本书主要以Python+OpenCV为主，系统地介绍了Python在数字图像处理的各种应用算法和案例，对数字图像处理的各种算法进行讲解和案例分析，以方面读者后期继续进行人工智能、机器学习、深度学习等方面的学习和研究，不再需要更换编程语言和编程环境。
本书主要以介绍图像处理技术和应用实例为主，每个处理技术后面跟着至少一个应用实例，全书共给出189个应用实例程序，每个实例均已通过作者的调试，能够运行正常，读者可直接引用。

前言<br/>第1章　图像处理环境 1<br/>1.1　图像处理简介 1<br/>1.1.1　图像处理的应用领域 1<br/>1.1.2　图像处理的常用方法 3<br/>1.2　Python数字图像处理库 4<br/>1.3　Python集成环境的安装 5<br/>1.3.1　Anaconda集成环境的下载与安装 6<br/>1.3.2　PyCharm集成环境的下载与安装 10<br/>1.4　习题 14<br/>第2章　数字图像的获取和基本运算 15<br/>2.1　图像的基本类型 15<br/>2.1.1　二值图像 15<br/>2.1.2　灰度图像 16<br/>2.1.3　索引图像 16<br/>2.1.4　彩色图像 16<br/>2.2　单幅图像的获取 17<br/>2.2.1　图像的读取 17<br/>2.2.2　图像的显示 18<br/>2.2.3　图像的保存 18<br/>2.2.4　图像的属性 19<br/>2.3　视频图像的获取 19<br/>2.3.1　视频文件的读写 20<br/>2.3.2　实时视频图像的获取 20<br/>2.4　图像的算术运算 22<br/>2.4.1　加法运算 22<br/>2.4.2　减法运算 25<br/>2.4.3　乘法运算 27<br/>2.4.4　除法运算 28<br/>2.5　图像的逻辑运算 30<br/>2.5.1　按位与运算 30<br/>2.5.2　按位或运算 30<br/>2.5.3　按位非运算 32<br/>2.5.4　按位异或运算 33<br/>2.5.5　综合实例 34<br/>2.6　习题 34<br/>第3章　数字图像的几何运算 36<br/>3.1　图像平移 36<br/>3.1.1　显示窗口改变的图像平移 37<br/>3.1.2　显示窗口不变的图像平移 38<br/>3.1.3　仿射变换的应用实例 38<br/>3.2　图像缩放 39<br/>3.3　图像旋转 41<br/>3.4　图像剪切 43<br/>3.5　图像的镜像变换 46<br/>3.6　图像的透视变换 47<br/>3.7　图像的极坐标变换 47<br/>3.7.1　数据点坐标系间的转换 48<br/>3.7.2　图像数据坐标系间的转换 48<br/>3.7.3　视频图像坐标系间的转换 49<br/>3.8　习题 51<br/>第4章　图像空域增强 52<br/>4.1　灰度线性变换 52<br/>4.1.1　用OpenCV做灰度变换与颜色空间变换 52<br/>4.1.2　增加或降低图像亮度 54<br/>4.1.3　增强或减弱图像对比度 55<br/>4.1.4　图像反色变换 56<br/>4.2　非线性变换 58<br/>4.2.1　对数变换 58<br/>4.2.2　伽马变换 59<br/>4.3　图像噪声 60<br/>4.3.1　通过Numpy数组库添加噪声 61<br/>4.3.2　通过skimage库添加噪声 65<br/>4.4　直方图均衡化 67<br/>4.4.1　使用Matplotlib库绘制图像直方图 67<br/>4.4.2　使用OpenCV中的函数绘制直方图 69<br/>4.4.3　自定义函数实现直方图均衡化 70<br/>4.4.4　使用OpenCV函数实现直方图均衡化 71<br/>4.4.5　自适应直方图均衡化 73<br/>4.5　直方图规定化 74<br/>4.5.1　自定义映像函数实现直方图规定化 74<br/>4.5.2　直方图反向投影 78<br/>4.6　习题 79<br/>第5章　图像空域滤波 81<br/>5.1　空域滤波 81<br/>5.2　图像平滑 82<br/>5.2.1　均值滤波 82<br/>5.2.2　方框滤波 83<br/>5.2.3　高斯滤波 84<br/>5.2.4　中值滤波 86<br/>5.2.5　双边滤波 87<br/>5.3　图像锐化 89<br/>5.3.1　拉普拉斯滤波 89<br/>5.3.2　自定义卷积核滤波 91<br/>5.3.3　非锐化掩模和高频提升滤波 93<br/>5.4　