數字圖像處理與機器視覺——Visual C++與Matlab實現(第2版)
定 價：79 元
- 作者：張錚，徐超，任淑霞，韓海玲 著
- 出版時間：2014/5/1
- ISBN：9787115346681
- 出 版 社：人民郵電出版社
- 中圖法分類：TN911.73
- 頁碼：583
- 紙張：膠版紙
- 版次：2
- 開本：16K
《數字圖像處理與機器視覺——Visual C 與Matlab實現(第2版)》將理論知識、科學研究和工程實踐有機結合起來，內容涉及數字圖像處理和識別技術的方方面面，包括圖像的點運算、幾何變換、空域和頻域濾波、小波變換、圖像復原、彩色圖像處理、形態(tài)學處理、圖像分割、圖像壓縮以及圖像特征提取等；同時對機器視覺進行了前導性的探究，重點介紹了3種目前在工程技術領域非常流行的分類技術——人工神經網絡(ANN)、支持向量機(SVM)和AdaBoost，并在配套給出的識別案例中直擊光學字符識別(OCR)、人臉識別和性別分類等熱點問題。
《數字圖像處理與機器視覺——Visual C 與Matlab實現(第2版)》結構緊湊，內容深入淺出，講解圖文并茂，適合于計算機、通信和自動化等相關專業(yè)的本科生、研究生，以及工作在圖像處理和識別領域一線的廣大工程技術人員閱讀參考。
實際案例豐富，針對每一個案例不僅給出詳盡的實現代碼，更揭示出背后的設計思想，注重思維歷練，讓您知其然，更知其所以然。
內容具有一定深度，這決不是一本會在2個月后就會失去價值的應用程序參考，相反她讓你每次欣賞時都能得到新的享受。
Matlab與Visual C 兩種語言描述的無縫連接，體現出科學研究和工程實踐在圖像處理與機器視覺領域的完美結合。
第0章初識數字圖像處理與機器視覺
0.1數字圖像
0.1.1什么是數字圖像
0.1.2數字圖像的顯示
0.1.3數字圖像的分類
0.1.4數字圖像的實質
0.1.5數字圖像的表示
0.1.6圖像的空間和灰度級分辨率
0.2數字圖像處理與機器視覺
0.2.1從圖像處理到圖像識別
0.2.2什么是機器視覺
0.2.3數字圖像處理和識別的應用實例
0.3數字圖像處理的預備知識
0.3.1鄰接性、連通性、區(qū)域和邊界
0.3.2距離度量的幾種方法
0.3.3基本的圖像操作
第1章MATLAB數字圖像處理編程基礎
1.1MATLABR2011a簡介
1.1.1MATLAB軟件環(huán)境
1.1.2文件操作
1.1.3在線幫助的使用
1.1.4變量的使用
1.1.5矩陣的使用
1.1.6細胞數組(CellArray)和結構體(Structure)
1.1.7關系運算與邏輯運算
1.1.8常用圖像處理數學函數
1.1.9MATLAB程序流程控制
1.1.10M文件編寫
1.1.11MATLAB函數編寫
1.2MATLAB圖像類型及其存儲方式
1.3MATLAB的圖像轉換
1.4讀取和寫入圖像文件
1.5圖像的顯示
第2章VisualC 圖像處理編程基礎
2.1位圖文件及其C 操作
2.1.1設備無關位圖
2.1.2BMP圖像文件數據結構
2.2認識CImg類
2.2.1主要成員函數列表
2.2.2公有成員
2.3CImg類基礎操作
2.3.1加載和寫入圖像
2.3.2獲得圖像基本信息
2.3.3檢驗有效性
2.3.4按像素操作
2.3.5改變圖像大小
2.3.6重載的運算符
2.3.7在屏幕上繪制位圖圖像
2.3.8新建圖像
2.3.9圖像類型的判斷與轉化
2.4DIPDemo工程
2.4.1DIPDemo主界面
2.4.2圖像操作和處理類——CImg和CImgProcess
2.4.3文檔類——CDIPDemoDoc
2.4.4視圖類——CDIPDemoView
2.5CImg應用示例
2.5.1打開圖像
2.5.2清空圖像
2.5.3像素初始化方法
2.5.4保存圖像
