数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)电子书

内容提要

前言

第0章 初识数字图像处理与机器视觉

0.1 数字图像

0.1.1 什么是数字图像

0.1.2 数字图像的显示

0.1.3 数字图像的分类

0.1.4 数字图像的实质

0.1.5 数字图像的表示

0.1.6 图像的空间和灰度级分辨率

0.2 数字图像处理与机器视觉

0.2.1 从图像处理到图像识别

0.2.2 什么是机器视觉

0.2.3 数字图像处理和识别的应用实例

0.3 数字图像处理的预备知识

0.3.1 邻接性、连通性、区域和边界

0.3.2 距离度量的几种方法

0.3.3 基本的图像操作

第1章 MATLAB数字图像处理编程基础

1.1 MATLAB R2011a简介

1.1.1 MATLAB软件环境

1.1.2 文件操作

1.1.3 在线帮助的使用

1.1.4 变量的使用

1.1.5 矩阵的使用

1.1.6 细胞数组（Cell Array）和结构体（Structure）

1.1.7 关系运算与逻辑运算

1.1.8 常用图像处理数学函数

1.1.9 MATLAB程序流程控制

1.1.10 M文件编写

1.1.11 MATLAB函数编写

1.2 MATLAB图像类型及其存储方式

1.3 MATLAB的图像转换

1.4 读取和写入图像文件

1.5 图像的显示

第2章 Visual C++图像处理编程基础

2.1 位图文件及其C++操作

2.1.1 设备无关位图

2.1.2 BMP图像文件数据结构

2.2 认识CImg类

2.2.1 主要成员函数列表

2.2.2 公有成员

2.3 CImg类基础操作

2.3.1 加载和写入图像

2.3.2 获得图像基本信息

2.3.3 检验有效性

2.3.4 按像素操作

2.3.5 改变图像大小

2.3.6 重载的运算符

2.3.7 在屏幕上绘制位图图像

2.3.8 新建图像

2.3.9 图像类型的判断与转化

2.4 DIPDemo工程

2.4.1 DIPDemo主界面

2.4.2 图像操作和处理类——CImg和CImgProcess

2.4.3 文档类——CDIPDemoDoc

2.4.4 视图类——CDIPDemoView

2.5 CImg应用示例

2.5.1 打开图像

2.5.2 清空图像

2.5.3 像素初始化方法

2.5.4 保存图像

第3章 图像的点运算

3.1 灰度直方图

3.1.1 理论基础

3.1.2 MATLAB实现

3.1.3 Visual C++实现

3.2 灰度的线性变换

3.2.1 理论基础

3.2.2 MATLAB程序的实现

3.2.3 Visual C++实现

3.3 灰度对数变换

3.3.1 理论基础

3.3.2 MATLAB实现

3.3.3 Visual C++实现

3.4 伽玛变换

3.4.1 理论基础

3.4.2 MATLAB编程实现

3.4.3 Visual C++实现

3.5 灰度阈值变换

3.5.1 理论基础

3.5.2 MATLAB编程实现

3.5.3 Visual C++实现

3.6 分段线性变换

3.6.1 理论基础

3.6.2 MATLAB编程实现

3.6.3 Visual C++编程实现

3.7 直方图均衡化

3.7.1 理论基础

3.7.2 MATLAB编程实现

3.7.3 Visual C++实现

3.8 直方图规定化（匹配）

3.8.1 理论基础

3.8.2 MATLAB编程实现

3.8.3 Visual C++实现

第4章 图像的几何变换

4.1 解决几何变换的一般思路

4.2 图像平移

4.2.1 图像平移的变换公式

4.2.2 图像平移的实现

4.3 图像镜像

4.3.1 图像镜像的变换公式

4.3.2 图像镜像的实现

4.4 图像转置

4.4.1 图像转置的变换公式

4.4.2 图像转置的实现

4.5 图像缩放

4.5.1 图像缩放的变换公式

4.5.2 图像缩放的实现

4.6 图像旋转

4.6.1 以原点为中心的图像旋转

4.6.2 以任意点为中心的图像旋转

4.6.3 图像旋转的实现

4.7 插值算法

4.7.1 最近邻插值

4.7.2 双线性插值

4.7.3 高阶插值

4.8 图像配准简介

4.8.1 图像配准

4.8.2 人脸图像配准的MATLAB实现

4.9 Visual C++高级应用实例——汽车牌照的投影失真校正

4.9.1 系统分析与设计

4.9.2 系统实现

4.9.3 功能测试

第5章 空间域图像增强

5.1 图像增强基础

5.2 空间域滤波

5.3 图像平滑

5.3.1 平均模板及其实现

5.3.2 高斯平滑及其实现

5.3.3 通用平滑滤波的Visual C++实现

5.3.4 自适应平滑滤波

5.4 中值滤波

5.4.1 性能比较

5.4.2 一种改进的中值滤波策略

5.4.3 中值滤波的工作原理

