第1章 緒論
1.1 數(shù)字圖像處理的發(fā)展
1.2 數(shù)字圖像處理的相關(guān)概念
1.2.1 數(shù)字圖像及其組成要素
1.2.2 圖像處理
1.2.3 圖像分析
1.2.4 圖像理解
1.2.5 與相關(guān)學(xué)科的關(guān)系
1.3 數(shù)字圖像處理方法
1.3.1 空域處理方法
1.3.2 變換域處理方法
1.4 數(shù)字圖像處理的主要研究?jī)?nèi)容
1.5 數(shù)字圖像處理的應(yīng)用實(shí)例
1.5.1 生物醫(yī)學(xué)中的應(yīng)用
1.5.2 遙感領(lǐng)域中的應(yīng)用 第1章 緒論
1.1 數(shù)字圖像處理的發(fā)展
1.2 數(shù)字圖像處理的相關(guān)概念
1.2.1 數(shù)字圖像及其組成要素
1.2.2 圖像處理
1.2.3 圖像分析
1.2.4 圖像理解
1.2.5 與相關(guān)學(xué)科的關(guān)系
1.3 數(shù)字圖像處理方法
1.3.1 空域處理方法
1.3.2 變換域處理方法
1.4 數(shù)字圖像處理的主要研究?jī)?nèi)容
1.5 數(shù)字圖像處理的應(yīng)用實(shí)例
1.5.1 生物醫(yī)學(xué)中的應(yīng)用
1.5.2 遙感領(lǐng)域中的應(yīng)用
1.5.3 工業(yè)方面的應(yīng)用
1.5.4 軍事公安領(lǐng)域的應(yīng)用
1.5.5 通信中的應(yīng)用
1.5.6 交通中的應(yīng)用
1.5.7 其他應(yīng)用
1.6 小結(jié)
習(xí)題
第2章 數(shù)字圖像表示及其處理
2.1 人眼成像及視覺(jué)信息的產(chǎn)生
2.2 簡(jiǎn)單的圖像形成模型
2.2.1 亮度成像模型
2.2.2 顏色成像模型
2.2.3 顏色空間
2.3 圖像的數(shù)字化
2.3.1 采樣
2.3.2 量化
2.4 數(shù)字圖像的基本類型
2.4.1 二值圖像
2.4.2 灰度圖像
2.4.3 RGB圖像
2.4.4 索引圖像
2.5 數(shù)字圖像的基本文件格式
2.5.1 BMP文件格式
2.5.2 TIFF文件格式
2.5.3 GIF文件格式
2.5.4 PCX文件格式
2.5.5 JPEG文件格式
2.5.6 用VC++實(shí)現(xiàn)BMP圖像文件的顯示
2.6 小結(jié)
習(xí)題
第3章 圖像增強(qiáng)
3.1 概述
3.2 空域增強(qiáng)
3.2.1 灰度變換增強(qiáng)
3.2.2 直方圖變換增強(qiáng)
3.2.3 空間平滑濾波增強(qiáng)
3.3 頻域增強(qiáng)
3.3.1 傅里葉變換
3.3.2 頻域?yàn)V波增強(qiáng)
3.4 圖像的銳化
3.4.1 基于一階微分的圖像增強(qiáng)——梯度算子
3.4.2 基于二階微分的圖像增強(qiáng)——拉普拉斯算子
3.5 彩色圖像增強(qiáng)
3.5.1 偽彩色增強(qiáng)
3.5.2 假彩色增強(qiáng)
3.5.3 真彩色增強(qiáng)
3.6 小結(jié)
習(xí)題
第4章 圖像編碼與壓縮
4.1 圖像編碼的必要性與可能性
4.1.1 圖像編碼的必要性
4.1.2 圖像編碼的可能性
4.2 圖像編碼分類
4.3 圖像編碼評(píng)價(jià)準(zhǔn)則
4.3.1 客觀保真度準(zhǔn)則
4.3.2 主觀保真度準(zhǔn)則
4.4 圖像編碼模型
4.4.1 信源編碼器和信源解碼器
4.4.2 信道編碼器和信道解碼器
4.5 無(wú)損壓縮
4.5.1 霍夫曼編碼
