本書共分12章，第1章為緒論。第2章為數(shù)字圖像的獲取，主要針對圖像采集裝置進行介紹，包括相機、鏡頭、光源等硬件設施。第3章為數(shù)字圖像預處理，包括圖像變換、圖像增強及數(shù)字形態(tài)學在預處理中的應用。第4章為圖像分割技術，對Hough變換、區(qū)域分割等不同的邊緣檢測和圖像分割算法的應用及特點進行總結。第5章為圖像特征提取與選擇，包括顏色特征和幾何特征的提取方法、基于主成分分析和Fisher變化的特征選擇方法。第6章為圖像匹配，利用基于灰度和特征的匹配算法尋找與模板對應的圖像區(qū)域。第7章是圖像智能識別，對聚類識別、神經(jīng)網(wǎng)絡識別、支持向量機、模糊識別理論和實現(xiàn)方法進行了詳細的講解。第8至12章為數(shù)字圖像案例，案例內(nèi)容包括車牌識別、多氣泡上升軌跡跟蹤、人臉識別和圖像三維識別、燈腳質(zhì)量檢測等。
本書第3至7章為數(shù)字圖像處理的基本處理方法，對本書中涉及的數(shù)字圖像處理算法進行了清晰明了的描述，并詳細描述了其實現(xiàn)過程，配有相應的程序代碼，使讀者（學生）容易理解所講內(nèi)容的原理、理論知識。第8至12章主要是數(shù)字圖像處理技術在實際工程問題中的應用，對問題的研究背景、設計方案、解決方法、實現(xiàn)過程及代碼實現(xiàn)進行了細致的闡述。在案例的程序設計方面，采用MATLAB或OpenCV(C++)語言實現(xiàn)，加強學生程序編寫、算法實現(xiàn)的能力，從而提升其在數(shù)字圖像處理方面的軟件開發(fā)能力。
本書總結了圖像領域先進理論和算法，對工程應用系統(tǒng)的綜合分析很有借鑒意義�？勺鳛橥ㄐ排c信息工程、電子科學與技術、計算機科學與技術、控制科學與工程等相關專業(yè)教材及參考用書，也可供從事圖像處理、分析和識別等相關領域的科技工作者和工程技術人員參考。
適讀人群：通信與信息工程、電子科學與技術、計算機科學與技術、控制科學與工程等相關專業(yè)學生
1）以知識的系統(tǒng)性和應用的典型性為切入點，全面系統(tǒng)的介紹了數(shù)字圖像處理的基本思想、方法和理論
2）深刻抓住了學生學習數(shù)字圖像處理的難點和對教材內(nèi)容的需求，大多數(shù)知識點都給出了典型例題以及分析和總結，使讀者輕松入門，循序漸進提高，將知識融會在自己的方法中，潛移默化提高解決圖像工程問題的能力。
3）內(nèi)容安排科學合理、層次清晰、邏輯性強、例題典型、習題豐富、實用性好、針對性強
4）注重實用，重視理論與實踐的結合。在介紹基本理論的同時，盡量與當前的實際應用結合，使學生學起來有的放矢。通過新增加的視頻信息處理技術在智能交通系統(tǒng)和汽車中的應用等章節(jié)，學生可以了解視頻技術在實際工作中的具體運用。
進入21世紀，隨著計算機技術和人工智能和思維科學研究的迅速發(fā)展，圖像處理正向著高速、高分辨率、立體化、多媒體化、智能化和標準化的方向發(fā)展。在圖像通信、辦公自動化系統(tǒng)、地理信息系統(tǒng)、醫(yī)療設備、衛(wèi)星照片傳輸及分析和工業(yè)自動化領域具有非常廣泛的應用，并且出現(xiàn)了眾多的圖像處理理論和算法（小波分析、分形理論、形態(tài)學理論、遺傳算法、神經(jīng)網(wǎng)絡等）。數(shù)字圖像處理技術在許多應用領域受到廣泛重視并取得了重大的開拓性成就，從事數(shù)字圖像處理領域的人才也受到企業(yè)、研究所、高校等單位的重視。
數(shù)字圖像處理涉及信號處理、模式識別、人工智能和光電子學等領域，是一門交叉學科，具有很強的專業(yè)性。由于數(shù)字圖像是一門快速發(fā)展的學科，因此最近幾年來的研究成果在一些優(yōu)秀教材中體現(xiàn)的不是特別充分，尤其對工程應用的關注度不夠。因此，建設理論與工程應用相結合的數(shù)字圖像處理教材，對解決工程研究問題的重要性不言而喻。本書體現(xiàn)了作者多年來在數(shù)字圖像處理領域的科研和教學成果，是一本面向控制工程專業(yè)本科及研究生的教材，教材包含經(jīng)典和最新的數(shù)字圖像處理案例，能夠為教學提供豐富可靠的工程應用經(jīng)驗，有利于加強工程實際應用的理論和知識的學習。
