數字圖像處理與分析
寧紀鋒
相關主題
商品描述
數字圖像處理與分析在現代農業生產中得到了越來越多的應用。本書系統地介紹了數字圖像處理與分析的理論、方法和代表性成果及其在農業領域中的應用。
本書介紹了數字圖像處理中的數字圖像基礎、數學基礎、圖像增強、圖像形態學、圖像分割、圖像特徵提取與描述、圖像壓縮和機器學習基礎等內容，突出專業知識和農業生產需求的緊密結合，由淺入深，循序漸進，並通過豐富的應用案例，力求使學生在掌握基本理論和專業知識的同時，具備承擔農業領域數字圖像處理與分析任務的能力。本書配備了電子課件、課後習題參考答案和大部分章節實驗結果的源代碼(Python + OpenCV)，供教師授課使用。
本書介紹了數字圖像處理中的數字圖像基礎、數學基礎、圖像增強、圖像形態學、圖像分割、圖像特徵提取與描述、圖像壓縮和機器學習基礎等內容，突出專業知識和農業生產需求的緊密結合，由淺入深，循序漸進，並通過豐富的應用案例，力求使學生在掌握基本理論和專業知識的同時，具備承擔農業領域數字圖像處理與分析任務的能力。本書配備了電子課件、課後習題參考答案和大部分章節實驗結果的源代碼(Python + OpenCV)，供教師授課使用。
目錄大綱
目錄
第1章 緒論1
1.1 什麽是數字圖像處理與分析1
1.1.1 數字圖像1
1.1.2 主要目的和任務2
1.1.3 與電腦視覺和模式識別的關系3
1.2 主要內容3
1.3 數字圖像處理與分析系統組成6
1.4 農業領域典型應用及特點7
1.4.1 作物生長特徵檢測與識別8
1.4.2 畜禽生理生長信息感知與分析9
1.4.3 果蔬病蟲害識別診斷9
1.4.4 農產品無損檢測10
1.4.5 農業自然資源調查與評價10
1.4.6 智能農機精準作業11
1.4.7 森林資源監測與管理11
1.4.8 水利資源環境調查與監控12
習題12
第2章 數字圖像基礎13
2.1 人眼成像與視覺感知13
2.1.1 光與電磁波13
2.1.2 人眼結構14
2.1.3 人眼的成像過程14
2.2 彩色基礎與顏色模型15
2.2.1 視覺三原色原理15
2.2.2 CIE RGB/XYZ 三色空間15
2.2.3 顏色的屬性16
2.2.4 CIE 色度圖17
2.2.5 顏色模型18
2.3 圖像的數字化與圖像類型21
2.3.1 採樣和量化21
2.3.2 圖像的數字化表示22
2.3.3 農業數字圖像類型23
2.3.4 圖像文件格式26
數字圖像處理與分析
2.4 像素間的基本關系27
2.4.1 像素的鄰域像素27
2.4.2 鄰接、連通、區域27
2.4.3 像素的距離度量28
2.5 數字圖像處理與分析實驗平臺29
2.5.1 Python 圖像處理與分析庫29
2.5.2 OpenCV 發展歷史29
2.5.3 Python-OpenCV 實驗平臺30
2.5.4 NumPy 包簡介30
2.5.5 Python-OpenCV 圖像處理應用舉例32
習題35
第3章 數學基礎37
3.1 圖像的向量和矩陣運算37
3.1.1 向量37
3.1.2 內積和外積38
3.1.3 矩陣運算38
3.2 空域運算中的數學方法39
3.2.1 線性變換與非線性變換39
3.2.2 點處理40
3.2.3 區處理40
3.3 圖像的幾何變換41
3.3.1 齊次坐標41
3.3.2 仿射變換41
3.3.3 組合變換43
3.3.4 圖像配準43
3.4 圖像的梯度及差分近似44
3.4.1 梯度44
3.4.2 泰勒級數45
3.4.3 一階差分近似一階導數45
3.4.4 二階差分近似二階導數47
3.4.5 拉普拉斯算子47
3.4.6 邊界的微分性質48
3.5 圖像的變換域處理49
3.5.1 復數基本概念49
3.5.2 三角級數及其正交性50
3.5.3 傅里葉級數的三角函數形式51
3.5.4 傅里葉級數的復數形式52
3.5.5 傅里葉變換53
3.5.6 一維信號變換53
3.5.7 二維圖像變換54
3.5.8 可分離對稱變換核55
3.6 圖像的統計性質56
3.6.1 灰度值為隨機變量的概率密度函數56
