"《数字图像处理实践基于Python》秉承理论结合实践的教学理念，旨在通过系统且深入的内容，帮助读者快速掌握数字图像处理的核心技术，为未来的工作、科研或深造奠定坚实基础。本教材共分10章，主要内容涵盖了数字图像的基本概念、数字图像处理的重要意义以及当前常用的处理工具，并介绍了Python在数字图像处理中的应用、图像的基本运算、图像变换领域，以及图像增强技术、图像复原技术、图像压缩编码技术、图像分割技术、彩色图像处理技术、图像表示与描述技术等。本教材以实战为导向，每章均配有大量可执行的代码与实例演示，确保读者能够边学边做，快速掌握数字图像处理的精髓。 本教材内容全面，层次分明，不仅适合作为应用型本科生的教材使用，也适合作为数字图像处理领域其他初学者的自学参考书。"

第1章绪论1

1.1认识数字图像2

1.1.1数字图像的起源2

1.1.2　数字图像基本概念2

1.1.3　数字图像的分类3

1.1.4数字图像的采样与量化5

1.2认识数字图像处理6

1.2.1　数字图像处理的含义7

1.2.2　数字图像处理的应用领域7

1.2.3常见的数字图像处理技术8

1.2.4数字图像处理的基本步骤9

1.2.5数字图像文件格式10

1.3　认识数字图像处理工具11

1.3.1MATLAB11

1.3.2VisualC 13

1.3.3Python16

1.4思考练习18

第2章Python与数字图像处理19

2.1Python环境部署20

2.1.1Python安装20

2.1.2Pychram安装20

2.2了解Pillow库22

2.2.1Pillow库的基本信息22

2.2.2Pillow库的安装方法22

2.2.3Pillow库的主要作用23

2.3了解NumPy库25

2.3.1NumPy库概述25

2.3.2NumPy库的安装方法26

2.3.3NumPy库的应用26

2.4了解scikit-image库30

2.4.1scikit-image库的基础概念30

2.4.2scikit-image库的安装方法30

2.4.3scikit-image库的作用30

2.5　熟悉OpenCV库34

2.5.1什么是OpenCV34

2.5.2OpenCV的历史与发展35

2.5.3OpenCV的应用领域35

2.5.4OpenCV安装35

2.5.5OpenCV基础操作36

2.6　python其他的有关图像处理库42

2.6.1Matplotlib库42

2.6.2PyTorch库45

2.6.3TensorFlow库46

2.7思考练习47

第3章图像基本运算49

3.1点运算50

3.1.1线性点运算50

3.1.2非线性点运算55

3.2算术运算64

3.2.1加法运算65

3.2.2减法运算68

3.2.3乘法运算70

3.2.4除法运算71

3.3几何运算73

3.3.1仿射变换73

3.3.2平移变换75

3.3.3旋转变换77

3.3.4镜像变换78

3.3.5缩放变换80

3.3.6透视变换83

3.4思考练习85

第4章图像变换86

4.1图像变换概述87

4.1.1图像变换的主要作用87

4.1.2图像变换的方法87

4.1.3图像变换的步骤88

4.1.4　实例及代码实现89

4.2离散傅里叶变换90

4.2.1离散傅里叶变换的定义90

4.2.2离散傅里叶变换的特点90

4.2.3实例及代码实现91

4.2.4应用领域95

4.3图像傅里叶变换频谱分析96

4.3.1基本原理96

4.3.2常用的频谱分析方法96

4.3.3实例及代码实现97

4.4离散余弦变换103

4.4.1定义和原理103

4.4.2特点和优势104

4.4.3实例及代码实现104

4.5思考练习107

第5章图像增强108

5.1图像增强概述109

5.1.1图像增强的主要作用109

5.1.2图像增强的方法111

5.1.3图像增强的步骤112

5.2直方图均衡113

5.2.1直方图均衡的原理113

5.2.2直方图均衡的特点114

5.2.3实例及代码实现115

5.3空间域滤波增强118

5.3.1平滑滤波119

5.3.2锐化滤波126

5.4频率域平滑滤波器133

5.4.1概述133

