数字图像处理与分析 宁纪锋 科学出版社 PDF电子教材 PDF电子书 大学教材电子版 电子课本 网盘下载（价值69元）【高清非扫描版】（2023年11月）

《数字图像处理与分析》宁纪锋 科学出版社 PDF电子教材 PDF电子书 大学教材电子版 电子课本 网盘下载（价值69元）【高清非扫描版】（2023年11月）

图书简介：

数字图像处理与分析在现代农业生产中得到了越来越多的应用。本书系统地介绍了数字图像处理与分析的理论、方法和代表性成果及其在农业领域中的应用。
本书介绍了数字图像处理中的数字图像基础、数学基础、图像增强、图像形态学、图像分割、图像特征提取与描述、图像压缩和机器学习基础等内容，突出专业知识和农业生产需求的紧密结合，由浅入深，循序渐进，并通过丰富的应用案例，力求使学生在掌握基本理论和专业知识的同时，具备承担农业领域数字图像处理与分析任务的能力。本书配备了电子课件、课后习题参考答案和大部分章节实验结果的源代码(Python + OpenCV)，供教师授课使用。

目录：

第1章 绪论1
1.1 什么是数字图像处理与分析1
1.1.1 数字图像1
1.1.2 主要目的和任务2
1.1.3 与计算机视觉和模式识别的关系3
1.2 主要内容3
1.3 数字图像处理与分析系统组成6
1.4 农业领域典型应用及特点7
1.4.1 作物生长特征检测与识别8
1.4.2 畜禽生理生长信息感知与分析9
1.4.3 果蔬病虫害识别诊断9
1.4.4 农产品无损检测10
1.4.5 农业自然资源调查与评价10
1.4.6 智能农机精准作业11
1.4.7 森林资源监测与管理11
1.4.8 水利资源环境调查与监控12
习题12
第2章 数字图像基础13
2.1 人眼成像与视觉感知13
2.1.1 光与电磁波13
2.1.2 人眼结构14
2.1.3 人眼的成像过程14
2.2 彩色基础与颜色模型15
2.2.1 视觉三原色原理15
2.2.2 CIE RGB/XYZ 三色空间15
2.2.3 颜色的属性16
2.2.4 CIE 色度图17
2.2.5 颜色模型18
2.3 图像的数字化与图像类型21
2.3.1 采样和量化21
2.3.2 图像的数字化表示22
2.3.3 农业数字图像类型23
2.3.4 图像文件格式26
数字图像处理与分析
2.4 像素间的基本关系27
2.4.1 像素的邻域像素27
2.4.2 邻接、连通、区域27
2.4.3 像素的距离度量28
2.5 数字图像处理与分析实验平台29
2.5.1 Python 图像处理与分析库29
2.5.2 OpenCV 发展历史29
2.5.3 Python-OpenCV 实验平台30
2.5.4 NumPy 包简介30
2.5.5 Python-OpenCV 图像处理应用举例32
习题35
第3章 数学基础37
3.1 图像的向量和矩阵运算37
3.1.1 向量37
3.1.2 内积和外积38
3.1.3 矩阵运算38
3.2 空域运算中的数学方法39
3.2.1 线性变换与非线性变换39
3.2.2 点处理40
3.2.3 区处理40
3.3 图像的几何变换41
3.3.1 齐次坐标41
3.3.2 仿射变换41
3.3.3 组合变换43
3.3.4 图像配准43
3.4 图像的梯度及差分近似44
3.4.1 梯度44
3.4.2 泰勒级数45
3.4.3 一阶差分近似一阶导数45
3.4.4 二阶差分近似二阶导数47
3.4.5 拉普拉斯算子47
3.4.6 边界的微分性质48
3.5 图像的变换域处理49
3.5.1 复数基本概念49
3.5.2 三角级数及其正交性50
3.5.3 傅里叶级数的三角函数形式51
3.5.4 傅里叶级数的复数形式52
3.5.5 傅里叶变换53
3.5.6 一维信号变换53
3.5.7 二维图像变换54
3.5.8 可分离对称变换核55
3.6 图像的统计性质56
3.6.1 灰度值为随机变量的概率密度函数56
3.6.2 空间坐标为随机变量的图像矩57
习题58
第4章 图像的空域处理60
4.1 灰度变换60
4.1.1 灰度反转60
4.1.2 对比度拉伸/压缩60
4.1.3 非线性变换61
4.2 直方图增强63
4.2.1 灰度直方图63
4.2.2 直方图均衡化64
4.2.3 直方图规定化67
4.3 图像几何插值69
4.3.1 基本概念69
4.3.2 最近邻插值70
4.3.3 双线性插值70
4.3.4 超分辨率重建71
4.4 图像平滑71
4.4.1 图像噪声72
4.4.2 模板卷积72
4.4.3 可分离卷积74
4.4.4 邻域平滑74
4.4.5 中值滤波75
4.5 自适应滤波77
4.5.1 双边滤波77
4.5.2 导向滤波78
4.6 图像锐化79
4.6.1 钝化掩模和高提升滤波80
4.6.2 拉普拉斯图像锐化法81
4.7 伪彩色增强82
4.7.1 灰度分层82
4.7.2 灰度到彩色的变换83
4.7.3 频域伪彩色增强84
习题84
第5章 图像的频域处理87
5.1 一维傅里叶变换87
5.1.1 连续函数的傅里叶变换88
5.1.2 离散傅里叶变换89
5.1.3 一维离散傅里叶变换的性质91
5.2 二维傅里叶变换93
5.2.1 连续二维函数的傅里叶变换93
5.2.2 二维离散函数的傅里叶变换93
5.2.3 二维离散傅里叶变换性质93
