从零到壹Python图像处理及识别【688页技术资料和所有源码案例】

# HWCloudImageRecognition 该资源是作者在华为云撰写《从零到壹Python图像处理及识别》电子书的源代码，希望对大家有所帮助，且看且珍惜~ - https://bbs.huaweicloud.com/blogs/336932 - https://res-static.hc-cdn.cn/cloudbu-site/china/zh-cn/CloudBook/huaweicloud.shuku03.Python.imagerecognition.pdf 此书是作者十多年图像处理及识别编程经验的结晶，包含丰富真实的案例及详细的算法原理，采用Python3、OpenCV和Keras等库实现，通过图文结合、代码注释、实例详解的形式娓娓道来。希望这本电子书及开源的代码能帮助读者迅速入门，并让图像处理及识别领域的知识轮廓逐渐清晰。全书包括三部分内容，共48章。 - **第一部分是图像处理基础知识（共10章）**：详细介绍了图像处理基础、OpenCV入门、几何图形绘制、算数与逻辑运算、几何变换、量化和采样处理等内容。 - **第二部分是图像运算和图像增强（共17章）**：包括图像点运算、灰度变换、形态学处理、直方图绘制、图像均衡化、平滑锐化等内容。 - **第三部分是图像识别及图像高阶案例（共21章）**：包括图像分割、傅里叶变换、霍夫变换、图像分类、特效处理、OpenGL、图像去雾等知识，也囊括了经典的文字识别、车牌识别、人脸识别、目标检测、基于深度学习的图像分类、小麦检测、GAN图像生成等案例。 本书详细讲解了Python图像处理及识别知识，是市面上为数不多结合实战的图像处理书籍，更是一本计算机视觉的宝典。全书内容通俗易懂，案例丰富，图文并茂，便于读者快速上手，非常适合初学者、技术人员和高校师生学习。同时，作者杨秀璋长期从事相关研究，实践经验丰富，并且乐于分享知识。无论是新手还是经验丰富的技术人员，都希望您能从中获益。 很喜欢书籍最后一段话： > 这也是整本电子书的最后一篇文章，感谢华为云，感谢大家的阅读，未来也期待分享更多电子书与大家一起进步。且看且珍惜，也希望大家下来不断实践。感恩前行！最后，请大家记住一个名叫 Eastmount 的技术分享者，很高兴认识您。 --- ## 第一部分 图像处理基础知识 **第01篇 图像处理基础知识和 OpenCV 配置** - 1.什么是图像处理 - 2.图像处理基础 - 3.Python 语言 - 4.OpenCV 安装和基础 - 5.总结 **第 02 篇 OpenCV 入门详解——显示读取修改及保存图像** - 1.OpenCV 常见数据类型 - 2.OpenCV 读取与显示图像 - 3.OpenCV 像素处理 - 4.NumPy 像素处理 - 5.OpenCV 创建图像 - 6.OpenCV 复制图像 - 7.OpenCV 保存图像 - 8.总结 **第 03 篇 OpenCV 绘制各类几何图形** - 1.绘制直线 - 2.绘制矩形 - 3.绘制圆形 - 4.绘制椭圆 - 5.绘制多边形 - 6.绘制文字 - 7.总结 **第 04 篇 图像算术与逻辑运算详解** - 1.图像加法运算 - 2.图像减法运算 - 3.图像与运算 - 4.图像或运算 - 5.图像非运算 - 6.图像异或运算 - 7.总结 **第 05 篇 图像融合处理和 ROI 区域绘制** - 1.图像融合 - 2.图像 ROI 区域定位 - 3.图像属性 - 4.图像通道分离及合并 - 5.图像类型转换 - 6.总结 **第 06 篇 图像几何变换之平移缩放旋转** - 1.图像几何变换 - 2.图像平移 - 3.图像缩放 - 4.图像旋转 - 5.总结 **第 07 篇 图像几何变换之镜像仿射透视** - 1.图像镜像 - 2.图像仿射 - 3.图像透视 - 4.总结 **第 08 篇 图像量化处理** - 1.图像量化处理原理 - 2.图像量化实现 - 3.图像量化等级对比 - 4.K-Means 聚类实现量化处理 - 5.总结 **第 09 篇 图像采样处理** - 1.图像采样处理原理 - 2.图像采样实现 - 3.图像局部采样处理 - 4.总结 **第 10 篇 图像金字塔之图像向上取样和向下取样** - 1.图像金字塔原理 - 2.图像向上取样 - 3.图像向下取样 - 4.