习题 94<br/>第6章　图像频域滤波 95<br/>6.1　傅里叶变换 95<br/>6.1.1　Numpy中的傅里叶变换 95<br/>6.1.2　OpenCV中的傅里叶变换 96<br/>6.2　低通滤波 98<br/>6.2.1　理想低通滤波 98<br/>6.2.2　巴特沃斯低通滤波 100<br/>6.2.3　高斯低通滤波 102<br/>6.3　高通滤波 103<br/>6.3.1　理想高通滤波 104<br/>6.3.2　巴特沃斯高通滤波 105<br/>6.3.3　高斯高通滤波 107<br/>6.4　带通和带阻滤波 109<br/>6.4.1　带通滤波 109<br/>6.4.2　带阻滤波 112<br/>6.5　同态滤波 115<br/>6.6　习题 116<br/>第7章　图像退化和复原 117<br/>7.1　图像退化与复原的机理 117<br/>7.2　图像的运动模糊 118<br/>7.3　图像的逆滤波 120<br/>7.4　图像的维纳滤波 122<br/>7.5　图像质量的评价 125<br/>7.6　习题 133<br/>第8章　图像数学形态学 134<br/>8.1　结构元素 134<br/>8.1.1　使用OpenCV生成结构元素 134<br/>8.1.2　使用Numpy生成结构元素 135<br/>8.2　腐蚀 136<br/>8.2.1　OpenCV中的腐蚀函数 136<br/>8.2.2　skimage中的腐蚀函数 137<br/>8.3　膨胀 138<br/>8.3.1　OpenCV中的膨胀函数 138<br/>8.3.2　skimage中的膨胀函数 139<br/>8.3.3　OpenCV形态学处理原型函数 140<br/>8.4　开运算 141<br/>8.4.1　OpenCV中的开运算 141<br/>8.4.2　skimage中的开运算 142<br/>8.5　闭运算 143<br/>8.5.1　OpenCV中的闭运算 143<br/>8.5.2　skimage中的闭运算 144<br/>8.6　高帽运算 145<br/>8.6.1　OpenCV中的高帽运算 145<br/>8.6.2　skimage中的高帽运算 146<br/>8.7　黑帽运算 146<br/>8.7.1　OpenCV中的黑帽运算 146<br/>8.7.2　skimage中的黑帽运算 147<br/>8.8　形态学梯度 148<br/>8.9　灰度形态学 151<br/>8.9.1　灰度图像的腐蚀运算 151<br/>8.9.2　灰度图像的膨胀运算 151<br/>8.9.3　灰度图像的开运算和闭运算 152<br/>8.10　形态学运算检测图像的边缘和角点 153<br/>8.10.1　检测图像边缘 154<br/>8.10.2　检测图像角点 155<br/>8.11　击中与击不中运算 156<br/>8.12　习题 157<br/>第9章　边缘检测 159<br/>9.1　边缘检测简介 159<br/>9.2　Roberts算子 160<br/>9.3　Prewitt算子 162<br/>9.4　Sobel算子 164<br/>9.5　拉普拉斯算子 165<br/>9.6　Canny算子 168<br/>9.7　Scharr算子 171<br/>9.8　Kirsch和Robinson算子 173<br/>9.9　高斯拉普拉斯算子 176<br/>9.10　高斯差分算子 178<br/>9.11　霍夫变换 179<br/>9.11.1　使用霍夫变换检测直线 179<br/>9.11.2　使用霍夫变换检测圆环 182<br/>9.12　图像金字塔 184<br/>9.12.1　高斯金字塔 185<br/>9.12.2　拉普拉斯金字塔 186<br/>9.13　习题 188<br/>第10章　图像分割 189<br/>10.1　图像阈值分割 189<br/>10.1.1　全局阈值分割 190<br/>10.1.2　自适应阈值 191<br/>10.1.3　Otsu’s二值化 192<br/>10.2　图像区域分割 193<br/>10.2.1　区域生长 194<br/>10.2.2　区域分裂合并 196<br/>10.3　图像的边缘分割 198<br/>10.4　直方图分割法 199<br/>10.5　图像连接组件标记算法 201<br/>10.6　分水岭算法 204<br/>10.7　习题 208<br/>第11章　彩色图像的处理 209<br/>11.1　彩色模型 209<br/>11.1.1　RGB彩色模型 