本书遵循教育部教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念，融入思政元素，注重理论与实践相结合。

本书以满足智能交通领域对数字图像处理技术的需求为宗旨，采用数字图像处理理论知识、算法讲解与Python编程相结合的方法，突出在智能交通领域的应用，具有较强的实用性。本书共12章，包括基础和应用两部分：基础部分为第1～8章，涵盖数字图像处理技术的基础知识和理论算法，主要内容有绪论、图像处理基础、傅里叶变换与图像卷积、图像增强、图像复原、形态学图像处理、图像分割、图像特征提取；应用部分为第9～12章，是数字图像处理技术在智能交通领域的应用实例，主要内容有车牌识别、道路交通标志检测与识别、车道线检测与识别、行人目标检测。
本书既可作为高等院校智能交通和智能车辆工程等专业的图像处理相关课程教材，也可作为从事智能交通领域图像研究和应用的工程技术人员的参考读物。
本书配有PPT课件，以及原始图像和图像处理代码，采用本书作为教材的教师，可以登录www.cmpedu.com免费注册并下载。

前言
第1章绪论1
11数字图像1
111数字图像的基本概念及分类1
112数字图像的基本特点3
12数字图像处理的目的和主要研究内容4
121数字图像处理的目的4
122数字图像处理的主要研究内容4
13Python数字图像处理库5
131基于Python开发的数字图像
处理包6
132OpenCVPython7
14数字图像处理技术在智能交通中的
应用8
141交通信息采集8
142图像检测与识别8
习题9
第2章图像处理基础10
21图像数字化10
211图像采样和量化10
212空间和灰度级分辨率13
213数字图像的表示14
214像素间的关系14
22图像数据结构16
221二维数组存储数字图像16
222颜色模型19
223图像通道模式21
23图像文件格式24
231BMP文件格式24
232GIF文件格式24
233TIFF文件格式25
234JPEG文件格式25
235PNG文件格式25
24简单图像处理编程实现25
241图像读取25
242彩色图像通道拆分27
243使用切片进行图像处理28
244灰度图像二值化处理30
245显示不同图像模式31
习题31
第3章傅里叶变换与图像卷积32
31傅里叶变换32
311傅里叶级数与变换32
312一维离散傅里叶变换33
313二维离散傅里叶变换36
314图像的离散傅里叶变换43
32图像卷积45
321图像卷积的概念45
322卷积定理45
323数字图像卷积操作46
习题49
第4章图像增强50
41概述50
42直接灰度变换51
421灰度线性变换51
422图像反转52
423对数变换53
424幂律变换55
43直方图修正56
431灰度直方图的含义56
432对比度拉伸60
433直方图均衡化64
434直方图规定化68
44图像平滑74
441邻域平均法74
442中值滤波法76
443频域低通滤波法78
45图像锐化82
451微分法82
452高通滤波法83
习题86
第5章图像复原87
51图像复原的基本概念87
52图像退化模型87
521连续的退化模型88
522离散的退化模型89
53图像复原方法91
531反向滤波法91
532约束还原法95
习题99
第6章形态学图像处理100
61腐蚀和膨胀100
611腐蚀100
612膨胀102
62开运算和闭运算103
621开运算103
622闭运算105
63形态学图像处理交通领域编程实现107
631利用开、闭运算实现斑马线
清洗107
632形态学对比度增强108
习题110
第7章图像分割111
71阈值分割111
711基于阈值的二值化111
712Otsu分割112
72边缘检测114
721基于梯度方法和零点交叉方法的
边缘检测114
722基于边缘连接的边缘检测121
73Hough变换123
731Hough变换原理123
732图像Hough变换操作124
74区域分割130
741区域生长130
742分裂合并134
743分水岭分割137
习题140
第8章图像特征提取141
81图像特征检测器与描述符141
811特征检测器与描述符141
812Harris角点检测142
82图像特征提取方法143
821方向梯度直方图（HOG）特征
提取144
822尺度不变特征变换（SIFT）特征
提取149
83图像匹配151
831ORB特征检测和暴力匹配151
832FLANN匹配153
习题155
第9章交通应用实例——车牌识别156
91车牌识别研究现状156
92数字图像处理车牌识别157
921车牌图像预处理157
922车牌定位164
923字符分割164
924字符识别165
93数字图像处理车牌识别编程实现166
习题176
第10章交通应用实例——道路交通
标志检测与识别177
101道路交通标志图像处理检测与识别
研究现状177
1011国外研究现状177
1012国内研究现状178
1013交通标志识别系统与数据集179
102道路交通标志检测与识别方法180
1021检测方法180
1022识别方法181
103交通标志检测与识别编程实现182
习题195
第11章交通应用实例——车道线
检测与识别196
111车道线检测与识别概述196
112车道线检测算法196
1121基于模型的检测算法197
1122基于特征的检测算法198
1123基于深度学习的车道线检测198
113基于OpenCV的车道线检测编程
实现199
习题207
第12章交通应用实例——行人目标
检测208
121行人目标检测概述208
122行人目标检测算法208
1221单特征的行人目标检测算法209
1222多特征的行人目标检测算法210
123基于Haar特征的行人检测Python
实现211
1231基于Haar特征的行人检测211
1232Python编程实现212
124基于HOG+SVM的行人目标检测
Python实现213
1241算法步骤213
1242Python编程实现214
习题218
参考文献219