第0章初識(shí)數(shù)字圖像處理與機(jī)器視覺(jué)
0.1數(shù)字圖像
0.1.1什么是數(shù)字圖像
0.1.2數(shù)字圖像的顯示
0.1.3數(shù)字圖像的分類(lèi)
0.1.4數(shù)字圖像的實(shí)質(zhì)
0.1.5數(shù)字圖像的表示
0.1.6圖像的空間和灰度級(jí)分辨率
0.2數(shù)字圖像處理與機(jī)器視覺(jué)
0.2.1從圖像處理到圖像識(shí)別
0.2.2什么是機(jī)器視覺(jué)
0.2.3數(shù)字圖像處理和識(shí)別的應(yīng)用實(shí)例
0.3數(shù)字圖像處理的預(yù)備知識(shí)
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(shù)字圖像處理編程基礎(chǔ)
1.1MATLABR2011a簡(jiǎn)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(xì)胞數(shù)組(CellArray)和結(jié)構(gòu)體(Structure)
1.1.7關(guān)系運(yùn)算與邏輯運(yùn)算
1.1.8常用圖像處理數(shù)學(xué)函數(shù)
1.1.9MATLAB程序流程控制
1.1.10M文件編寫(xiě)
1.1.11MATLAB函數(shù)編寫(xiě)
1.2MATLAB圖像類(lèi)型及其存儲(chǔ)方式
1.3MATLAB的圖像轉(zhuǎn)換
1.4讀取和寫(xiě)入圖像文件
1.5圖像的顯示
第2章VisualC 圖像處理編程基礎(chǔ)
2.1位圖文件及其C 操作
2.1.1設(shè)備無(wú)關(guān)位圖
2.1.2BMP圖像文件數(shù)據(jù)結(jié)構(gòu)
2.2認(rèn)識(shí)CImg類(lèi)
2.2.1主要成員函數(shù)列表
2.2.2公有成員
2.3CImg類(lèi)基礎(chǔ)操作
2.3.1加載和寫(xiě)入圖像
2.3.2獲得圖像基本信息
2.3.3檢驗(yàn)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(yùn)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(lèi)型的判斷與轉(zhuǎn)化
2.4DIPDemo工程
2.4.1DIPDemo主界面
2.4.2圖像操作和處理類(lèi)——CImg和CImgProcess
2.4.3文檔類(lèi)——CDIPDemoDoc
2.4.4視圖類(lèi)——CDIPDemoView
2.5CImg應(yīng)用示例
2.5.1打開(kāi)圖像
2.5.2清空?qǐng)D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(diǎn)運(yùn)算
3.1灰度直方圖
3.1.1理論基礎(chǔ)
3.1.2MATLAB實(shí)現(xiàn)
3.1.3VisualC 實(shí)現(xiàn)
3.2灰度的線性變換
3.2.1理論基礎(chǔ)
3.2.2MATLAB程序的實(shí)現(xiàn)
3.2.3VisualC 實(shí)現(xiàn)
3.3灰度對(duì)數(shù)變換
3.3.1理論基礎(chǔ)
3.3.2MATLAB實(shí)現(xiàn)
3.3.3VisualC 實(shí)現(xiàn)
3.4伽瑪變換
3.4.1理論基礎(chǔ)
3.4.2MATLAB編程實(shí)現(xiàn)
3.4.3VisualC 實(shí)現(xiàn)
3.5灰度閾值變換
3.5.1理論基礎(chǔ)
3.5.2MATLAB編程實(shí)現(xiàn)
3.5.3VisualC 實(shí)現(xiàn)
3.6分段線性變換
3.6.1理論基礎(chǔ)
3.6.2MATLAB編程實(shí)現(xiàn)
3.6.3VisualC 編程實(shí)現(xiàn)
3.7直方圖均衡化
3.7.1理論基礎(chǔ)
3.7.2MATLAB編程實(shí)現(xiàn)
3.7.3VisualC 實(shí)現(xiàn)
3.8直方圖規(guī)定化(匹配)
3.8.1理論基礎(chǔ)
3.8.2MATLAB編程實(shí)現(xiàn)
3.8.3VisualC 實(shí)現(xiàn)
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(shí)現(xiàn)
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(shí)現(xiàn)
4.4圖像轉(zhuǎn)置
4.4.1圖像轉(zhuǎn)置的變換公式
4.4.2圖像轉(zhuǎn)置的實(shí)現(xiàn)
