第0章初識數(shù)字圖像處理與機(jī)器視覺
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
0.1.4數(shù)字圖像的實質(zhì)
0.1.5數(shù)字圖像的表示
0.1.6圖像的空間和灰度級分辨率
0.2數(shù)字圖像處理與機(jī)器視覺
0.2.1從圖像處理到圖像識別
0.2.2什么是機(jī)器視覺
0.2.3數(shù)字圖像處理和識別的應(yīng)用實例
0.3數(shù)字圖像處理的預(yù)備知識
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
1.1.11MATLAB函數(shù)編寫
1.2MATLAB圖像類型及其存儲方式
1.3MATLAB的圖像轉(zhuǎn)換
1.4讀取和寫入圖像文件
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)備無關(guān)位圖
2.1.2BMP圖像文件數(shù)據(jù)結(jié)構(gòu)
2.2認(rèn)識CImg類
2.2.1主要成員函數(shù)列表
2.2.2公有成員
2.3CImg類基礎(chǔ)操作
2.3.1加載和寫入圖像
2.3.2獲得圖像基本信息
2.3.3檢驗有效性
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——CImg和CImgProcess
2.4.3文檔類——CDIPDemoDoc
2.4.4視圖類——CDIPDemoView
2.5CImg應(yīng)用示例
2.5.1打開圖像
2.5.2清空圖像
2.5.3像素初始化方法
2.5.4保存圖像
第3章圖像的點運(yùn)算
3.1灰度直方圖
3.1.1理論基礎(chǔ)
3.1.2MATLAB實現(xiàn)
3.1.3VisualC 實現(xiàn)
3.2灰度的線性變換
3.2.1理論基礎(chǔ)
3.2.2MATLAB程序的實現(xiàn)
3.2.3VisualC 實現(xiàn)
3.3灰度對數(shù)變換
3.3.1理論基礎(chǔ)
3.3.2MATLAB實現(xiàn)
3.3.3VisualC 實現(xiàn)
3.4伽瑪變換
3.4.1理論基礎(chǔ)
3.4.2MATLAB編程實現(xiàn)
3.4.3VisualC 實現(xiàn)
3.5灰度閾值變換
3.5.1理論基礎(chǔ)
3.5.2MATLAB編程實現(xiàn)
3.5.3VisualC 實現(xiàn)
3.6分段線性變換
3.6.1理論基礎(chǔ)
3.6.2MATLAB編程實現(xiàn)
3.6.3VisualC 編程實現(xiàn)
3.7直方圖均衡化
3.7.1理論基礎(chǔ)
3.7.2MATLAB編程實現(xiàn)
3.7.3VisualC 實現(xiàn)
3.8直方圖規(guī)定化(匹配)
3.8.1理論基礎(chǔ)
3.8.2MATLAB編程實現(xiàn)
3.8.3VisualC 實現(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圖像縮放的實現(xiàn)
4.6圖像旋轉(zhuǎn)
4.6.1以原點為中心的圖像旋轉(zhuǎn)
4.6.2以任意點為中心的圖像旋轉(zhuǎn)
4.6.3圖像旋轉(zhuǎn)的實現(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)簡介
4.8.1圖像配準(zhǔn)
4.8.2人臉圖像配準(zhǔn)的MATLAB實現(xiàn)
4.9VisualC 高級應(yīng)用實例——汽車牌照的投影失真校正
4.9.1系統(tǒng)分析與設(shè)計
4.9.2系統(tǒng)實現(xiàn)
4.9.3功能測試
第5章空間域圖像增強(qiáng)
5.1圖像增強(qiáng)基礎(chǔ)
5.2空間域濾波
5.3圖像平滑
5.3.1平均模板及其實現(xiàn)
5.3.2高斯平滑及其實現(xiàn)
5.3.3通用平滑濾波的VisualC 實現(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頻率域濾波——與空間域濾波殊途同歸
6.2傅里葉變換基礎(chǔ)知識
6.2.1傅里葉級數(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傅里葉變換的實質(zhì)——基的轉(zhuǎn)換
6.3快速傅里葉變換及實現(xiàn)
6.3.1FFT變換的必要性
6.3.2常見的FFT算法
6.3.3按時間抽取的基-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實現(xiàn)
6.3.7VisualC 實現(xiàn)
6.4頻域濾波基礎(chǔ)
6.4.1頻域濾波與空域濾波的關(guān)系
6.4.2頻域濾波的基本步驟
6.4.3頻域濾波的MATLAB實現(xiàn)
6.4.4頻域濾波的VisualC 實現(xiàn)
6.5頻率域低通濾波器
6.5.1理想低通濾波器及其實現(xiàn)
6.5.2高斯低通濾波器及其實現(xiàn)
6.6頻率域高通濾波器
6.6.1高斯高通濾波器及其實現(xiàn)
6.6.2頻域拉普拉斯濾波器及其實現(xiàn)
6.7MATLAB綜合案例——利用頻域濾波消除周期噪聲
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頻域濾波器與空域濾波器之間的內(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)的實現(xiàn)
7.1.3圖像處理中分解與重構(gòu)的實現(xiàn)
7.2Gabor多分辨率分析
7.3常見小波分析
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
8.2.2MATLAB實現(xiàn)
8.2.3VisualC 實現(xiàn)
8.3空間濾波
8.3.1空域濾波原理
8.3.2MATLAB實現(xiàn)
8.3.3VisualC 實現(xiàn)
8.4逆濾波復(fù)原
8.4.1逆濾波原理
8.4.2MATLAB實現(xiàn)
8.4.3VisualC 實現(xiàn)
8.5維納濾波復(fù)原
8.5.1維納濾波原理
8.5.2MATLAB實現(xiàn)
