数字图像处理与机器视觉:Visual C++与Matlab实现(第2版)

数字图像处理与机器视觉:Visual C++与Matlab实现(第2版) PDF 完整超清版

  • 大小:232 MB
  • 类型:数字图像
  • 格式:PDF
  • 出版:人民邮电出版社
  • 作者:张铮,徐超,任淑
  • 更新:2023-01-24 13:09:31
vip 立即下载( 232 MB )
关注公众号免费下载
版权投诉 / 资源反馈(本资源由用户 刘华翰 投稿)

为网友们分享了数字图像相关的资料,由人民邮电出版社出版,作者是张铮,徐超,任淑,介绍了关于数字图像处理、机器视觉、Visual、C++、Matlab方面,格式为PDF,资源大小232 MB,目前在数字图像类资源综合评分为:7.4分。

数字图像资源推荐

读者评价

网友NO.28130
充健柏
Matlab引擎采用客户和服务器计算模式。在运行中,Visual C++的C语言或C++语言的程序作为前端客户机,它向Matlab引擎传递命令和数据信息,并从Matlab引擎接收数据信息,Matlab引擎提供了下列几个函数: engOpen:启动Matlab引擎 engClose:关闭Matlab引擎 engGetArray:从Matlab引擎中获得一个Matlab矩阵,用于数据交换 engPutArray:从应用程序向Matlab引擎发送一个Matlab矩阵,用于数据交换 engEvalString:执行一个Matlab命令 engOutputBuffer:创建一个用于存储Matlab文本输出的字符缓冲区
网友NO.34227
朱韫玉
Matlab引擎(Matlab engine)提供了一组 Matlab API 函数,用户不必关心这个Matlab引擎是如何实现的,只需要调用这些函数即可。正是通过这些 API 函数,实现了应用程序进程之间的传递数据,从而达到两者之间的良好结合。

书籍介绍

这本书真的很不错,虽然没有图像恢复和压缩编码的部分,但是就其理论的详实,文字的简练易懂都是难能可贵的。而且书中的关于图像识别确实有一定的深度!

内容涉及数字图像处理和识别技术的方方面面,包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、彩色图像处理、形态学处理、图像分割、图像压缩以及图像特征提取等;同时对机器视觉进行了前导性的探究,重点介绍了3种目前在工程技术领域非常流行的分类技术——人工神经网络(ANN)、支持向量机(SVM)和AdaBoost,并在配套给出的识别案例中直击光学字符识别(OCR)、人脸识别和性别分类等热点问题。

还不错的关于数字图像和视觉方面的书。我本人还是很喜欢言简意赅的书。什么知识都弄的很难懂,说明作者水平也很一般。但中国人出书又有个特点,就是错误太多。希望作者能多修改。

工业界人士写的一本理论和工程结合的一本书。适合直接上手用的,无论是matlab代码还是C++的代码。短、平、快直入主题。前面图像处理部分还是不错的。后面机器学习部分,本来是理论是很强的章节,在作者的文笔下写的也算是通俗,能懂其原理。当然,真正要理解这些(ML)的理论,那每一章都可以找几本书来看。总的来说,这本书是实践为王的代表之一。

内容介绍

《数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)》将理论知识、科学研究和工程实践有机结合起来,内容涉及数字图像处理和识别技术的方方面面,包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、彩色图像处理、形态学处理、图像分割、图像压缩以及图像特征提取等;同时对机器视觉进行了前导性的探究,重点介绍了3种目前在工程技术领域非常流行的分类技术——人工神经网络(ANN)、支持向量机(SVM)和AdaBoost,并在配套给出的识别案例中直击光学字符识别(OCR)、人脸识别和性别分类等热点问题。

《数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)》结构紧凑,内容深入浅出,讲解图文并茂,适合于计算机、通信和自动化等相关专业的本科生、研究生,以及工作在图像处理和识别领域一线的广大工程技术人员阅读参考。

