Python圖像處理經(jīng)典實(shí)例

第 1章　圖像處理與變換　1
1.1　 技術(shù)要求　1
1.2　變換顏色空間（RGB→Lab）　2
1.2.1　準(zhǔn)備工作　2
1.2.2　執(zhí)行步驟　2
1.2.3　工作原理　4
1.2.4　更多實(shí)踐　4
1.3　應(yīng)用仿射變換　4
1.3.1　準(zhǔn)備工作　5
1.3.2　執(zhí)行步驟　5
1.3.3　工作原理　6
1.3.4　更多實(shí)踐　7
1.4　應(yīng)用透視變換和單應(yīng)性變換　7
1.4.1　準(zhǔn)備工作　8
1.4.2　執(zhí)行步驟　8
1.4.3　工作原理　10
1.4.4　更多實(shí)踐　11
1.5　基于圖像創(chuàng)建鉛筆草圖 　11
1.5.1　準(zhǔn)備工作 　11
1.5.2　執(zhí)行步驟　11
1.5.3　工作原理　13
1.5.4　更多實(shí)踐 　14
1.6　創(chuàng)建卡通圖像　14
1.6.1　準(zhǔn)備工作 　15
1.6.2　執(zhí)行步驟　15
1.6.3　工作原理　16
1.6.4　更多實(shí)踐　17
1.7　模擬光藝術(shù)/長(zhǎng)曝光　17
1.7.1　準(zhǔn)備工作 　17
1.7.2　執(zhí)行步驟 　17
1.7.3　工作原理 　19
1.7.4　更多實(shí)踐　19
1.8　在HSV顏色模型中使用顏色進(jìn)行目標(biāo)檢測(cè)　21
1.8.1　準(zhǔn)備工作 　21
1.8.2　執(zhí)行步驟　21
1.8.3　工作原理 　22

第 2章　圖像增強(qiáng)　24
2.1　 使用濾波器去除圖像中不同類(lèi)型的噪聲　24
2.1.1　準(zhǔn)備工作　24
2.1.2　執(zhí)行步驟　25
2.1.3　工作原理　26
2.1.4　更多實(shí)踐　28
2.2　基于去噪自編碼器的圖像去噪　28
2.2.1　準(zhǔn)備工作　28
2.2.2　執(zhí)行步驟　28
2.2.3　工作原理　31
2.2.4　更多實(shí)踐　32
2.3　基于PCA/DFT/DWT的圖像去噪　33
2.3.1　準(zhǔn)備工作　33
2.3.2　執(zhí)行步驟　33
2.3.3　工作原理　35
2.3.4　更多實(shí)踐　36
2.4　基于各向異性擴(kuò)散的圖像去噪　36
2.4.1　準(zhǔn)備工作　36
2.4.2　執(zhí)行步驟　36
2.4.3　工作原理　38
2.4.4　更多實(shí)踐　38
2.5　利用直方圖均衡化改善圖像對(duì)比度　38
2.5.1　準(zhǔn)備工作　39
2.5.2　執(zhí)行步驟　39
2.5.3　更多實(shí)踐　41
2.6　執(zhí)行直方圖匹配　41
2.6.1　準(zhǔn)備工作　41
2.6.2　執(zhí)行步驟　42
2.6.3　工作原理　43
2.6.4　更多實(shí)踐　44
2.7　執(zhí)行梯度融合　45
2.7.1　準(zhǔn)備工作　45
2.7.2　執(zhí)行步驟　46
2.8　基于Canny、LoG/零交叉以及小波的邊緣檢測(cè)　47
2.8.1　準(zhǔn)備工作　47
2.8.2　執(zhí)行步驟　48
2.8.3　工作原理　52
2.8.4　更多實(shí)踐　53

第3章　圖像修復(fù)　54
3.1　使用維納濾波器來(lái)修復(fù)圖像　55
3.1.1　準(zhǔn)備工作　55
3.1.2　執(zhí)行步驟　55
3.2　使用約束小二乘法濾波器來(lái)修復(fù)圖像　58
3.2.1　準(zhǔn)備工作　58
3.2.2　執(zhí)行步驟　59
3.2.3　工作原理　62
3.2.4　更多實(shí)踐　62
3.3　使用馬爾可夫隨機(jī)場(chǎng)來(lái)修復(fù)圖像　63
3.3.1　準(zhǔn)備工作　64
3.3.2　執(zhí)行步驟　64
3.3.3　工作原理　66
3.4　圖像修補(bǔ)　67
3.4.1　準(zhǔn)備工作　68
3.4.2　執(zhí)行步驟　68
3.4.3　工作原理　68
3.4.4　更多實(shí)踐　70
3.5　基于深度學(xué)習(xí)的圖像修復(fù)　71
3.5.1　準(zhǔn)備工作　72
3.5.2　執(zhí)行步驟　72
3.5.3　更多實(shí)踐　74
3.6　基于字典學(xué)習(xí)的圖像修復(fù)　75
3.6.1　準(zhǔn)備工作　75
3.6.2　執(zhí)行步驟　75
3.6.3　更多實(shí)踐　78
3.7　使用小波進(jìn)行圖像壓縮　79
3.7.1　準(zhǔn)備工作　80
3.7.2　執(zhí)行步驟　80
3.7.3　工作原理　81
3.8　使用隱寫(xiě)術(shù)和隱寫(xiě)分析技術(shù)　82
3.8.1　準(zhǔn)備工作　83
3.8.2　執(zhí)行步驟　83
3.8.3　工作原理　86
3.8.4　更多實(shí)踐　86