8.5.3VisualC 實現(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實現(xiàn)
9.3.2彩色平衡及其MATLAB實現(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保真度評價
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 實現(xiàn)
10.3預(yù)測編碼
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
11.2二值圖像中的基本形態(tài)學(xué)運(yùn)算
11.2.1腐蝕及其實現(xiàn)
11.2.2膨脹及其實現(xiàn)
11.2.3開運(yùn)算及其實現(xiàn)
11.2.4閉運(yùn)算及其實現(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現(xiàn)
11.3.2邊界提取與跟蹤及其實現(xiàn)
11.3.3區(qū)域填充及其VisualC 實現(xiàn)
11.3.4連通分量提取及其實現(xiàn)
11.3.5細(xì)化算法及其VisualC 實現(xiàn)
11.3.6像素化算法及其VisualC 實現(xiàn)
11.3.7凸殼及其VisualC 實現(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灰度膨脹及其實現(xiàn)
11.4.2灰度腐蝕及其實現(xiàn)
11.4.3灰度開、閉運(yùn)算及其實現(xiàn)
11.4.4頂帽變換(top-hat)及其實現(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
12.2.1邊緣檢測概述
12.2.2常用的邊緣檢測算子
12.2.3MATLAB實現(xiàn)
12.2.4VisualC 實現(xiàn)
12.3霍夫變換
12.3.1直線檢測
12.3.2曲線檢測
12.3.3任意形狀的檢測
12.3.4Hough變換直線檢測的MATLAB實現(xiàn)
12.3.5Hough變換直線檢測的VisualC 實現(xiàn)
12.4閾值分割
12.4.1閾值分割方法
12.4.2MATLAB實現(xiàn)
12.4.3VisualC 實現(xiàn)
12.5區(qū)域分割
12.5.1區(qū)域生長及其實現(xiàn)
12.5.2區(qū)域分裂與合并及其MATLAB實現(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)計特征
13.2.1簡單的區(qū)域描繪子及其MATLAB實現(xiàn)
13.2.2直方圖及其統(tǒng)計特征
13.2.3灰度共現(xiàn)矩陣及其VisualC 實現(xiàn)
13.3特征降維
13.3.1維度災(zāi)難
13.3.2特征選擇簡介
13.3.3主成分分析
13.3.4快速PCA及其實現(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實現(xiàn)
13.5.4MB-LBP及其MATLAB實現(xiàn)
13.5.5圖像分區(qū)及其MATLAB實現(xiàn)
第14章圖像識別初步
14.1模式識別概述
14.2模式識別方法分類
14.3最小距離分類器和模板匹配
14.3.1最小距離分類器及其MATLAB實現(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)簡介
15.1.1仿生學(xué)動機(jī)
15.1.2人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用實例
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)練中的問題
15.3基于ANN的數(shù)字字符識別系統(tǒng)DigitRec——分析與設(shè)計
15.3.1任務(wù)描述
15.3.2數(shù)據(jù)集簡介
15.3.3設(shè)計要點
15.4基于ANN的數(shù)字字符識別系統(tǒng)——DigitRec的實現(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——euralNet
15.4.5神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)類——euralData
15.4.6誤差跟蹤類——CValueTrack
15.4.7訓(xùn)練對話框類——CTrainDlg
15.4.8測試對話框類——CTestDlg
15.5基于ANN的數(shù)字字符識別系統(tǒng)——DigitRec的測試
15.5.1訓(xùn)練
15.5.2測試
15.6改進(jìn)的DigitRec
15.6.1數(shù)字字符圖像的預(yù)處理類——COCRImageProcess
15.6.2輸入圖像的預(yù)處理——實現(xiàn)
15.6.3輸入圖像的預(yù)處理——測試
15.7神經(jīng)網(wǎng)絡(luò)參數(shù)對訓(xùn)練和識別的影響
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推廣到多類問題
16.3SVM的MATLAB實現(xiàn)
16.3.1訓(xùn)練——svmtrain
16.3.2分類——svmclassify
16.3.3應(yīng)用實例
16.4綜合案例——基于PCA和SVM的人臉識別系統(tǒng)
16.4.1人臉識別簡介
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SVM分類器
16.4.7實驗結(jié)果
16.5SVM在線資源
16.5.1MATLAB的SVM工具箱
16.5.2LibSVM的簡介
第17章AdaBoost
17.1AdaBoost分類思想
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
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算法流程實現(xiàn)
參考文獻(xiàn)