目录

  • 第0章初识数字图像处理与机器视觉
  • 0.1数字图像
  • 0.1.1什么是数字图像
  • 0.1.2数字图像的显示
  • 0.1.3数字图像的分类
  • 0.1.4数字图像的实质
  • 0.1.5数字图像的表示
  • 0.1.6图像的空间和灰度级分辨率
  • 0.2数字图像处理与机器视觉
  • 0.2.1从图像处理到图像识别
  • 0.2.2什么是机器视觉
  • 0.2.3数字图像处理和识别的应用实例
  • 0.3数字图像处理的预备知识
  • 0.3.1邻接性、连通性、区域和边界
  • 0.3.2距离度量的几种方法 第0章初识数字图像处理与机器视觉
  • 0.1数字图像
  • 0.1.1什么是数字图像
  • 0.1.2数字图像的显示
  • 0.1.3数字图像的分类
  • 0.1.4数字图像的实质
  • 0.1.5数字图像的表示
  • 0.1.6图像的空间和灰度级分辨率
  • 0.2数字图像处理与机器视觉
  • 0.2.1从图像处理到图像识别
  • 0.2.2什么是机器视觉
  • 0.2.3数字图像处理和识别的应用实例
  • 0.3数字图像处理的预备知识
  • 0.3.1邻接性、连通性、区域和边界
  • 0.3.2距离度量的几种方法
  • 0.3.3基本的图像操作
  • dy 章MATLAB数字图像处理编程基础
  • 1.1MATLABR2011a简介
  • 1.1.1MATLAB软件环境
  • 1.1.2文件操作
  • 1.1.3在线帮助的使用
  • 1.1.4变量的使用
  • 1.1.5矩阵的使用
  • 1.1.6细胞数组(CellArray)和结构体(Structure)
  • 1.1.7关系运算与逻辑运算
  • 1.1.8常用图像处理数学函数
  • 1.1.9MATLAB程序流程控制
  • 1.1.10M文件编写
  • 1.1.11MATLAB函数编写
  • 1.2MATLAB图像类型及其存储方式
  • 1.3MATLAB的图像转换
  • 1.4读取和写入图像文件
  • 1.5图像的显示
  • 第2章VisualC++图像处理编程基础
  • 2.1位图文件及其C++操作
  • 2.1.1设备无关位图
  • 2.1.2BMP图像文件数据结构
  • 2.2认识CImg类
  • 2.2.1主要成员函数列表
  • 2.2.2公有成员
  • 2.3CImg类基础操作
  • 2.3.1加载和写入图像
  • 2.3.2获得图像基本信息
  • 2.3.3检验有效性
  • 2.3.4按像素操作
  • 2.3.5改变图像大小
  • 2.3.6重载的运算符
  • 2.3.7在屏幕上绘制位图图像
  • 2.3.8新建图像
  • 2.3.9图像类型的判断与转化
  • 2.4DIPDemo工程
  • 2.4.1DIPDemo主界面
  • 2.4.2图像操作和处理类——CImg和CImgProcess
  • 2.4.3文档类——CDIPDemoDoc
  • 2.4.4视图类——CDIPDemoView
  • 2.5CImg应用示例
  • 2.5.1打开图像
  • 2.5.2清空图像
  • 2.5.3像素初始化方法
  • 2.5.4保存图像
  • 第3章图像的点运算
  • 3.1灰度直方图
  • 3.1.1理论基础
  • 3.1.2MATLAB实现
  • 3.1.3VisualC++实现
  • 3.2灰度的线性变换
  • 3.2.1理论基础
  • 3.2.2MATLAB程序的实现
  • 3.2.3VisualC++实现
  • 3.3灰度对数变换
  • 3.3.1理论基础
  • 3.3.2MATLAB实现
  • 3.3.3VisualC++实现
  • 3.4伽玛变换
  • 3.4.1理论基础
  • 3.4.2MATLAB编程实现
  • 3.4.3VisualC++实现
  • 3.5灰度阈值变换
  • 3.5.1理论基础
  • 3.5.2MATLAB编程实现
  • 3.5.3VisualC++实现
  • 3.6分段线性变换
  • 3.6.1理论基础
  • 3.6.2MATLAB编程实现
  • 3.6.3VisualC++编程实现
  • 3.7直方图均衡化
  • 3.7.1理论基础
  • 3.7.2MATLAB编程实现
