第1章 设置环境 1
1.1 安装Anaconda 1
1.1.1 在Windows下安装 2
1.1.2 在macOS下安装 3
1.1.3 在Ubuntu下安装 3
1.2 安装OpenCV 3
1.3 安装Keras 4
1.4 测试安装 4
1.5 虚拟环境 4
第2章 图像处理入门 7
2.1 图像 7
2.2 像素 8
2.3 图像分辨率 8
2.4 PPI与DPI 9
2.5 位图图像 10
2.6 无损压缩 10
2.7 有损压缩 10
2.8 图像文件格式 11
2.9 色彩空间 12
2.9.1 RGB 12
2.9.2 XYZ 13
2.9.3 HSV/HSL 14
2.9.4 Lab 15
2.9.5 LCH 16
2.9.6 YPbPr 16
2.9.7 YUV 17
2.9.8 YIQ 17
2.10 高级图像概念 18
2.10.1 贝塞尔曲线 18
2.10.2 椭球 19
2.10.3 伽马校正 20
2.10.4 结构相似性指标 21
2.10.5 解卷积 21
2.10.6 单应性 22
2.10.7 卷积 22
第3章 Python基础和Scikit Image 23
3.1 Python入门 23
3.1.1 变量和数据类型 24
3.1.2 数据结构 25
3.1.3 循环语句 26
3.1.4 条件语句 28
3.1.5 函数 29
3.2 Scikit Image 31
3.2.1 上传和查看图像 32
3.2.2 获取图像分辨率 32
3.2.3 查看像素值 33
3.2.4 转换色彩空间 33
3.2.5 保存图像 40
3.2.6 创建基本图形 41
3.2.7 执行伽马校正 44
3.2.8 旋转、平移和缩放图像 45
3.2.9 确定结构相似度 46
第4章 OpenCV高级图像处理 47
4.1 混合两张图像 47
4.2 改变图像的对比度和亮度 49
4.3 往图像中添加文字 51
4.4 平滑图像 52
4.4.1 中值滤波器 53
4.4.2 高斯滤波器 53
4.4.3 双边滤波器 54
4.5 改变图像的形状 55
4.6 实施图像阈限化 59
4.7 计算梯度 62
4.8 执行直方图均衡 63
第5章 基于机器学习的图像处理 67
5.1 使用SIFT算法的特征映射 67
5.1.1 步骤1：构造尺度不变的空间 68
5.1.2 步骤2：求两个高斯之差 68
5.1.3 步骤3：找出图像中的关键点 69
5.1.4 步骤4：为了高效地比较，移除非关键点 69
5.1.5 步骤5：提供关键点的方向 69
5.1.6 步骤6：确定唯一关键特征 69
5.2 使用RANSAC算法的图像配准 73
5.2.1 estimate＿affine()函数 77
5.2.2 residual＿lengths()函数 77
5.2.3 输出图像 78
5.2.4 全部代码 78
5.3 使用人工神经网络的图像分类 81
5.4 使用CNN的图像分类 87
5.5 使用机器学习的图像分类 92
5.5.1 决策树 92
5.5.2 支持向量机 92
5.5.3 逻辑回归 93
5.5.4 代码 93
5.6 重要术语 95
第6章 实时用例 97
6.1 找出掌纹 97
6.2 检测面部 99
6.3 识别面部 101
6.4 追踪运动 103
6.5 检测车道 104
附录 重要概念与术语 111
