-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

數位影像處理與機器視覺:Visual C++與Matlab實現(第2版)

( 簡體 字)
作者:張錚,徐超,任淑霞,韓海玲類別:1. -> 教材 -> 數位影像處理
   2. -> 程式設計 -> C++ -> VC++
   3. -> 工程繪圖與工程計算 -> Matlab
譯者:
出版社:人民郵電出版社數位影像處理與機器視覺:Visual C++與Matlab實現(第2版) 3dWoo書號: 38411
詢問書籍請說出此書號!

缺書
NT售價: 395

出版日:5/1/2014
頁數:582
光碟數:1
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787115346681
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

內容簡介:

  《數字圖像處理與機器視覺——Visual C++與Matlab實現(第2版)》將理論知識、科學研究和工程實踐有機結合起來,內容涉及數字圖像處理和識別技術的方方面面,包括圖像的點運算、幾何變換、空域和頻域濾波、小波變換、圖像復原、彩色圖像處理、形態學處理、圖像分割、圖像壓縮以及圖像特征提取等;同時對機器視覺進行了前導性的探究,重點介紹了3種目前在工程技術領域非常流行的分類技術——人工神經網絡(ANN)、支持向量機(SVM)和AdaBoost,并在配套給出的識別案例中直擊光學字符識別(OCR)、人臉識別和性別分類等熱點問題。
  《數字圖像處理與機器視覺——Visual C++與Matlab實現(第2版)》結構緊湊,內容深入淺出,講解圖文并茂,適合于計算機、通信和自動化等相關專業的本科生、研究生,以及工作在圖像處理和識別領域一線的廣大工程技術人員閱讀參考。
目錄:

目 錄

第0章 初識數字圖像處理與機器視覺 1
0.1 數字圖像 1
0.1.1 什么是數字圖像 1
0.1.2 數字圖像的顯示 1
0.1.3 數字圖像的分類 2
0.1.4 數字圖像的實質 3
0.1.5 數字圖像的表示 4
0.1.6 圖像的空間和灰度級分辨率 4
0.2 數字圖像處理與機器視覺 5
0.2.1 從圖像處理到圖像識別 5
0.2.2 什么是機器視覺 6
0.2.3 數字圖像處理和識別的應用實例 7
0.3 數字圖像處理的預備知識 8
0.3.1 鄰接性、連通性、區域和邊界 8
0.3.2 距離度量的幾種方法 9
0.3.3 基本的圖像操作 10

第1章 MATLAB數字圖像處理編程基礎 11
1.1 MATLAB R2011a簡介 11
1.1.1 MATLAB軟件環境 11
1.1.2 文件操作 12
1.1.3 在線幫助的使用 13
1.1.4 變量的使用 15
1.1.5 矩陣的使用 17
1.1.6 細胞數組(Cell Array)和結構體(Structure) 19
1.1.7 關系運算與邏輯運算 20
1.1.8 常用圖像處理數學函數 21
1.1.9 MATLAB程序流程控制 22
1.1.10 M文件編寫 25
1.1.11 MATLAB函數編寫 26
1.2 MATLAB圖像類型及其存儲方式 28
1.3 MATLAB的圖像轉換 30
1.4 讀取和寫入圖像文件 32
1.5 圖像的顯示 34

第2章 Visual C++圖像處理編程基礎 37
2.1 位圖文件及其C++操作 37
2.1.1 設備無關位圖 37
2.1.2 BMP圖像文件數據結構 37
2.2 認識CImg類 40
2.2.1 主要成員函數列表 40
2.2.2 公有成員 41
2.3 CImg類基礎操作 41
2.3.1 加載和寫入圖像 41
2.3.2 獲得圖像基本信息 44
2.3.3 檢驗有效性 45
2.3.4 按像素操作 45
2.3.5 改變圖像大小 47
2.3.6 重載的運算符 47
2.3.7 在屏幕上繪制位圖圖像 48
2.3.8 新建圖像 48
2.3.9 圖像類型的判斷與轉化 50
2.4 DIPDemo工程 51
2.4.1 DIPDemo主界面 51
2.4.2 圖像操作和處理類——CImg和CImgProcess 52
2.4.3 文檔類——CDIPDemoDoc 53
2.4.4 視圖類——CDIPDemoView 53
2.5 CImg應用示例 54
2.5.1 打開圖像 54
2.5.2 清空圖像 55
2.5.3 像素初始化方法 56
2.5.4 保存圖像 57