本書第3至7章中涉及的圖像處理方法都配有詳細分析過程及程序?qū)崿F(xiàn)代碼。第8至12章以工程應用案例分析為中心，對工程實踐中的實際問題進行理論分析、特征歸納、給出解決方案，并配備相應的程序源代碼及執(zhí)行效果展示�？朔艘酝滩闹袘冒咐鉀Q方案不完善，解決問題思路不清晰，脫離工程實際等缺陷。從工程實用角度出發(fā)，針對圖像復雜工程領域中的實際問題，分析其研究背景，剖析解決方案，細化解決問題的過程，每個關鍵步驟均配有程序代碼及運行效果展示，深化學習者對圖像處理算法的理解，有助于增強讀者對圖像處理方法應用的掌握。
本書由天津工業(yè)大學宋麗梅教授和王紅一任主編，天津工業(yè)大學李金義和天津職業(yè)技術師范大學楊燕罡任副主編，天津工業(yè)大學林文偉、茹愿、李欣遙、郭素青、王佳炎、高艷艷等參與了編寫工作。其中，第1章由宋麗梅和王紅一編寫，第2章由李金義、楊燕罡和王佳炎編寫，第3章由李金義和郭素青編寫，第4章由宋麗梅和李欣遙編寫，第5章由王紅一和茹愿編寫，第6章由王紅一、李金義和郭素青編寫，第7章由王紅一、李金義和林文偉編寫，第8章由王紅一、李金義和林文偉編寫，第9章由王紅一和李金義編寫，第10章由宋麗梅和王紅一編寫，第11章由王紅一、茹愿和高艷艷編寫，第12章由楊燕罡、李欣遙和王佳炎編寫。
本書編著得到了全國工程教指委優(yōu)秀教材建設立項支持。
由于作者水平有限，書中難免存在不妥之處，敬請讀者批評指正。
宋麗梅天津工業(yè)大學電氣工程與自動化學院副院長
2008/10－至今，天津工業(yè)大學，電氣工程與自動化學院，教授，副院長
2011/10－2012/04，澳大利亞Wollongong大學，信息學院，訪問學者
2006/05－2008/09，西南科技大學，信息工程學院，副教授
2006/02－2006/08，日本廣島工業(yè)大學，情報科學部，訪問學者
2004/06－2006/04，天津大學，精密儀器與光電子工程學院，博士后
中國圖像圖形學會高級會員，計算機學會高級會員，。長期從事自動控制與圖像特征識別方面的研究工作，作為項目負責人主持項目7項、部委級項目25項、橫向課題38項。國內(nèi)外發(fā)表論文80多篇，SCI、EI檢索50多篇。出版教材2部，授權國家發(fā)明專利21項、實用新型專利32項。榮獲國際“發(fā)明展”金獎2項，公安部技術革新特別項目獎2項。
目錄
前言
第1章數(shù)字圖像處理概述
1.1數(shù)字圖像的基本概念
1.1.1圖像
1.1.2數(shù)字圖像及其存儲方式
1.1.3數(shù)字圖像的分類
1.1.4數(shù)字圖像處理系統(tǒng)
1.2數(shù)字圖像處理發(fā)展史及發(fā)展趨勢
1.3數(shù)字圖像處理的特點
1.4數(shù)字圖像處理的工程應用
1.5數(shù)字圖像處理的主要內(nèi)容
【課后習題】
第2章圖像采集
2.1照明
2.1.1光源類型
2.1.2照明方式
2.1.3選擇合適的照明光源及照明方式
2.2鏡頭
2.2.1鏡頭的基本常識
2.2.2鏡頭的類型
2.2.3選擇合適的鏡頭
2.3相機
2.4相機接口技術
【課后習題】
第3章圖像預處理技術
3.1圖像的灰度變換
3.1.1線性變化
3.1.2分段線性變換
3.1.3灰度對數(shù)變換
3.1.4直方圖均衡化
3.2圖像的幾何變換
3.2.1平移
3.2.2旋轉
3.2.3比例放縮
3.2.4鏡像
3.2.5插值
3.3圖像增強
3.3.1均值濾波
3.3.2中值濾波
3.3.3對比度增強
3.3.4小波去噪
3.4形態(tài)學處理
3.4.1腐蝕
3.4.2膨脹
3.4.3開運算
3.4.4閉運算
3.4.5細化
3.4.6填充
【課后習題】
第4章圖像分割技術
4.1邊緣檢測
4.1.1Roberts邊緣算子
4.1.2Sobel邊緣算子
4.1.3Prewitt邊緣算子
4.1.4Laplacian邊緣算子
4.1.5LoG邊緣算子