第3章圖像的點運算
3.1灰度直方圖
3.1.1理論基礎
3.1.2MATLAB實現
3.1.3VisualC 實現
3.2灰度的線性變換
3.2.1理論基礎
3.2.2MATLAB程序的實現
3.2.3VisualC 實現
3.3灰度對數變換
3.3.1理論基礎
3.3.2MATLAB實現
3.3.3VisualC 實現
3.4伽瑪變換
3.4.1理論基礎
3.4.2MATLAB編程實現
3.4.3VisualC 實現
3.5灰度閾值變換
3.5.1理論基礎
3.5.2MATLAB編程實現
3.5.3VisualC 實現
3.6分段線性變換
3.6.1理論基礎
3.6.2MATLAB編程實現
3.6.3VisualC 編程實現
3.7直方圖均衡化
3.7.1理論基礎
3.7.2MATLAB編程實現
3.7.3VisualC 實現
3.8直方圖規(guī)定化(匹配)
3.8.1理論基礎
3.8.2MATLAB編程實現
3.8.3VisualC 實現
第4章圖像的幾何變換
4.1解決幾何變換的一般思路
4.2圖像平移
4.2.1圖像平移的變換公式
4.2.2圖像平移的實現
4.3圖像鏡像
4.3.1圖像鏡像的變換公式
4.3.2圖像鏡像的實現
4.4圖像轉置
4.4.1圖像轉置的變換公式
4.4.2圖像轉置的實現
4.5圖像縮放
4.5.1圖像縮放的變換公式
4.5.2圖像縮放的實現
4.6圖像旋轉
4.6.1以原點為中心的圖像旋轉
4.6.2以任意點為中心的圖像旋轉
4.6.3圖像旋轉的實現
4.7插值算法
4.7.1最近鄰插值
4.7.2雙線性插值
4.7.3高階插值
4.8圖像配準簡介
4.8.1圖像配準
4.8.2人臉圖像配準的MATLAB實現
4.9VisualC 高級應用實例——汽車牌照的投影失真校正
4.9.1系統(tǒng)分析與設計
4.9.2系統(tǒng)實現
4.9.3功能測試
第5章空間域圖像增強
5.1圖像增強基礎
5.2空間域濾波
5.3圖像平滑
5.3.1平均模板及其實現
5.3.2高斯平滑及其實現
5.3.3通用平滑濾波的VisualC 實現
5.3.4自適應平滑濾波
5.4中值濾波
5.4.1性能比較
5.4.2一種改進的中值濾波策略
5.4.3中值濾波的工作原理
5.5圖像銳化
5.5.1理論基礎
5.5.2基于一階導數的圖像增強——梯度算子
5.5.3基于二階微分的圖像增強——拉普拉斯算子
5.5.4基于一階與二階導數的銳化算子的比較
5.5.5高提升濾波及其實現
5.5.6高斯-拉普拉斯變換(LaplacianofaGaussian，LoG)
第6章頻率域圖像增強
6.1頻率域濾波——與空間域濾波殊途同歸
6.2傅里葉變換基礎知識
6.2.1傅里葉級數
6.2.2傅里葉變換
6.2.3幅度譜、相位譜和功率譜
6.2.4傅里葉變換的實質——基的轉換
6.3快速傅里葉變換及實現
6.3.1FFT變換的必要性
6.3.2常見的FFT算法
6.3.3按時間抽取的基-2FFT算法
6.3.4離散反傅里葉變換的快速算法
6.3.5N維快速傅里葉變換
6.3.6MATLAB實現
6.3.7VisualC 實現
6.4頻域濾波基礎
6.4.1頻域濾波與空域濾波的關系
6.4.2頻域濾波的基本步驟
6.4.3頻域濾波的MATLAB實現
6.4.4頻域濾波的VisualC 實現
6.5頻率域低通濾波器
6.5.1理想低通濾波器及其實現
6.5.2高斯低通濾波器及其實現
6.6頻率域高通濾波器
6.6.1高斯高通濾波器及其實現
6.6.2頻域拉普拉斯濾波器及其實現
6.7MATLAB綜合案例——利用頻域濾波消除周期噪聲
6.7.1頻域帶阻濾波器
6.7.2帶阻濾波器消除周期噪聲
6.8頻域濾波器與空域濾波器之間的內在聯系
附錄
第7章小波變換
7.1多分辨率分析
