幫助中心 | 我的帳號 | 關於我們

數字圖像處理與深度學習技術應用/人工智慧與智能系統人才培養系列

  • 作者:楊淑瑩|責編:牛平月
  • 出版社:電子工業
  • ISBN:9787121483011
  • 出版日期:2024/08/01
  • 裝幀:平裝
  • 頁數:301
人民幣:RMB 69 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書介紹了各種數字圖像處理的演算法分析及編程實現技術。全書由13章組成,主要內容包括圖像處理編程基礎、彩色圖像特效處理、圖像的合成處理、圖像的幾何變換、圖像的灰度變換、圖像平滑處理、圖像邊緣銳化處理、圖像形態學處理、圖像分割與測量、圖像頻域變換處理。同時,介紹了基於深度學習的CNN模型和Faster R-CNN模型,以及這些模型在漢字識別、語音識別或手勢識別等項目中的應用,這些內容與「國家級虛擬模擬實驗教學一流課程」相配套。
    本書介紹了數字圖像處理與深度學習技術的應用,並給出與這些技術相結合的編程實例。書中提供了Python編程代碼和相關函數說明。實常式序的框架結構簡單,代碼簡潔,使Python初學者很快就能編寫圖像處理的程序代碼。
    本書可作為高等院校電腦工程、信息工程、生物醫學工程、智能機器人學、工業自動化、模式識別及相關學科的研究生、本科生的教材或參考書,亦可供有關工程技術人員參考。

作者介紹
楊淑瑩|責編:牛平月

目錄
第1章  圖像處理編程基礎
  1.1  Python開發基礎
    1.1.1  Python的安裝
    1.1.2  PyCharm的安裝
    1.1.3  OpenCV及常用庫的配置
  1.2  數字圖像處理與深度學習技術簡介
  1.3  系統界面開發基礎
  1.4  圖像顯示
    1.4.1  待處理圖像的顯示
    1.4.2  處理後圖像的顯示
  習題
第2章  彩色圖像特效處理
  2.1  圖像的顏色表示
    2.1.1  像素的顏色
    2.1.2  圖像的存儲結構
    2.1.3  圖像的精度
  2.2  彩色圖像的灰度化處理
  2.3  彩色圖像的著色處理
  2.4  彩色圖像的亮度調整
  2.5  彩色圖像的對比度調整
  2.6  彩色圖像的曝光處理
  2.7  彩色圖像的馬賽克處理
  2.8  彩色圖像的梯度銳化處理
  2.9  彩色圖像的浮雕處理
  2.10  彩色圖像的霓虹處理
  小結
  習題
第3章  圖像的合成處理
  3.1  圖像的代數運算
    3.1.1  圖像加運算
    3.1.2  圖像減運算
  3.2  圖像邏輯運算
    3.2.1  位與運算
    3.2.2  位或運算
    3.2.3  位非運算
    3.2.4  位異或運算
  小結
  習題
第4章  圖像的幾何變換
  4.1  概述
  4.2  圖像平移
  4.3  圖像鏡像
  4.4  圖像縮放
  4.5  圖像轉置
  4.6  投影變換
  4.7  圖像旋轉
  小結
  習題
第5章  圖像的灰度變換
  5.1  概述

  5.2  二值化和閾值處理
  5.3  灰度線性變換與分段線性變換
    5.3.1  灰度線性變換
    5.3.2  分段線性變換
  5.4  灰度非線性變換
    5.4.1  灰度對數變換
    5.4.2  灰度指數變換
    5.4.3  灰度冪次變換
  5.5  灰度直方圖
    5.5.1  灰度直方圖概念
    5.5.2  直方圖正規化
    5.5.3  直方圖均衡化
    5.5.4  自適應直方圖均衡化
  小結
  習題
第6章  圖像平滑處理
  6.1  概述
  6.2  雜訊消除法
    6.2.1  二值圖像的黑白點雜訊濾波
    6.2.2  消除孤立黑像素點
  6.3  鄰域平均法
    6.3.1  3×3均值濾波
    6.3.2  N×N均值濾波
    6.3.3  超限鄰域平均法
    6.3.4  方框濾波
  6.4  高斯濾波
  6.5  中值濾波
    6.5.1  N×N中值濾波
    6.5.2  十字形中值濾波
    6.5.3  N×N最大值濾波
  6.6  雙邊濾波
  6.7  2D卷積核的實現
  6.8  產生雜訊處理
    6.8.1  隨機雜訊
    6.8.2  椒鹽雜訊
  小結
  習題
第7章  圖像邊緣銳化處理
  7.1  概述
  7.2  圖像微分邊緣檢測
    7.2.1  縱向邊緣檢測
    7.2.2  橫向邊緣檢測
    7.2.3  雙向邊緣檢測
  7.3  常用的邊緣檢測運算元及方法
    7.3.1  Roberts邊緣檢測運算元
    7.3.2  Sobel邊緣檢測運算元
    7.3.3  Prewitt邊緣檢測運算元
    7.3.4  Scharr邊緣檢測運算元
    7.3.5  Krisch自適應邊緣檢測
    7.3.6  拉普拉斯運算元