4.1.6Canny邊緣算子
4.1.7邊緣檢測算子的MATLAB實現(xiàn)
4.2Hough變換
4.2.1Hough變換概述
4.2.2基于Hough變換的直線檢測
4.2.3基于Hough變換的曲線檢測
4.3閾值分割
4.3.1閾值分割的基本原理
4.3.2閾值分割方法的分類
4.3.3極小值點閾值法
4.3.4最小均方誤差法
4.3.5迭代選擇閾值法
4.3.6雙峰法
4.3.7最大類間方差法
4.4基于區(qū)域的圖像分割
4.4.1區(qū)域生長算法
4.4.2區(qū)域分裂合并算法
【課后習題】
第5章圖像特征提取與選擇
5.1顏色特征
5.1.1顏色直方圖
5.1.2顏色集
5.1.3顏色矩
5.1.4顏色聚合向量
5.1.5顏色相關圖
5.2基于灰度共生矩陣的紋理特征構建
5.2.1灰度共生矩陣的定義
5.2.2基于灰度共生矩陣的紋理特征
5.2.3基于灰度-梯度共生矩陣的紋理特征構建
5.3幾何特征
5.3.1位置
5.3.2方向
5.3.3周長
5.3.4面積
5.4基于主成分分析的特征選擇
5.5基于Fisher線性判據(jù)的特征選擇
【課后習題】
第6章圖像匹配
6.1模板匹配旳概念
6.2基于灰度相關的模板匹配
6.2.1MAD算法
6.2.2SAD算法
6.2.3SSD算法
6.2.4NCC算法
6.2.5SSDA算法
6.2.6SATD算法
6.3基于灰度值的亞像素精度匹配
6.4使用空間金字塔進行匹配
6.4.1空間金字塔的表示方法
6.4.2空間金字塔匹配的基本原理
6.4.3空間金字塔匹配算法實現(xiàn)
6.5帶旋轉與縮放的模板匹配
6.5.1高斯尺度空間的極值檢測
6.5.2特征點位置的確定
6.5.3特征點方向的確定
6.5.4特征點描述子生成
6.5.5SIFT特征向量的匹配
【課后習題】
第7章圖像智能識別方法
7.1聚類識別
7.1.1聚類算法主要思想
7.1.2K-Means聚類算法理論基礎
7.1.3聚類算法的MATLAB實現(xiàn)
7.2神經(jīng)網(wǎng)絡識別
7.2.1人工神經(jīng)網(wǎng)絡的主要思想
7.2.2BP神經(jīng)網(wǎng)絡算法的理論基礎
7.2.3神經(jīng)網(wǎng)絡學習算法的MATLAB實現(xiàn)
7.3支持向量機識別
7.3.1支持向量機的分類思想
7.3.2SVM的基本理論
7.3.3SVM算法的MATLAB實現(xiàn)
7.4模糊識別
7.4.1模糊圖像識別的設計思想
7.4.2貼近度與模糊度
7.4.3最大隸屬原則與擇近原則
7.4.4模糊算法的MATLAB實現(xiàn)
【課后習題】
第8章工程應用：車牌識別
8.1牌照定位
8.2牌照區(qū)域的分割
8.3字符分割與歸一化
8.4字符細化
8.5字符的識別
第9章工程應用：多氣泡上升軌跡跟蹤
9.1氣泡圖像的預處理
9.2氣泡運動軌跡跟蹤方法
9.2.1基于互相關匹配的目標跟蹤
9.2.2基于Mean-Shift算法的目標跟蹤
第10章工程應用：人臉識別
10.1ORL人臉數(shù)據(jù)庫簡介
10.2基于PCA的人臉圖像的特征提取
10.3人臉圖像識別方法
10.3.1k-近鄰算法
10.3.2BP神經(jīng)網(wǎng)絡法
10.3.3基于BP神經(jīng)網(wǎng)絡法和k-近鄰法的綜合決策分類
10.3.4實驗的結果
10.4簡單實例
第11章工程應用：基于SURF特征點匹配的圖像三維識別
11.1圖像三維識別系統(tǒng)的方案設計
11.2圖像三維識別過程
11.2.1三維圖像預處理
11.2.2基于SURF算法的特征點匹配
11.2.3最優(yōu)匹配點的提取
11.2.4圖像三維坐標的計算
11.2.5圖像三維識別
11.3基于SURF特征點匹配的圖像三維識別的OpenCV完整代碼
第12章工程應用：基于OpenCV的燈腳質(zhì)量檢測
12.1燈腳質(zhì)量檢測的方案設計
12.2燈腳質(zhì)量檢測過程
12.2.1相機標定
12.2.2燈腳圖像檢測
12.2.3燈腳檢測界面及結果分析
附錄顏色集
參考文獻
書單推薦