3.6.2 空間坐標為隨機變量的圖像矩57
習題58
第4章 圖像的空域處理60
4.1 灰度變換60
4.1.1 灰度反轉60
4.1.2 對比度拉伸/壓縮60
4.1.3 非線性變換61
4.2 直方圖增強63
4.2.1 灰度直方圖63
4.2.2 直方圖均衡化64
4.2.3 直方圖規定化67
4.3 圖像幾何插值69
4.3.1 基本概念69
4.3.2 最近鄰插值70
4.3.3 雙線性插值70
4.3.4 超分辨率重建71
4.4 圖像平滑71
4.4.1 圖像噪聲72
4.4.2 模板捲積72
4.4.3 可分離捲積74
4.4.4 鄰域平滑74
4.4.5 中值濾波75
4.5 自適應濾波77
4.5.1 雙邊濾波77
4.5.2 導向濾波78
4.6 圖像銳化79
4.6.1 鈍化掩模和高提升濾波80
4.6.2 拉普拉斯圖像銳化法81
4.7 偽彩色增強82
4.7.1 灰度分層82
4.7.2 灰度到彩色的變換83
4.7.3 頻域偽彩色增強84
習題84
第5章 圖像的頻域處理87
5.1 一維傅里葉變換87
5.1.1 連續函數的傅里葉變換88
5.1.2 離散傅里葉變換89
5.1.3 一維離散傅里葉變換的性質91
5.2 二維傅里葉變換93
5.2.1 連續二維函數的傅里葉變換93
5.2.2 二維離散函數的傅里葉變換93
5.2.3 二維離散傅里葉變換性質93
5.3 傅里葉變換在圖像處理中的應用96
5.3.1 頻域圖像處理步驟97
5.3.2 頻域濾波97
5.4 離散餘弦變換101
5.4.1 一維離散餘弦變換101
5.4.2 二維離散餘弦變換101
5.5 小波變換103
5.5.1 小波變換理論基礎103
5.5.2 二維小波變換105
5.5.3 小波變換在圖像處理中的應用107
習題108
第6章 圖像形態學109
6.1 數學形態學109
6.1.1 集合運算109
6.1.2 邏輯運算111
6.1.3 結構元素與幾何變換111
6.2 二值形態學112
6.2.1 腐蝕113
6.2.2 膨脹114
6.2.3 開/閉運算115
6.2.4 對偶性117
6.2.5 擊中/擊不中變換118
6.3 灰值形態學119
6.3.1 灰值腐蝕120
6.3.2 灰值膨脹120
6.3.3 灰值開/閉運算121
6.4 形態學算法及應用123
6.4.1 形態學濾波123
6.4.2 邊界提取124
6.4.3 圖像分割124
6.4.4 骨架提取126
6.4.5 端點檢測127
6.4.6 陰影校正128
習題129
第7章 圖像分割131
7.1 基本概念131
7.2 邊界檢測132
7.2.1 梯度與邊界方向132
7.2.2 一階梯度邊界檢測133
7.2.3 方向梯度法135
7.2.4 二階導數邊界檢測136
7.2.5 Canny 邊界檢測算子138
7.2.6 邊界連接139
7.2.7 霍夫變換直線檢測139
7.3 閾值分割142
7.3.1 迭代閾值法142
7.3.2 Otsu 閾值法143
7.3.3 基於邊界的改進閾值分割144
7.3.4 動態閾值法144
7.4 基於區域的分割145
7.4.1 區域生長145
7.4.2 區域分裂與區域合並146
7.5 分水嶺分割147
7.5.1 基本術語147
7.5.2 淹沒法148
7.5.3 應用舉例——連接籽粒分割148
7.6 Mean Shift 分割149
7.6.1 Mean Shift 理論149
7.6.2 Mean Shift 圖像濾波和分割151
7.7 SLIC 超像素分割152
7.7.1 k 均值聚類圖像分割152
7.7.2 SLIC 超像素分割153
7.8 主動輪廓模型155
7.8.1 能量函數155
7.8.2 局限156
7.9 圖割157
7.9.1 硬約束和軟約束157
7.9.2 能量函數158
習題160
第8章 圖像特徵提取與描述162
8.1 顏色特徵162
8.1.1 顏色直方圖162
8.1.2 顏色矩164
8.1.3 顏色聚合向量165
8.1.4 植被顏色指數167
