数字图像处理与机器视觉

目　录

第0章　初识数字图像处理与机器视觉　1

0．1　数字图像　1

0．1．1　什么是数字图像　1

0．1．2　数字图像的显示　1

0．1．3　数字图像的分类　2

0．1．4　数字图像的实质　3

0．1．5　数字图像的表示　4

0．1．6　图像的空间和灰度级分辨率　4

0．2　数字图像处理与机器视觉　5

0．2．1　从图像处理到图像识别　5

0．2．2　什么是机器视觉　6

0．2．3　数字图像处理和识别的应用实例　7

0．3　数字图像处理的预备知识　8

0．3．1　邻接性、连通性、区域和边界　8

0．3．2　距离度量的几种方法　9

0．3．3　基本的图像操作　10

第1章　MATLAB数字图像处理编程基础　11

1．1　MATLAB R2011a简介　11

1．1．1　MATLAB软件环境　11

1．1．2　文件操作　12

1．1．3　在线帮助的使用　13

1．1．4　变量的使用　15

1．1．5　矩阵的使用　17

1．1．6　细胞数组(Cell Array)和结构体(Structure)　19

1．1．7　关系运算与逻辑运算　20

1．1．8　常用图像处理数学函数　21

1．1．9　MATLAB程序流程控制　22

1．1．10　M文件编写　25

1．1．11　MATLAB函数编写　26

1．2　MATLAB图像类型及其存储方式　28

1．3　MATLAB的图像转换　30

1．4　读取和写入图像文件　32

1．5　图像的显示　34

第2章　Visual C++图像处理编程基础　37

2．1　位图文件及其C++操作　37

2．1．1　设备无关位图　37

2．1．2　BMP图像文件数据结构　37

2．2　认识CImg类　40

2．2．1　主要成员函数列表　40

2．2．2　公有成员　41

2．3　CImg类基础操作　41

2．3．1　加载和写入图像　41

2．3．2　获得图像基本信息　44

2．3．3　检验有效性　45

2．3．4　按像素操作　45

2．3．5　改变图像大小　47

2．3．6　重载的运算符　47

2．3．7　在屏幕上绘制位图图像　48

2．3．8　新建图像　48

2．3．9　图像类型的判断与转化　50

2．4　DIPDemo工程　51

2．4．1　DIPDemo主界面　51

2．4．2　图像操作和处理类——CImg和CImgProcess　52

2．4．3　文档类——CDIPDemoDoc　53

2．4．4　视图类——CDIPDemoView　53

2．5　CImg应用示例　54

2．5．1　打开图像　54

2．5．2　清空图像　55

2．5．3　像素初始化方法　56

2．5．4　保存图像　57

第3章　图像的点运算　58

3．1　灰度直方图　58

3．1．1　理论基础　58

3．1．2　MATLAB实现　59

3．1．3　Visual C++实现　62

3．2　灰度的线性变换　63

3．2．1　理论基础　63

3．2．2　MATLAB程序的实现　64

3．2．3　Visual C++实现　66

3．3　灰度对数变换　67

3．3．1　理论基础　67

3．3．2　MATLAB实现　68

3．3．3　Visual C++实现　69

3．4　伽玛变换　70

3．4．1　理论基础　70

3．4．2　MATLAB编程实现　70

3．4．3　Visual C++实现　72

3．5　灰度阈值变换　73

3．5．1　理论基础　73

3．5．2　MATLAB编程实现　74

3．5．3　Visual C++实现　75

3．6　分段线性变换　76

3．6．1　理论基础　76

3．6．2　MATLAB编程实现　77

3．6．3　Visual C++编程实现　81

3．7　直方图均衡化　82

3．7．1　理论基础　82

3．7．2　MATLAB编程实现　83

3．7．3　Visual C++实现　85

3．8　直方图规定化(匹配)　86

3．8．1　理论基础　86

3．8．2　MATLAB编程实现　87

3．8．3　Visual C++实现　89

第4章　图像的几何变换　92

4．1　解决几何变换的一般思路　92

4．2　图像平移　94

4．2．1　图像平移的变换公式　94

4．2．2　图像平移的实现　94

4．3　图像镜像　96

4．3．1　图像镜像的变换公式　96

4．3．2　图像镜像的实现　97

4．4　图像转置　99

4．4．1　图像转置的变换公式　99

4．4．2　图像转置的实现　99

4．5　图像缩放　101

4．5．1　图像缩放的变换公式　101

4．5．2　图像缩放的实现　101

4．6　图像旋转　103

4．6．1　以原点为中心的图像旋转　103

