機器學習：基於OpenCV和Python的智能圖像處理（簡體書）

本書以Python語言為藍本，以OpenCV為框架，使用Anaconda搭建環境，通過豐富的實例，從實驗、實踐、實用的角度，詳細敘述了運用Python和OpenCV實現智能圖像處理的過程。全書共12章，主要內容包括智能圖像處理入門、Python基礎、圖像處理基礎、圖像幾何變換、圖像直方圖處理、圖像平滑濾波處理、圖像閾值處理、圖像形態學處理、圖像分割處理、圖像梯度及邊緣檢測、圖像輪廓檢測與擬合、人臉識別實現等，全面闡述了智能圖像處理的理論基礎和實現過程。
本書側重基礎、易學易懂，各章節既相對獨立又前後關聯，其*大的特點就是打破了傳統書籍的講解方法，在介紹各部分理論基礎的同時，搭配具體實例，通過對相關程序的詳細講解，幫助讀者進一步加深對理論基礎的理解。本書每章配有習題，以指導讀者深入學習智能圖像處理技術。

由淺入深、循序漸進的原則編寫，並與大量實例相結合，使讀者可以邊學邊練，從而提高學習的興趣與效率

前言
第1章　智能圖像處理入門 1
1.1　智能圖像處理概述 1
1.2　環境搭建 2
1.2.1　安裝Python 2
1.2.2　安裝PyCharm 8
1.2.3　PyCharm的初始化 12
1.2.4　OpenCV及常用庫的配置 15
1.3　思考與練習 17
第2章　Python基礎 18
2.1　數據類型 18
2.1.1　數值類型 18
2.1.2　字符串類型 20
2.1.3　布爾類型 20
2.2　變量與常量 21
2.3　運算符 21
2.3.1　運算符簡介 21
2.3.2　運算符優先級 21
2.4　選擇與循環 22
2.4.1　if語句 22
2.4.2　while循環 25
2.4.3　for循環 27
2.4.4　break和continue語句 29
2.5　列表與元組 31
2.5.1　創建 31
2.5.2　查詢 32
2.5.3　修改 33
2.5.4　刪除 34
2.6　字典 35
2.6.1　字典的創建 35
2.6.2　字典的常規操作 36
2.6.3　字典的遍歷 37
2.7　函數 38
2.7.1　函數的定義與調用 38
2.7.2　參數傳遞 40
2.8　面向對象編程 42
2.8.1　類與對象 42
2.8.2　繼承與多態 44
2.9　思考與練習 46
第3章　圖像處理基礎 48
3.1　圖像的基本表示方法 48
3.1.1　二值圖像 48
3.1.2　灰度圖像 48
3.1.3　彩色圖像 49
3.2　圖像處理的基本操作 50
3.2.1　圖像的讀取、顯示和保存 50
3.2.2　圖像通道的基本操作 53
3.2.3　圖像屬性的獲取 55
3.3　初識Numpy.array 56
3.4　圖像運算 57
3.4.1　加法運算 57
3.4.2　減法運算 59
3.4.3　乘法運算 61
3.4.4　除法運算 63
3.4.5　邏輯運算 64
3.5　圖像的色彩空間轉換 68
3.5.1　色彩空間類型轉換函數 68
3.5.2　RGB色彩空間 68
3.5.3　GRAY色彩空間 69
3.5.4　YCrCb色彩空間 70
3.5.5　HSV色彩空間 71
3.6　思考與練習 73
第4章　圖像幾何變換 74
4.1　仿射變換 74
4.1.1　平移 75
4.1.2　縮放 76
4.1.3　旋轉 77
4.2　重映射 78
4.2.1　複製 78
4.2.2　繞x軸翻轉 80
4.2.3　繞y軸翻轉 82
4.2.4　繞x軸與y軸翻轉 85
4.3　投影變換 87
4.3.1　原理簡介 87
4.3.2　Python實現 87
4.4　極坐標變換 89
4.4.1　原理簡介 89
4.4.2　Python實現 90
4.5　思考與練習 93
第5章 圖像直方圖處理 94
5.1　直方圖概述 94
5.2　直方圖的繪製 95
5.2.1　用OpenCV繪製直方圖 95
5.2.2　用pyplot繪製直方圖 98
5.3　直方圖正規化 99
5.3.1　正規化原理 99
5.3.2　Python實現 99
5.3.3　使用normalize實現 100
5.4　直方圖均衡化 102
5.4.1　均衡化原理簡介 102
5.4.2　Python實現 104
5.4.3　自適應直方圖均衡化 108
5.5　思考與練習 110
第6章　圖像平滑濾波處理 111
6.1　圖像平滑概述 111
6.2　高斯濾波 112
6.2.1　原理簡介 112
6.2.2　Python實現 113
6.3　均值濾波 114
6.3.1　原理簡介 114
