亚洲va久久久噜噜噜久久狠狠,亚洲成AⅤ人影院在线欢看

本書主要介紹了數字圖像處理和機器視覺的基本知識、基本方法和典型案例，將理論知識、科學研究和工程實踐有機結合起來，主要內容包括緒論、MATLAB數字圖像處理基礎、數字圖像處理基礎知識、圖像的基本運算、圖像變換、灰度變換和濾波、圖像分割、彩色圖像處理、圖像的表示與描述、圖像識別基礎、MATLAB GUI設計基礎、人工神經網絡和卷積神經網絡、基于MATLAB的圖像處理與機器視覺實例。本書內容系統(tǒng)性強，內容深入簡出，理論和編程實踐相結合，書中所有例題和案例都附有MATLAB源程序和原始圖片數據，便于讀者自學。
本書可作為普通高等院校大學本科和研究生教材，也適用于從事數字圖像處理、圖像識別、機器視覺和人工智能研究與開發(fā)的工程技術和科研人員。

前言
圖像作為一種簡單直觀的獲取信息的途徑，廣泛應用于人們的生活與工作中。近年來，數字圖像處理技術在數據處理技術和機器視覺技術的推動下，得以進步和完善。隨著圖像成像設備、計算機的軟硬件以及智能圖像處理設備的成本降低，數字圖像處理技術必將進一步發(fā)展和普及。同時數字圖像處理與機器視覺作為人工智能的主要研究方向之一，為人工智能在各領域的發(fā)展搭建了橋梁。目前已成為醫(yī)學、計算機科學、生物學、工程學、航天、農業(yè)等諸多領域內學者們研究視覺感知的有效工具，且其應用已經遍及生物醫(yī)學、遙感航空、通信工程、工業(yè)工程、農業(yè)信息化、安全軍事、社會生活等各個領域，對推動科技發(fā)展和改善人們的生活水平都起到了重要的作用。
本書第1章主要介紹了數字圖像處理與機器視覺的應用現(xiàn)狀和發(fā)展趨勢。因本書主要使用MATLAB軟件對書中技術進行編程實現(xiàn)，所以第2章主要對MATLAB軟件及其在圖像處理方面的編程基礎進行介紹。第3~10章對最基本和典型的圖像處理技術進行講解。第3章詳細講解了數字圖像處理的基礎知識。第4章介紹了圖像間的基本運算。第5章詳細分析了數字圖像處理中用到的傅里葉變換及性質。第6章介紹了非常實用的圖像的灰度變換與濾波。第7章介紹了當下應用非常廣泛的各種圖像分割技術。第8章在彩色圖像的基礎上講解了彩色圖像的表示、分割、濾波等內容。第9章包含了圖像的各種表示及描述方式。第10章結合圖像識別基礎，詳細講解了模式識別方法，并以車牌識別實例講解了其應用。
第11章詳細講解了MATLAB GUI設計基礎幫助讀者可以自主完成GUI的設計和開發(fā)。第12章結合人工智能領域，引入BP神經網絡、卷積神經網絡。介紹了十分強大的分類技術和案例。第13章引入支持向量機，在介紹支持向量機理論基礎的同時，講解其在圖像分類中的應用。第14章結合生產生活中的熱點問題，對7個典型的圖像處理案例進行了詳細的講解，其中包括：焊縫提取、圖像批量讀入與處理、圓木計數、基于MATLAB圖像處理的GUI設計、碎紙片拼接、基于卷積神經網絡的手寫數字識別、基于SVM的紅棗果梗/花萼及缺陷識別。
本書內容雖經過作者的認真編寫，但書中仍會存在不足之處，懇請讀者多提寶貴意見。