    7.3.7  高斯-拉普拉斯運算元
    7.3.8  Canny邊緣檢測
  7.4  梯度銳化
    7.4.1  提升邊緣
    7.4.2  根據梯度二值化圖像
  小結
  習題
第8章  圖像形態學處理
  8.1  概述
  8.2  圖像腐蝕
    8.2.1  水平腐蝕
    8.2.2  垂直腐蝕
    8.2.3  全方向腐蝕
  8.3  圖像膨脹
    8.3.1  水平膨脹
    8.3.2  垂直膨脹
    8.3.3  全方向膨脹
  8.4  圖像開運算與閉運算
    8.4.1  圖像開運算
    8.4.2  圖像閉運算
  8.5  形態學梯度運算
  8.6  黑帽與禮帽運算
  8.7  圖像細化
  小結
  習題
第9章  圖像分割與測量
  9.1  概述
  9.2  閾值法分割
    9.2.1  直方圖門限選擇法
    9.2.2  半閾值選擇法
    9.2.3  迭代閾值法
    9.2.4  Otsu閾值法
    9.2.5  自適應閾值法
    9.2.6  分水嶺演算法
  9.3  投影法分割
    9.3.1  水平投影分割
    9.3.2  垂直投影分割
  9.4  輪廓檢測
    9.4.1  輪廓提取
    9.4.2  邊界跟蹤法
    9.4.3  區域增長法
    9.4.4  輪廓檢測與擬合
  9.5  目標物體測量
    9.5.1  區域標記
    9.5.2  面積測量
    9.5.3  周長測量
  9.6  最小外包形狀檢測
    9.6.1  最小外包矩形
    9.6.2  最小外包圓形
    9.6.3  最小外包三角形

    9.6.4  最小外包橢圓
  9.7  霍夫檢測
    9.7.1  霍夫直線檢測
    9.7.2  霍夫圓檢測
  小結
  習題
第10章  圖像頻域變換處理
  10.1  圖像頻域變換
    10.1.1  圖像傅里葉變換
    10.1.2  圖像快速傅里葉變換
    10.1.3  圖像離散餘弦變換
    10.1.4  圖像頻域變換原理
  10.2  頻域低通濾波
    10.2.1  理想低通濾波
    10.2.2  梯形低通濾波
    10.2.3  巴特沃思低通濾波
    10.2.4  指數低通濾波
  10.3  頻域高通濾波
    10.3.1  理想高通濾波
    10.3.2  梯形高通濾波
    10.3.3  巴特沃思高通濾波
    10.3.4  指數高通濾波
  小結
  習題
第11章  基於深度學習CNN模型的漢字識別
  11.1  深度學習技術概述
  11.2  CNN基本概念
  11.3  漢字識別系統設計
  11.4  漢字圖像預處理
  11.5  投影與分割
  11.6  構建漢字識別模型
    11.6.1  構建CNN模型
    11.6.2  識別模型訓練
  11.7  漢字識別模型檢驗
第12章  基於深度學習CNN模型的語音識別
  12.1  語音識別系統設計
  12.2  語音信號預處理及特徵提取
    12.2.1  語音信號預處理
    12.2.2  MFCC特徵提取
  12.3  構建語音識別模型
    12.3.1  構建CNN模型
    12.3.2  識別模型訓練
  12.4  語音識別模型檢驗
第13章  基於深度學習Faster R-CNN模型的手勢識別
  13.1  R-CNN目標檢測與識別模型
  13.2  邊框回歸Bounding Box Regression原理
  13.3  Faster R-CNN目標檢測與識別模型
    13.3.1  Faster R-CNN模型框架
    13.3.2  基於區域提議網路RPN的目標檢測
    13.3.3  基於RoI池化和分類技術的目標識別

  13.4  手勢識別系統設計
  13.5  構建手勢識別模型
    13.5.1  構建Faster R-CNN模型
    13.5.2  Faster R-CNN識別模型訓練
  13.6  手勢識別模型檢驗

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032