ChatGPT与数字图像处理电子书

书名页

内容提要

版权页

前言

第1章 绪论

1.1 数字图像处理基础

1.1.1 数字图像处理简介

1.1.2 数字图像处理概述

1.1.3 数字图像处理应用

1.2 ChatGPT在数字图像处理中的角色

1.3 ChatGPT在数字图像处理中的应用

1.4 小结

第2章 图像的基本操作

2.1 图像的读取与存储

2.2 图像点运算

2.2.1 灰度变换

2.2.2 像素阈值处理

2.2.3 像素反转

2.2.4 像素对比度增强

2.3 图像的几何变换

2.3.1 图像旋转

2.3.2 图像平移

2.3.3 图像缩放

2.3.4 图像翻转

2.4 直方图处理

2.4.1 直方图均衡化

2.4.2 直方图匹配

2.4.3 直方图反转

2.5 图像去噪

2.5.1 中值滤波

2.5.2 高斯滤波

2.5.3 小波去噪

2.5.4 K近邻去噪

2.6 小结

第3章 图像分割

3.1 边缘提取

3.1.1 Roberts算子

3.1.2 Sobel算子

3.1.3 Prewitt算子

3.1.4 Laplacian算子

3.1.5 Canny算子

3.1.6 不同算子对比

3.2 区域分割

3.2.1 区域生长算法

3.2.2 分水岭算法

3.2.3 K-means聚类算法

3.2.4 OTSU阈值算法

3.2.5 基于形态学的分割算法

3.2.6 算法对比

3.3 小结

第4章 形态学处理

4.1 基本运算

4.1.1 腐蚀与膨胀

4.1.2 开操作与闭操作

4.2 复杂运算

4.2.1 顶帽运算

4.2.2 底帽运算

4.2.3 梯度运算

4.3 小结

第5章 图像特征提取

5.1 颜色特征提取

5.1.1 灰度直方图

5.1.2 聚类

5.2 形状特征提取

5.2.1 Hu不变矩

5.2.2 Hough变换

5.2.3 Radon变换

5.3 关键点特征提取

5.3.1 SIFT算法

5.3.2 ORB算法

5.3.3 LBP算法

5.4 特征降维

5.4.1 奇异值分解

5.4.2 主成分分析

5.4.3 线性判别方法

5.5 小结

第6章 图像识别应用初步

6.1 图像识别的概念

6.2 图像识别的一般过程

6.2.1 图像采集与预处理

6.2.2 特征提取与选择

6.2.3 模型构建与训练

6.2.4 测试与评估

6.2.5 部署与应用

6.3 图像识别的方法类型

6.3.1 基于模板匹配的方法

6.3.2 基于分类器的方法

6.3.3 基于深度学习的方法

6.4 小结

第7章 基于OCR字符提取的车牌识别

7.1 车牌识别背景

7.2 车牌识别原理

7.2.1 数据预处理

7.2.2 车牌区域提取

7.2.3 车牌区域裁剪

7.2.4 车牌文本识别

7.3 程序实现

7.3.1 数据预处理

7.3.2 车牌区域提取

7.3.3 图像遮罩和图像剪裁

7.3.4 OCR文本识别

7.4 完整代码

7.5 小结

第8章 基于小波变换和SVM的遥感图像船舶识别

8.1 遥感图像船舶识别背景

8.2 遥感图像船舶识别原理

8.2.1 海域遥感图像的基本特征分析

8.2.2 基于小波变换的图像过滤与增强理论研究

8.2.3 船舶遥感图像的目标识别算法

8.3 程序实现

8.3.1 基于小波变换的图像过滤与增强

8.3.2 船舶遥感图像特征提取

8.3.3 基于已提取的HOG特征进行SVM的分类

8.3.4 分析船舶区域并显示结果

8.4 结果展示

8.5 小结

第9章 基于光流场的交通汽车检测跟踪

9.1 汽车跟踪背景

9.2 汽车跟踪原理

9.2.1 光流法检测运动原理

9.2.2 Horn-Schunck光流算法

9.3 程序实现

9.3.1 创建视频及对象并设置参数

9.3.2 读取并预处理帧图像

9.3.3 计算光流和运动矢量

9.3.4 进行车辆检测和阈值处理

9.3.5 分析车辆区域并显示结果

9.3.6 调试

9.3.7 封装整合

9.4 结果展示

9.5 小结

第10章 基于视觉的路面裂缝检测

10.1 裂缝检测背景

10.2 裂缝检测原理

10.2.1 图像获取

10.2.2 直方图均衡化

10.2.3中值滤波去噪

10.2.4 二值图像滤波

10.2.5 对比度增强

10.2.6 二值化处理

10.3 裂缝检测步骤

10.4 程序实现

10.4.1 图像获取

10.4.2 直方图均衡化

10.4.3 中值滤波去噪

10.4.4 对比度增强

10.4.5 二值化处理

10.4.6 二值图像滤波

10.4.7 特征提取

10.4.8 裂缝识别和筛选

10.4.9 封装整合

10.5 结果展示

10.6 小结

第11章 基于阈值分割提取眼前节组织

11.1 眼前节组织提取背景

11.2 阈值分割技术原理

11.3 眼前节组织的提取步骤

11.4 程序实现

11.4.1 图像预处理

11.4.2 阈值选择

11.4.3 后处理

11.4.4 结果显示

11.4.5 封装整合

11.5 结果展示

11.6 小结

第12章 基于机器学习和深度学习的焊缝识别

12.1 焊缝识别背景

12.2 焊缝识别技术原理

12.2.1 支持向量机

12.2.2 卷积神经网络

12.3 焊缝识别步骤

12.3.1 机器学习方法

12.3.2 深度学习方法

12.4 程序实现

12.4.1 机器学习代码

12.4.2 深度学习代码

12.5 结果展示

12.6 小结

第13章 基于图像处理和深度学习的食品包装缺陷识别

13.1 食品包装缺陷识别背景

13.2 基于图像处理的食品包装缺陷识别

13.2.1 图像处理方法原理

13.2.2 图像处理步骤

13.2.3 图像处理代码

13.2.4 结果展示

13.3 基于深度学习的食品包装缺陷识别

13.3.1 深度学习方法原理

13.3.2 深度学习步骤

13.3.3 深度学习代码

13.3.4 结果展示

13.4 小结