Python視覺(jué)分析應(yīng)用案例實(shí)戰(zhàn)

 
下載源碼
 
下載圖片
 
第1章緒論
1.1什么是編程語(yǔ)言
1.1.1編程語(yǔ)言的內(nèi)容
1.1.2編程語(yǔ)言發(fā)展史
1.2Python簡(jiǎn)介
1.3Python的下載和安裝
1.4Jupyter Notebook的安裝與使用
1.4.1Jupyter Notebook的下載與安裝
1.4.2運(yùn)行Jupyter Notebook
1.4.3Jupyter Notebook的使用
1.5數(shù)字圖像處理概述
1.5.1數(shù)字圖像處理的特點(diǎn)
1.5.2數(shù)字圖像處理的基本技術(shù)
1.5.3數(shù)字圖像處理方法
1.5.4彩色空間
1.5.5數(shù)字圖像處理的應(yīng)用
第2章邁進(jìn)Python
2.1NumPy庫(kù)
2.1.1Numpy創(chuàng)建數(shù)組
2.1.2數(shù)組操作
2.2SciPy庫(kù)
2.2.1創(chuàng)建稀疏矩陣
2.2.2插值
2.2.3概率統(tǒng)計(jì)
2.2.4大數(shù)定律
2.2.5中心極限定理
2.3Pandas庫(kù)
2.3.1Pandas系列
2.3.2Pandas數(shù)據(jù)結(jié)構(gòu)
2.3.3Pandas面板
2.3.4Pandas稀疏數(shù)據(jù)
2.3.5Pandas CSV文件
2.3.6Pandas JSON
2.3.7Pandas數(shù)據(jù)清洗
第3章Python圖形用戶界面
3.1布局管理
3.1.1Pack布局管理器
3.1.2Grid布局管理器
3.1.3Place布局管理器
3.2Tkinter常用組件
3.2.1Variable類(lèi)
3.2.2compound選項(xiàng)
3.2.3Entry與Text組件
3.2.4Checkbutton組件
3.2.5Radiobutton組件
3.2.6Listbox和Combobox組件
3.2.7Spinbox組件
3.2.8Scale和LabeledScale組件
3.2.9LabelFrame組件
3.2.10PanedWindow組件
3.2.11OptionMenu組件
3.3對(duì)話框
3.3.1普通對(duì)話框
3.3.2非模式對(duì)話框
3.3.3輸入對(duì)話框
3.3.4生成對(duì)話框
3.3.5顏色選擇對(duì)話框
3.3.6消息框
3.4菜單
3.4.1窗口菜單
3.4.2右鍵菜單
3.5在Canvas中繪圖
3.5.1Canvas的繪圖
3.5.2繪制動(dòng)畫(huà)
第4章數(shù)據(jù)可視化分析
4.1Matplotlib生成數(shù)據(jù)圖
4.1.1安裝Matplotlib包
4.1.2認(rèn)識(shí) Matplotlib 
4.2各類(lèi)型數(shù)據(jù)圖
4.2.1離散型時(shí)間數(shù)據(jù)可視化
4.2.2連續(xù)型時(shí)間數(shù)據(jù)的可視化
4.2.3關(guān)系型數(shù)據(jù)的可視化
4.2.4多圖形的組合
4.2.5等高線圖
4.3三維繪圖
4.3.1坐標(biāo)軸對(duì)象
4.3.2三維曲線
4.3.3三維散點(diǎn)
4.3.4三維等高線圖
4.3.5三維線框
4.3.6三維曲面圖
4.4Pygal數(shù)據(jù)可視化
4.4.1安裝Pygal
4.4.2Pygal數(shù)據(jù)圖入門(mén)
4.4.3Pygal繪制常見(jiàn)數(shù)據(jù)圖