8.2 形狀特徵169
8.2.1 邊界特徵169
8.2.2 區域特徵175
8.2.3 角點特徵179
8.3 紋理特徵181
8.3.1 灰度直方圖統計矩181
8.3.2 灰度共生矩陣183
8.3.3 Tamura 紋理185
8.3.4 局部二值模式186
8.3.5 傅里葉譜188
8.4 現代特徵描述子190
8.4.1 尺度不變特徵變換190
8.4.2 加速穩健特徵193
8.4.3 方向梯度直方圖特徵195
習題197
第9章 圖像壓縮200
9.1 概述200
9.1.1 圖像數據冗餘200
9.1.2 編碼冗餘基礎201
9.1.3 圖像壓縮基本過程202
9.1.4 圖像壓縮質量評價202
9.2 基本編碼定理203
9.2.1 信息量203
9.2.2 熵204
9.2.3 無損編碼術語204
9.3 無損壓縮編碼205
9.3.1 香農-範諾編碼205
9.3.2 霍夫曼編碼207
9.3.3 算術編碼207
9.3.4 LZW 編碼209
9.4 JPEG 圖像壓縮標準簡介211
9.4.1 JPEG 212
9.4.2 JPEG 2000213
9.4.3 JPEG 2000 編碼實例213
9.5 視頻編碼214
9.5.1 幀間編碼214
9.5.2 運動補償編碼215
9.5.3 MPEG 215
習題216
第10章 機器學習基礎218
10.1 有監督機器學習218
10.1.1 線性預測器218
10.1.2 損失函數及其最小化219
10.1.3 梯度下降算法220
10.1.4 邏輯回歸221
10.1.5 圖像的多分類問題222
10.1.6 模型性能評估222
10.1.7 模型選擇224
10.2 BP 神經網絡224
10.2.1 特徵與預測器的聯合學習225
10.2.2 BP 神經網絡架構226
10.2.3 反向傳播算法227
10.2.4 BP 神經網絡的梯度下降算法229
10.3 捲積神經網絡229
10.3.1 從全連接到捲積229
10.3.2 捲積與池化230
10.3.3 典型捲積神經網絡架構231
10.3.4 捲積神經網絡的反向傳播算法232
10.4 捲積神經網絡應用233
10.4.1 圖像目標檢測233
10.4.2 實例分割235
10.4.3 語義圖像分割236
10.4.4 視覺目標跟蹤238
10.4.5 視頻行為識別238
10.5 Transformer 及其應用239
10.5.1 Transformer 簡介239
10.5.2 Transformer 在視覺領域的應用241
習題242
參考文獻244
附錄 名詞術語246
第1章 緒論1
1.1 什麽是數字圖像處理與分析1
1.1.1 數字圖像1
1.1.2 主要目的和任務2
1.1.3 與電腦視覺和模式識別的關系3
1.2 主要內容3
1.3 數字圖像處理與分析系統組成6
1.4 農業領域典型應用及特點7
1.4.1 作物生長特徵檢測與識別8
1.4.2 畜禽生理生長信息感知與分析9
1.4.3 果蔬病蟲害識別診斷9
1.4.4 農產品無損檢測10
1.4.5 農業自然資源調查與評價10
1.4.6 智能農機精準作業11
1.4.7 森林資源監測與管理11
1.4.8 水利資源環境調查與監控12
習題12
第2章 數字圖像基礎13
2.1 人眼成像與視覺感知13
2.1.1 光與電磁波13
2.1.2 人眼結構14
2.1.3 人眼的成像過程14
2.2 彩色基礎與顏色模型15
2.2.1 視覺三原色原理15
2.2.2 CIE RGB/XYZ 三色空間15
2.2.3 顏色的屬性16
2.2.4 CIE 色度圖17
2.2.5 顏色模型18
2.3 圖像的數字化與圖像類型21
2.3.1 採樣和量化21
2.3.2 圖像的數字化表示22
2.3.3 農業數字圖像類型23
2.3.4 圖像文件格式26
數字圖像處理與分析
2.4 像素間的基本關系27
2.4.1 像素的鄰域像素27
2.4.2 鄰接、連通、區域27
2.4.3 像素的距離度量28
2.5 數字圖像處理與分析實驗平臺29
