图像与视频处理

曹建荣

目录

  • 1 第1章 Python基础
    • 1.1 环境搭建
    • 1.2 Python基础
    • 1.3 所用依赖库
    • 1.4 本章测验
    • 1.5 本章思政
  • 2 第2章 图像处理与机器视觉
    • 2.1 基本概念
    • 2.2 应用场景
    • 2.3 本章测验
    • 2.4 本章思政
  • 3 第3章 图像的点运算
    • 3.1 基本概念
    • 3.2 线性变换
    • 3.3 伽马变换
    • 3.4 直方图均衡化
    • 3.5 本章测验
    • 3.6 本章思政
  • 4 第4章 图像的几何变换
    • 4.1 基本概念
    • 4.2 平移变换
    • 4.3 缩放变换
    • 4.4 旋转变换
    • 4.5 插值运算
    • 4.6 仿射与投影
    • 4.7 图像配准
    • 4.8 本章测验
    • 4.9 本章思政
  • 5 第5章空间域图像增强
    • 5.1 基本概念
    • 5.2 相关与卷积
    • 5.3 图像的低通滤波与高通滤波
    • 5.4 图像降噪
    • 5.5 图像锐化
    • 5.6 本章测验
    • 5.7 本章思政
  • 6 第6章 频率域图像增强
    • 6.1 基本概念
    • 6.2 傅里叶变换
    • 6.3 离散余弦变换
    • 6.4 小波变换
    • 6.5 本章测验
    • 6.6 本章思政
  • 7 第7章 图像特征提取
    • 7.1 基本概念
    • 7.2 主元分析
    • 7.3 深度神经网络
    • 7.4 基于卷积神经网络的图像分类
    • 7.5 本章测验
    • 7.6 本章思政
  • 8 第8章 图像分割
    • 8.1 基本概念
    • 8.2 基于直方图分析的图像分割
    • 8.3 基于神经网络的图像分割
    • 8.4 本章测验
    • 8.5 本章思政
  • 9 第9章 图像修复
    • 9.1 基本概念
    • 9.2 图像修复的研究领域
    • 9.3 基于深度学习的图像修复
    • 9.4 图像修复模型CMFNet
    • 9.5 本章测验
    • 9.6 本章思政
  • 10 第10章 图像美颜
    • 10.1 总体要求
  • 11 第11章 图像形态学
    • 11.1 基本概念
    • 11.2 腐蚀操作
    • 11.3 膨胀操作
    • 11.4 开操作
    • 11.5 闭操作
    • 11.6 红细胞计数
    • 11.7 本章测验
    • 11.8 本章思政
  • 12 第12章 增强现实
    • 12.1 基本概念
    • 12.2 相机校正
    • 12.3 姿态估计
    • 12.4 本章测验
    • 12.5 本章思政
  • 13 第13章 视频处理
    • 13.1 简介
    • 13.2 目标跟踪
    • 13.3 视频分割
    • 13.4 本章测验
    • 13.5 本章思政
  • 14 实验
    • 14.1 实验一：图像缩放、旋转变换
    • 14.2 实验二：图像增强
    • 14.3 实验三：基于卷积神经网络的图像分类
    • 14.4 实验四：图像分割
    • 14.5 实验五：红细胞计数
基本概念

图像修复（Image Inpainting）本质就是力求保持图像的本来面目，以保真原则为前提，找出图像降质的原因，描述其物理过程，提出数学模型，根据该模型重建或恢复被退化的图像，是一个典型的逆问题（Inverse Problems）。