第3章 圖像的點運算 58
3.1 灰度直方圖 58
3.1.1 理論基礎 58
3.1.2 MATLAB實現 59
3.1.3 Visual C++實現 62
3.2 灰度的線性變換 63
3.2.1 理論基礎 63
3.2.2 MATLAB程序的實現 64
3.2.3 Visual C++實現 66
3.3 灰度對數變換 67
3.3.1 理論基礎 67
3.3.2 MATLAB實現 68
3.3.3 Visual C++實現 69
3.4 伽瑪變換 70
3.4.1 理論基礎 70
3.4.2 MATLAB編程實現 70
3.4.3 Visual C++實現 72
3.5 灰度閾值變換 73
3.5.1 理論基礎 73
3.5.2 MATLAB編程實現 74
3.5.3 Visual C++實現 75
3.6 分段線性變換 76
3.6.1 理論基礎 76
3.6.2 MATLAB編程實現 77
3.6.3 Visual C++編程實現 81
3.7 直方圖均衡化 82
3.7.1 理論基礎 82
3.7.2 MATLAB編程實現 83
3.7.3 Visual C++實現 85
3.8 直方圖規定化(匹配) 86
3.8.1 理論基礎 86
3.8.2 MATLAB編程實現 87
3.8.3 Visual C++實現 89

第4章 圖像的幾何變換 92
4.1 解決幾何變換的一般思路 92
4.2 圖像平移 94
4.2.1 圖像平移的變換公式 94
4.2.2 圖像平移的實現 94
4.3 圖像鏡像 96
4.3.1 圖像鏡像的變換公式 96
4.3.2 圖像鏡像的實現 97
4.4 圖像轉置 99
4.4.1 圖像轉置的變換公式 99
4.4.2 圖像轉置的實現 99
4.5 圖像縮放 101
4.5.1 圖像縮放的變換公式 101
4.5.2 圖像縮放的實現 101
4.6 圖像旋轉 103
4.6.1 以原點為中心的圖像旋轉 103
4.6.2 以任意點為中心的圖像旋轉 104
4.6.3 圖像旋轉的實現 105
4.7 插值算法 106
4.7.1 最近鄰插值 106
4.7.2 雙線性插值 107
4.7.3 高階插值 109
4.8 圖像配準簡介 111
4.8.1 圖像配準 112
4.8.2 人臉圖像配準的MATLAB實現 112
4.9 Visual C++高級應用實例——汽車牌照的投影失真校正 115
4.9.1 系統分析與設計 116
4.9.2 系統實現 117
4.9.3 功能測試 122

第5章 空間域圖像增強 126
5.1 圖像增強基礎 126
5.2 空間域濾波 127
5.3 圖像平滑 133
5.3.1 平均模板及其實現 133
5.3.2 高斯平滑及其實現 134
5.3.3 通用平滑濾波的Visual C++實現 138
5.3.4 自適應平滑濾波 139
5.4 中值濾波 140
5.4.1 性能比較 140
5.4.2 一種改進的中值濾波策略 144
5.4.3 中值濾波的工作原理 145
5.5 圖像銳化 145
5.5.1 理論基礎 145
5.5.2 基于一階導數的圖像增強——梯度算子 145
5.5.3 基于二階微分的圖像增強——拉普拉斯算子 149
5.5.4 基于一階與二階導數的銳化算子的比較 151
5.5.5 高提升濾波及其實現 152
5.5.6 高斯-拉普拉斯變換(Laplacian of a Gaussian,LoG) 156

第6章 頻率域圖像增強 159
6.1 頻率域濾波——與空間域濾波殊途同歸 159
6.2 傅里葉變換基礎知識 159
6.2.1 傅里葉級數 159
6.2.2 傅里葉變換 161
6.2.3 幅度譜、相位譜和功率譜 163
6.2.4 傅里葉變換的實質——基的轉換 165
6.3 快速傅里葉變換及實現 166
6.3.1 FFT變換的必要性 167
6.3.2 常見的FFT算法 167
6.3.3 按時間抽取的基-2 FFT算法 168
6.3.4 離散反傅里葉變換的快速算法 171
6.3.5 N維快速傅里葉變換 171
6.3.6 MATLAB實現 171
6.3.7 Visual C++實現 175
6.4 頻域濾波基礎 183
6.4.1 頻域濾波與空域濾波的關系 183
6.4.2 頻域濾波的基本步驟 184
6.4.3 頻域濾波的MATLAB實現 184
6.4.4 頻域濾波的Visual C++實現 185
6.5 頻率域低通濾波器 187
6.5.1 理想低通濾波器及其實現 187
6.5.2 高斯低通濾波器及其實現 191
6.6 頻率域高通濾波器 195
6.6.1 高斯高通濾波器及其實現 195
6.6.2 頻域拉普拉斯濾波器及其實現 198
6.7 MATLAB綜合案例——利用頻域濾波消除周期噪聲 201
6.7.1 頻域帶阻濾波器 201
6.7.2 帶阻濾波器消除周期噪聲 202
6.8 頻域濾波器與空域濾波器之間的內在聯系 204
附錄 205

