先级 212.4  选择与循环 222.4.1  if语句 222.4.2  while循环 252.4.3  for循环 272.4.4  break和continue语句 292.5  列表与元组 312.5.1  创建 312.5.2  查询 322.5.3  修改 332.5.4  删除 342.6  字典 352.6.1  字典的创建 352.6.2  字典的常规操作 362.6.3  字典的遍历 372.7  函数 382.7.1  函数的定义与调用 382.7.2  参数传递 402.8  面向对象编程 422.8.1  类与对象 422.8.2  继承与多态 442.9  思考与练习 46第3章  图像处理基础 483.1  图像的基本表示方法 483.1.1  二值图像 483.1.2  灰度图像 483.1.3  彩色图像 493.2  图像处理的基本操作 503.2.1  图像的读取、显示和保存 503.2.2  图像通道的基本操作 533.2.3  图像属性的获取 553.3  初识Numpy.array 563.4  图像运算 573.4.1  加法运算 573.4.2  减法运算 593.4.3  乘法运算 613.4.4  除法运算 633.4.5  逻辑运算 643.5  图像的色彩空间转换 683.5.1  色彩空间类型转换函数 683.5.2  RGB色彩空间 683.5.3  GRAY色彩空间 693.5.4  YCrCb色彩空间 703.5.5  HSV色彩空间 713.6  思考与练习 73第4章  图像几何变换 744.1  仿射变换 744.1.1  平移 754.1.2  缩放 764.1.3  旋转 774.2  重映射 784.2.1  复制 784.2.2  绕x轴翻转 804.2.3  绕y轴翻转 824.2.4  绕x轴与y轴翻转 854.3  投影变换 874.3.1  原理简介 874.3.2  Python实现 874.4  极坐标变换 894.4.1  原理简介 894.4.2  Python实现 904.5  思考与练习 93第5章   图像直方图处理 945.1  直方图概述 945.2  直方图的绘制 955.2.1  用OpenCV绘制直方图 955.2.2  用pyplot绘制直方图 985.3  直方图正规化 995.3.1  正规化原理 995.3.2  Python实现 995.3.3  使用normalize实现 1005.4  直方图均衡化 1025.4.1  均衡化原理简介 1025.4.2  Python实现 1045.4.3  自适应直方图均衡化 1085.5  思考与练习 110第6章  图像平滑滤波处理 1116.1  图像平滑概述 1116.2  高斯滤波 1126.2.1  原理简介 1126.2.2  Python实现 1136.3  均值滤波 1146.3.1  原理简介 1146.3.2  Python实现 1156.4  方框滤波 1176.4.1  原理简介 1176.4.2  Python实现 1176.5  中值滤波 1196.5.1  原理简介 1196.5.2  Python实现 1206.6  双边滤波 1216.6.1  原理简介 1216.6.2  Python实现 1226.7  2D卷积核的实现 1236.8  思考与练习 125第7章  图像阈值处理 1267.1  阈值处理概述 1267.2  全局阈值处理 1267.2.1  原理简介 1267.2.2  OpenCV阈值函数cv2.threshold() 1277.2.3  阈值分割实例 1277.3  局部阈值处理 1367.3.1  原理简介 1367.3.2  cv2.adaptiveThreshold()函数 1377.4  Otsu阈值处理 1397.4.1  原理简介 1397.4.2  Python实现 1407.5  思考与练习 141第8章  图像形态学处理 1428.1  腐蚀 1428.1.1  原理简介 1428.1.2  Python实现 1438.2  膨胀 1458.2.1  原理简介 1458.2.2  Python实现 1468.3  形态学梯度运算 1488.3.1  原理简介 1488.3.2  Python实现 1488.4  开运算与闭运算 1498.4.1  原理简介 1508.4.2  Python实现 1508.5  黑帽与礼帽运算 1538.5.1  原理简介 1538.5.2  Python实现 1548.6  思考与练习 155第9章   图像分割处理 1579.1  分水岭算法的介绍与实现 1579.1.1  算法原理 1579.1.2  OpenCV中的相关函数 1589.2  图像的金字塔分割 1659.2.1  图像金字塔简介 1659.2.2  OpenCV中的相关函数 1669.2.3  用金字塔算法实现图像分割 1709.3  思考与练习 1710章  图像梯度及边缘检测 17210.1  Sobel算子 17210.1.1  原理简介 17210.1.2  Python实现 17310.2  Scharr算子 17610.2.1  原理简介 17610.2.2  Python实现 17610.3  Canny边缘检测 17910.3.1  原理简介 17910.3.2  Python实现 18010.4  Laplacian算子 18210.4.1  原理简介 18210.4.2  Python实现 18210.5  高斯拉普拉斯边缘检测 18410.5.1  原理简介 18410.5.2  Python实现 18510.6  思考与练习 1871章  图像轮廓检测与拟合 18811.1  OpenCV中轮廓的查找与绘制 18811.1.1  轮廓的查找与绘制 18811.1.2  查找绘制轮廓的实例 18911.2  OpenCV中轮廓的周长与面积 19211.2.1  周长计算：cv2.arcLength()函数 19211.2.2  面积计算：cv2.contourArea()函数 19311.3  几何图形的最小外包与拟合 19411.3.1  最小外包矩形 19511.3.2  最小外包圆形 19611.3.3  最小外包三角形 19711.3.4  最小外包椭圆 19911.3.5  最优拟合直线 20011.4  霍夫检测 20111.4.1  霍夫直线检测 20111.4.2  霍夫圆检测 20411.5  思考与练习 2052章  人脸识别实现 20712.1  绘图基础 20712.1.1  绘制直线：cv2.line()函数 20712.1.2  绘制矩形：cv2.rectangle()函数 20912.1.3  绘制圆形：cv2.circle()函数 21012.1.4  绘制椭圆：cv2.ellipse()函数 21212.1.5  在图形上绘制文字：cv2.putText()函数 21312.2  人脸检测 21412.2.1  OpenCV中级联分类器的使用 21512.2.2  Python实现 21512.3  人脸识别 21712.3.1  原理简介 21712.3.2  相关函数 21712.3.3  LBPH人脸识别的Python实现 21812.4  用Fisherfaces与EigenFaces算法进行人脸识别 22012.4.1  相关函数 22012.4.2  Python实现 22112.5  思考与练习 223