  • 3.7.3VisualC++实现
  • 3.8直方图规定化(匹配)
  • 3.8.1理论基础
  • 3.8.2MATLAB编程实现
  • 3.8.3VisualC++实现
  • 第4章图像的几何变换
  • 4.1解决几何变换的一般思路
  • 4.2图像平移
  • 4.2.1图像平移的变换公式
  • 4.2.2图像平移的实现
  • 4.3图像镜像
  • 4.3.1图像镜像的变换公式
  • 4.3.2图像镜像的实现
  • 4.4图像转置
  • 4.4.1图像转置的变换公式
  • 4.4.2图像转置的实现
  • 4.5图像缩放
  • 4.5.1图像缩放的变换公式
  • 4.5.2图像缩放的实现
  • 4.6图像旋转
  • 4.6.1以原点为中心的图像旋转
  • 4.6.2以任意点为中心的图像旋转
  • 4.6.3图像旋转的实现
  • 4.7插值算法
  • 4.7.1 近邻插值
  • 4.7.2双线性插值
  • 4.7.3高阶插值
  • 4.8图像配准简介
  • 4.8.1图像配准
  • 4.8.2人脸图像配准的MATLAB实现
  • 4.9VisualC++高级应用实例——汽车牌照的投影失真校正
  • 4.9.1系统分析与设计
  • 4.9.2系统实现
  • 4.9.3功能测试
  • 第5章空间域图像增强
  • 5.1图像增强基础
  • 5.2空间域滤波
  • 5.3图像平滑
  • 5.3.1平均模板及其实现
  • 5.3.2高斯平滑及其实现
  • 5.3.3通用平滑滤波的VisualC++实现
  • 5.3.4自适应平滑滤波
  • 5.4中值滤波
  • 5.4.1性能比较
  • 5.4.2一种改进的中值滤波策略
  • 5.4.3中值滤波的工作原理
  • 5.5图像锐化
  • 5.5.1理论基础
  • 5.5.2基于一阶导数的图像增强——梯度算子
  • 5.5.3基于二阶微分的图像增强——拉普拉斯算子
  • 5.5.4基于一阶与二阶导数的锐化算子的比较
  • 5.5.5高提升滤波及其实现
  • 5.5.6高斯-拉普拉斯变换(LaplacianofaGaussian,LoG)
  • 第6章频率域图像增强
  • 6.1频率域滤波——与空间域滤波殊途同归
  • 6.2傅里叶变换基础知识
  • 6.2.1傅里叶级数
  • 6.2.2傅里叶变换
  • 6.2.3幅度谱、相位谱和功率谱
  • 6.2.4傅里叶变换的实质——基的转换
  • 6.3快速傅里叶变换及实现
  • 6.3.1FFT变换的 要性
  • 6.3.2常见的FFT算法
  • 6.3.3按时间抽取的基-2FFT算法
  • 6.3.4离散反傅里叶变换的快速算法
  • 6.3.5N维快速傅里叶变换
  • 6.3.6MATLAB实现
  • 6.3.7VisualC++实现
  • 6.4频域滤波基础
  • 6.4.1频域滤波与空域滤波的关系
  • 6.4.2频域滤波的基本步骤
  • 6.4.3频域滤波的MATLAB实现
  • 6.4.4频域滤波的VisualC++实现
  • 6.5频率域低通滤波器
  • 6.5.1理想低通滤波器及其实现
  • 6.5.2高斯低通滤波器及其实现
  • 6.6频率域高通滤波器
  • 6.6.1高斯高通滤波器及其实现
  • 6.6.2频域拉普拉斯滤波器及其实现
  • 6.7MATLAB综合案例——利用频域滤波消除周期噪声
  • 6.7.1频域带阻滤波器
  • 6.7.2带阻滤波器消除周期噪声
  • 6.8频域滤波器与空域滤波器之间的内在联系
  • 附录
  • 第7章小波变换
  • 7.1多分辨率分析
  • 7.1.1多分辨率框架
  • 7.1.2分解与重构的实现
  • 7.1.3图像处理中分解与重构的实现
  • 7.2Gabor多分辨率分析
  • 7.3常见小波分析
  • 7.3.1Haar小波
  • 7.3.2Daubechies小波
  • 7.4高维小波
  • 第8章图像复原
  • 8.1图像复原的理论模型
  • 8.1.1图像复原的基本概念
  • 8.1.2图像复原的一般模型
  • 8.2噪声模型
  • 8.2.1噪声种类
  • 8.2.2MATLAB实现
  • 8.2.3VisualC++实现