209<br/>11.1.2　CMY和CMYK彩色模型 210<br/>11.1.3　HSI彩色模型 211<br/>11.1.4　YIQ彩色模型 213<br/>11.1.5　YCrCb彩色模型 213<br/>11.2　色彩空间类型转换 213<br/>11.2.1　色彩空间类型转换函数 213<br/>11.2.2　RGB色彩空间 214<br/>11.2.3　GRAY色彩空间 214<br/>11.2.4　YCrCb色彩空间 215<br/>11.2.5　HSV色彩空间 216<br/>11.3　彩色图像通道的分离与合并 217<br/>11.3.1　彩色图像通道的分离 218<br/>11.3.2　彩色图像通道的合并 219<br/>11.4　全彩色图像处理 220<br/>11.4.1　彩色变换 220<br/>11.4.2　直方图处理 221<br/>11.4.3　彩色图像的平滑和锐化 222<br/>11.4.4　基于彩色的图像分割 225<br/>11.5　习题 229<br/>第12章　图像特征的提取与描述 230<br/>12.1　图像特征简介 230<br/>12.2　图像轮廓特征 230<br/>12.2.1　图像轮廓的查找和绘制 231<br/>12.2.2　带噪声的轮廓 232<br/>12.2.3　边缘检测后的轮廓 234<br/>12.3　图像的几何特征 234<br/>12.3.1　面积与周长 235<br/>12.3.2　外接矩形 236<br/>12.3.3　最小外接圆和椭圆 237<br/>12.3.4　近似轮廓 239<br/>12.3.5　轮廓凸包 240<br/>12.3.6　拟合直线 241<br/>12.3.7　形状特征 242<br/>12.4　图像特征矩 243<br/>12.4.1　图像特征矩简介 244<br/>12.4.2　Hu矩 246<br/>12.4.3　形状匹配 249<br/>12.5　图像的角点检测 251<br/>12.5.1　Harris角点检测 251<br/>12.5.2　SIFT角点检测 253<br/>12.5.3　SURF特征检测算法 254<br/>12.6　图像匹配 256<br/>12.6.1　ORB特征检测+暴力匹配 256<br/>12.6.2　特征匹配关键点的获取 258<br/>12.6.3　K-最近邻匹配 259<br/>12.6.4　FLANN匹配 260<br/>12.7　综合实例 262<br/>12.7.1　利用SIFT+KNN匹配算法实现图像拼接 262<br/>12.7.2　利用SIFT+暴力匹配算法实现图像拼接 265<br/>12.7.3　搜索匹配的图像 267<br/>12.8　习题 270<br/>第13章　综合应用实例 272<br/>13.1　使用OpenCV进行车牌提取及识别 272<br/>13.1.1　车牌的提取过程 273<br/>13.1.2　车牌的检测与提取 274<br/>13.1.3　字符分割 276<br/>13.1.4　基于Haar特征分类器的车牌检测 278<br/>13.1.5　字符识别 279<br/>13.2　人脸检测 281<br/>13.2.1　图像预处理 281<br/>13.2.2　Haar特征分类器 282<br/>13.2.3　人脸检测程序 282<br/>13.3　答题卡的检测与分割 284<br/>13.3.1　答题卡轮廓检测 284<br/>13.3.2　答题卡不同区域的提取 285<br/>13.3.3　识别填涂答案 287<br/>13.3.4　答题卡用户界面的设计与封装 290<br/>13.4　基于CNN模型的手势识别 293<br/>13.4.1　手势图像数据的采集 294<br/>13.4.2　神经网络模型的创建与训练 296<br/>13.4.3　实时手势数字的识别 298<br/>13.5　基于深度学习的花卉识别系统 299<br/>13.5.1　花卉图像数据的采集 300<br/>13.5.2　数据集的分类 300<br/>13.5.3　MobileNet神经网络模型的设计与测试 302<br/>13.5.4　图形用户界面的设计 305<br/>13.6　口罩佩戴的检测 309<br/>13.6.1　口罩数据集的采集与处理 309<br/>13.6.2　数据集的划分 313<br/>13.6.3　数据集的训练 314<br/>13.6.4　检测是否佩戴口罩 317<br/>13.6.5　视频实时监测口罩佩戴情况 317<br/>参考文献 320