5.5 图像锐化

5.5.1 理论基础

5.5.2 基于一阶导数的图像增强——梯度算子

5.5.3 基于二阶微分的图像增强——拉普拉斯算子

5.5.4 基于一阶与二阶导数的锐化算子的比较

5.5.5 高提升滤波及其实现

5.5.6 高斯-拉普拉斯变换（Laplacian of a Gaussian, LoG）

第6章 频率域图像增强

6.1 频率域滤波——与空间域滤波殊途同归

6.2 傅里叶变换基础知识

6.2.1 傅里叶级数

6.2.2 傅里叶变换

6.2.3 幅度谱、相位谱和功率谱

6.2.4 傅里叶变换的实质——基的转换

6.3 快速傅里叶变换及实现

6.3.1 FFT变换的必要性

6.3.2 常见的FFT算法

6.3.3 按时间抽取的基-2 FFT算法

6.3.4 离散反傅里叶变换的快速算法

6.3.5 N维快速傅里叶变换

6.3.6 MATLAB实现

6.3.7 Visual C++实现

6.4 频域滤波基础

6.4.1 频域滤波与空域滤波的关系

6.4.2 频域滤波的基本步骤

6.4.3 频域滤波的MATLAB实现

6.4.4 频域滤波的Visual C++实现

6.5 频率域低通滤波器

6.5.1 理想低通滤波器及其实现

6.5.2 高斯低通滤波器及其实现

6.6 频率域高通滤波器

6.6.1 高斯高通滤波器及其实现

6.6.2 频域拉普拉斯滤波器及其实现

6.7 MATLAB综合案例——利用频域滤波消除周期噪声

6.7.1 频域带阻滤波器

6.7.2 带阻滤波器消除周期噪声

6.8 频域滤波器与空域滤波器之间的内在联系

附录

第7章 小波变换

7.1 多分辨率分析

7.1.1 多分辨率框架

7.1.2 分解与重构的实现

7.1.3 图像处理中分解与重构的实现

7.2 Gabor多分辨率分析

7.3 常见小波分析

7.3.1 Haar小波

7.3.2 Daubechies小波

7.4 高维小波

第8章 图像复原

8.1 图像复原的理论模型

8.1.1 图像复原的基本概念

8.1.2 图像复原的一般模型

8.2 噪声模型

8.2.1 噪声种类

8.2.2 MATLAB实现

8.2.3 Visual C++实现

8.3 空间滤波

8.3.1 空域滤波原理

8.3.2 MATLAB实现

8.3.3 Visual C++实现

8.4 逆滤波复原

8.4.1 逆滤波原理

8.4.2 MATLAB实现

8.4.3 Visual C++实现

8.5 维纳滤波复原

8.5.1 维纳滤波原理

8.5.2 MATLAB实现

8.5.3 Visual C++实现

8.6 有约束最小二乘复原

8.7 Lucky-Richardson复原

8.8 盲去卷积图像复原

8.9 MATLAB图像复原综合案例——去除照片的运动模糊

第9章 彩色图像处理

9.1 彩色基础

9.2 彩色模型

9.2.1 RGB模型

9.2.2 CMY、CMYK模型

9.2.3 HSI模型

9.2.4 HSV模型

9.2.5 YUV模型

9.2.6 YIQ模型

9.2.7 Lab模型简介

9.3 全彩色图像处理基础

9.3.1 彩色补偿及其MATLAB实现

9.3.2 彩色平衡及其MATLAB实现

第10章 图像压缩

10.1 图像压缩理论

10.1.1 图像冗余

10.1.2 香农定理

10.1.3 保真度评价

10.2 DCT变换与量化

10.2.1 DCT变换原理

10.2.2 量化

10.2.3 DCT变换和量化的Visual C++实现

10.3 预测编码

10.4 霍夫曼编码

10.4.1 霍夫曼编码原理

10.4.2 霍夫曼编码的Visual C++实现

10.5 算术编码

10.5.1 算术编码原理

10.5.2 算术编码的Visual C++实现

10.6 游程编码

10.7 JPEG和JPEG2000压缩标准

10.8 Visual C++综合案例——类似JPEG的图像压缩

第11章 形态学图像处理

11.1 预备知识

11.2 二值图像中的基本形态学运算

11.2.1 腐蚀及其实现

11.2.2 膨胀及其实现

11.2.3 开运算及其实现

11.2.4 闭运算及其实现

11.3 二值图像中的形态学应用

11.3.1 击中与击不中变换及其实现

11.3.2 边界提取与跟踪及其实现

11.3.3 区域填充及其Visual C++实现

11.3.4 连通分量提取及其实现

11.3.5 细化算法及其Visual C++实现

11.3.6 像素化算法及其Visual C++实现

11.3.7 凸壳及其Visual C++实现

11.3.8 bwmorph()函数

11.4 灰度图像中的基本形态学运算

11.4.1 灰度膨胀及其实现

11.4.2 灰度腐蚀及其实现

11.4.3 灰度开、闭运算及其实现

11.4.4 顶帽变换（top-hat）及其实现

小结

第12章 图像分割