2.5.1 Python 圖像處理與分析庫29
2.5.2 OpenCV 發展歷史29
2.5.3 Python-OpenCV 實驗平臺30
2.5.4 NumPy 包簡介30
2.5.5 Python-OpenCV 圖像處理應用舉例32
習題35
第3章 數學基礎37
3.1 圖像的向量和矩陣運算37
3.1.1 向量37
3.1.2 內積和外積38
3.1.3 矩陣運算38
3.2 空域運算中的數學方法39
3.2.1 線性變換與非線性變換39
3.2.2 點處理40
3.2.3 區處理40
3.3 圖像的幾何變換41
3.3.1 齊次坐標41
3.3.2 仿射變換41
3.3.3 組合變換43
3.3.4 圖像配準43
3.4 圖像的梯度及差分近似44
3.4.1 梯度44
3.4.2 泰勒級數45
3.4.3 一階差分近似一階導數45
3.4.4 二階差分近似二階導數47
3.4.5 拉普拉斯算子47
3.4.6 邊界的微分性質48
3.5 圖像的變換域處理49
3.5.1 復數基本概念49
3.5.2 三角級數及其正交性50
3.5.3 傅里葉級數的三角函數形式51
3.5.4 傅里葉級數的復數形式52
3.5.5 傅里葉變換53
3.5.6 一維信號變換53
3.5.7 二維圖像變換54
3.5.8 可分離對稱變換核55
3.6 圖像的統計性質56
3.6.1 灰度值為隨機變量的概率密度函數56
3.6.2 空間坐標為隨機變量的圖像矩57
習題58
第4章 圖像的空域處理60
4.1 灰度變換60
4.1.1 灰度反轉60
4.1.2 對比度拉伸/壓縮60
4.1.3 非線性變換61
4.2 直方圖增強63
4.2.1 灰度直方圖63
4.2.2 直方圖均衡化64
4.2.3 直方圖規定化67
4.3 圖像幾何插值69
4.3.1 基本概念69
4.3.2 最近鄰插值70
4.3.3 雙線性插值70
4.3.4 超分辨率重建71
4.4 圖像平滑71
4.4.1 圖像噪聲72
4.4.2 模板捲積72
4.4.3 可分離捲積74
4.4.4 鄰域平滑74
4.4.5 中值濾波75
4.5 自適應濾波77
4.5.1 雙邊濾波77
4.5.2 導向濾波78
4.6 圖像銳化79
4.6.1 鈍化掩模和高提升濾波80
4.6.2 拉普拉斯圖像銳化法81
4.7 偽彩色增強82
4.7.1 灰度分層82
4.7.2 灰度到彩色的變換83
4.7.3 頻域偽彩色增強84
習題84
第5章 圖像的頻域處理87
5.1 一維傅里葉變換87
5.1.1 連續函數的傅里葉變換88
5.1.2 離散傅里葉變換89
5.1.3 一維離散傅里葉變換的性質91
5.2 二維傅里葉變換93
5.2.1 連續二維函數的傅里葉變換93
5.2.2 二維離散函數的傅里葉變換93
5.2.3 二維離散傅里葉變換性質93
5.3 傅里葉變換在圖像處理中的應用96
5.3.1 頻域圖像處理步驟97
5.3.2 頻域濾波97
5.4 離散餘弦變換101
5.4.1 一維離散餘弦變換101
5.4.2 二維離散餘弦變換101
5.5 小波變換103
5.5.1 小波變換理論基礎103
5.5.2 二維小波變換105
5.5.3 小波變換在圖像處理中的應用107
習題108
第6章 圖像形態學109
6.1 數學形態學109
6.1.1 集合運算109
6.1.2 邏輯運算111
6.1.3 結構元素與幾何變換111
6.2 二值形態學112
6.2.1 腐蝕113
6.2.2 膨脹114
6.2.3 開/閉運算115
6.2.4 對偶性117
6.2.5 擊中/擊不中變換118
6.3 灰值形態學119
6.3.1 灰值腐蝕120
6.3.2 灰值膨脹120
6.3.3 灰值開/閉運算121
6.4 形態學算法及應用123
6.4.1 形態學濾波123
6.4.2 邊界提取124
6.4.3 圖像分割124
6.4.4 骨架提取126
6.4.5 端點檢測127
6.4.6 陰影校正128
習題129
第7章 圖像分割131
7.1 基本概念131
7.2 邊界檢測132
