《ChatGPT与数字图像处理》是一本系统性、实践性与创新性相结合的专业书籍，全面探讨了数字图像处理领域的基础知识、核心算法及其与ChatGPT技术的深度融合。本书从数字图像处理的基本概念出发，逐步深入，覆盖了图像读取与存储、几何变换、图像分割、特征提取等经典内容，并结合实际案例，探索了在特定场景中如何运用图像处理技术解决问题，如车牌识别、路面裂缝检测、焊缝识别等。
本书结构清晰、理论与实践兼顾，适合计算机视觉、人工智能以及相关领域的从业者、研究人员和高校师生参考阅读。无论是想深入了解数字图像处理技术，还是探索ChatGPT在该领域的创新应用，读者都能从本书中获得启发与实践指导。
赵玉良，东北大学秦皇岛分校特聘教授、博士生导师、控制工程学院科研副院长，光电传感与泛在智能研究所所长。2016年毕业于香港城市大学，机械与生物医学工程专业，获博士学位。曾获得香港城市大学杰出学术表现奖，IEEE-NANOMED会议论文奖, 香港医疗与保健协会杰出研究生奖。河北省“三三三人才工程”第三层次人才，发表论文130余篇，其中SCI检索 100余篇；被引用1700次，h-index =28; 发明专利30余项；主持并参与各类科研项目20余项。
研究领域：ChatGPT、AIGC、人工智能、传感器、机器视觉
第1章 绪论
1.1 数字图像处理基础 002
1.1.1 数字图像处理简介 002
1.1.2 数字图像处理概述 003
1.1.3 数字图像处理应用 004
1.2 ChatGPT在数字图像处理中的角色 006
1.3 ChatGPT在数字图像处理中的应用 008
1.4 小结 010
第2章 图像的基本操作
2.1 图像的读取与存储 012
2.2 图像点运算 013
2.2.1 灰度变换 013
2.2.2 像素阈值处理 017
2.2.3 像素反转 020
2.2.4 像素对比度增强 021
2.3 图像的几何变换 022
2.3.1 图像旋转 023
2.3.2 图像平移 024
2.3.3 图像缩放 026
2.3.4 图像翻转 027
2.4 直方图处理 028
2.4.1 直方图均衡化 028
2.4.2 直方图匹配 030
2.4.3 直方图反转 033
2.5 图像去噪 036
2.5.1 中值滤波 036
2.5.2 高斯滤波 038
2.5.3 小波去噪 040
2.5.4 K近邻去噪 041
2.6 小结 043
第3章 图像分割
3.1 边缘提取 046
3.1.1 Roberts算子 046
3.1.2 Sobel算子 048
3.1.3 Prewitt算子 051
3.1.4 Laplacian算子 052
3.1.5 Canny算子 055
3.1.6 不同算子对比 057
3.2 区域分割 059
3.2.1 区域生长算法 059
3.2.2 分水岭算法 062
3.2.3 K-means聚类算法 064
3.2.4 OTSU阈值算法 067
3.2.5 基于形态学的分割算法 069
3.2.6 算法对比 071
3.3 小结 072
第4章 形态学处理
4.1 基本运算 074
4.1.1 腐蚀与膨胀 074
4.1.2 开操作与闭操作 076
4.2 复杂运算 078
4.2.1 顶帽运算 078
4.2.2 底帽运算 080
4.2.3 梯度运算 082
4.3 小结 084
第5章 图像特征提取
5.1 颜色特征提取 087
5.1.1 灰度直方图 088
5.1.2 聚类 090
5.2 形状特征提取 093
5.2.1 Hu不变矩 093
5.2.2 Hough变换 094
5.2.3 Radon变换 097
5.3 关键点特征提取 101
5.3.1 SIFT算法 101
5.3.2 ORB算法 102
5.3.3 LBP算法 103
5.4 特征降维 106
5.4.1 奇异值分解 106
5.4.2 主成分分析 108
5.4.3 线性鉴别方法 111
5.5 小结 113
第6章 图像识别应用初步
6.1 图像识别的概念 116
6.2 图像识别的一般过程 117
6.2.1 图像采集与预处理 118
6.2.2 特征提取与选择 118
6.2.3 模型构建与训练 119
6.2.4 测试与评估 120
6.2.5 部署与应用 121
6.3 图像识别的方法类型 121
6.3.1 基于模板匹配的方法 122
