书名：数字图像处理：基于OpenCV-Python  
定价：129.0  
ISBN：9787121459368  
作者：黄杉  
版次：*1版  
出版时间：2023-07  

内容提要：  
本书按照数字图像处理的知识体系，循序渐进地对OpenCV-Python的基本功能进行全面、系统的介绍。全书共18章，分为OpenCV-Python的基本操作、图像处理的基本方法、图像处理的*级方法和计算机视觉四部分，详细介绍常用的OpenCV函数，并讲解例程代码。 *一部分介绍OpenCV-Python的基本操作，包括*1～4章。*二部分介绍图像处理的基本方法，包括第5～9章。第三部分介绍图像处理的*级方法，包括*10～13章。第四部分介绍计算机视觉，包括*14～18章。  



作者简介：  
黄杉，就读于西安邮电大学通信工程学院，致力于图像处理、深度学习领域的学习与研究。以网名youcans在 CSDN、B站、知乎开设“数字图像处理学习课”与“OpenCV例程”相关专栏，已发表400余篇文章，累计阅读量达 200万人次，其中100余篇文章入选“CSDN全站热榜”。  

媒体评论：  
（1）实例丰富，注释详细：本书介绍OpenCV例程，并编制例程索引，全面覆盖OpenCV的基本功能，系统介绍数字图像处理课程的内容。所有例程的实现方法简单、清晰，注释详细，便于读者理解和修改。（2）循序渐进，编排合理：与同类图书不同，本书以数字图像处理知识体系为主线，而非按照OpenCV模块编排，从而更好地体现问题导向和需求导向。各章节内容相对独立，每个例程都是独立程序，不会相互调用，从而避免使用尚未讲到的函数或内容。（3）函数手册，即学即用：本书介绍常用的OpenCV函数，并编制函数索引。与官方文档和同类书不同的是，本书对OpenCV函数进行了大量测试，着重讲解函数中参数的格式要求和注意事项，并结合例程帮助读者理解每个函数的特殊规定。（4）阅读建议：与冈萨雷斯《数字图像处理》教材配套阅读，学习效果事半功倍。  

目录：  
*一部分 OpenCV-Python的基本操作  

*1章 图像的基本操作 3  
1.1　图像的读取与保存 3  
1.1.1　图像的读取 3  
1.1.2　图像的保存 4  
1.2　图像的显示 6  
1.3　基于Matplotlib显示图像 7  
1.4　视频文件的读取与保存 9  
1.5　多帧图像的读取与保存 12  
*2章 图像的数据格式 15  
2.1　图像属性与数据类型 15  
2.1.1　图像颜色分类 15  
2.1.2　以Numpy数组表示数字图像 15  
2.1.3　图像的数据类型 16  
2.2　图像的创建与复制 17  
2.3　图像的裁剪与拼接 19  
2.4　图像通道的拆分与合并 21  
2.5　获取与修改像素值 23  
2.6　快速LUT替换像素值 25  
第3章 彩色图像处理 29  
3.1　图像的颜色空间转换 29  
3.1.1　图像的颜色空间 29  
3.1.2　图像的颜色空间转换 29  
3.2　灰度图像的伪彩色处理 31  
3.3　多模态数据合成的伪彩色图像 33  
3.4　图像的色彩风格滤镜 35  
3.5　调节图像的色彩平衡 37  
第4章 绘图与鼠标交互 40  
4.1　OpenCV绘图函数的参数 40  
4.2　绘制直线与线段 41  
4.3　绘制垂直矩形 43  
4.4　绘制旋转矩形 45  
4.5　绘制圆形和椭圆 47  
4.5.1　绘制圆形 47  
4.5.2　绘制椭圆和椭圆弧 49  
4.6　绘制多段线和多边形 53  
4.7　图像上添加文字 56  
4.8　鼠标框选矩形区域 57  
4.9　鼠标交互操作 59  