第4章　二值圖像處理　87
4.1　對(duì)二值圖像應(yīng)用形態(tài)學(xué)運(yùn)算　87
4.1.1　準(zhǔn)備工作　88
4.1.2　執(zhí)行步驟　88
4.1.3　工作原理　90
4.1.4　更多實(shí)踐　92
4.2　應(yīng)用形態(tài)學(xué)濾波器　93
4.2.1　準(zhǔn)備工作　94
4.2.2　執(zhí)行步驟　94
4.2.3　工作原理　100
4.2.4　更多實(shí)踐　100
4.3　形態(tài)模式匹配　102
4.3.1　準(zhǔn)備工作　102
4.3.2　執(zhí)行步驟　103
4.3.3　工作原理　105
4.3.4　更多實(shí)踐　106
4.4　基于形態(tài)學(xué)的圖像分割　106
4.4.1　準(zhǔn)備工作　107
4.4.2　執(zhí)行步驟　107
4.4.3　工作原理　111
4.4.4　更多實(shí)踐　112
4.5　對(duì)象計(jì)數(shù)　113
4.5.1　準(zhǔn)備工作　113
4.5.2　執(zhí)行步驟　113
4.5.3　工作原理　115
4.5.4　更多實(shí)踐　116

第5章　圖像配準(zhǔn)　117
5.1　基于SimpleITK模塊的醫(yī)學(xué)圖像配準(zhǔn)　117
5.1.1　準(zhǔn)備工作　118
5.1.2　執(zhí)行步驟　118
5.1.3　工作原理　121
5.1.4　更多實(shí)踐　121
5.2　使用ECC算法進(jìn)行圖像對(duì)齊和變形　123
5.2.1　準(zhǔn)備工作　123
5.2.2　執(zhí)行步驟　124
5.2.3　工作原理　126
5.2.4　更多實(shí)踐　127
5.3　使用dlib庫(kù)進(jìn)行人臉對(duì)齊　127
5.3.1　準(zhǔn)備工作　128
5.3.2　執(zhí)行步驟　128
5.3.3　工作原理　130
5.3.4　更多實(shí)踐　130
5.4　RANSAC算法的魯棒匹配和單應(yīng)性　132
5.4.1　準(zhǔn)備工作　132
5.4.2　執(zhí)行步驟　133
5.4.3　工作原理　134
5.5　圖像拼接（全景）　135
5.5.1　準(zhǔn)備工作　136
5.5.2　執(zhí)行步驟　136
5.5.3　工作原理　142
5.5.4　更多實(shí)踐　142
5.6　人臉變形　142
5.6.1　準(zhǔn)備工作　143
5.6.2　執(zhí)行步驟　143
5.6.3　工作原理　149
5.6.4　更多實(shí)踐　149
5.7　實(shí)現(xiàn)圖像搜索引擎　150
5.7.1　準(zhǔn)備工作　150
5.7.2　執(zhí)行步驟　150
5.7.3　更多實(shí)踐　158

第6章　圖像分割　159
6.1　使用Otsu和Riddler-Calvard的閾值化進(jìn)行圖像分割　159
6.1.1　準(zhǔn)備工作　160
6.1.2　執(zhí)行步驟　160
6.1.3　工作原理　161
6.1.4　更多實(shí)踐　161
6.2　使用自組織映射進(jìn)行圖像分割　162
6.2.1　準(zhǔn)備工作　163
6.2.2　執(zhí)行步驟　163
6.2.3　工作原理　166
6.2.4　更多實(shí)踐　166
6.3　使用scikit-image進(jìn)行隨機(jī)游走圖像分割　168
6.3.1　準(zhǔn)備工作　168
6.3.2　執(zhí)行步驟　169
6.3.3　工作原理　170
6.3.4　更多實(shí)踐　171
6.4　使用GMM-EM算法進(jìn)行人體皮膚的圖像分割　171
6.4.1　準(zhǔn)備工作　172
6.4.2　執(zhí)行步驟　173
6.4.3　工作原理　175
6.5　醫(yī)學(xué)圖像分割　176
6.5.1　準(zhǔn)備工作　176
6.5.2　執(zhí)行步驟　176
6.5.3　工作原理　182
6.5.4　更多實(shí)踐　183
6.6　深度語(yǔ)義分割　184
6.6.1　準(zhǔn)備工作　185
6.6.2　執(zhí)行步驟　185
6.7　深度實(shí)例分割　190
6.7.1　準(zhǔn)備工作　191
6.7.2　執(zhí)行步驟　192
6.7.3　工作原理　194

