Python視覺分析應用案例實戰

目錄

下載源碼

下載圖片

第1章緒論

1.1什麽是編程語言

1.1.1編程語言的內容

1.1.2編程語言發展史

1.2Python簡介

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運行Jupyter Notebook

1.4.3Jupyter Notebook的使用

1.5數字圖像處理概述

1.5.1數字圖像處理的特點

1.5.2數字圖像處理的基本技術

1.5.3數字圖像處理方法

1.5.4彩色空間

1.5.5數字圖像處理的應用

第2章邁進Python

2.1NumPy庫

2.1.1Numpy創建數組

2.1.2數組操作

2.2SciPy庫

2.2.1創建稀疏矩陣

2.2.2插值

2.2.3概率統計

2.2.4大數定律

2.2.5中心極限定理

2.3Pandas庫

2.3.1Pandas系列

2.3.2Pandas數據結構

2.3.3Pandas面板

2.3.4Pandas稀疏數據

2.3.5Pandas CSV文件

2.3.6Pandas JSON

2.3.7Pandas數據清洗

第3章Python圖形用戶界面

3.1佈局管理

3.1.1Pack佈局管理器

3.1.2Grid佈局管理器

3.1.3Place佈局管理器

3.2Tkinter常用組件

3.2.1Variable類

3.2.2compound選項

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對話框

3.3.1普通對話框

3.3.2非模式對話框

3.3.3輸入對話框

3.3.4生成對話框

3.3.5顏色選擇對話框

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繪制動畫

第4章數據可視化分析

4.1Matplotlib生成數據圖

4.1.1安裝Matplotlib包

4.1.2認識 Matplotlib 

4.2各類型數據圖

4.2.1離散型時間數據可視化

4.2.2連續型時間數據的可視化

4.2.3關系型數據的可視化

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坐標軸對象

4.3.2三維曲線

4.3.3三維散點

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數據可視化

4.4.1安裝Pygal

4.4.2Pygal數據圖入門

4.4.3Pygal繪制常見數據圖

4.5Pygal模擬擲骰子

第5章圖像視覺增強分析

5.1圖像增強方法

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

5.2.3非線性灰度變換

5.3空域增強

5.3.1平滑線性濾波器

5.3.2統計排序(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指數高通濾波器

5.6.4頻域高通濾波器的應用

5.7空/頻域濾波的關系

第6章圖像視覺復原分析

6.1退化與復原

6.1.1退化的模型

6.1.2退化的原理

6.1.3復原的原理

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現

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幾何變換的數學描述

7.3圖像的坐標變換

7.3.1圖像的平移

7.3.2鏡像變換

7.3.3圖像的轉置

7.3.4圖像的縮放

7.3.5圖像的旋轉

7.3.6圖像幾何變換實戰

7.4圖像的幾何變換類型

7.4.1剛體變換

7.4.2仿射變換

7.4.3透視變換

第8章圖像視覺分割技術分析

8.1圖像視覺分割的意義

8.2邊緣分割法

8.2.1邊緣模型

8.2.2基本邊緣檢測

8.2.3邊緣檢測實戰

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自適應動態閾值

8.5區域生長分割法

8.5.1區域生長原理

8.5.2區域生長準則

8.5.3區域分割與聚合

8.5.4分水嶺圖像分割法

第9章圖像視覺描述與特徵提取分析

9.1圖像特徵

9.2角點特徵

9.2.1Harris角點檢測

9.2.2ShiTomasi角點檢測

9.2.3SUSAN角點檢測

9.3SIFT/SURF算法

9.3.1SIFT算法

9.3.2SURF特徵檢測

9.4FAST和ORB算法

9.4.1FAST特徵點檢測

9.4.2ORB算法

9.5LBP和HOG特徵算子

9.5.1LBP算法

9.5.2HOG算法

9.6顏色特徵

9.6.1直方圖特徵

9.6.2顏色矩

9.6.3顏色相關圖

9.7圖像紋理特徵提取

第10章車牌識別分析

10.1車牌識別流程

10.2車牌圖像處理與定位

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字符分割實現

10.3字符識別

10.3.1模板匹配的字符識別

10.3.2車牌字符識別實例

參考文獻