7.1.1多分辨率框架
7.1.2分解與重構的實現
7.1.3圖像處理中分解與重構的實現
7.2Gabor多分辨率分析
7.3常見小波分析
7.3.1Haar小波
7.3.2Daubechies小波
7.4高維小波
第8章圖像復原
8.1圖像復原的理論模型
8.1.1圖像復原的基本概念
8.1.2圖像復原的一般模型
8.2噪聲模型
8.2.1噪聲種類
8.2.2MATLAB實現
8.2.3VisualC 實現
8.3空間濾波
8.3.1空域濾波原理
8.3.2MATLAB實現
8.3.3VisualC 實現
8.4逆濾波復原
8.4.1逆濾波原理
8.4.2MATLAB實現
8.4.3VisualC 實現
8.5維納濾波復原
8.5.1維納濾波原理
8.5.2MATLAB實現
8.5.3VisualC 實現
8.6有約束最小二乘復原
8.7Lucky-Richardson復原
8.8盲去卷積圖像復原
8.9MATLAB圖像復原綜合案例——去除照片的運動模糊
第9章彩色圖像處理
9.1彩色基礎
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模型簡介
9.3全彩色圖像處理基礎
9.3.1彩色補償及其MATLAB實現
9.3.2彩色平衡及其MATLAB實現
第10章圖像壓縮
10.1圖像壓縮理論
10.1.1圖像冗余
10.1.2香農定理
10.1.3保真度評價
10.2DCT變換與量化
10.2.1DCT變換原理
10.2.2量化
10.2.3DCT變換和量化的VisualC 實現
10.3預測編碼
10.4霍夫曼編碼
10.4.1霍夫曼編碼原理
10.4.2霍夫曼編碼的VisualC 實現
10.5算術編碼
10.5.1算術編碼原理
10.5.2算術編碼的VisualC 實現
10.6游程編碼
10.7JPEG和JPEG2000壓縮標準
10.8VisualC 綜合案例——類似JPEG的圖像壓縮
第11章形態(tài)學圖像處理
11.1預備知識
11.2二值圖像中的基本形態(tài)學運算
11.2.1腐蝕及其實現
11.2.2膨脹及其實現
11.2.3開運算及其實現
11.2.4閉運算及其實現
11.3二值圖像中的形態(tài)學應用
11.3.1擊中與擊不中變換及其實現
11.3.2邊界提取與跟蹤及其實現
11.3.3區(qū)域填充及其VisualC 實現
11.3.4連通分量提取及其實現
11.3.5細化算法及其VisualC 實現
11.3.6像素化算法及其VisualC 實現
11.3.7凸殼及其VisualC 實現
11.3.8bwmorph()函數
11.4灰度圖像中的基本形態(tài)學運算
11.4.1灰度膨脹及其實現
11.4.2灰度腐蝕及其實現
11.4.3灰度開、閉運算及其實現
11.4.4頂帽變換(top-hat)及其實現
小結
第12章圖像分割
12.1圖像分割概述
12.2邊緣檢測
12.2.1邊緣檢測概述
12.2.2常用的邊緣檢測算子
12.2.3MATLAB實現
12.2.4VisualC 實現
12.3霍夫變換
12.3.1直線檢測
12.3.2曲線檢測
12.3.3任意形狀的檢測
12.3.4Hough變換直線檢測的MATLAB實現
12.3.5Hough變換直線檢測的VisualC 實現
12.4閾值分割
12.4.1閾值分割方法
12.4.2MATLAB實現
12.4.3VisualC 實現
12.5區(qū)域分割
12.5.1區(qū)域生長及其實現
12.5.2區(qū)域分裂與合并及其MATLAB實現
12.6小結
第13章特征提取
13.1圖像特征概述
13.2基本統(tǒng)計特征
13.2.1簡單的區(qū)域描繪子及其MATLAB實現
13.2.2直方圖及其統(tǒng)計特征