6.3.2　Python實現 115
6.4　方框濾波 117
6.4.1　原理簡介 117
6.4.2　Python實現 117
6.5　中值濾波 119
6.5.1　原理簡介 119
6.5.2　Python實現 120
6.6　雙邊濾波 121
6.6.1　原理簡介 121
6.6.2　Python實現 122
6.7　2D卷積核的實現 123
6.8　思考與練習 125
第7章　圖像閾值處理 126
7.1　閾值處理概述 126
7.2　全域閾值處理 126
7.2.1　原理簡介 126
7.2.2　OpenCV閾值函數cv2.threshold() 127
7.2.3　閾值分割實例 127
7.3　局部閾值處理 136
7.3.1　原理簡介 136
7.3.2　cv2.adaptiveThreshold()函數 137
7.4　Otsu閾值處理 139
7.4.1　原理簡介 139
7.4.2　Python實現 140
7.5　思考與練習 141
第8章　圖像形態學處理 142
8.1　腐蝕 142
8.1.1　原理簡介 142
8.1.2　Python實現 143
8.2　膨脹 145
8.2.1　原理簡介 145
8.2.2　Python實現 146
8.3　形態學梯度運算 148
8.3.1　原理簡介 148
8.3.2　Python實現 148
8.4　開運算與閉運算 149
8.4.1　原理簡介 150
8.4.2　Python實現 150
8.5　黑帽與禮帽運算 153
8.5.1　原理簡介 153
8.5.2　Python實現 154
8.6　思考與練習 155
第9章 圖像分割處理 157
9.1　分水嶺算法的介紹與實現 157
9.1.1　算法原理 157
9.1.2　OpenCV中的相關函數 158
9.2　圖像的金字塔分割 165
9.2.1　圖像金字塔簡介 165
9.2.2　OpenCV中的相關函數 166
9.2.3　用金字塔算法實現圖像分割 170
9.3　思考與練習 171
第10章　圖像梯度及邊緣檢測 172
10.1　Sobel算子 172
10.1.1　原理簡介 172
10.1.2　Python實現 173
10.2　Scharr算子 176
10.2.1　原理簡介 176
10.2.2　Python實現 176
10.3　Canny邊緣檢測 179
10.3.1　原理簡介 179
10.3.2　Python實現 180
10.4　Laplacian算子 182
10.4.1　原理簡介 182
10.4.2　Python實現 182
10.5　高斯拉普拉斯邊緣檢測 184
10.5.1　原理簡介 184
10.5.2　Python實現 185
10.6　思考與練習 187
第11章　圖像輪廓檢測與擬合 188
11.1　OpenCV中輪廓的查找與繪製 188
11.1.1　輪廓的查找與繪製 188
11.1.2　查找繪製輪廓的實例 189
11.2　OpenCV中輪廓的周長與面積 192
11.2.1　周長計算：cv2.arcLength()函數 192
11.2.2　面積計算：cv2.contourArea()函數 193
11.3　幾何圖形的最小外包與擬合 194
11.3.1　最小外包矩形 195
11.3.2　最小外包圓形 196
11.3.3　最小外包三角形 197
11.3.4　最小外包橢圓 199
11.3.5　最優擬合直線 200
11.4　霍夫檢測 201
11.4.1　霍夫直線檢測 201
11.4.2　霍夫圓檢測 204
11.5　思考與練習 205
第12章　人臉識別實現 207
12.1　繪圖基礎 207
12.1.1　繪製直線：cv2.line()函數 207
12.1.2　繪製矩形：cv2.rectangle()函數 209
12.1.3　繪製圓形：cv2.circle()函數 210
12.1.4　繪製橢圓：cv2.ellipse()函數 212
12.1.5　在圖形上繪製文字：cv2.putText()函數 213
12.2　人臉檢測 214
12.2.1　OpenCV中級聯分類器的使用 215
12.2.2　Python實現 215
12.3　人臉識別 217
12.3.1　原理簡介 217
12.3.2　相關函數 217
12.3.3　LBPH人臉識別的Python實現 218
12.4　用Fisherfaces與EigenFaces算法進行人臉識別 220
12.4.1　相關函數 220
12.4.2　Python實現 221
12.5　思考與練習 223