編者

目錄
第1章緒論2
1.1數字圖像處理定義及發(fā)展史2
1.1.1什么是數字圖像處理2
1.1.2與數字圖像處理相關的術語（數字圖像處理、機器視覺、數字圖像識別、計算機圖形學、人工智能）3
1.1.3數字圖像處理的廣義與狹義概念4
1.2數字圖像處理系統(tǒng)組成4
1.3數字圖像處理的主要研究內容和發(fā)展趨勢5
1.3.1數字圖像處理的主要研究內容5
1.3.2數字圖像處理應用及發(fā)展趨勢6
1.4常用數字圖像工具軟件簡介12
1.4.1 MATLAB12
1.4.2 Python13
1.4.3 OpenCV13
1.4.4 Java14
1.4.5 C 14
1.4.6 HALCON14
本章小結15
習題15
第2章 MATLAB數字圖像處理基礎16
2.1 MATLAB簡介16
2.2 MATLAB軟件的安裝16
2.3 MATLAB程序設計語言基礎22
2.3.1 MATLAB語言變量與常量22
2.3.2 MATLAB數據結構23
2.3.3 MATLAB基本語句結構23
2.3.4 M文件的編寫24
2.3.5 MATLAB函數編寫24
2.3.6 MATLAB幫助文檔（help、doc、type）25
2.4 MATLAB程序設計29
2.4.1 循環(huán)語句結構29
2.4.2條件語句結構30
2.4.3開關語句結構31
2.4.4程序調試與優(yōu)化31
2.5.2 MATLAB圖像類型及存儲方式34
2.5.3 MATLAB圖像轉換35
2.5.4 讀取和寫入圖像文件36
2.5.5 圖像顯示37
本章小結38
習題39
第3章數字圖像處理基礎知識45
3.1 圖像的基本概念45
3.2 圖像的數字化及表達46
3.3 圖像的獲取與顯示47
3.3.1圖像的采樣47
3.3.2采樣點的選取48
3.3.3圖像的量化48
3.4 像素間的基本關系49
3.4.1鄰域49
3.4.2像素的鄰接性與連通性50
3.5灰度直方圖52
3.5.1灰度直方圖的繪制52
3.5.2灰度直方圖的使用53
3.6圖像的分類54
3.6.1二值圖像54
3.6.2灰度圖像55
3.6.3彩色圖像55
3.6.4矢量圖象56
3.6.5索引圖像56
本章小結58
習題58
第4章圖像的基本運算59
4.1 概述59
4.2點運算59
4.2.1線性點運算60
4.2.2非線性點運算61
4.3代數運算63
4.3.1加法運算64
4.3.2減法運算66
4.3.3乘法運算67
4.3.4除法運算67
4.4邏輯運算68
4.5幾何運算69
4.5.1圖像的平移69
4.5.2圖像的鏡像71
4.5.3圖像的旋轉72
4.5.4圖像的縮放74
4.5.5灰度插值75
本章小結77
習題77
第5章圖像變換79
5.1 認識傅里葉變換80
5.2 快速傅里葉變換83
5.2.1時間抽取（DIT）的基2 FFT算法85
5.3 傅里葉變換的性質85
5.3.1 線性85
5.3.2 對稱性質85
5.3.3 尺度變換性質86
5.3.4 時移性質86
5.3.5 頻移性質86
5.3.6 平移性質86
5.3.7 可分離性87
5.3.8 周期性和共軛對稱性89
5.3.9 旋轉性質90
5.3.10 分配律91
5.3.11 尺度變換92
5.4.7 平均值94
5.4.8 卷積定理94
本章小結95
習題95
第6章灰度變換與濾波96
6.1 灰度變換96
6.1.1灰度線性變換97
6.1.2灰度分段線性變換98
6.1.3反轉變換99
6.1.4對數變換100
6.1.5冪次變換101
6.2 直方圖變換101
6.2.1直方圖均衡化102
6.2.2直方圖規(guī)定化104
6.3 圖像的高、低頻分量與噪聲的關系106
6.4空間濾波106
6.4.1均值濾波107
6.4.2中值濾波109
6.4.3高斯濾波110
6.5頻域濾波111
6.5.1低通濾波112
6.5.2高通濾波116
6.5.3同態(tài)濾波118
6.5.4帶阻濾波121
本章小結124
習題124
第7章圖像分割125
7.1 引言125
7.2 圖像分割處理125
7.3 基于閾值的圖像處理126
7.3.1 全局閾值分割126
7.3.2多閾值分割131
7.3.2自適應閾值132
7.3.3最佳閾值的選擇法134
7.3.4分水嶺算法136
7.4基于梯度的圖像分割136
7.4.1邊界跟蹤136
7.4.2梯度圖像二值化137
7.5邊緣檢測與連接138
7.5.1邊緣檢測138
7.5.2邊緣連接140
7.6區(qū)域分割141
7.6.1區(qū)域生長141
7.6.2區(qū)域分裂合并法143
7.7數學形態(tài)學圖像處理145
7.7.1 腐蝕與膨脹147
7.7.2開運算和閉運算149
7.8圖像分割綜合應用150
本章小結152
習題152
第8章彩色圖像處理154
8.1彩色圖像基礎154
8.1.1彩色的定義155
8.1.2彩色的物理認識155
8.1.3三原色155
8.1.4 計算機中的顏色表示156
8.2彩色圖像的表示157
8.2.1 RGB模型157
8.2.1 HSV彩色空間158
8.2.2 HSI模型159
8.2.3 Lab顏色模型160
8.3 彩色圖處理基礎161
8.3.1圖像的偽彩色處理161
8.3.2 全彩色圖像處理基礎167
8.4彩色圖像的空間濾波168
8.4.1彩色圖像平衡168
8.4.2彩色圖像增強170
1.彩色圖像增強170
2.彩色圖像直方圖處理170
8.4.3彩色圖像平滑173
8.4.4彩色圖像銳化 ( Color Image Sharpening)175
8.5彩色圖像分割( Color Image Segmentation )177
8.5.1 HSI彩色空間分割( Segmentation in HSI Color Space )177
8.5.2 RGB彩色空間分割( Segmentation in RGB Color Space )177
本章小結179
習題179
第9章圖像的表示與描述180
9.1 背景180
9.2 顏色描述181
9.2.1灰度性質 ( Intensity Feature )181
9.2.2直方圖的性質(Histogram Feature )182
9.2.3 顏色矩（Color Moments )183
9.3 紋理描述（Representation of Image Texture)184
9.3.1自相關函數185
9.3.2灰度差分統(tǒng)計186
9.3.3灰度共生矩陣186
9.3.4頻譜特征187
9.4邊界表示187
9.4.1鏈碼187
9.4.2曲線的鏈碼表示

你還可能感興趣

我要評論