4．6．2　以任意点为中心的图像旋转　104

4．6．3　图像旋转的实现　105

4．7　插值算法　106

4．7．1　最近邻插值　106

4．7．2　双线性插值　107

4．7．3　高阶插值　109

4．8　图像配准简介　111

4．8．1　图像配准　112

4．8．2　人脸图像配准的MATLAB实现　112

4．9　Visual C++高级应用实例——汽车牌照的投影失真校正　115

4．9．1　系统分析与设计　116

4．9．2　系统实现　117

4．9．3　功能测试　122

第5章　空间域图像增强　126

5．1　图像增强基础　126

5．2　空间域滤波　127

5．3　图像平滑　133

5．3．1　平均模板及其实现　133

5．3．2　高斯平滑及其实现　134

5．3．3　通用平滑滤波的Visual C++实现　138

5．3．4　自适应平滑滤波　139

5．4　中值滤波　140

5．4．1　性能比较　140

5．4．2　一种改进的中值滤波策略　144

5．4．3　中值滤波的工作原理　145

5．5　图像锐化　145

5．5．1　理论基础　145

5．5．2　基于一阶导数的图像增强——梯度算子　145

5．5．3　基于二阶微分的图像增强——拉普拉斯算子　149

5．5．4　基于一阶与二阶导数的锐化算子的比较　151

5．5．5　高提升滤波及其实现　152

5．5．6　高斯-拉普拉斯变换(Laplacian of a Gaussian，LoG)　156

第6章　频率域图像增强　159

6．1　频率域滤波——与空间域滤波殊途同归　159

6．2　傅里叶变换基础知识　159

6．2．1　傅里叶级数　159

6．2．2　傅里叶变换　161

6．2．3　幅度谱、相位谱和功率谱　163

6．2．4　傅里叶变换的实质——基的转换　165

6．3　快速傅里叶变换及实现　166

6．3．1　FFT变换的必要性　167

6．3．2　常见的FFT算法　167

6．3．3　按时间抽取的基-2 FFT算法　168

6．3．4　离散反傅里叶变换的快速算法　171

6．3．5　N维快速傅里叶变换　171

6．3．6　MATLAB实现　171

6．3．7　Visual C++实现　175

6．4　频域滤波基础　183

6．4．1　频域滤波与空域滤波的关系　183

6．4．2　频域滤波的基本步骤　184

6．4．3　频域滤波的MATLAB实现　184

6．4．4　频域滤波的Visual C++实现　185

6．5　频率域低通滤波器　187

6．5．1　理想低通滤波器及其实现　187

6．5．2　高斯低通滤波器及其实现　191

6．6　频率域高通滤波器　195

6．6．1　高斯高通滤波器及其实现　195

6．6．2　频域拉普拉斯滤波器及其实现　198

6．7　MATLAB综合案例——利用频域滤波消除周期噪声　201

6．7．1　频域带阻滤波器　201

6．7．2　带阻滤波器消除周期噪声　202

6．8　频域滤波器与空域滤波器之间的内在联系　204

附录　205

第7章　小波变换　207

7．1　多分辨率分析　207

7．1．1　多分辨率框架　207

7．1．2　分解与重构的实现　213

7．1．3　图像处理中分解与重构的实现　214

7．2　Gabor多分辨率分析　220

7．3　常见小波分析　223

7．3．1　Haar小波　223

7．3．2　Daubechies小波　225

7．4　高维小波　227

第8章　图像复原　230

8．1　图像复原的理论模型　230

8．1．1　图像复原的基本概念　230

8．1．2　图像复原的一般模型　232

8．2　噪声模型　232

8．2．1　噪声种类　233

8．2．2　MATLAB实现　237

8．2．3　Visual C++实现　239

8．3　空间滤波　244

8．3．1　空域滤波原理　244

8．3．2　MATLAB实现　245

8．3．3　Visual C++实现　247

8．4　逆滤波复原　250

8．4．1　逆滤波原理　250

8．4．2　MATLAB实现　251

8．4．3　Visual C++实现　253

8．5　维纳滤波复原　256

8．5．1　维纳滤波原理　256

8．5．2　MATLAB实现　257

8．5．3　Visual C++实现　260

8．6　有约束最小二乘复原　262

8．7　Lucky-Richardson复原　265

8．8　盲去卷积图像复原　266

8．9　MATLAB图像复原综合案例——去除照片的运动模糊　268

第9章　彩色图像处理　270

9．1　彩色基础　270

9．2　彩色模型　272

9．2．1　RGB模型　272

9．2．2　CMY、CMYK模型　274