  • 8.3空间滤波
  • 8.3.1空域滤波原理
  • 8.3.2MATLAB实现
  • 8.3.3VisualC++实现
  • 8.4逆滤波复原
  • 8.4.1逆滤波原理
  • 8.4.2MATLAB实现
  • 8.4.3VisualC++实现
  • 8.5维纳滤波复原
  • 8.5.1维纳滤波原理
  • 8.5.2MATLAB实现
  • 8.5.3VisualC++实现
  • 8.6有约束 小二乘复原
  • 8.7Lucky-Richardson复原
  • 8.8盲去卷积图像复原
  • 8.9MATLAB图像复原综合案例——去除照片的运动模糊
  • 第9章彩色图像处理
  • 9.1彩色基础
  • 9.2彩色模型
  • 9.2.1RGB模型
  • 9.2.2CMY、CMYK模型
  • 9.2.3HSI模型
  • 9.2.4HSV模型
  • 9.2.5YUV模型
  • 9.2.6YIQ模型
  • 9.2.7Lab模型简介
  • 9.3全彩色图像处理基础
  • 9.3.1彩色补偿及其MATLAB实现
  • 9.3.2彩色平衡及其MATLAB实现
  • dy 0章图像压缩
  • 10.1图像压缩理论
  • 10.1.1图像冗余
  • 10.1.2香农定理
  • 10.1.3保真度评价
  • 10.2DCT变换与量化
  • 10.2.1DCT变换原理
  • 10.2.2量化
  • 10.2.3DCT变换和量化的VisualC++实现
  • 10.3预测编码
  • 10.4霍夫曼编码
  • 10.4.1霍夫曼编码原理
  • 10.4.2霍夫曼编码的VisualC++实现
  • 10.5算术编码
  • 10.5.1算术编码原理
  • 10.5.2算术编码的VisualC++实现
  • 10.6游程编码
  • 10.7JPEG和JPEG2000压缩标准
  • 10.8VisualC++综合案例——类似JPEG的图像压缩
  • dy 1章形态学图像处理
  • 11.1预备知识
  • 11.2二值图像中的基本形态学运算
  • 11.2.1腐蚀及其实现
  • 11.2.2膨胀及其实现
  • 11.2.3开运算及其实现
  • 11.2.4闭运算及其实现
  • 11.3二值图像中的形态学应用
  • 11.3.1击中与击不中变换及其实现
  • 11.3.2边界提取与跟踪及其实现
  • 11.3.3区域填充及其VisualC++实现
  • 11.3.4连通分量提取及其实现
  • 11.3.5细化算法及其VisualC++实现
  • 11.3.6像素化算法及其VisualC++实现
  • 11.3.7凸壳及其VisualC++实现
  • 11.3.8bwmorph()函数
  • 11.4灰度图像中的基本形态学运算
  • 11.4.1灰度膨胀及其实现
  • 11.4.2灰度腐蚀及其实现
  • 11.4.3灰度开、闭运算及其实现
  • 11.4.4顶帽变换( -hat)及其实现
  • 小结
  • dy 2章图像分割
  • 12.1图像分割概述
  • 12.2边缘检测
  • 12.2.1边缘检测概述
  • 12.2.2常用的边缘检测算子
  • 12.2.3MATLAB实现
  • 12.2.4VisualC++实现
  • 12.3霍夫变换
  • 12.3.1直线检测
  • 12.3.2曲线检测
  • 12.3.3任意形状的检测
  • 12.3.4Hough变换直线检测的MATLAB实现
  • 12.3.5Hough变换直线检测的VisualC++实现
  • 12.4阈值分割
  • 12.4.1阈值分割方法
  • 12.4.2MATLAB实现
  • 12.4.3VisualC++实现
  • 12.5区域分割
  • 12.5.1区域生长及其实现
  • 12.5.2区域分裂与合并及其MATLAB实现
  • 12.6小结
  • dy 3章特征提取
  • 13.1图像特征概述
  • 13.2基本统计特征
  • 13.2.1简单的区域描绘子及其MATLAB实现
  • 13.2.2直方图及其统计特征
  • 13.2.3灰度共现矩阵及其VisualC++实现
  • 13.3特征降维
  • 13.3.1维度灾难
  • 13.3.2特征选择简介