7.2.1 梯度與邊界方向132
7.2.2 一階梯度邊界檢測133
7.2.3 方向梯度法135
7.2.4 二階導數邊界檢測136
7.2.5 Canny 邊界檢測算子138
7.2.6 邊界連接139
7.2.7 霍夫變換直線檢測139
7.3 閾值分割142
7.3.1 迭代閾值法142
7.3.2 Otsu 閾值法143
7.3.3 基於邊界的改進閾值分割144
7.3.4 動態閾值法144
7.4 基於區域的分割145
7.4.1 區域生長145
7.4.2 區域分裂與區域合並146
7.5 分水嶺分割147
7.5.1 基本術語147
7.5.2 淹沒法148
7.5.3 應用舉例——連接籽粒分割148
7.6 Mean Shift 分割149
7.6.1 Mean Shift 理論149
7.6.2 Mean Shift 圖像濾波和分割151
7.7 SLIC 超像素分割152
7.7.1 k 均值聚類圖像分割152
7.7.2 SLIC 超像素分割153
7.8 主動輪廓模型155
7.8.1 能量函數155
7.8.2 局限156
7.9 圖割157
7.9.1 硬約束和軟約束157
7.9.2 能量函數158
習題160
第8章 圖像特徵提取與描述162
8.1 顏色特徵162
8.1.1 顏色直方圖162
8.1.2 顏色矩164
8.1.3 顏色聚合向量165
8.1.4 植被顏色指數167
8.2 形狀特徵169
8.2.1 邊界特徵169
8.2.2 區域特徵175
8.2.3 角點特徵179
8.3 紋理特徵181
8.3.1 灰度直方圖統計矩181
8.3.2 灰度共生矩陣183
8.3.3 Tamura 紋理185
8.3.4 局部二值模式186
8.3.5 傅里葉譜188
8.4 現代特徵描述子190
8.4.1 尺度不變特徵變換190
8.4.2 加速穩健特徵193
8.4.3 方向梯度直方圖特徵195
習題197
第9章 圖像壓縮200
9.1 概述200
9.1.1 圖像數據冗餘200
9.1.2 編碼冗餘基礎201
9.1.3 圖像壓縮基本過程202
9.1.4 圖像壓縮質量評價202
9.2 基本編碼定理203
9.2.1 信息量203
9.2.2 熵204
9.2.3 無損編碼術語204
9.3 無損壓縮編碼205
9.3.1 香農-範諾編碼205
9.3.2 霍夫曼編碼207
9.3.3 算術編碼207
9.3.4 LZW 編碼209
9.4 JPEG 圖像壓縮標準簡介211
9.4.1 JPEG 212
9.4.2 JPEG 2000213
9.4.3 JPEG 2000 編碼實例213
9.5 視頻編碼214
9.5.1 幀間編碼214
9.5.2 運動補償編碼215
9.5.3 MPEG 215
習題216
第10章 機器學習基礎218
10.1 有監督機器學習218
10.1.1 線性預測器218
10.1.2 損失函數及其最小化219
10.1.3 梯度下降算法220
10.1.4 邏輯回歸221
10.1.5 圖像的多分類問題222
10.1.6 模型性能評估222
10.1.7 模型選擇224
10.2 BP 神經網絡224
10.2.1 特徵與預測器的聯合學習225
10.2.2 BP 神經網絡架構226
10.2.3 反向傳播算法227
10.2.4 BP 神經網絡的梯度下降算法229
10.3 捲積神經網絡229
10.3.1 從全連接到捲積229
10.3.2 捲積與池化230
10.3.3 典型捲積神經網絡架構231
10.3.4 捲積神經網絡的反向傳播算法232
10.4 捲積神經網絡應用233
10.4.1 圖像目標檢測233
10.4.2 實例分割235
10.4.3 語義圖像分割236
10.4.4 視覺目標跟蹤238
10.4.5 視頻行為識別238
10.5 Transformer 及其應用239
10.5.1 Transformer 簡介239
10.5.2 Transformer 在視覺領域的應用241
習題242
參考文獻244
附錄 名詞術語246