*二部分 图像处理的基本方法  

第5章 图像的算术运算 65  
5.1　图像的加法与减法运算 65  
5.2　使用掩模图像控制处理区域 67  
5.3　图像的加权加法运算 69  
5.4　图像的乘法与除法运算 71  
5.5　图像的位运算 73  
5.6　图像的积分运算 77  
5.7　图像的归一化处理 80  
第6章 图像的几何变换 81  
6.1　图像的平移 81  
6.2　图像的缩放 83  
6.3　图像的旋转 85  
6.4　图像的翻转 88  
6.5　图像的斜切 89  
6.6　图像的投影变换 91  
6.7　图像的重映射 94  
第7章 图像的灰度变换 99  
7.1　图像反转变换 99  
7.2　线性灰度变换 100  
7.3　非线性灰度变换 105  
7.3.1　对数变换 105  
7.3.2　幂律变换 105  
7.4　分段线性变换之对比度拉伸 108  
7.5　分段线性变换之灰度级分层 109  
7.6　灰度变换之比特平面 110  
7.7　基于灰度变换调整图像色阶 112  
第8章 图像的直方图处理 116  
8.1　图像的灰度直方图 116  
8.2　图像的直方图均衡化 118  
8.3　图像的直方图匹配 120  
8.4　基于局部直方图统计量的图像增强 124  
8.5　限制对比度自适应直方图均衡化 126  
第9章 图像的阈值处理 129  
9.1　固定阈值处理 129  
9.2　OTSU阈值算法 133  
9.3　多阈值处理算法 134  
9.4　自适应阈值处理 137  
9.5　移动平均阈值处理 138  
9.6　HSV颜色空间的阈值分割 140  
9.6.1　HSV颜色空间 140  
9.6.2　区间阈值处理 141  

第三部分 图像处理的*级方法  

*10章 图像卷积与空间滤波 149  
10.1　相关运算与卷积运算 149  
10.1.1　相关运算 149  
10.1.2　可分离卷积核 150  
10.1.3　边界扩充 151  
10.2　空间滤波之盒式滤波器 153  
10.3　空间滤波之高斯滤波器 155  
10.4　空间滤波之统计排序滤波器 157  
10.4.1　中值滤波器 157  
10.4.2　*大值滤波器 157  
10.4.3　*小值滤波器 158  
10.4.4　中点滤波器 158  
10.4.5　修正阿尔法均值滤波器 158  
10.5　空间滤波之自适应滤波器 161  
10.5.1　自适应局部降噪滤波器 161  
10.5.2　自适应中值滤波器 161  
10.6　空间滤波之双边滤波器 164  
10.7　空间滤波之钝化掩蔽 166  
10.8　空间滤波之Laplacian算子 168  
10.9　空间滤波之Sobel算子与Scharr算子 169  
10.9.1　Sobel算子 169  
10.9.2　Scharr算子 170  
10.10　图像金字塔 173  
10.10.1　高斯金字塔 173  
10.10.2　拉普拉斯金字塔 174  
*11章 傅里叶变换与频域滤波 179  
11.1　图像的傅里叶变换 179  
11.1.1　用OpenCV实现傅里叶变换 180  
11.1.2　用Numpy实现傅里叶变换 181  
11.1.3　频谱中心化 181  
11.2　快速傅里叶变换 185  
11.3　频域滤波的基本步骤 187  
11.4　频域滤波之低通滤波 189  
11.4.1　低通滤波器的传递函数 189  
11.4.2　频域滤波的详细步骤 192  
11.5　频域滤波之高通滤波 195  
11.6　频域滤波之Laplacian算子 198  
11.6.1　Laplacian算子 198  
11.6.2　梯度算子的传递函数 198  
11.7　频域滤波之选择性滤波器 202  
11.7.1　带阻滤波器和带通滤波器 203  
11.7.2　陷波滤波器 203  
*12章 形态学图像处理 209  
12.1　腐蚀运算和膨胀运算 209  
12.1.1　腐蚀和膨胀 209  
12.1.2　形态学处理的结构元 210  
12.2　形态学运算函数 212  
12.2.1　形态学*级运算 213  
12.2.2　形态学处理函数 214  
12.3　灰度形态学运算 218  
12.3.1　灰度腐蚀与灰度膨胀 218  
12.3.2　灰度开运算与灰度闭运算 219  
12.3.3　灰度顶帽算子和灰度底帽算子 219  
12.4　形态学算法之边界提取 225  
12.5　形态学算法之直线提取 226  
12.6　形态学算法之线条细化 228  
12.7　形态学重建之边界清除 230  
12.8　形态学重建之孔洞填充 232  
12.8.1　孔洞填充算法 232  
12.8.2　泛洪填充算法 233  
12.9　形态学重建之骨架提取 237  
12.10　形态学重建之粒径分离 238  
12.11　基于形态学的粒度测定 240  
12.12　形态学算法之边缘检测和角点检测 242  
*13章 图像变换、重建与复原 245  
13.1　直角坐标与极坐标变换 245  
13.2　霍夫变换直线检测 247  
13.3　霍夫变换圆检测 250  
13.4　雷登变换与反投影图像重建 252  
13.4.1　投影和雷登变换 252  
13.4.2　反投影和图像重建 253  
13.5　雷登变换滤波反投影图像重建 257  
13.6　退化图像复原之逆滤波 260  
13.7　退化图像复原之维纳滤波 263  
13.8　退化图像复原之*小二乘法滤波 266  

