本书采用Python语言对数字图像处理进行讲解，相对于MATLAB，Python具有代码简短、可读性高、工具包多等特点，并且更能契合于企业需求，本书对多个经典实验进行实现，有助于学习者进行学习。

本书包含10个章节，第1章对本书中使用python基础知识进行简单的介绍；第2章对数字图像处理的基础知识和操作进行学习；第3章对图像增强理论介绍；第4章学习并实现图像的复原；第5章讲述了常见的压缩方法；第6章学习了形态学图像处理；第7章对常见的图像分割方法进行学习；第8章实现了经典的手写识别案例；第9章对图像分类的实例进行学习；第10章进行目标检测与追踪的相关实验。

    随着计算机技术的发展,数字图像处理技术被广泛应用于航空航天、通信工程、生物医学工程、工业和工程、军事公安等领域,成为人们日常生活中不可缺少的技术手段。
    高等学校数字图像处理课程包含的内容较多,且大多数内容无法直观地理解,因此常见教材都采用理论结合实验的方式进行编写。目前在实验方面,多数教材都使用 MATLAB软件实现图像处理的经典算法。相对于 MATLAB,Python有代码简短、可读性高、工具包多等特点,并且更契合于企业需求,因此本书以Python作为编程语言,对多个经典实验进行实现。
    本书共分10章,内容包括Python基础知识、数字图像处理基础、图像增强实验、图像复原实验、图像压缩实验、形态学图像处理实验、图像分割实验、手写文字识别实验、图像分类实验、目标检测实验。
    本书由武光利、徐世鹏任主编,张静、李燕任副主编,其中,第1、2章由武光利编写,第3、4章由李燕编写,第5、6、7章由徐世鹏编写,第8、9、10由张静编写。全书由武光利、徐世鹏进行统稿定稿,李燕和张静对部分章节进行了统稿。在编写过程中,王圣焘、唐惠莉、兰萍、何敏、许同杰、王星月、姚锐等参加了部分章节的编写和程序调试等工作。
    本书编写过程中参考了大量的数字图像处理文献,对这些文献的作者表示诚挚的感谢。同时本书的编写得到了甘肃政法大学的大力支持,在此表示衷心的感谢。
    由于编者水平有限,书中难免存在不足之处,望读者批评指正。