5.3 傅里叶变换在图像处理中的应用96
5.3.1 频域图像处理步骤97
5.3.2 频域滤波97
5.4 离散余弦变换101
5.4.1 一维离散余弦变换101
5.4.2 二维离散余弦变换101
5.5 小波变换103
5.5.1 小波变换理论基础103
5.5.2 二维小波变换105
5.5.3 小波变换在图像处理中的应用107
习题108
第6章 图像形态学109
6.1 数学形态学109
6.1.1 集合运算109
6.1.2 逻辑运算111
6.1.3 结构元素与几何变换111
6.2 二值形态学112
6.2.1 腐蚀113
6.2.2 膨胀114
6.2.3 开/闭运算115
6.2.4 对偶性117
6.2.5 击中/击不中变换118
6.3 灰值形态学119
6.3.1 灰值腐蚀120
6.3.2 灰值膨胀120
6.3.3 灰值开/闭运算121
6.4 形态学算法及应用123
6.4.1 形态学滤波123
6.4.2 边界提取124
6.4.3 图像分割124
6.4.4 骨架提取126
6.4.5 端点检测127
6.4.6 阴影校正128
习题129
第7章 图像分割131
7.1 基本概念131
7.2 边界检测132
7.2.1 梯度与边界方向132
7.2.2 一阶梯度边界检测133
7.2.3 方向梯度法135
7.2.4 二阶导数边界检测136
7.2.5 Canny 边界检测算子138
7.2.6 边界连接139
7.2.7 霍夫变换直线检测139
7.3 阈值分割142
7.3.1 迭代阈值法142
7.3.2 Otsu 阈值法143
7.3.3 基于边界的改进阈值分割144
7.3.4 动态阈值法144
7.4 基于区域的分割145
7.4.1 区域生长145
7.4.2 区域分裂与区域合并146
7.5 分水岭分割147
7.5.1 基本术语147
7.5.2 淹没法148
7.5.3 应用举例——连接籽粒分割148
7.6 Mean Shift 分割149
7.6.1 Mean Shift 理论149
7.6.2 Mean Shift 图像滤波和分割151
7.7 SLIC 超像素分割152
7.7.1 k 均值聚类图像分割152
7.7.2 SLIC 超像素分割153
7.8 主动轮廓模型155
7.8.1 能量函数155
7.8.2 局限156
7.9 图割157
7.9.1 硬约束和软约束157
7.9.2 能量函数158
习题160
第8章 图像特征提取与描述162
8.1 颜色特征162
8.1.1 颜色直方图162
8.1.2 颜色矩164
8.1.3 颜色聚合向量165
8.1.4 植被颜色指数167
8.2 形状特征169
8.2.1 边界特征169
8.2.2 区域特征175
8.2.3 角点特征179
8.3 纹理特征181
8.3.1 灰度直方图统计矩181
8.3.2 灰度共生矩阵183
8.3.3 Tamura 纹理185
8.3.4 局部二值模式186
8.3.5 傅里叶谱188
8.4 现代特征描述子190
8.4.1 尺度不变特征变换190
8.4.2 加速稳健特征193
8.4.3 方向梯度直方图特征195
习题197
第9章 图像压缩200
9.1 概述200
9.1.1 图像数据冗余200
9.1.2 编码冗余基础201
9.1.3 图像压缩基本过程202
9.1.4 图像压缩质量评价202
9.2 基本编码定理203
9.2.1 信息量203
9.2.2 熵204
9.2.3 无损编码术语204
9.3 无损压缩编码205
9.3.1 香农-范诺编码205
9.3.2 霍夫曼编码207
9.3.3 算术编码207
9.3.4 LZW 编码209
9.4 JPEG 图像压缩标准简介211
9.4.1 JPEG 212
9.4.2 JPEG 2000213
9.4.3 JPEG 2000 编码实例213
9.5 视频编码214
9.5.1 帧间编码214
9.5.2 运动补偿编码215
9.5.3 MPEG 215
习题216
第10章 机器学习基础218
10.1 有监督机器学习218
10.1.1 线性预测器218
10.1.2 损失函数及其最小化219
10.1.3 梯度下降算法220
10.1.4 逻辑回归221
10.1.5 图像的多分类问题222
10.1.6 模型性能评估222
10.1.7 模型选择224
10.2 BP 神经网络224
10.2.1 特征与预测器的联合学习225
10.2.2 BP 神经网络架构226
10.2.3 反向传播算法227
10.2.4 BP 神经网络的梯度下降算法229
10.3 卷积神经网络229
10.3.1 从全连接到卷积229
10.3.2 卷积与池化230
10.3.3 典型卷积神经网络架构231
10.3.4 卷积神经网络的反向传播算法232
10.4 卷积神经网络应用233
10.4.1 图像目标检测233
10.4.2 实例分割235
10.4.3 语义图像分割236
10.4.4 视觉目标跟踪238
10.4.5 视频行为识别238
10.5 Transformer 及其应用239
10.5.1 Transformer 简介239
10.5.2 Transformer 在视觉领域的应用241
习题242
参考文献244
附录 名词术语246