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(shí)現(xiàn)
4.6圖像旋轉(zhuǎn)
4.6.1以原點(diǎn)為中心的圖像旋轉(zhuǎn)
4.6.2以任意點(diǎn)為中心的圖像旋轉(zhuǎn)
4.6.3圖像旋轉(zhuǎn)的實(shí)現(xiàn)
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(zhǔn)簡(jiǎn)介
4.8.1圖像配準(zhǔn)
4.8.2人臉圖像配準(zhǔn)的MATLAB實(shí)現(xiàn)
4.9VisualC 高級(jí)應(yīng)用實(shí)例——汽車(chē)牌照的投影失真校正
4.9.1系統(tǒng)分析與設(shè)計(jì)
4.9.2系統(tǒng)實(shí)現(xiàn)
4.9.3功能測(cè)試
第5章空間域圖像增強(qiáng)
5.1圖像增強(qiáng)基礎(chǔ)
5.2空間域?yàn)V波
5.3圖像平滑
5.3.1平均模板及其實(shí)現(xiàn)
5.3.2高斯平滑及其實(shí)現(xiàn)
5.3.3通用平滑濾波的VisualC 實(shí)現(xiàn)
5.3.4自適應(yīng)平滑濾波
5.4中值濾波
5.4.1性能比較
5.4.2一種改進(jìn)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(chǔ)
5.5.2基于一階導(dǎo)數(shù)的圖像增強(qiáng)——梯度算子
5.5.3基于二階微分的圖像增強(qiáng)——拉普拉斯算子
5.5.4基于一階與二階導(dǎo)數(shù)的銳化算子的比較
5.5.5高提升濾波及其實(shí)現(xiàn)
5.5.6高斯-拉普拉斯變換(LaplacianofaGaussian，LoG)
第6章頻率域圖像增強(qiáng)
6.1頻率域?yàn)V波——與空間域?yàn)V波殊途同歸
6.2傅里葉變換基礎(chǔ)知識(shí)
6.2.1傅里葉級(jí)數(shù)
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(shí)質(zhì)——基的轉(zhuǎn)換
6.3快速傅里葉變換及實(shí)現(xiàn)
6.3.1FFT變換的必要性
6.3.2常見(jiàn)的FFT算法
6.3.3按時(shí)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(shí)現(xiàn)
6.3.7VisualC 實(shí)現(xiàn)
6.4頻域?yàn)V波基礎(chǔ)
6.4.1頻域?yàn)V波與空域?yàn)V波的關(guān)系
6.4.2頻域?yàn)V波的基本步驟
6.4.3頻域?yàn)V波的MATLAB實(shí)現(xiàn)
6.4.4頻域?yàn)V波的VisualC 實(shí)現(xiàn)
6.5頻率域低通濾波器
6.5.1理想低通濾波器及其實(shí)現(xiàn)
6.5.2高斯低通濾波器及其實(shí)現(xiàn)
6.6頻率域高通濾波器
6.6.1高斯高通濾波器及其實(shí)現(xiàn)
6.6.2頻域拉普拉斯濾波器及其實(shí)現(xiàn)
6.7MATLAB綜合案例——利用頻域?yàn)V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?yàn)V波器與空域?yàn)V波器之間的內(nèi)在聯(lián)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(gòu)的實(shí)現(xiàn)
7.1.3圖像處理中分解與重構(gòu)的實(shí)現(xiàn)
7.2Gabor多分辨率分析
7.3常見(jiàn)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(fù)原
8.1圖像復(fù)原的理論模型
8.1.1圖像復(fù)原的基本概念
8.1.2圖像復(fù)原的一般模型
8.2噪聲模型
8.2.1噪聲種類(lèi)
8.2.2MATLAB實(shí)現(xiàn)
8.2.3VisualC 實(shí)現(xiàn)
8.3空間濾波
8.3.1空域?yàn)V波原理
8.3.2MATLAB實(shí)現(xiàn)
8.3.3VisualC 實(shí)現(xiàn)
8.4逆濾波復(fù)原
8.4.1逆濾波原理
8.4.2MATLAB實(shí)現(xiàn)
8.4.3VisualC 實(shí)現(xiàn)
8.5維納濾波復(fù)原
8.5.1維納濾波原理
8.5.2MATLAB實(shí)現(xiàn)
8.5.3VisualC 實(shí)現(xiàn)
8.6有約束最小二乘復(fù)原
8.7Lucky-Richardson復(fù)原
8.8盲去卷積圖像復(fù)原