第 1章  Python编程基础   1

1.1  Python安装    1

1.1.1  Anaconda安装    1

1.1.2  PyCharm 安装     1

1.2  Python基本数据类型    2

1.2.1  数字(Number)    2

1.2.2   字符串(String)   3

1.2.3  元组(Tuple)   4

1.2.4   列表(List)   4

1.2.5   字典(Dict)    5

1.2.6   集合(Set)     6

1.3  常用库   6

1.3.1  NumPy    6

1.3.2  Matplotlib    7

1.3.3   OpenCV      9

1.4  Python编程     11

1.4.1  控制流语句   11

1.4.2   函数的定义   13

习题    13

第 2章  数字图像处理基础   14

2.1   图像的读取、显示和保存   14

2.1.1   图像的读取   14

2.1.2   图像的显示   15

2.1.3   图像的保存   16

2.2  点运算     17

2.2.1   线性点运算   17

2.2.2  非线性点运算   19

2.3  代数运算和逻辑运算     21

2.3.1  加法运算   21

2.3.2  减法运算   22

2.3.3   乘法运算   22

2.3.4   除法运算   24

2.3.5  逻辑运算   25

2.4  几何运算     26

2.4.1   图像的平移   27

2.4.2   图像的镜像   28

2.4.3   图像的旋转   29

2.4.4   图像的缩放   31

2.5  灰度直方图     33

2.6   图像变换     34

2.6.1   离散傅里叶变换   34

2.6.2   离散余弦变换   35

习题    37

第 3章  图像增强实验   38

3.1   图像增强基础     38

3.1.1   图像空域增强   38

3.1.2   图像频域增强  46

3.2  用到的 Python函数   49

3.2.1  灰度变换函数  49

3.2.2   直方图处理函数  49

3.2.3   空间域滤波函数   50

3.2.4  频域滤波函数   51

3.3  实验举例     52

3.3.1   空域滤波增强   52

3.3.2   直方图增强   58

3.3.3  频域增强   60

习题    62

第 4章  图像复原实验   63

4.1   图像复原基础     63

4.1.1   图像退化模型   63

4.1.2  噪声模型   64

4.1.3   空域滤波复原   70

4.1.4  频域滤波复原   74

4.1.5   自适应滤波复原   76

4.2  用到的 Python函数    77

4.2.1  噪声模型   77

4.2.2   空域滤波   78

4.2.3  频域滤波   79

4.2.4   自适应滤波   79

4.3  实验举例     79

4.3.1  噪声模型   79

4.3.2   空域滤波复原   82

4.3.3  频域滤波复原   91

4.3.4   自适应滤波复原   98

习题    99

第 5章  图像压缩实验   100

5.1   图像压缩基础   100

5.1.1   图像冗余      100

5.1.2   图像压缩技术指标      101

5.1.3  保真度准则      102

5.2   图像压缩编码   102

5.2.1   无损压缩编码      103

5.2.2  有损压缩编码      106

5.2.3  JPEG图像压缩    108

5.2.4  JPEG2000图像压缩      108

5.3  用到的 Python函数      109

5.3.1   无损编码      109

5.3.2  JPEG图像压缩函数    109

5.4  实验举例   110

5.4.1   无损压缩编码      110

5.4.2  JPEG压缩编码    117

习题     121

第 6章  形态学图像处理实验   122

6.1  形态学基础   122

6.1.1  膨胀和腐蚀运算      122

6.1.2   开运算和闭运算      125

6.1.3   击中和击不中变换      126

6.1.4  连通分量的标注      127

6.2  用到的 Python函数      127

6.2.1   结构元素构造函数      127

6.2.2  膨胀与腐蚀运算函数      128

6.2.3   开运算和闭运算函数      128

6.2.4  击中和击不中变换函数      128

6.2.5  连通分量函数      128

6.3  实验举例   129

6.3.1  二值图像形态学处理举例      129

6.3.2   图像的形态学处理举例      131

6.3.3   车牌识别示例      132


习题     136

第 7章  图像分割实验   137

7.1   图像分割基础   137

7.1.1  基础知识      137

7.1.2   点、线和边缘检测   138

7.1.3   阈值分割      142

7.1.4   区域分割      144

7.1.5  分水岭图像分割      146

7.2  使用到的 Python函数      147

7.2.1   点、线和边缘检测   147

7.2.2   阈值分割      147

7.2.3   区域分割      148

7.2.4  分水岭算法      148

7.3  实验举例   149

7.3.1   点检测      149

7.3.2   线检测      150

7.3.3  边缘检测      151

7.3.4   阈值分割      155

7.3.5   区域分割      160

7.3.6  分水岭算法      162

习题     164

第 8章  手写文字识别实验   165

8.1  基于 SVM手写数字识别     165

8.1.1  基础理论      165

8.1.2   流程设计      166

8.1.3  运行环境      167

8.1.4  模块实现      167

8.1.5  性能评价      170

8.2  基于深度学习的手写汉字识别   172

8.2.1  基础理论      172

8.2.2   流程设计      173

8.2.3  运行环境      173

8.2.4  模块实现      174

8.2.5  性能评价      180

习题     182

第 9章  图像分类实验   183

9.1  基于 SVM的图像分类     183

9.1.1  基础理论      183


9.1.2   流程设计      186

9.1.3  运行环境      186

9.1.4  模块实现      187

9.1.5   结果分析      190

9.2  基于 VGG-19的图像分类    191

9.2.1  基础理论      191

9.2.2   流程设计      194

9.2.3  运行环境      194

9.2.4  模块实现      194

9.2.5   结果分析      197

9.3  基于 GoogLeNet的图像分类      198

9.3.1  基础理论      198

9.3.2   流程设计      202

9.3.3  运行环境      202

9.3.4  模块实现      202

9.3.5   结果分析      205

习题     207

第 10章  目标检测实验   208

10.1  基于 HOG+SVM的目标检测      208

10.1.1   HOG      208

10.1.2   流程设计   210

10.1.3  运行环境   210

10.1.4  模块实现   210

10.1.5   结果分析   215

10.2  基于 CNN的目标检测    216

10.2.1  基础理论   216

10.2.2   流程设计   218

10.2.3  运行环境   219

10.2.4  模块实现   219

10.2.5   结果分析   225

习题     225

参考文献   226

武光利，博士、教授、硕士生导师，中国计算机学会语音专委会委员、CCF YOCSEF兰州学术委员；信息内容安全二级学科、证据科学省级特色学科网络安全监察与取证方向带头人、“面向网络空间安全的人工智能”省级教学团队带头人；研究方向为信息内容安全、人工智能。获甘肃省教学成果奖（教育厅级）2项、甘肃省教学成果奖培育项目1项；主持或参与国家级项目2项，省级项目3项，厅级项目5项；在SCI、EI、CSCD等期刊上发表论文10余篇，出版专著1部；承担《数字图像处理》、《数据处理与分析》、《机器学习》、《面向对象程序设计》等课程的教学工作；指导学生在各类学科竞赛中获多项国家级和省级奖项。

徐世鹏，博士、副教授，研究方向为信息内容安全、人工智能。承担《数字图像处理》、《信息隐藏技术》、《数据挖掘》、《模式识别》等课程的教学工作。

本书主要利用Python对数字图像相关知识点进行实现,每个实验详细给出了具体的环节，以帮助读者轻松掌握。本书遵从由简到难的原则，读者可在学习的过程中逐步提高自己的动手能力。