计算机 类型
可以朗读 语音朗读
615千字 字数
2014-07-01 发行日期
展开全部

主编推荐语

本书全面介绍数字图像处理，涵盖理论、研究与实践。

内容简介

本书将理论知识、科学研究和工程实践有机结合起来，内容涉及到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、形态学处理、图像分割以及图像特征提取的相关内容。

目录

  • 版权信息
  • 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
  • 欢迎来到异步社区！
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。