9．2．3　HSI模型　276

9．2．4　HSV模型　282

9．2．5　YUV模型　287

9．2．6　YIQ模型　292

9．2．7　Lab模型简介　296

9．3　全彩色图像处理基础　296

9．3．1　彩色补偿及其MATLAB实现　296

9．3．2　彩色平衡及其MATLAB实现　298

第10章　图像压缩　300

10．1　图像压缩理论　300

10．1．1　图像冗余　300

10．1．2　香农定理　303

10．1．3　保真度评价　304

10．2　DCT变换与量化　304

10．2．1　DCT变换原理　304

10．2．2　量化　306

10．2．3　DCT变换和量化的Visual C++实现　307

10．3　预测编码　312

10．4　霍夫曼编码　313

10．4．1　霍夫曼编码原理　313

10．4．2　霍夫曼编码的Visual C++实现　316

10．5　算术编码　324

10．5．1　算术编码原理　324

10．5．2　算术编码的Visual C++实现　327

10．6　游程编码　330

10．7　JPEG和JPEG2000压缩标准　331

10．8　Visual C++综合案例——类似JPEG的图像压缩　332

第11章　形态学图像处理　341

11．1　预备知识　341

11．2　二值图像中的基本形态学运算　342

11．2．1　腐蚀及其实现　343

11．2．2　膨胀及其实现　350

11．2．3　开运算及其实现　353

11．2．4　闭运算及其实现　356

11．3　二值图像中的形态学应用　357

11．3．1　击中与击不中变换及其实现　357

11．3．2　边界提取与跟踪及其实现　359

11．3．3　区域填充及其Visual C++实现　363

11．3．4　连通分量提取及其实现　365

11．3．5　细化算法及其Visual C++实现　370

11．3．6　像素化算法及其Visual C++实现　374

11．3．7　凸壳及其Visual C++实现　379

11．3．8　bwmorph()函数　382

11．4　灰度图像中的基本形态学运算　383

11．4．1　灰度膨胀及其实现　383

11．4．2　灰度腐蚀及其实现　386

11．4．3　灰度开、闭运算及其实现　389

11．4．4　顶帽变换(top-hat)及其实现　392

小结　394

第12章　图像分割　395

12．1　图像分割概述　395

12．2　边缘检测　396

12．2．1　边缘检测概述　396

12．2．2　常用的边缘检测算子　397

12．2．3　MATLAB实现　400

12．2．4　Visual C++实现　402

12．3　霍夫变换　409

12．3．1　直线检测　409

12．3．2　曲线检测　411

12．3．3　任意形状的检测　411

12．3．4　Hough变换直线检测的MATLAB实现　412

12．3．5　Hough变换直线检测的Visual C++实现　415

12．4　阈值分割　418

12．4．1　阈值分割方法　419

12．4．2　MATLAB实现　422

12．4．3　Visual C++实现　423

12．5　区域分割　425

12．5．1　区域生长及其实现　425

12．5．2　区域分裂与合并及其MATLAB实现　429

12．6　小结　433

第13章　特征提取　434

13．1　图像特征概述　434

13．2　基本统计特征　436

13．2．1　简单的区域描绘子及其MATLAB实现　436

13．2．2　直方图及其统计特征　437

13．2．3　灰度共现矩阵及其Visual C++实现　439

13．3　特征降维　442

13．3．1　维度灾难　442

13．3．2　特征选择简介　443

13．3．3　主成分分析　444

13．3．4　快速PCA及其实现　450

13．4　综合案例——基于PCA的人脸特征抽取　451

13．4．1　数据集简介　452

13．4．2　生成样本矩阵　452

13．4．3　主成分分析　453

13．4．4　主成分脸可视化分析　454

13．4．5　基于主分量的人脸重建　456

13．5　局部二进制模式　457

13．5．1　基本LBP　457

13．5．2　圆形邻域的LBPP，R算子　458

13．5．3　统一化LBP算子——Uniform LBP及其MATLAB实现　459

13．5．4　MB-LBP及其MATLAB实现　462

13．5．5　图像分区及其MATLAB实现　467

第14章　图像识别初步　470

14．1　模式识别概述　470

14．2　模式识别方法分类　474

14．3　最小距离分类器和模板匹配　476