第四部分 计算机视觉  

*14章 边缘检测与图像轮廓 273  
14.1　边缘检测之梯度算子 273  
14.2　边缘检测之LoG算子 275  
14.3　边缘检测之DoG算子 278  
14.4　边缘检测之Canny算子 280  
14.5　边缘连接 282  
14.6　轮廓的查找与绘制 284  
14.6.1　查找图像轮廓 284  
14.6.2　绘制图像轮廓 285  
14.7　轮廓的基本参数 288  
14.7.1　轮廓的面积 288  
14.7.2　轮廓的周长 288  
14.7.3　轮廓的质心 289  
14.7.4　轮廓的等效直径 289  
14.7.5　**端点的位置 289  
14.8　轮廓的形状特征 292  
14.8.1　轮廓的垂直矩形边界框 292  
14.8.2　轮廓的*小矩形边界框 292  
14.8.3　轮廓的*小外接圆 293  
14.8.4　轮廓的*小外接三角形 293  
14.8.5　轮廓的近似多边形 294  
14.8.6　轮廓的拟合椭圆 294  
14.8.7　轮廓的拟合直线 294  
14.8.8　轮廓的凸壳 295  
14.9　轮廓的属性 298  
14.9.1　轮廓的宽高比 298  
14.9.2　轮廓的面积比 299  
14.9.3　轮廓的坚实度 299  
14.9.4　轮廓的方向 299  
14.9.5　轮廓的掩模 299  
14.9.6　轮廓的*大值、*小值及其位置 300  
14.9.7　灰度均值和颜色均值 300  
14.9.8　检测轮廓的内部/外部 300  
14.10　矩不变量与形状相似性 303  
14.10.1　图像的矩不变量 303  
14.10.2　基于矩不变量的形状相似性 304  
*15章 图像分割 308  
15.1　区域生长与分离 308  
15.1.1　区域生长 308  
15.1.2　区域分离与聚合 308  
15.2　超像素区域分割 311  
15.2.1　简单线性迭代聚类 311  
15.2.2　能量驱动采样 311  
15.2.3　线性谱聚类 312  
15.2.4　OpenCV超像素分割函数 312  
15.3　分水岭算法 317  
15.4　图割分割算法 322  
15.4.1　GraphCut图割算法 322  
15.4.2　GrabCut图割算法 322  
15.4.3　OpenCV中的图割算法 323  
15.5　均值漂移算法 328  
15.6　运动图像分割 331  
15.6.1　帧间差分法 331  
15.6.2　背景差分法 331  
15.6.3　密集光流法 332  
*16章 特征描述 340  
16.1　特征描述之弗里曼链码 340  
16.2　特征描述之傅里叶描述符 344  
16.3　特征描述之傅里叶频谱分析 347  
16.4　特征描述之区域特征描述 350  
16.5　特征描述之灰度共生矩阵 353  
16.6　特征描述之LBP描述符 356  
16.6.1　基本LBP特征描述符 356  
16.6.2　扩展LBP特征描述符 356  
16.6.3　LBP特征统计直方图 357  
16.7　特征描述之HOG描述符 363  
16.8　特征描述之BRIEF描述符 367  
16.9　特征描述之FREAK描述符 371  
*17章 特征检测与匹配 374  
17.1　角点检测之Harris算法 374  
17.1.1　Harris角点检测算法 374  
17.1.2　Shi-Tomas角点检测算法 375  
17.1.3　OpenCV角点检测算法 375  
17.2　角点检测之亚像素*确定位 377  
17.3　特征检测之SIFT算法 380  
17.3.1　SIFT算法的原理 380  
17.3.2　OpenCV的SIFT类 381  
17.4　特征检测之SURF算法 384  
17.4.1　SURF算法原理 384  
17.4.2　OpenCV的SURF类 385  
17.5　特征检测之FAST算法 387  
17.6　特征检测之ORB算法 390  
17.6.1　基于尺度空间的FAST关键点检测 390  
17.6.2　基于点方向的BRIEF特征描述符 390  
17.7　特征检测之MSER算法 392  
17.8　特征匹配之暴力匹配 396  
17.9　特征匹配之*近邻匹配 399  
17.9.1　*近邻匹配 399  
17.9.2　单应性映射变换 400  
*18章 机器学习 404  
18.1　OpenCV机器学习模块 404  
18.2　主成分分析 406  
18.2.1　主成分分析基本方法 406  
18.2.2　OpenCV的PCA类 406  
18.3　k均值聚类算法 409  
18.4　k近邻算法 413  
18.5　贝叶斯分类器 417  
18.6　支持向量机 420  
18.6.1　支持向量机算法 420  
18.6.2　OpenCV的SVM类 421  
18.6.3　OpenCV的SVMSGD类 422  
18.7　人工神经网络算法 426  
18.7.1　神经网络算法介绍 426  
18.7.2　OpenCV的ANN_MLP神经网络模型 427  
参考文献 436