总结 --- ## 第二部分 图像运算和图像增强 **第 11 篇 图像点运算之图像灰度化处理** - 1.图像点运算概念 - 2.图像灰度化处理 - 3.基于像素操作的图像灰度化处理 - 4.总结 **第 12 篇 图像灰度线性变换** - 1.灰度线性变换 - 2.图像灰度上移变换 - 3.图像对比度增强变换 - 4.图像对比度减弱变换 - 5.图像灰度反色变换 - 6.总结 **第 13 篇 图像灰度非线性变换** - 1.图像灰度非线性变换 - 2.图像灰度对数变换 - 3.图像灰度伽玛变换 - 4.总结 **第 14 篇 图像点运算之图像阈值化处理** - 1.图像阈值化 - 2.固定阈值化处理 - 3.自适应阈值化处理 - 4.总结 **第 15 篇 图像形态学处理之腐蚀和膨胀** - 1.形态学理论知识 - 2.图像腐蚀 - 3.图像膨胀 - 4.总结 **第 16 篇 图像形态学处理之开运算、闭运算和梯度运算** - 1.图像开运算 - 2.图像闭运算 - 3.图像梯度运算 - 4.总结 **第 17 篇 图像形态学处理之顶帽运算和底帽运算** - 1.图像顶帽运算 - 2.图像底帽运算 - 3.总结 **第 18 篇 图像直方图理论知识和绘制实现** - 1.图像直方图理论知识 - 2.OpenCV 绘制直方图 - 3.Matplotlib 绘制直方图 - 4.总结 **第 19 篇 图像灰度直方图对比分析** - 1.灰度增强直方图对比 - 2.灰度减弱直方图对比 - 3.图像反色直方图对比 - 4.图像对数变换直方图对比 - 5.图像阈值化处理直方图对比 - 6.总结 **第 20 篇 图像掩膜直方图和 HS 直方图** - 1.图像掩膜直方图 - 2.图像 HS 直方图 - 3.直方图判断白天黑夜 - 4.总结 **第 21 篇 图像增强和直方图均衡化处理** - 1.图像增强 - 2.直方图均衡化原理 - 3.直方图均衡化处理 - 4.总结 **第 22 篇 局部直方图均衡化和自动色彩均衡化处理** - 1.局部直方图均衡化 - 2.自动色彩均衡化 - 3.总结 **第 23 篇 图像平滑之均值滤波、方框滤波、高斯滤波** - 1.图像平滑 - 2.均值滤波 - 3.方框滤波 - 4.高斯滤波 - 5.总结 **第 24 篇 图像平滑之中值滤波、双边滤波** - 1.中值滤波 - 2.双边滤波 - 3.总结 **第 25 篇 图像锐化之 Roberts、Prewitt 算子实现边缘检测** - 1.图像锐化 - 2.Roberts 算子 - 3.Prewitt 算子 - 4.总结 **第 26 篇 图像锐化之 Sobel、Laplacian 算子实现边缘检测** - 1.Sobel 算子 - 2.Laplacian 算子 - 3.总结 **第 27 篇 图像锐化之 Scharr、Canny、LOG 实现边缘检测** - 1.Scharr 算子 - 2.Cann 算子 - 3.LOG 算子 - 4.总结 --- ## 第三部分 图像识别及图像处理经典案例 **第 28 篇 图像分割理论和基于阈值及边缘检测的图像分割** - 1.图像分割 - 2.基于阈值的图像分割 - 3.基于边缘检测的图像分割 - 4.总结 **第 29 篇 基于纹理背景和聚类算法的图像分割** - 1.基于纹理背景的图像分割 - 2.基于 K-Means 聚类算法的区域分割 **第 30 篇 基于均值漂移算法和分水岭算法的图像分割** - 1.基于均值漂移算法的图像分割 - 2.基于分水岭算法的图像分割 - 3.总结 **第 31 篇 图像漫水填充分割应用** - 1.图像漫水填充 - 2.图像漫水填充分割实现 - 3.图像漫水填充分割自动软件 - 4.总结 **第 32 篇 图像傅里叶变换和傅里叶逆变换详解** - 1.图像傅里叶变换和逆变换 - 2.OpenCV 实现图像傅里叶变换和逆变换 - 3.NumPy 实现图像傅里叶变换和逆变换 - 4.高通滤波和低通滤波 - 5.总结 **第 33 篇 图像霍夫变换详解** - 1.霍夫变换 - 2.图像霍夫线变换操作 - 3.图像霍夫圆变换操作 - 4.总结 **第 34 篇 图像分类理论知识和基于机器学习的图像分类** - 1.图像分类 - 2.基于朴素贝叶斯的图像分类 - 3.基于 KNN 的图像分类 - 5.总结 **第 35 篇 基于卷积神经网络的 MNIST 图像分类** - 1.图像分类 - 2.神经网络 - 3.卷积