14．3．1　最小距离分类器及其MATLAB实现　476

14．3．2　基于相关的模板匹配　477

14．3．3　相关匹配的计算效率　482

第15章　人工神经网络　484

15．1　人工神经网络简介　484

15．1．1　仿生学动机　484

15．1．2　人工神经网络的应用实例　486

15．2　人工神经网络的理论基础　487

15．2．1　训练线性单元的梯度下降算法　487

15．2．2　多层人工神经网络　492

15．2．3　Sigmoid单元　492

15．2．4　反向传播(Back Propagation，BP)算法　493

15．2．5　训练中的问题　496

15．3　基于ANN的数字字符识别系统DigitRec——分析与设计　498

15．3．1　任务描述　498

15．3．2　数据集简介　498

15．3．3　设计要点　498

15．4　基于ANN的数字字符识别系统——DigitRec的实现　500

15．4．1　构建神经元结构——SNeuron　500

15．4．2　构建神经网络网络层——SNeuronLayer　501

15．4．3　神经网络信息头——NeuralNet_Header　502

15．4．4　神经网络类——CNeuralNet　502

15．4．5　神经网络的训练数据类——CNeuralData　513

15．4．6　误差跟踪类——CValueTrack　518

15．4．7　训练对话框类——CTrainDlg　520

15．4．8　测试对话框类——CTestDlg　523

15．5　基于ANN的数字字符识别系统——DigitRec的测试　526

15．5．1　训练　526

15．5．2　测试　526

15．6　改进的DigitRec　527

15．6．1　数字字符图像的预处理类——COCRImageProcess　527

15．6．2　输入图像的预处理——实现　528

15．6．3　输入图像的预处理——测试　539

15．7　神经网络参数对训练和识别的影响　540

15．7．1　隐藏层单元数目的影响　540

15．7．2　学习率的影响　541

15．7．3　训练时代数目的影响　542

第16章　支持向量机　544

16．1　支持向量机的分类思想　544

16．2　支持向量机的理论基础　545

16．2．1　线性可分情况下的SVM　545

16．2．2　非线性可分情况下的C-SVM　548

16．2．3　需要核函数映射情况下的SVM　550

16．2．4　推广到多类问题　553

16．3　SVM的MATLAB实现　554

16．3．1　训练——svmtrain　555

16．3．2　分类——svmclassify　556

16．3．3　应用实例　557

16．4　综合案例——基于PCA和SVM的人脸识别系统　557

16．4．1　人脸识别简介　558

16．4．2　前期处理　558

16．4．3　数据规格化　558

16．4．4　核函数的选择　561

16．4．5　参数选择　562

16．4．6　构建多类SVM分类器　564

16．4．7　实验结果　566

16．5　SVM在线资源　571

16．5．1　MATLAB的SVM工具箱　572

16．5．2　LibSVM的简介　572

第17章　AdaBoost　573

17．1　AdaBoost分类思想　573

17．2　AdaBoost理论基础　575

17．3　构建AdaBoost的MATLAB工具箱　577

17．4　MATLAB综合案例——基于AdaBoost的面部图像男女性别分类　580

17．4．1　关于数据集　580

17．4．2　数据的预处理　581

17．4．3　算法流程实现　581

参考文献　583

《数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)》将理论知识、科学研究和工程实践有机结合起来，内容涉及数字图像处理和识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、彩色图像处理、形态学处理、图像分割、图像压缩以及图像特征提取等；同时对机器视觉进行了前导性的探究，重点介绍了3种目前在工程技术领域非常流行的分类技术——人工神经网络(ANN)、支持向量机(SVM)和AdaBoost，并在配套给出的识别案例中直击光学字符识别(OCR)、人脸识别和性别分类等热点问题。
　　《数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)》结构紧凑，内容深入浅出，讲解图文并茂，适合于计算机、通信和自动化等相关专业的本科生、研究生，以及工作在图像处理和识别领域一线的广大工程技术人员阅读参考。

本商品两种印刷封面，随机发货：