4.5.2 費(fèi)諾-香農(nóng)編碼
4.5.3 算術(shù)編碼
4.5.4 游程編碼
4.5.5 無(wú)損預(yù)測(cè)編碼
4.6 有損壓縮
4.6.1 有損預(yù)測(cè)編碼
4.6.2 變換編碼
4.7 JPEG圖像編碼壓縮標(biāo)準(zhǔn)
4.7.1 JPEG的工作模式
4.7.2 基本工作模式
4.7.3 JPEG文件格式
4.8 MPEG視頻編碼壓縮標(biāo)準(zhǔn)
4.9 小結(jié)
習(xí)題
第5章 圖像復(fù)原
5.1 基本概念
5.1.1 圖像退化一般模型
5.1.2 成像系統(tǒng)的基本定義
5.1.3 連續(xù)函數(shù)的退化模型
5.1.4 離散函數(shù)的退化模型
5.2 圖像噪聲與只存在噪聲的空域?yàn)V波復(fù)原
5.2.1 常見(jiàn)的噪聲及其概率密度函數(shù)
5.2.2 只存在噪聲的空域?yàn)V波復(fù)原
5.3 無(wú)約束復(fù)原
5.3.1 無(wú)約束復(fù)原的代數(shù)方法
5.3.2 退化函數(shù)H(u,v)的估計(jì)
5.3.3 逆濾波
5.3.4 去除由勻速運(yùn)動(dòng)引起的模糊
5.4 有約束復(fù)原
5.4.1 約束最小二乘方復(fù)原
5.4.2 維納濾波
5.4.3 有約束最小平方濾波
5.5 非線性復(fù)原方法
5.5.1 最大后驗(yàn)復(fù)原
5.5.2 最大熵復(fù)原
5.5.3 投影復(fù)原方法
5.6 幾種其他圖像復(fù)原技術(shù)
5.6.1 幾何畸變校正
5.6.2 盲目圖像復(fù)原
5.7 小結(jié)
習(xí)題
第6章 圖像重建
6.1 概述
6.2 圖像重建原理
6.3 傅里葉反投影重建
6.3.1 重建公式的推導(dǎo)
6.3.2 重建公式的實(shí)用化
6.4 卷積法重建
6.5 代數(shù)重建
6.6 重建圖像的顯示
6.6.1 三維圖像重建的體繪制
6.6.2 三維圖像重建的面繪制
6.7 小結(jié)
習(xí)題
第7章 圖像分割技術(shù)
7.1 圖像分割概述
7.2 基于邊緣的分割
7.2.1 邊緣檢測(cè)概述
7.2.2 邊緣檢測(cè)方法
7.2.3 邊界跟蹤
7.3 基于閾值的分割
7.3.1 閾值分割原理及分類
7.3.2 全局閾值
7.3.3 局部閾值
7.3.4 閾值選取方法
7.4 基于熵的分割方法
7.4.1 一維最大熵分割方法
7.4.2 二維最大熵分割方法
7.5 基于區(qū)域的分割
7.5.1 區(qū)域生長(zhǎng)法
7.5.2 區(qū)域分裂與合并法
7.6 基于形態(tài)學(xué)分水嶺的分割
7.6.1 形態(tài)學(xué)圖像處理基本概念和運(yùn)算
7.6.2 基于分水嶺的分割
7.7 基于聚類的分割
7.7.1 C?均值聚類方法
7.7.2 模糊C?均值聚類方法
7.8 彩色圖像分割
7.8.1 直方圖閾值法
7.8.2 彩色空間聚類法
7.8.3 區(qū)域生長(zhǎng)法
7.9 小結(jié)
習(xí)題
第8章 圖像特征提取與分析
8.1 概述
8.1.1 圖像內(nèi)容
8.1.2 圖像特征
8.1.3 特征選擇
8.2 顏色特征描述
8.2.1 符合視覺(jué)感知的顏色空間
8.2.2 顏色直方圖
8.2.3 顏色矩
8.2.4 顏色集
8.2.5 顏色相關(guān)矢量
8.3 形狀特征描述
8.3.1 幾個(gè)基本概念
8.3.2 區(qū)域內(nèi)部空間域分析
8.3.3 區(qū)域內(nèi)部變換分析
8.3.4 區(qū)域邊界的形狀特征描述
8.4 圖像的紋理分析技術(shù)
