/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》电子书和源代码，全书648页48章，涵盖图像处理、图像识别和图像增强，基础入门书籍希望对大家有所帮助，且看且珍惜~

Primary LanguagePython

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~

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.卷积神经网络
  • 4.MNIST 数据集
  • 5.基于神经网络的图像分类
  • 6.总结

第 36 篇 图像特效之毛玻璃、浮雕、油漆和模糊特效变换

  • 1.图像毛玻璃特效变换
  • 2.图像浮雕特效变换
  • 3.图像油漆特效变换
  • 4.图像模糊特效变换
  • 5.总结

第 37 篇 图像特效之素描和卡通特效变换

  • 1.图像素描特效变换
  • 2.图像卡通特效变换
  • 3.总结

第 38 篇 图像特效之怀旧、流年、光照和水波特效变换

  • 1.图像怀旧特效变换
  • 2.图像流年特效变换
  • 3.图像光照特效变换
  • 4.图像水波特效变换
  • 5.总结

第 39 篇 图像特效之滤镜和均衡化特效变换

  • 1.图像滤镜特效变换
  • 2.图像均衡化特效变换
  • 3.总结

第 40 篇 OpenGL 入门及绘制基本图形和 3D 图

  • 1.什么是 OpenGL
  • 2.OpenGL 绘制几何图形
  • 3.OpenGL 绘图基本原理
  • 4.OpenGL 基础语法
  • 5.OpenGL 绘制 3D 水壶
  • 6.OpenGL 绘制时钟
  • 7.总结

第 41 篇 图像去雾之 ACE 算法和暗通道先验去雾算法实现

  • 1.图像去雾
  • 2.ACE 去雾算法
  • 3.暗通道先验去雾算法
  • 4.图像噪声和雾生成
  • 5.总结

第 42 篇 文字图像区域定位及提取分析

  • 1.OpenCV 文字识别基本步骤
  • 2.图像灰度和平滑处理
  • 3.图像增强处理
  • 4.文字边缘提取
  • 5.阈值分割处理
  • 6.形态学处理
  • 7.文字区域提取
  • 8.总结

第 43 篇 OpenCV 实现车牌检测及区域识别

  • 1.车牌预处理及区域定位
  • 2.车牌图像分割
  • 3.车牌上下边缘去噪
  • 4.车牌最终识别
  • 5.完整代码
  • 6.总结

第 44 篇 OpenCV 快速实现人脸检测及视频人脸动态识别

  • 1.图像单人脸检测
  • 2.图像多人脸检测
  • 3.检测视频人脸
  • 4.摄像头人脸检测
  • 5.总结

第 45 篇 目标检测入门普及及 ImageAI 实现对象检测详解

  • 1.目标检测入门普及
  • 2.ImageAI 简介
  • 3.安装流程
  • 4.TinyYOLOv3 模型对象检测案例
  • 5.总结

第 46 篇 Keras 构建 CNN 识别阿拉伯手写文字图像

  • 1.数据集描述
  • 2.数据读取
  • 3.数据预处理
  • 4.CNN 模型搭建
  • 5.实验评估
  • 6.完整代码
  • 7.总结

第 47 篇 Pytorch 构建 Faster-RCNN 检测小麦图像

  • 1.Pytorch 安装
  • 2.数据集描述
  • 3.代码实现
  • 4.总结

第 48 篇 GAN 入门知识详解及手写数字图像生成

  • 1.GAN 简介
  • 2.GAN 预备知识
  • 3.GAN 模型解析
  • 4.生成手写数字案例
  • 5.其他常见 GAN 网络
  • 6.GAN 改进策略
  • 7.总结

By:2022-03 Eastmount