第7章 小波變換 207
7.1 多分辨率分析 207
7.1.1 多分辨率框架 207
7.1.2 分解與重構的實現 213
7.1.3 圖像處理中分解與重構的實現 214
7.2 Gabor多分辨率分析 220
7.3 常見小波分析 223
7.3.1 Haar小波 223
7.3.2 Daubechies小波 225
7.4 高維小波 227

第8章 圖像復原 230
8.1 圖像復原的理論模型 230
8.1.1 圖像復原的基本概念 230
8.1.2 圖像復原的一般模型 232
8.2 噪聲模型 232
8.2.1 噪聲種類 233
8.2.2 MATLAB實現 237
8.2.3 Visual C++實現 239
8.3 空間濾波 244
8.3.1 空域濾波原理 244
8.3.2 MATLAB實現 245
8.3.3 Visual C++實現 247
8.4 逆濾波復原 250
8.4.1 逆濾波原理 250
8.4.2 MATLAB實現 251
8.4.3 Visual C++實現 253
8.5 維納濾波復原 256
8.5.1 維納濾波原理 256
8.5.2 MATLAB實現 257
8.5.3 Visual C++實現 260
8.6 有約束最小二乘復原 262
8.7 Lucky-Richardson復原 265
8.8 盲去卷積圖像復原 266
8.9 MATLAB圖像復原綜合案例——去除照片的運動模糊 268

第9章 彩色圖像處理 270
9.1 彩色基礎 270
9.2 彩色模型 272
9.2.1 RGB模型 272
9.2.2 CMY、CMYK模型 274
9.2.3 HSI模型 276
9.2.4 HSV模型 282
9.2.5 YUV模型 287
9.2.6 YIQ模型 292
9.2.7 Lab模型簡介 296
9.3 全彩色圖像處理基礎 296
9.3.1 彩色補償及其MATLAB實現 296
9.3.2 彩色平衡及其MATLAB實現 298

第10章 圖像壓縮 300
10.1 圖像壓縮理論 300
10.1.1 圖像冗余 300
10.1.2 香農定理 303
10.1.3 保真度評價 304
10.2 DCT變換與量化 304
10.2.1 DCT變換原理 304
10.2.2 量化 306
10.2.3 DCT變換和量化的Visual C++實現 307
10.3 預測編碼 312
10.4 霍夫曼編碼 313
10.4.1 霍夫曼編碼原理 313
10.4.2 霍夫曼編碼的Visual C++實現 316
10.5 算術編碼 324
10.5.1 算術編碼原理 324
10.5.2 算術編碼的Visual C++實現 327
10.6 游程編碼 330
10.7 JPEG和JPEG2000壓縮標準 331
10.8 Visual C++綜合案例——類似JPEG的圖像壓縮 332

第11章 形態學圖像處理 341
11.1 預備知識 341
11.2 二值圖像中的基本形態學運算 342
11.2.1 腐蝕及其實現 343
11.2.2 膨脹及其實現 350
11.2.3 開運算及其實現 353
11.2.4 閉運算及其實現 356
11.3 二值圖像中的形態學應用 357
11.3.1 擊中與擊不中變換及其實現 357
11.3.2 邊界提取與跟蹤及其實現 359
11.3.3 區域填充及其Visual C++實現 363
11.3.4 連通分量提取及其實現 365
11.3.5 細化算法及其Visual C++實現 370
11.3.6 像素化算法及其Visual C++實現 374
11.3.7 凸殼及其Visual C++實現 379
11.3.8 bwmorph()函數 382
11.4 灰度圖像中的基本形態學運算 383
11.4.1 灰度膨脹及其實現 383
11.4.2 灰度腐蝕及其實現 386
11.4.3 灰度開、閉運算及其實現 389
11.4.4 頂帽變換(top-hat)及其實現 392
小結 394

第12章 圖像分割 395
12.1 圖像分割概述 395
12.2 邊緣檢測 396
12.2.1 邊緣檢測概述 396
12.2.2 常用的邊緣檢測算子 397
12.2.3 MATLAB實現 400
12.2.4 Visual C++實現 402
12.3 霍夫變換 409
12.3.1 直線檢測 409
12.3.2 曲線檢測 411
12.3.3 任意形狀的檢測 411
12.3.4 Hough變換直線檢測的MATLAB實現 412
12.3.5 Hough變換直線檢測的Visual C++實現 415
12.4 閾值分割 418
12.4.1 閾值分割方法 419
12.4.2 MATLAB實現 422
12.4.3 Visual C++實現 423
12.5 區域分割 425
12.5.1 區域生長及其實現 425
12.5.2 區域分裂與合并及其MATLAB實現 429
12.6 小結 433