8.4.1 紋理分析概念
8.4.2 空間灰度共生矩陣
8.4.3 紋理能量測(cè)量
8.4.4 紋理的結(jié)構(gòu)分析方法和紋理梯度
8.5 局部特征描述
8.5.1 概述
8.5.2 角點(diǎn)檢測(cè)
8.5.3 區(qū)域描述子
8.6 小結(jié)
習(xí)題
第9章 圖像匹配與識(shí)別
9.1 圖像識(shí)別的基本概念
9.2 圖像識(shí)別方法分類
9.3 基于匹配的圖像識(shí)別
9.3.1 全局模板匹配
9.3.2 模板矢量匹配
9.4 統(tǒng)計(jì)識(shí)別方法
9.5 人工神經(jīng)網(wǎng)絡(luò)識(shí)別方法
9.5.1 BP神經(jīng)網(wǎng)絡(luò)圖像識(shí)別
9.5.2 自組織神經(jīng)網(wǎng)絡(luò)識(shí)別方法
9.6 支持矢量機(jī)識(shí)別方法
9.6.1 SVM算法的基本思想
9.6.2 SVM算法的分類過(guò)程
9.6.3 人臉識(shí)別應(yīng)用
9.7 模糊識(shí)別方法
9.8 句法識(shí)別方法
9.9 小結(jié)
習(xí)題
第10章 基于MATLAB圖像處理應(yīng)用實(shí)例
10.1 MATLAB簡(jiǎn)介
10.1.1 MATLAB基礎(chǔ)
10.1.2 MATLAB的運(yùn)行
10.1.3 MATLAB圖像處理功能
10.2 案例一： 數(shù)字水印嵌入與提取
10.2.1 數(shù)字水印的相關(guān)概念
10.2.2 數(shù)字水印的分類
10.2.3 數(shù)字水印系統(tǒng)的組成
10.2.4 水印系統(tǒng)設(shè)計(jì)
10.3 案例二： 圖像配準(zhǔn)
10.3.1 圖像配準(zhǔn)概述
10.3.2 基于RANSAC算法的Harris角點(diǎn)配準(zhǔn)
10.4 案例三： 圖像融合
10.4.1 圖像融合概述
10.4.2 圖像融合分類
10.4.3 像素域圖像融合實(shí)現(xiàn)
10.5 案例四： 圖像修復(fù)
10.5.1 圖像修復(fù)概述
10.5.2 圖像修復(fù)的數(shù)學(xué)模型
10.5.3 基于樣本的圖像修復(fù)算法
10.6 小結(jié)
習(xí)題
第11章 基于C++的圖像系統(tǒng)設(shè)計(jì)
11.1 概述
11.1.1 工業(yè)光源的選擇
11.1.2 工業(yè)相機(jī)的選擇
11.1.3 工業(yè)鏡頭的選擇
11.1.4 圖像系統(tǒng)實(shí)驗(yàn)平臺(tái)案例
11.2 基于OpenCV的棋盤(pán)格攝像機(jī)標(biāo)定
11.2.1 OpenCV簡(jiǎn)介
11.2.2 棋盤(pán)格攝像機(jī)標(biāo)定
11.2.3 攝像機(jī)標(biāo)定的步驟
11.3 車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)
11.3.1 彩色圖像轉(zhuǎn)換為灰度圖像
11.3.2 圖像灰度拉伸
11.3.3 圖像的二值化
11.3.4 圖像的梯度銳化
11.3.5 圖像的中值濾波
11.3.6 車(chē)牌牌照區(qū)域的定位
11.3.7 確定牌照區(qū)域的4個(gè)坐標(biāo)值
11.3.8 車(chē)牌區(qū)域截取
11.3.9 牌照幾何位置的調(diào)整
11.3.10 牌照區(qū)域的二值化
11.3.11 牌照字符的切分
11.3.12 牌照字符的識(shí)別
11.4 小結(jié)
習(xí)題
參考文獻(xiàn)