6.3.2 基于分类器的方法 124
6.3.3 基于深度学习的方法 126
6.4 小结 131
第7章 基于OCR字符提取的车牌识别
7.1 车牌识别背景 133
7.2 车牌识别原理 133
7.2.1 数据预处理 134
7.2.2 车牌区域提取 135
7.2.3 车牌区域裁剪 135
7.2.4 车牌文本识别 135
7.3 程序实现 136
7.3.1 数据预处理 136
7.3.2 车牌区域提取 137
7.3.3 图像遮罩和图像剪裁 138
7.3.4 OCR文本识别 139
7.4 完整代码 139
7.5 小结 140
第8章 基于小波变换和SVM的遥感图像船舶识别
8.1 遥感图像船舶识别背景 143
8.2 遥感图像船舶识别原理 143
8.2.1 海域遥感图像的基本特征分析 143
8.2.2 基于小波变换的图像过滤与增强理论研究 144
8.2.3 船舶遥感图像的目标识别算法 145
8.3 程序实现 146
8.3.1 基于小波变换的图像过滤与增强 146
8.3.2 船舶遥感图像特征提取 147
8.3.3 基于已提取的HOG特征进行SVM的分类 148
8.3.4 分析船舶区域并显示结果 149
8.4 结果展示 150
8.5 小结 152
第9章 基于光流场的交通汽车检测跟踪
9.1 汽车跟踪背景 154
9.2 汽车跟踪原理 155
9.2.1 光流法检测运动原理 155
9.2.2 Horn-Schunck光流算法 157
9.3 程序实现 158
9.3.1 创建视频及对象并设置参数 160
9.3.2 读取并预处理帧图像 162
9.3.3 计算光流和运动矢量 163
9.3.4 进行车辆检测和阈值处理 164
9.3.5 分析车辆区域并显示结果 165
9.3.6 调试 166
9.3.7 封装整合 167
9.4 结果展示 168
9.5 小结 169
第10章 基于视觉的路面裂缝检测
10.1 裂缝检测背景 171
10.2 裂缝检测原理 171
10.2.1 图像获取 171
10.2.2 直方图均衡化 172
10.2.3 中值滤波去噪 172
10.2.4 二值图像滤波 173
10.2.5 对比度增强 174
10.2.6 二值化处理 175
10.3 裂缝检测步骤 176
10.4 程序实现 177
10.4.1 图像获取 177
10.4.2 直方图均衡化 178
10.4.3 中值滤波去噪 179
10.4.4 对比度增强 180
10.4.5 二值化处理 181
10.4.6 二值图像滤波 182
10.4.7 特征提取 183
10.4.8 裂缝识别和筛选 184
10.4.9 封装整合 185
10.5 结果展示 188
10.6 小结 188
第11章 基于阈值分割提取眼前节组织
11.1 眼前节组织提取背景 191
11.2 阈值分割技术原理 191
11.3 眼前节组织的提取步骤 194
11.4 程序实现 195
11.4.1 图像预处理 195
11.4.2 阈值选择 196
11.4.3 后处理 197
11.4.4 结果显示 197
11.4.5 封装整合 198
11.5 结果展示 199
11.6 小结 200
第12章 基于机器学习和深度学习的焊缝识别
12.1 焊缝识别背景 202
12.2 焊缝识别技术原理 202
12.2.1 支持向量机 203
12.2.2 卷积神经网络 204
12.3 焊缝识别步骤 206
12.3.1 机器学习方法 206
12.3.2 深度学习方法 206
12.4 程序实现 207
12.4.1 机器学习代码 207
12.4.2 深度学习代码 209
12.5 结果展示 211
12.6 小结 212
第13章 基于图像处理和深度学习的食品包装缺陷识别
13.1 食品包装缺陷识别背景 214
13.2 基于图像处理的食品包装缺陷识别 215
13.2.1 图像处理方法原理 215
13.2.2 图像处理步骤 216
13.2.3 图像处理代码 216
13.2.4 结果展示 217
13.3 基于深度学习的食品包装缺陷识别 218
13.3.1 深度学习方法原理 218
13.3.2 深度学习步骤 219
13.3.3 深度学习代码 219
13.3.4 结果展示 222
13.4 小结 223
书单推荐