第13章 特征提取 434
13.1 圖像特征概述 434
13.2 基本統計特征 436
13.2.1 簡單的區域描繪子及其MATLAB實現 436
13.2.2 直方圖及其統計特征 437
13.2.3 灰度共現矩陣及其Visual C++實現 439
13.3 特征降維 442
13.3.1 維度災難 442
13.3.2 特征選擇簡介 443
13.3.3 主成分分析 444
13.3.4 快速PCA及其實現 450
13.4 綜合案例——基于PCA的人臉特征抽取 451
13.4.1 數據集簡介 452
13.4.2 生成樣本矩陣 452
13.4.3 主成分分析 453
13.4.4 主成分臉可視化分析 454
13.4.5 基于主分量的人臉重建 456
13.5 局部二進制模式 457
13.5.1 基本LBP 457
13.5.2 圓形鄰域的LBPP,R算子 458
13.5.3 統一化LBP算子——Uniform LBP及其MATLAB實現 459
13.5.4 MB-LBP及其MATLAB實現 462
13.5.5 圖像分區及其MATLAB實現 467

第14章 圖像識別初步 470
14.1 模式識別概述 470
14.2 模式識別方法分類 474
14.3 最小距離分類器和模板匹配 476
14.3.1 最小距離分類器及其MATLAB實現 476
14.3.2 基于相關的模板匹配 477
14.3.3 相關匹配的計算效率 482

第15章 人工神經網絡 484
15.1 人工神經網絡簡介 484
15.1.1 仿生學動機 484
15.1.2 人工神經網絡的應用實例 486
15.2 人工神經網絡的理論基礎 487
15.2.1 訓練線性單元的梯度下降算法 487
15.2.2 多層人工神經網絡 492
15.2.3 Sigmoid單元 492
15.2.4 反向傳播(Back Propagation,BP)算法 493
15.2.5 訓練中的問題 496
15.3 基于ANN的數字字符識別系統DigitRec——分析與設計 498
15.3.1 任務描述 498
15.3.2 數據集簡介 498
15.3.3 設計要點 498
15.4 基于ANN的數字字符識別系統——DigitRec的實現 500
15.4.1 構建神經元結構——SNeuron 500
15.4.2 構建神經網絡網絡層——SNeuronLayer 501
15.4.3 神經網絡信息頭——NeuralNet_Header 502
15.4.4 神經網絡類——CNeuralNet 502
15.4.5 神經網絡的訓練數據類——CNeuralData 513
15.4.6 誤差跟蹤類——CValueTrack 518
15.4.7 訓練對話框類——CTrainDlg 520
15.4.8 測試對話框類——CTestDlg 523
15.5 基于ANN的數字字符識別系統——DigitRec的測試 526
15.5.1 訓練 526
15.5.2 測試 526
15.6 改進的DigitRec 527
15.6.1 數字字符圖像的預處理類——COCRImageProcess 527
15.6.2 輸入圖像的預處理——實現 528
15.6.3 輸入圖像的預處理——測試 539
15.7 神經網絡參數對訓練和識別的影響 540
15.7.1 隱藏層單元數目的影響 540
15.7.2 學習率的影響 541
15.7.3 訓練時代數目的影響 542

第16章 支持向量機 544
16.1 支持向量機的分類思想 544
16.2 支持向量機的理論基礎 545
16.2.1 線性可分情況下的SVM 545
16.2.2 非線性可分情況下的C-SVM 548
16.2.3 需要核函數映射情況下的SVM 550
16.2.4 推廣到多類問題 553
16.3 SVM的MATLAB實現 554
16.3.1 訓練——svmtrain 555
16.3.2 分類——svmclassify 556
16.3.3 應用實例 557
16.4 綜合案例——基于PCA和SVM的人臉識別系統 557
16.4.1 人臉識別簡介 558
16.4.2 前期處理 558
16.4.3 數據規格化 558
16.4.4 核函數的選擇 561
16.4.5 參數選擇 562
16.4.6 構建多類SVM分類器 564
16.4.7 實驗結果 566
16.5 SVM在線資源 571
16.5.1 MATLAB的SVM工具箱 572
16.5.2 LibSVM的簡介 572

第17章 AdaBoost 573
17.1 AdaBoost分類思想 573
17.2 AdaBoost理論基礎 575
17.3 構建AdaBoost的MATLAB工具箱 577
17.4 MATLAB綜合案例——基于AdaBoost的面部圖像男女性別分類 580
17.4.1 關于數據集 580
17.4.2 數據的預處理 581
17.4.3 算法流程實現 581

參考文獻 583
序: