第1章Python語言基礎

1．1Python語言的數據類型

1．1．1整型和浮點型

1．1．2字符串

1．2Python語言的控制結構

1．2．1分支語句

1．2．2循環語句

1．3Python語言的組、字典與集合

1．3．1列表

1．組

1．3．3字典

1．3．4集合

1．4Python語言的函數

1．4．1函數的定義和調用

1．4．2函數的參數和返回值

1．5Python語言的模塊和類

1．5．1模塊的分類

1．5．2模塊的導入

1．5．3Python的常用內置模塊

1．5．4圖形模塊turtle

1．5．5擴展模塊NumPy

第2章Python圖像處理庫及安裝

2．1Python常用圖像處理庫

2．1．1ScikitImage

2．1．2NumPy

2．1．3SciPy

2．1．4PIL/Pillow

2．1．5OpenCVPython

2．1．6SimpleCV

2．1．7Mahotas

2．1．8SimpleITK

2．1．9Pgmagick

2．1．10Pycairo

2．2第三方庫的安裝方法

2．2．1pip命令和環境變量

2．2．2文件安裝

2．2．3程序安裝

2．2．4pip版本升級和鏡像安裝

2．3圖像處理庫ScikitImage安裝

2．4圖像處理庫OpenCV安裝

2．4．1pip 命令安裝OpenCV

2．4．2whl文件安裝OpenCV

2．4．3直接下載OpenCV

2．4．4API 

2．5圖像可視化庫NumPy和Matplotlib安裝

2．6醫學圖像庫Pydicom

2．6．1醫學影像學

2．6．2DICOM文件結構

2．6．3Pydicom圖形庫處理

2．6．4Pydicom庫的應用

第3章數字圖像處理基礎

3．1數字圖像的基本概念

3．1．1數字圖像

3．1．2數字圖像基本操作

3．2數字圖像的類型與存儲格式

3．2．1數字圖像類型

3．2．2圖像類型的轉換

3．2．3圖像數據類型及轉換

3．2．4圖像像素操作

3．2．5數字圖像的基本文件格式 

3．3數字圖像的灰度直方圖

3．3．1圖像灰度直方圖概念

3．3．2繪制直方圖

3．3．3圖像灰度直方圖的性質

3．3．4直方圖的用途

3．4數字圖像的色彩空間

3．4．1常見的色彩空間

3．4．2色彩空間的轉換

3．4．3通道的拆分和合並

3．5數字圖像的基本運算

3．5．1圖像的點運算

3．5．2圖像的代數運算

3．5．3圖像的幾何變換

3．6數字圖像的插值

3．6．1插值的概念

3．6．2最鄰近插值法

3．6．3雙線性內插法

3．6．4三次多項式插值

實訓1數字圖像的插值

第4章圖像增強

4．1數字圖像的增強技術

4．2灰度變換增強

4．2．1線性灰度變換

4．2．2非線性灰度變換

4．2．3分段線性灰度變換

4．3直方圖增強

4．3．1直方圖均衡化

4．3．2直方圖規定化

4．4空間鄰域增強

4．4．1空間鄰域平滑

4．4．2空間鄰域銳化

4．5頻域濾波增強

4．5．1低通濾波

4．5．2高通濾波

4．6彩色增強

4．6．1偽彩色增強

4．6．2假彩色增強

實訓2通過指定的圖像實現直方圖增強

實訓3低通濾波圖像

第5章圖像分割

5．1圖像分割概述

5．2閾值分割原理與實現 

5．2．1固定閾值法

5．2．2直方圖雙峰法

5．2．3最大類間方差法

5．2．4迭代法

5．2．5最大熵法

5．2．6自適應法

5．3邊緣分割原理與實現

5．3．1常用邊緣檢測算子

5．3．2霍夫變換

5．3．3輪廓檢測和繪制

5．4區域分割原理與實現

5．4．1區域生長法

5．4．2區域分裂合並法

5．4．3分水嶺算法

5．5基於特定理論的圖像分割

5．5．1基於聚類分析的圖像分割方法

5．5．2基於模糊集理論的圖像分割方法

5．5．3基於神經網絡的圖像分割方法

5．5．4基於圖論的圖像分割方法

5．5．5基於遺傳算法的圖像分割方法

5．5．6基於小波變換的圖像分割方法

實訓4閾值分割

實訓5邊緣分割

實訓6區域分割

第6章圖像配準與融合

6．1圖像的配準和融合概念

6．1．1概念解析

6．1．2圖像配準和融合過程解析

6．2圖像配準的基本框架

6．2．1特征空間

6．2．2搜索空間

6．2．3搜索策略

6．2．4灰度插值技術

6．2．5相似性測度

6．3基於灰度信息的圖像配準

6．3．1互相關法

6．3．2序列相似度檢測方法

6．3．3互信息法

6．3．4基於灰度的圖像配準實例

6．4基於特征的圖像配準

6．4．1基於點特征的圖像配準

6．4．2基於線特征的圖像配準

6．4．3基於區域特征的圖像配準

6．5基於變換域的圖像配準

6．5．1傅裡葉變換特性

6．5．2基於傅裡葉變換的圖像配準

6．6圖像配準的評價

6．7圖像融合

6．7．1圖像融合的概念

6．7．2圖像融合的分類

6．7．3一個簡單圖像融合實例

實訓7基於傅裡葉變換的配準實例

第7章圖形圖像的可視化技術

7．1科學計算和可視化

7．1．1繪制Matplotlib圖素

7．1．2繪制數據圖形

7．2解析可視化概念

7．3醫學圖像三維重建與可視化

7．3．1醫學圖像可視化過程

7．3．2醫學圖像種類

7．3．3醫學圖像處理繫統

7．4三維可視化工具

7．4．1VTK開發包

7．4．2ITK開發包

7．4．3OpenGL

7．5面繪制

7．5．1移動立方體法

7．5．2其他常見面繪制算法

7．5．3面繪制實例

7．6體繪制

7．6．1體繪制概述

7．6．2光線投射算法

7．6．3其他常見體繪制算法

7．6．4體繪制實例

實訓8VTK的面繪制

第8章圖像的形態學處理

8．1二值圖像素

8．1．1二值圖像

8．1．素

8．1．3圖像的二值化

8．2腐蝕和膨脹運算

8．2．1腐蝕

8．2．2膨脹

8．3形態學運算族操作

實訓9識別分割文字下畫線

第9章圖像處理技術的綜合應用

9．1SEM圖像處理與納米顆粒分析

9．1．1應用背景

9．1．2問題描述

9．1．3解決方案

9．1．4源程序代碼

9．2小兒肺炎X光片分析與病灶臨床診斷

9．2．1應用背景

9．2．2問題描述

9．2．3圖像預處理

9．2．4卷積神經模型

9．2．5圖像預處理代碼

9．2．6神經網絡模型訓練代碼

參考文獻

第1章Python語言基礎

1．1Python語言的數據類型

1．1．1整型和浮點型

1．1．2字符串

1．2Python語言的控制結構

隨著人工智能和大數據技術的發展，Python語言得到越來越廣泛的應用，其以簡單易學、資源豐富、開發生態鏈完整等特點，使得各個行業的智能化改造得以小成本實現。在高校“新工科”和“醫工融合”課程建設中，Python語言也成為許多專業首選的編程教學語言，特別是對第三方圖像庫的支持，使得Python圖像處理及可視化得到應用者的青睞。

本書的初衷是為工科和醫工融合類選修課程提供學習參考，力圖涵蓋目前圖像處理的技術和方法，主要應用Python第三方圖庫OpenCV的相關函數，編程實現圖像處理功能，包括典型醫學圖像處理及可視化。特點有以下3個。

（1） 為具有工科背景的學生和研究者快速掌握圖像處理技術和醫學圖像應用知識提供捷徑。

（2） 為具有醫學背景的學生和研究者提供應用Python處理圖像的知識和技術，快速掌握OpenCV庫的圖像處理函數和技巧。

（3） 提供圖像處理技術的綜合應用案例，包括工科應用中的納米材料SEM圖像分析案例和醫學應用中的X光片圖像處理案例，為相關領域研究者提供參考和關鍵技術支持。

本書第1、2、8、9章由閻紅燦教授編寫，第4、5章由樊秋紅老師編寫，第6章由李爽老師編寫，第3、7章由山艷老師編寫，第9章的案例取材於閻紅燦老師指導的大學生創新創業訓練計劃項目，學生肖瑞凌、吳立釗、陳博勛、齊俊麗等為案例的編程實現做出了貢獻。在本書的編寫過程中，我們秉承初心，反復討論修訂，力求做到教材內容服務於工科背景和醫學背景，並簡化理論，注重編程應用，尤其最後的案例力求服務於專業和領域。最終的成稿凝結了每一位編者的辛勤付出。

教材編寫參考了大量文獻資料，特別是應用案例參閱了許多博客的文章和學習資料，在此向作者們表示誠摯的感謝。同時感謝研究生王子茹、竇桂梅、李鉑初和張甜同學，他們輔助做了表格編輯工作，本書的出版也包含了他們的無私奉獻。
如果書中沒有列全參閱的文獻，請您諒解我們的疏漏，您的文章和資料給予我們很多提示和幫助，再次表示誠摯感謝！

由於編者水平有限，書中存在疏漏或不妥之處，敬請廣大讀者批評指正。

編者2023年6月

1．2．1分支語句

1．2．2循環語句

1．3Python語言的組、字典與集合

1．3．1列表

1．組

1．3．3字典

1．3．4集合

1．4Python語言的函數

1．4．1函數的定義和調用

1．4．2函數的參數和返回值

1．5Python語言的模塊和類

1．5．1模塊的分類

1．5．2模塊的導入

1．5．3Python的常用內置模塊

1．5．4圖形模塊turtle

1．5．5擴展模塊NumPy

第2章Python圖像處理庫及安裝

2．1Python常用圖像處理庫

2．1．1ScikitImage

2．1．2NumPy

2．1．3SciPy

2．1．4PIL/Pillow

2．1．5OpenCVPython

2．1．6SimpleCV

2．1．7Mahotas

2．1．8SimpleITK

2．1．9Pgmagick

2．1．10Pycairo

2．2第三方庫的安裝方法

2．2．1pip命令和環境變量

2．2．2文件安裝

2．2．3程序安裝

2．2．4pip版本升級和鏡像安裝

2．3圖像處理庫ScikitImage安裝

2．4圖像處理庫OpenCV安裝

2．4．1pip 命令安裝OpenCV

2．4．2whl文件安裝OpenCV

2．4．3直接下載OpenCV

2．4．4API 

2．5圖像可視化庫NumPy和Matplotlib安裝

2．6醫學圖像庫Pydicom

2．6．1醫學影像學

2．6．2DICOM文件結構

2．6．3Pydicom圖形庫處理

2．6．4Pydicom庫的應用

第3章數字圖像處理基礎

3．1數字圖像的基本概念

3．1．1數字圖像

3．1．2數字圖像基本操作

3．2數字圖像的類型與存儲格式

3．2．1數字圖像類型

3．2．2圖像類型的轉換

3．2．3圖像數據類型及轉換

3．2．4圖像像素操作

3．2．5數字圖像的基本文件格式 

3．3數字圖像的灰度直方圖

3．3．1圖像灰度直方圖概念

3．3．2繪制直方圖

3．3．3圖像灰度直方圖的性質

3．3．4直方圖的用途

3．4數字圖像的色彩空間

3．4．1常見的色彩空間

3．4．2色彩空間的轉換

3．4．3通道的拆分和合並

3．5數字圖像的基本運算

3．5．1圖像的點運算

3．5．2圖像的代數運算

3．5．3圖像的幾何變換

3．6數字圖像的插值

3．6．1插值的概念

3．6．2最鄰近插值法

3．6．3雙線性內插法

3．6．4三次多項式插值

實訓1數字圖像的插值

第4章圖像增強

4．1數字圖像的增強技術

4．2灰度變換增強

4．2．1線性灰度變換

4．2．2非線性灰度變換

4．2．3分段線性灰度變換

4．3直方圖增強

4．3．1直方圖均衡化

4．3．2直方圖規定化

4．4空間鄰域增強

4．4．1空間鄰域平滑

4．4．2空間鄰域銳化

4．5頻域濾波增強

4．5．1低通濾波

4．5．2高通濾波

4．6彩色增強

4．6．1偽彩色增強

4．6．2假彩色增強

實訓2通過指定的圖像實現直方圖增強

實訓3低通濾波圖像

第5章圖像分割

5．1圖像分割概述

5．2閾值分割原理與實現 

5．2．1固定閾值法

5．2．2直方圖雙峰法

5．2．3最大類間方差法

5．2．4迭代法

5．2．5最大熵法

5．2．6自適應法

5．3邊緣分割原理與實現

5．3．1常用邊緣檢測算子

5．3．2霍夫變換

5．3．3輪廓檢測和繪制

5．4區域分割原理與實現

5．4．1區域生長法

5．4．2區域分裂合並法

5．4．3分水嶺算法

5．5基於特定理論的圖像分割

5．5．1基於聚類分析的圖像分割方法

5．5．2基於模糊集理論的圖像分割方法

5．5．3基於神經網絡的圖像分割方法

5．5．4基於圖論的圖像分割方法

5．5．5基於遺傳算法的圖像分割方法

5．5．6基於小波變換的圖像分割方法

實訓4閾值分割

實訓5邊緣分割

實訓6區域分割

第6章圖像配準與融合

6．1圖像的配準和融合概念

6．1．1概念解析

6．1．2圖像配準和融合過程解析

6．2圖像配準的基本框架

6．2．1特征空間

6．2．2搜索空間

6．2．3搜索策略

6．2．4灰度插值技術

6．2．5相似性測度

6．3基於灰度信息的圖像配準

6．3．1互相關法

6．3．2序列相似度檢測方法

6．3．3互信息法

6．3．4基於灰度的圖像配準實例

6．4基於特征的圖像配準

6．4．1基於點特征的圖像配準

6．4．2基於線特征的圖像配準

6．4．3基於區域特征的圖像配準

6．5基於變換域的圖像配準

6．5．1傅裡葉變換特性

6．5．2基於傅裡葉變換的圖像配準

6．6圖像配準的評價

6．7圖像融合

6．7．1圖像融合的概念

6．7．2圖像融合的分類

6．7．3一個簡單圖像融合實例

實訓7基於傅裡葉變換的配準實例

第7章圖形圖像的可視化技術

7．1科學計算和可視化

7．1．1繪制Matplotlib圖素

7．1．2繪制數據圖形

7．2解析可視化概念

7．3醫學圖像三維重建與可視化

7．3．1醫學圖像可視化過程

7．3．2醫學圖像種類

7．3．3醫學圖像處理繫統

7．4三維可視化工具

7．4．1VTK開發包

7．4．2ITK開發包

7．4．3OpenGL

7．5面繪制

7．5．1移動立方體法

7．5．2其他常見面繪制算法

7．5．3面繪制實例

7．6體繪制

7．6．1體繪制概述

7．6．2光線投射算法

7．6．3其他常見體繪制算法

7．6．4體繪制實例

實訓8VTK的面繪制

第8章圖像的形態學處理

8．1二值圖像素

8．1．1二值圖像

8．1．素

8．1．3圖像的二值化

8．2腐蝕和膨脹運算

8．2．1腐蝕

8．2．2膨脹

8．3形態學運算族操作

實訓9識別分割文字下畫線

第9章圖像處理技術的綜合應用

9．1SEM圖像處理與納米顆粒分析

9．1．1應用背景

9．1．2問題描述

9．1．3解決方案

9．1．4源程序代碼

9．2小兒肺炎X光片分析與病灶臨床診斷

9．2．1應用背景

9．2．2問題描述

9．2．3圖像預處理

9．2．4卷積神經模型

9．2．5圖像預處理代碼

9．2．6神經網絡模型訓練代碼

參考文獻