本书针对高等学校数字图像处理课程编写，对数字图像处理技术进行理论讲解和编程实现，通过实现过程加深读者对理论知识的理解，同时能够提高读者的实际动手能力。全书共分10章，主要包括Python编程基础、数字图像处理基础、图像增强实验、图像复原实验、图像压缩实验、形态学图像处理实验、图像分割实验、手写文字识别实验、图像分类实验和目标检测实验等内容。
本书主要利用Python对数字图像相关知识点进行实现，每个实验详细给出了具体的环节，以帮助读者轻松掌握。本书遵从由简到难的原则，读者可在学习的过程中逐步提高自己的动手能力。
本书适合作为数字图像处理课程的实验教材，也可作为数字图像处理爱好者的参考书。

第1章 Python编程基础
1.1 Python安装
1.1.1 Anaconda安装
1.1.2 PyCharm安装
1.2 Python基本数据类型
1.2.1 数字(Number)
1.2.2 字符串(String)
1.2.3 元组(Tuple)
1.2.4 列表(List)
1.2.5 字典(Dict)
1.2.6 集合(Set)
1.3 常用库
1.3.1 NumPy
1.3.2 Matplotlib
1.3.3 OpenCV
1.4 Python编程
1.4.1 控制流语句
1.4.2 函数的定义
习题
第2章 数字图像处理基础
2.1 图像的读取、显示和保存
2.1.1 图像的读取
2.1.2 图像的显示
2.1.3 图像的保存
2.2 点运算
2.2.1 线性点运算
2.2.2 非线性点运算
2.3 代数运算和逻辑运算
2.3.1 加法运算
2.3.2 减法运算
2.3.3 乘法运算
2.3.4 除法运算
2.3.5 逻辑运算
2.4 几何运算
2.4.1 图像的平移
2.4.2 图像的镜像
2.4.3 图像的旋转
2.4.4 图像的缩放
2.5 灰度直方图
2.6 图像变换
2.6.1 离散傅里叶变换
2.6.2 离散余弦变换
习题
第3章 图像增强实验
3.1 图像增强基础
3.1.1 图像空域增强
3.1.2 图像频域增强
3.2 用到的Python函数
3.2.1 灰度变换函数
3.2.2 直方图处理函数
3.2.3 空间域滤波函数
3.2.4 频域滤波函数
3.3 实验举例
3.3.1 空域滤波增强
3.3.2 直方图增强
3.3.3 频域增强
习题
第4章 图像复原实验
4.1 图像复原基础
4.1.1 图像退化模型
4.1.2 噪声模型
4.1.3 空域滤波复原
4.1.4 频域滤波复原
4.1.5 自适应滤波复原
4.2 用到的Python函数
4.2.1 噪声模型
4.2.2 空域滤波
4.2.3 频域滤波
4.2.4 自适应滤波
4.3 实验举例
4.3.1 噪声模型
4.3.2 空域滤波复原
4.3.3 频域滤波复原
4.3.4 自适应滤波复原
习题
第5章 图像压缩实验
5.1 图像压缩基础
5.1.1 图像冗余
5.1.2 图像压缩技术指标
5.1.3 保真度准则
5.2 图像压缩编码
5.2.1 无损压缩编码
5.2.2 有损压缩编码
5.2.3 JPEG图像压缩
5.2.4 JPEG2000图像压缩
5.3 用到的Python函数
5.3.1 无损编码
5.3.2 JPEG图像压缩函数
5.4 实验举例
5.4.1 无损压缩编码
5.4.2 JPEG压缩编码
习题
第6章 形态学图像处理实验
6.1 形态学基础
6.1.1 膨胀和腐蚀运算
6.1.2 开运算和闭运算
6.1.3 击中和击不中变换
6.1.4 连通分量的标注
6.2 用到的Python函数
6.2.1 结构元素构造函数
6.2.2 膨胀与腐蚀运算函数
6.2.3 开运算和闭运算函数
6.2.4 击中和击不中变换函数
6.2.5 连通分量函数
6.3 实验举例
6.3.1 二值图像形态学处理举例
6.3.2 图像的形态学处理举例
6.3.3 车牌识别示例
习题
第7章 图像分割实验
7.1 图像分割基础
7.1.1 基础知识
7.1.2 点、线和边缘检测
7.1.3 阈值分割
7.1.4 区域分割
7.1.5 分水岭图像分割
7.2 使用到的Python函数
7.2.1 点、线和边缘检测
7.2.2 阈值分割
7.2.3 区域分割
7.2.4 分水岭算法
7.3 实验举例
7.3.1 点检测
7.3.2 线检测
7.3.3 边缘检测
7.3.4 阈值分割
7.3.5 区域分割
7.3.6 分水岭算法
习题
第8章 手写文字识别实验
8.1 基于SVM手写数字识别
8.1.1 基础理论
8.1.2 流程设计
8.1.3 运行环境
8.1.4 模块实现
8.1.5 性能评价
8.2 基于深度学习的手写汉字识别
8.2.1 基础理论
8.2.2 流程设计
8.2.3 运行环境
8.2.4 模块实现
8.2.5 性能评价
习题
第9章 图像分类实验
9.1 基于SVM的图像分类
9.1.1 基础理论
9.1.2 流程设计
9.1.3 运行环境
9.1.4 模块实现
9.1.5 结果分析
9.2 基于VGG-19的图像分类
9.2.1 基础理论
9.2.2 流程设计
9.2.3 运行环境
9.2.4 模块实现
9.2.5 结果分析
9.3 基于GoogLeNet的图像分类
9.3.1 基础理论
9.3.2 流程设计
9.3.3 运行环境
9.3.4 模块实现
9.3.5 结果分析
习题
第10章 目标检测实验
10.1 基于HOG+SVM的目标检测
10.1.1 HOG
10.1.2 流程设计
10.1.3 运行环境
10.1.4 模块实现
10.1.5 结果分析
10.2 基于CNN的目标检测
10.2.1 基础理论
10.2.2 流程设计
10.2.3 运行环境
10.2.4 模块实现
10.2.5 结果分析
习题
参考文献