  • 13.3.3主成分分析
  • 13.3.4快速PCA及其实现
  • 13.4综合案例——基于PCA的人脸特征抽取
  • 13.4.1数据集简介
  • 13.4.2生成样本矩阵
  • 13.4.3主成分分析
  • 13.4.4主成分脸可视化分析
  • 13.4.5基于主分量的人脸重建
  • 13.5局部二进制模式
  • 13.5.1基本LBP
  • 13.5.2圆形邻域的LBPPR算子
  • 13.5.3统一化LBP算子——UniformLBP及其MATLAB实现
  • 13.5.4MB-LBP及其MATLAB实现
  • 13.5.5图像分区及其MATLAB实现
  • dy 4章图像识别初步
  • 14.1模式识别概述
  • 14.2模式识别方法分类
  • 14.3 小距离分类器和模板匹配
  • 14.3.1 小距离分类器及其MATLAB实现
  • 14.3.2基于相关的模板匹配
  • 14.3.3相关匹配的计算效率
  • dy 5章人工神经网络
  • 15.1人工神经网络简介
  • 15.1.1仿生学动机
  • 15.1.2人工神经网络的应用实例
  • 15.2人工神经网络的理论基础
  • 15.2.1训练线性单元的梯度下降算法
  • 15.2.2多层人工神经网络
  • 15.2.3Sigmoid单元
  • 15.2.4反向传播(BackPropagation,BP)算法
  • 15.2.5训练中的问题
  • 15.3基于ANN的数字字符识别系统DigitRec——分析与设计
  • 15.3.1任务描述
  • 15.3.2数据集简介
  • 15.3.3设计要点
  • 15.4基于ANN的数字字符识别系统——DigitRec的实现
  • 15.4.1构建神经元结构——SNeuron
  • 15.4.2构建神经网络网络层——SNeuronLayer
  • 15.4.3神经网络信息头——NeuralNet_Header
  • 15.4.4神经网络类——CNeuralNet
  • 15.4.5神经网络的训练数据类——CNeuralData
  • 15.4.6误差跟踪类——CValueTrack
  • 15.4.7训练对话框类——CTrainDlg
  • 15.4.8测试对话框类——CTestDlg
  • 15.5基于ANN的数字字符识别系统——DigitRec的测试
  • 15.5.1训练
  • 15.5.2测试
  • 15.6改进的DigitRec
  • 15.6.1数字字符图像的预处理类——COCRImageProcess
  • 15.6.2输入图像的预处理——实现
  • 15.6.3输入图像的预处理——测试
  • 15.7神经网络参数对训练和识别的影响
  • 15.7.1隐藏层单元数目的影响
  • 15.7.2学习率的影响
  • 15.7.3训练时代数目的影响
  • dy 6章支持向量机
  • 16.1支持向量机的分类思想
  • 16.2支持向量机的理论基础
  • 16.2.1线性可分情况下的SVM
  • 16.2.2非线性可分情况下的C-SVM
  • 16.2.3需要核函数映射情况下的SVM
  • 16.2.4推广到多类问题
  • 16.3SVM的MATLAB实现
  • 16.3.1训练——svmtrain
  • 16.3.2分类——svmclassify
  • 16.3.3应用实例
  • 16.4综合案例——基于PCA和SVM的人脸识别系统
  • 16.4.1人脸识别简介
  • 16.4.2前期处理
  • 16.4.3数据规格化
  • 16.4.4核函数的选择
  • 16.4.5参数选择
  • 16.4.6构建多类SVM分类器
  • 16.4.7实验结果
  • 16.5SVM在线资源
  • 16.5.1MATLAB的SVM工具箱
  • 16.5.2LibSVM的简介
  • dy 7章AdaBoost
  • 17.1AdaBoost分类思想
  • 17.2AdaBoost理论基础
  • 17.3构建AdaBoost的MATLAB工具箱
  • 17.4MATLAB综合案例——基于AdaBoost的面部图像男女性别分类
  • 17.4.1关于数据集
  • 17.4.2数据的预处理
  • 17.4.3算法流程实现
  • 参考文献