4.5Pygal模擬擲骰子
第5章圖像視覺(jué)增強(qiáng)分析
5.1圖像增強(qiáng)方法
5.2灰度變換
5.2.1線性灰度變換
5.2.2分段線性灰度增強(qiáng)
5.2.3非線性灰度變換
5.3空域增強(qiáng)
5.3.1平滑線性濾波器
5.3.2統(tǒng)計(jì)排序(非線性)濾波器
5.3.3雙邊濾波器
5.4空域銳化算子
5.4.1梯度空間算子
5.4.2Prewitt算子
5.4.3Sobel算子
5.4.4Laplacian算子
5.5圖像頻域平滑處理
5.5.1理想低通濾波器
5.5.2巴特沃思低通濾波器
5.5.3高斯低通濾波器
5.5.4頻域低通濾波器的應(yīng)用
5.6頻域圖像銳化
5.6.1理想高通濾波器
5.6.2巴特沃斯高通濾波器
5.6.3指數(shù)高通濾波器
5.6.4頻域高通濾波器的應(yīng)用
5.7空/頻域?yàn)V波的關(guān)系
第6章圖像視覺(jué)復(fù)原分析
6.1退化與復(fù)原
6.1.1退化的模型
6.1.2退化的原理
6.1.3復(fù)原的原理
6.2圖像去噪
6.2.1噪聲模型
6.2.2逆濾波
6.2.3維納濾波
6.2.4逆濾波與維納濾波的實(shí)現(xiàn)
6.3暗通道去霧處理
6.3.1暗通道的概念
6.3.2暗通道去霧霾的原理
第7章圖像視覺(jué)幾何變換與校正分析
7.1圖像幾何變換概述
7.2幾何變換的數(shù)學(xué)描述
7.3圖像的坐標(biāo)變換
7.3.1圖像的平移
7.3.2鏡像變換
7.3.3圖像的轉(zhuǎn)置
7.3.4圖像的縮放
7.3.5圖像的旋轉(zhuǎn)
7.3.6圖像幾何變換實(shí)戰(zhàn)
7.4圖像的幾何變換類(lèi)型
7.4.1剛體變換
7.4.2仿射變換
7.4.3透視變換
第8章圖像視覺(jué)分割技術(shù)分析
8.1圖像視覺(jué)分割的意義
8.2邊緣分割法
8.2.1邊緣模型
8.2.2基本邊緣檢測(cè)
8.2.3邊緣檢測(cè)實(shí)戰(zhàn)
8.3Hough變換
8.4閾值分割法
8.4.1灰度閾值與雙閾值
8.4.2全局閾值處理
8.4.3OTSU算法
8.4.4自適應(yīng)動(dòng)態(tài)閾值
8.5區(qū)域生長(zhǎng)分割法
8.5.1區(qū)域生長(zhǎng)原理
8.5.2區(qū)域生長(zhǎng)準(zhǔn)則
8.5.3區(qū)域分割與聚合
8.5.4分水嶺圖像分割法
第9章圖像視覺(jué)描述與特征提取分析
9.1圖像特征
9.2角點(diǎn)特征
9.2.1Harris角點(diǎn)檢測(cè)
9.2.2ShiTomasi角點(diǎn)檢測(cè)
9.2.3SUSAN角點(diǎn)檢測(cè)
9.3SIFT/SURF算法
9.3.1SIFT算法
9.3.2SURF特征檢測(cè)
9.4FAST和ORB算法
9.4.1FAST特征點(diǎn)檢測(cè)
9.4.2ORB算法
9.5LBP和HOG特征算子
9.5.1LBP算法
9.5.2HOG算法
9.6顏色特征
9.6.1直方圖特征
9.6.2顏色矩
9.6.3顏色相關(guān)圖
9.7圖像紋理特征提取
第10章車(chē)牌識(shí)別分析
10.1車(chē)牌識(shí)別流程
10.2車(chē)牌圖像處理與定位
10.2.1圖像的處理
10.2.2定位原理
10.2.3字符處理
10.2.4字符分割實(shí)現(xiàn)
10.3字符識(shí)別
10.3.1模板匹配的字符識(shí)別
10.3.2車(chē)牌字符識(shí)別實(shí)例
參考文獻(xiàn)