第7章　圖像分類(lèi)　195
7.1　使用scikit-learn庫(kù)對(duì)圖像進(jìn)行分類(lèi)（方向梯度直方圖和邏輯回歸）　196
7.1.1　準(zhǔn)備工作　196
7.1.2　執(zhí)行步驟　197
7.1.3　工作原理　200
7.1.4　更多實(shí)踐　202
7.2　使用Gabor濾波器組對(duì)紋理進(jìn)行分類(lèi)　202
7.2.1　準(zhǔn)備工作　203
7.2.2　執(zhí)行步驟　203
7.2.3　工作原理　206
7.2.4　更多實(shí)踐　207
7.3　使用VGG19/Inception V3/MobileNet/ResNet101（基于PyTorch庫(kù)）
　　 對(duì)圖像進(jìn)行分類(lèi)　207
7.3.1　準(zhǔn)備工作　208
7.3.2　執(zhí)行步驟　208
7.3.3　工作原理　210
7.3.4　更多實(shí)踐　212
7.4　圖像分類(lèi)的微調(diào)（使用遷移學(xué)習(xí)）　212
7.4.1　準(zhǔn)備工作　213
7.4.2　執(zhí)行步驟　214
7.4.3　工作原理　217
7.4.4　更多實(shí)踐　218
7.5　使用深度學(xué)習(xí)模型對(duì)交通標(biāo)志進(jìn)行分類(lèi)（基于PyTorch庫(kù)）　219
7.5.1　準(zhǔn)備工作　219
7.5.2　執(zhí)行步驟　219
7.5.3　工作原理　226
7.5.4　更多實(shí)踐　227
7.6　使用深度學(xué)習(xí)實(shí)現(xiàn)人體姿勢(shì)估計(jì)　227
7.6.1　準(zhǔn)備工作　228
7.6.2　執(zhí)行步驟　228
7.6.3　工作原理　231

第8章　圖像中的目標(biāo)檢測(cè)　232
8.1　基于HOG/SVM的目標(biāo)檢測(cè)　232
8.1.1　準(zhǔn)備工作　234
8.1.2　執(zhí)行步驟　234
8.1.3　工作原理　236
8.1.4　更多實(shí)踐　237
8.2　基于YOLO v3的目標(biāo)檢測(cè)　237
8.2.1　準(zhǔn)備工作　238
8.2.2　執(zhí)行步驟　238
8.2.3　工作原理　241
8.2.4　更多實(shí)踐　242
8.3　基于Faster R-CNN的目標(biāo)檢測(cè)　242
8.3.1　準(zhǔn)備工作　243
8.3.2　執(zhí)行步驟　243
8.3.3　工作原理　245
8.3.4　更多實(shí)踐　246
8.4　基于Mask R-CNN的目標(biāo)檢測(cè)　246
8.4.1　準(zhǔn)備工作　247
8.4.2　執(zhí)行步驟　247
8.4.3　工作原理　250
8.4.4　更多實(shí)踐　250
8.5　基于Python-OpenCV的多目標(biāo)跟蹤　250
8.5.1　準(zhǔn)備工作　251
8.5.2　執(zhí)行步驟　251
8.5.3　工作原理　253
8.5.4　更多實(shí)踐　253
8.6　使用EAST/Tesseract來(lái)檢測(cè)/識(shí)別圖像中的文本　253
8.6.1　準(zhǔn)備工作　255
8.6.2　執(zhí)行步驟　255
8.6.3　工作原理　257
8.7　使用 Viola-Jones/Haar特征進(jìn)行人臉檢測(cè)　258
8.7.1　準(zhǔn)備工作　258
8.7.2　執(zhí)行步驟　258
8.7.3　工作原理　259
8.7.4　更多實(shí)踐　260

第9章　人臉識(shí)別、圖像描述及其他技術(shù)　261
9.1　使用FaceNet進(jìn)行人臉識(shí)別　261
9.1.1　準(zhǔn)備工作　262
9.1.2　執(zhí)行步驟　263
9.1.3　工作原理　267
9.2　使用深度學(xué)習(xí)模型來(lái)識(shí)別年齡、性別和情緒　268
9.2.1　準(zhǔn)備工作　268
9.2.2　執(zhí)行步驟　269
9.2.3　更多實(shí)踐　270
9.3　使用深度學(xué)習(xí)模型進(jìn)行圖像著色　270
9.3.1　準(zhǔn)備工作　271
9.3.2　執(zhí)行步驟　271
9.4　使用卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶自動(dòng)生成圖像字幕　273
9.4.1　準(zhǔn)備工作　274
9.4.2　執(zhí)行步驟　274
9.4.3　工作原理　275
9.5　使用GAN生成圖像　276
9.5.1　準(zhǔn)備工作　277
9.5.2　執(zhí)行步驟　278
9.5.3　工作原理　283
9.5.4　更多實(shí)踐　284
9.6　使用變分自編碼器重建并生成圖像　284
9.6.1　準(zhǔn)備工作　285
9.6.2　執(zhí)行步驟　285
9.6.3　更多實(shí)踐　290
9.7　使用受限玻耳茲曼機(jī)重建孟加拉語(yǔ)MNIST圖像　291
9.7.1　準(zhǔn)備工作　292
9.7.2　執(zhí)行步驟　292