以上就是本次关于书籍资源的介绍和部分内容,我们还整理了以往更新的其它相关电子书资源内容,可以在下方直接下载,关于相关的资源我们在下方做了关联展示,需要的朋友们也可以参考下。

数字图像相关资源

  • 数字图像处理(第二版)

    数字图像处理(第二版)

    数字图像处理第二版 作者:(美)冈萨雷斯等著,阮秋琦等译 出版社: 出版时间:2007-08 本书是数字图像信息处理领域的一本经典著作,是20多年来此领域最权威的教材之一。与1977年问世的本书第一版相比,进行了重要修订和扩充,增加了关于小波变换、图像形态学和彩色图像处理的章节,并新增了500多幅图像和200多幅图表。全书共分12章,首先介绍了数字图像基础、空间域和频域的图像增强;然后讨论了图像复原、彩色图像处理、小波变换及多分辨率

    大小:30.17MB图像处理

  • 《数字图像融合算法分析与应用》PPT

    《数字图像融合算法分析与应用》PPT

    本书系统介绍了数字图像融合领域的一些常见算法,便于读者全面了解和学习数字图像融合领域的一些基本概念和前沿知识,以适应现代信息技术的发展。书中系统介绍了数字图像融合的基本概念,并针对不同传感器获得的数字图像进行了分类,还对不同类型的数字图像分别介绍了不同的图像融合算法。本书共分为8章,主要内容包括图像融合简介、基于小波和轮廓波的多聚焦图像融合、基于剪切波和Smoothlet的多聚焦图像融合、红外与可见光数字图像融合

    大小:30.5 MB数字图像配套资源

  • Java数字图像处理:编程技巧与应用实践

    Java数字图像处理:编程技巧与应用实践

    本书首先通过一个简单JAVA图像处理程序勾勒出用JAVA来实现图像处理的基本步骤,介绍JAVA在操作图像方面的几个重要的API类如ImageIO,BufferedImageOP等,并对图像文件的保存与读写做较为深入细致的讲解

    大小:153.4 MBJava编程电子书

  • 数字图像处理(K.R.Castkeman)

    数字图像处理(K.R.Castkeman) 1998

    大小:24.4MB图像处理

  • 数字图像处理(修订版)

    数字图像处理(修订版)

    数字图像处理修订版夏良正 作者:夏良正 出版社:东南大学 出版时间:1999

    大小:18.11MB图像处理

  • 精通Visual C++数字图像处理典型算法及实现(第二版)

    精通Visual C++数字图像处理典型算法及实现(第二版)

    精通VisualC++数字图像处理典型算法及实现(第二版) 精通VisualC++数字图像处理典型算法及实现(第2版) 作者:求是科技、张宏林 出版时间:2008年 丛编项:精通系列

    大小:216.52MBVisual C++电子书

  • 数字图像处理与机器视觉:Visual C++与Matlab实现(第2版)

    数字图像处理与机器视觉:Visual C++与Matlab实现(第2版)

    本书将理论知识、科学研究和工程实践有机结合起来,内容涉及数字图像处理和识别技术的方方面面,结构紧凑,内容深入浅出,讲解图文并茂,感兴趣的可以下载学习

    大小:232 MB机器视觉电子书

资源下载

数字图像学习笔记

19小时29分钟前回答

python数字图像处理之骨架提取与分水岭算法

这篇文章主要介绍了python数字图像处理之骨架提取与分水岭算法,现在分享给大家,也给大家做个参考。一起过来看看吧 骨架提取与分水岭算法也属于形态学处理范畴,都放在morphology子模块内。 1、骨架提取 骨架提取,也叫二值图像细化。这种算法能将一个连通区域细化成一个像素的宽度,用于特征提取和目标拓扑表示。 morphology子模块提供了两个函数用于骨架提取,分别是Sk……

21小时41分钟前回答

python数字图像处理之高级形态学处理

这篇文章主要介绍了python数字图像处理之高级形态学处理,现在分享给大家,也给大家做个参考。一起过来看看吧 形态学处理,除了最基本的膨胀、腐蚀、开/闭运算、黑/白帽处理外,还有一些更高级的运用,如凸包,连通区域标记,删除小块区域等。 1、凸包 凸包是指一个凸多边形,这个凸多边形将图片中所有的白色像素点都包含在内。 函数为: skimage.morphology.convex_hull_image(……

24小时14分钟前回答

python数字图像处理之高级滤波代码详解

本文提供许多的滤波方法,这些方法放在filters.rank子模块内。 这些方法需要用户自己设定滤波器的形状和大小,因此需要导入morphology模块来设定。 1、autolevel 这个词在photoshop里面翻译成自动色阶,用局部直方图来对图片进行滤波分级。 该滤波器局部地拉伸灰度像素值的直方图,以覆盖整个像素值范围。 格式:skimage.filters.rank.autolevel(image, selem) selem表示结构化元素,用于设定滤……