8.9MATLAB圖像復(fù)原綜合案例——去除照片的運(yùn)動(dòng)模糊
第9章彩色圖像處理
9.1彩色基礎(chǔ)
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(jiǎn)介
9.3全彩色圖像處理基礎(chǔ)
9.3.1彩色補(bǔ)償及其MATLAB實(shí)現(xiàn)
9.3.2彩色平衡及其MATLAB實(shí)現(xiàn)
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(nóng)定理
10.1.3保真度評(píng)價(jià)
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(shí)現(xiàn)
10.3預(yù)測(cè)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(shí)現(xiàn)
10.5算術(shù)編碼
10.5.1算術(shù)編碼原理
10.5.2算術(shù)編碼的VisualC 實(shí)現(xiàn)
10.6游程編碼
10.7JPEG和JPEG2000壓縮標(biāo)準(zhǔn)
10.8VisualC 綜合案例——類(lèi)似JPEG的圖像壓縮
第11章形態(tài)學(xué)圖像處理
11.1預(yù)備知識(shí)
11.2二值圖像中的基本形態(tài)學(xué)運(yùn)算
11.2.1腐蝕及其實(shí)現(xiàn)
11.2.2膨脹及其實(shí)現(xiàn)
11.2.3開(kāi)運(yùn)算及其實(shí)現(xiàn)
11.2.4閉運(yùn)算及其實(shí)現(xiàn)
11.3二值圖像中的形態(tài)學(xué)應(yīng)用
11.3.1擊中與擊不中變換及其實(shí)現(xiàn)
11.3.2邊界提取與跟蹤及其實(shí)現(xiàn)
11.3.3區(qū)域填充及其VisualC 實(shí)現(xiàn)
11.3.4連通分量提取及其實(shí)現(xiàn)
11.3.5細(xì)化算法及其VisualC 實(shí)現(xiàn)
11.3.6像素化算法及其VisualC 實(shí)現(xiàn)
11.3.7凸殼及其VisualC 實(shí)現(xiàn)
11.3.8bwmorph()函數(shù)
11.4灰度圖像中的基本形態(tài)學(xué)運(yùn)算
11.4.1灰度膨脹及其實(shí)現(xiàn)
11.4.2灰度腐蝕及其實(shí)現(xiàn)
11.4.3灰度開(kāi)、閉運(yùn)算及其實(shí)現(xiàn)
11.4.4頂帽變換(top-hat)及其實(shí)現(xiàn)
小結(jié)
第12章圖像分割
12.1圖像分割概述
12.2邊緣檢測(cè)
12.2.1邊緣檢測(cè)概述
12.2.2常用的邊緣檢測(cè)算子
12.2.3MATLAB實(shí)現(xiàn)
12.2.4VisualC 實(shí)現(xiàn)
12.3霍夫變換
12.3.1直線檢測(cè)
12.3.2曲線檢測(cè)
12.3.3任意形狀的檢測(cè)
12.3.4Hough變換直線檢測(cè)的MATLAB實(shí)現(xiàn)
12.3.5Hough變換直線檢測(cè)的VisualC 實(shí)現(xiàn)
12.4閾值分割
12.4.1閾值分割方法
12.4.2MATLAB實(shí)現(xiàn)
12.4.3VisualC 實(shí)現(xiàn)
12.5區(qū)域分割
12.5.1區(qū)域生長(zhǎng)及其實(shí)現(xiàn)
12.5.2區(qū)域分裂與合并及其MATLAB實(shí)現(xiàn)
12.6小結(jié)
第13章特征提取
13.1圖像特征概述
13.2基本統(tǒng)計(jì)特征
13.2.1簡(jiǎn)單的區(qū)域描繪子及其MATLAB實(shí)現(xiàn)
13.2.2直方圖及其統(tǒng)計(jì)特征
13.2.3灰度共現(xiàn)矩陣及其VisualC 實(shí)現(xiàn)
13.3特征降維
13.3.1維度災(zāi)難
13.3.2特征選擇簡(jiǎn)介
13.3.3主成分分析
13.3.4快速PCA及其實(shí)現(xiàn)
13.4綜合案例——基于PCA的人臉特征抽取
13.4.1數(shù)據(jù)集簡(jiǎn)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(jìn)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(shí)現(xiàn)
13.5.4MB-LBP及其MATLAB實(shí)現(xiàn)
13.5.5圖像分區(qū)及其MATLAB實(shí)現(xiàn)
第14章圖像識(shí)別初步
