数字图像处理与机器视觉-Visual C++与Matlab实现-(第2版)-(附光盘0_PDF下载[81MB-百度云]张铮

本书特色

[

《数字图像处理与机器视觉——visual c++与matlab实现(第2版)》将理论知识、科学研究和工程实践有机结合起来，内容涉及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、彩色图像处理、形态学处理、图像分割、图像压缩以及图像特征提取等；同时对机器视觉进行了前导性的探究，重点介绍了3种目前在工程技术领域非常流行的分类技术——人工神经网络(ann)、支持向量机(svm)和adaboost，并在配套给出的识别案例中直击光学字符识别(ocr)、人脸识别和性别分类等热点问题。
　　《数字图像处理与机器视觉——visual c++与matlab实现(第2版)》结构紧凑，内容深入浅出，讲解图文并茂，适合于计算机、通信和自动化等相关专业的本科生、研究生，以及工作在图像处理和识别领域一线的广大工程技术人员阅读参考。

]

内容简介

[

实际案例丰富，针对每一个案例不仅给出详尽的实现代码，更揭示出背后的设计思想，注重思维历练，让您知其然，更知其所以然。
　　内容具有一定深度，这决不是一本会在2个月后就会失去价值的应用程序参考，相反她让你每次欣赏时都能得到新的享受。
　　matlab与visual c++两种语言描述的无缝连接，体现出科学研究和工程实践在图像处理与机器视觉领域的完美结合。

]

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　1.1matlabr2011a简介　1.1.1matlab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(cellarray)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　1.1.9matlab程序流程控制　1.1.10m文件编写　1.1.11matlab函数编写　1.2matlab图像类型及其存储方式　1.3matlab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visualc++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　2.1.2bmp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　2.3cimg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　2.4dipdemo工程　2.4.1dipdemo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　2.5cimg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　3.1.2matlab实现　3.1.3visualc++实现　3.2灰度的线性变换　3.2.1理论基础　3.2.2matlab程序的实现　3.2.3visualc++实现　3.3灰度对数变换　3.3.1理论基础　3.3.2matlab实现　3.3.3visualc++实现　3.4伽玛变换　3.4.1理论基础　3.4.2matlab编程实现　3.4.3visualc++实现　3.5灰度阈值变换　3.5.1理论基础　3.5.2matlab编程实现　3.5.3visualc++实现　3.6分段线性变换　3.6.1理论基础　3.6.2matlab编程实现　3.6.3visualc++编程实现　3.7直方图均衡化　3.7.1理论基础　3.7.2matlab编程实现　3.7.3visualc++实现　3.8直方图规定化(匹配)　3.8.1理论基础　3.8.2matlab编程实现　3.8.3visualc++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*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　4.9visualc++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visualc++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(laplacianofagaussian，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　6.3.1fft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-2fft算法　6.3.4离散反傅里叶变换的快速算法　6.3.5n维快速傅里叶变换　6.3.6matlab实现　6.3.7visualc++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visualc++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　6.7matlab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　7.2gabor多分辨率分析　7.3常见小波分析　7.3.1haar小波　7.3.2daubechies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　8.2.2matlab实现　8.2.3visualc++实现　8.3空间滤波　8.3.1空域滤波原理　8.3.2matlab实现　8.3.3visualc++实现　8.4逆滤波复原　8.4.1逆滤波原理　8.4.2matlab实现　8.4.3visualc++实现　8.5维纳滤波复原　8.5.1维纳滤波原理　8.5.2matlab实现　8.5.3visualc++实现　8.6有约束*小二乘复原　8.7lucky-richardson复原　8.8盲去卷积图像复原　8.9matlab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　9.2.1rgb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　10.2dct变换与量化　10.2.1dct变换原理　10.2.2量化　10.2.3dct变换和量化的visualc++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visualc++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visualc++实现　10.6游程编码　10.7jpeg和jpeg2000压缩标准　10.8visualc++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visualc++实现　11.3.4连通分量提取及其实现　11.3.5细化算法及其visualc++实现　11.3.6像素化算法及其visualc++实现　11.3.7凸壳及其visualc++实现　11.3.8bwmorph()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　12.2.3matlab实现　12.2.4visualc++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　12.3.4hough变换直线检测的matlab实现　12.3.5hough变换直线检测的visualc++实现　12.4阈值分割　12.4.1阈值分割方法　12.4.2matlab实现　12.4.3visualc++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visualc++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——uniformlbp及其matlab实现　13.5.4mb-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*小距离分类器和模板匹配　14.3.1*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　15.2.3sigmoid单元　15.2.4反向传播(backpropagation，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　16.3svm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　16.5svm在线资源　16.5.1matlab的svm工具箱　16.5.2libsvm的简介第17章adaboost　17.1adaboost分类思想　17.2adaboost理论基础　17.3构建adaboost的matlab工具箱　17.4matlab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