5.4.2理想低通滤波器133

5.4.3Butterworth低通滤波器136

5.4.4高斯低通滤波器138

5.5频率域锐化滤波器140

5.5.1概述141

5.5.2理想高通滤波器141

5.5.3Butterworth高通滤波器143

5.5.4高斯高通滤波器144

5.6思考练习146

第6章图像复原148

6.1图像复原及退化模型149

6.1.1图像复原及相关概念149

6.1.2图像复原的方法和步骤149

6.1.3退化模型的表示150

6.1.4常见退化模型及形式151

6.2图像噪声152

6.2.1图像噪声的分类152

6.2.2图像噪声模型应用领域153

6.2.3　实例及代码实现153

6.3空间域滤波复原158

6.3.1基本原理158

6.3.2空间域滤波复原的基本步骤158

6.3.3空间域滤波复原的分类159

6.4频率域滤波复原177

6.4.1主要原理177

6.4.2滤波方法及实现步骤177

6.4.3频率域滤波的特点177

6.4.4带通滤波器178

6.4.5带阻滤波器180

6.4.6陷波滤波器184

6.5估计退化函数185

6.5.1常见估计退化函数的方法186

6.5.2考虑因素186

6.6逆滤波和维纳滤波189

6.6.1逆滤波190

6.6.2维纳滤波194

6.7思考练习197

第7章图像压缩编码199

7.1数字图像压缩编码基础200

7.1.1图像压缩的定义和分类200

7.1.2冗余与压缩效率203

7.1.3信源编码与信道编码的区别与联系208

7.2变长编码211

7.2.1霍夫曼编码211

7.2.2游程编码219

7.2.3字典编码222

7.2.4　LZW算法223

7.3算术编码226

7.3.1算术编码原理226

7.3.2算术编码算法实现227

7.3.3算术编码的优势和挑战230

7.4变换编码231

7.4.1DCT的应用232

7.4.2小波变换235

7.4.3其他变换方法236

7.5思考练习237

第8章图像分割239

8.1阈值分割240

8.1.1基本原理240

8.1.2阈值的选择240

8.1.3阈值分割的类型240

8.1.4代码实现241

8.1.5应用领域243

8.2边缘分割243

8.2.1基本原理243

8.2.2常用的边缘检测算法243

8.2.3代码实现248

8.2.4形态学运算函数252

8.2.5边缘分割的优缺点分析254

8.2.6边缘分割的应用场景254

8.3区域分割254

8.3.1区域生长法255

8.3.2区域分裂与合并法260

8.4聚类分割264

8.4.1基本原理264

8.4.2常用聚类算法在图像分割中的应用264

8.5思考练习268

第9章彩色图像处理269

9.1彩色图像基础270

9.2彩色模型271

9.2.1彩色模型分类272

9.2.2RGB模型272

9.2.3CMY模型与CMYK模型275

9.2.4HSI模型和HSV模型276

9.2.5CIELab模型279

9.2.6YCbCr模型和YUV模型279

9.3伪彩色处理284

9.3.1伪彩色图像处理基础284

9.3.2灰度级到彩色变换285

9.4全彩色图像处理288

9.4.1全彩色图像处理基础288

9.4.2彩色图像增强288

9.4.3彩色图像平滑297

9.4.4彩色图像锐化300

9.5思考练习305

第10章图像表示与描述307

10.1图像表示描述的作用及应用场景308

10.1.1　图像表示与描述的作用308

10.1.2　图像表示描述的应用场景308

10.2颜色描述309

10.2.1颜色矩309

10.2.2颜色直方图311

10.2.3颜色集313

10.3纹理描述315

10.3.1矩分析法315

10.3.2灰度差分统计316

10.3.3灰度共生矩阵318

10.3.4局部二值模式318

10.4边界描述322

10.4.1链码描述322

10.4.2傅里叶描述323

10.5区域描述326

10.5.1几何特征326

10.5.2不变矩330

10.6思考练习332

参考文献333