14.1模式識(shí)別概述
14.2模式識(shí)別方法分類(lèi)
14.3最小距離分類(lèi)器和模板匹配
14.3.1最小距離分類(lèi)器及其MATLAB實(shí)現(xiàn)
14.3.2基于相關(guān)的模板匹配
14.3.3相關(guān)匹配的計(jì)算效率
第15章人工神經(jīng)網(wǎng)絡(luò)
15.1人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
15.1.1仿生學(xué)動(dòng)機(jī)
15.1.2人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用實(shí)例
15.2人工神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)
15.2.1訓(xùn)練線性單元的梯度下降算法
15.2.2多層人工神經(jīng)網(wǎng)絡(luò)
15.2.3Sigmoid單元
15.2.4反向傳播(BackPropagation，BP)算法
15.2.5訓(xùn)練中的問(wèn)題
15.3基于ANN的數(shù)字字符識(shí)別系統(tǒng)DigitRec——分析與設(shè)計(jì)
15.3.1任務(wù)描述
15.3.2數(shù)據(jù)集簡(jiǎn)介
15.3.3設(shè)計(jì)要點(diǎn)
15.4基于ANN的數(shù)字字符識(shí)別系統(tǒng)——DigitRec的實(shí)現(xiàn)
15.4.1構(gòu)建神經(jīng)元結(jié)構(gòu)——SNeuron
15.4.2構(gòu)建神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)層——SNeuronLayer
15.4.3神經(jīng)網(wǎng)絡(luò)信息頭——NeuralNet_Header
15.4.4神經(jīng)網(wǎng)絡(luò)類(lèi)——euralNet
15.4.5神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)類(lèi)——euralData
15.4.6誤差跟蹤類(lèi)——CValueTrack
15.4.7訓(xùn)練對(duì)話框類(lèi)——CTrainDlg
15.4.8測(cè)試對(duì)話框類(lèi)——CTestDlg
15.5基于ANN的數(shù)字字符識(shí)別系統(tǒng)——DigitRec的測(cè)試
15.5.1訓(xùn)練
15.5.2測(cè)試
15.6改進(jìn)的DigitRec
15.6.1數(shù)字字符圖像的預(yù)處理類(lèi)——COCRImageProcess
15.6.2輸入圖像的預(yù)處理——實(shí)現(xiàn)
15.6.3輸入圖像的預(yù)處理——測(cè)試
15.7神經(jīng)網(wǎng)絡(luò)參數(shù)對(duì)訓(xùn)練和識(shí)別的影響
15.7.1隱藏層單元數(shù)目的影響
15.7.2學(xué)習(xí)率的影響
15.7.3訓(xùn)練時(shí)代數(shù)目的影響
第16章支持向量機(jī)
16.1支持向量機(jī)的分類(lèi)思想
16.2支持向量機(jī)的理論基礎(chǔ)
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(shù)映射情況下的SVM
16.2.4推廣到多類(lèi)問(wèn)題
16.3SVM的MATLAB實(shí)現(xiàn)
16.3.1訓(xùn)練——svmtrain
16.3.2分類(lèi)——svmclassify
16.3.3應(yīng)用實(shí)例
16.4綜合案例——基于PCA和SVM的人臉識(shí)別系統(tǒng)
16.4.1人臉識(shí)別簡(jiǎn)介
16.4.2前期處理
16.4.3數(shù)據(jù)規(guī)格化
16.4.4核函數(shù)的選擇
16.4.5參數(shù)選擇
16.4.6構(gòu)建多類(lèi)SVM分類(lèi)器
16.4.7實(shí)驗(yàn)結(jié)果
16.5SVM在線資源
16.5.1MATLAB的SVM工具箱
16.5.2LibSVM的簡(jiǎn)介
第17章AdaBoost
17.1AdaBoost分類(lèi)思想
17.2AdaBoost理論基礎(chǔ)
17.3構(gòu)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(lèi)
17.4.1關(guān)于數(shù)據(jù)集
17.4.2數(shù)據(jù)的預(yù)處理
17.4.3算法流程實(shí)現(xiàn)
參考文獻(xiàn)