13.2.3灰度共現矩陣及其VisualC 實現
13.3特征降維
13.3.1維度災難
13.3.2特征選擇簡介
13.3.3主成分分析
13.3.4快速PCA及其實現
13.4綜合案例——基于PCA的人臉特征抽取
13.4.1數據集簡介
13.4.2生成樣本矩陣
13.4.3主成分分析
13.4.4主成分臉可視化分析
13.4.5基于主分量的人臉重建
13.5局部二進制模式
13.5.1基本LBP
13.5.2圓形鄰域的LBPP,R算子
13.5.3統(tǒng)一化LBP算子——UniformLBP及其MATLAB實現
13.5.4MB-LBP及其MATLAB實現
13.5.5圖像分區(qū)及其MATLAB實現
第14章圖像識別初步
14.1模式識別概述
14.2模式識別方法分類
14.3最小距離分類器和模板匹配
14.3.1最小距離分類器及其MATLAB實現
14.3.2基于相關的模板匹配
14.3.3相關匹配的計算效率
第15章人工神經網絡
15.1人工神經網絡簡介
15.1.1仿生學動機
15.1.2人工神經網絡的應用實例
15.2人工神經網絡的理論基礎
15.2.1訓練線性單元的梯度下降算法
15.2.2多層人工神經網絡
15.2.3Sigmoid單元
15.2.4反向傳播(BackPropagation，BP)算法
15.2.5訓練中的問題
15.3基于ANN的數字字符識別系統(tǒng)DigitRec——分析與設計
15.3.1任務描述
15.3.2數據集簡介
15.3.3設計要點
15.4基于ANN的數字字符識別系統(tǒng)——DigitRec的實現
15.4.1構建神經元結構——SNeuron
15.4.2構建神經網絡網絡層——SNeuronLayer
15.4.3神經網絡信息頭——NeuralNet_Header
15.4.4神經網絡類——euralNet
15.4.5神經網絡的訓練數據類——euralData
15.4.6誤差跟蹤類——CValueTrack
15.4.7訓練對話框類——CTrainDlg
15.4.8測試對話框類——CTestDlg
15.5基于ANN的數字字符識別系統(tǒng)——DigitRec的測試
15.5.1訓練
15.5.2測試
15.6改進的DigitRec
15.6.1數字字符圖像的預處理類——COCRImageProcess
15.6.2輸入圖像的預處理——實現
15.6.3輸入圖像的預處理——測試
15.7神經網絡參數對訓練和識別的影響
15.7.1隱藏層單元數目的影響
15.7.2學習率的影響
15.7.3訓練時代數目的影響
第16章支持向量機
16.1支持向量機的分類思想
16.2支持向量機的理論基礎
16.2.1線性可分情況下的SVM
16.2.2非線性可分情況下的C-SVM
16.2.3需要核函數映射情況下的SVM
16.2.4推廣到多類問題
16.3SVM的MATLAB實現
16.3.1訓練——svmtrain
16.3.2分類——svmclassify
16.3.3應用實例
16.4綜合案例——基于PCA和SVM的人臉識別系統(tǒng)
16.4.1人臉識別簡介
16.4.2前期處理
16.4.3數據規(guī)格化
16.4.4核函數的選擇
16.4.5參數選擇
16.4.6構建多類SVM分類器
16.4.7實驗結果
16.5SVM在線資源
16.5.1MATLAB的SVM工具箱
16.5.2LibSVM的簡介
第17章AdaBoost
17.1AdaBoost分類思想
17.2AdaBoost理論基礎
17.3構建AdaBoost的MATLAB工具箱
17.4MATLAB綜合案例——基于AdaBoost的面部圖像男女性別分類
17.4.1關于數據集
17.4.2數據的預處理
17.4.3算法流程實現
參考文獻
書單推薦