12.1 图像分割概述

12.2 边缘检测

12.2.1 边缘检测概述

12.2.2 常用的边缘检测算子

12.2.3 MATLAB实现

12.2.4 Visual C++实现

12.3 霍夫变换

12.3.1 直线检测

12.3.2 曲线检测

12.3.3 任意形状的检测

12.3.4 Hough变换直线检测的MATLAB实现

12.3.5 Hough变换直线检测的Visual C++实现

12.4 阈值分割

12.4.1 阈值分割方法

12.4.2 MATLAB实现

12.4.3 Visual C++实现

12.5 区域分割

12.5.1 区域生长及其实现

12.5.2 区域分裂与合并及其MATLAB实现

12.6 小结

第13章 特征提取

13.1 图像特征概述

13.2 基本统计特征

13.2.1 简单的区域描绘子及其MATLAB实现

13.2.2 直方图及其统计特征

13.2.3 灰度共现矩阵及其Visual C++实现

13.3 特征降维

13.3.1 维度灾难

13.3.2 特征选择简介

13.3.3 主成分分析

13.3.4 快速PCA及其实现

13.4 综合案例——基于PCA的人脸特征抽取

13.4.1 数据集简介

13.4.2 生成样本矩阵

13.4.3 主成分分析

13.4.4 主成分脸可视化分析

13.4.5 基于主分量的人脸重建

13.5 局部二进制模式

13.5.1 基本LBP

13.5.2 圆形邻域的LBPP,R算子

13.5.3 统一化LBP算子——Uniform LBP及其MATLAB实现

13.5.4 MB-LBP及其MATLAB实现

13.5.5 图像分区及其MATLAB实现

第14章 图像识别初步

14.1 模式识别概述

14.2 模式识别方法分类

14.3 最小距离分类器和模板匹配

14.3.1 最小距离分类器及其MATLAB实现

14.3.2 基于相关的模板匹配

14.3.3 相关匹配的计算效率

第15章 人工神经网络

15.1 人工神经网络简介

15.1.1 仿生学动机

15.1.2 人工神经网络的应用实例

15.2 人工神经网络的理论基础

15.2.1 训练线性单元的梯度下降算法

15.2.2 多层人工神经网络

15.2.3 Sigmoid单元

15.2.4 反向传播（Back Propagation，BP）算法

15.2.5 训练中的问题

15.3 基于ANN的数字字符识别系统DigitRec──分析与设计

15.3.1 任务描述

15.3.2 数据集简介

15.3.3 设计要点

15.4 基于ANN的数字字符识别系统——DigitRec的实现

15.4.1 构建神经元结构——SNeuron

15.4.2 构建神经网络网络层──SNeuronLayer

15.4.3 神经网络信息头──NeuralNet_Header

15.4.4 神经网络类──CNeuralNet

15.4.5 神经网络的训练数据类——CNeuralData

15.4.6 误差跟踪类──CValueTrack

15.4.7 训练对话框类──CTrainDlg

15.4.8 测试对话框类——CTestDlg

15.5 基于ANN的数字字符识别系统——DigitRec的测试

15.5.1 训练

15.5.2 测试

15.6 改进的DigitRec

15.6.1 数字字符图像的预处理类──COCRImageProcess

15.6.2 输入图像的预处理——实现

15.6.3 输入图像的预处理──测试

15.7 神经网络参数对训练和识别的影响

15.7.1 隐藏层单元数目的影响

15.7.2 学习率的影响

15.7.3 训练时代数目的影响

第16章 支持向量机

16.1 支持向量机的分类思想

16.2 支持向量机的理论基础

16.2.1 线性可分情况下的SVM

16.2.2 非线性可分情况下的C-SVM

16.2.3 需要核函数映射情况下的SVM

16.2.4 推广到多类问题

16.3 SVM的MATLAB实现

16.3.1 训练──svmtrain

16.3.2 分类──svmclassify

16.3.3 应用实例

16.4 综合案例——基于PCA和SVM的人脸识别系统

16.4.1 人脸识别简介

16.4.2 前期处理

16.4.3 数据规格化

16.4.4 核函数的选择

16.4.5 参数选择

16.4.6 构建多类SVM分类器

16.4.7 实验结果

16.5 SVM在线资源

16.5.1 MATLAB的SVM工具箱

16.5.2 LibSVM的简介

第17章 AdaBoost

17.1 AdaBoost分类思想

17.2 AdaBoost理论基础

17.3 构建AdaBoost的MATLAB工具箱

17.4 MATLAB综合案例——基于AdaBoost的面部图像男女性别分类

17.4.1 关于数据集

17.4.2 数据的预处理

17.4.3 算法流程实现

参考文献