數(shù)字圖像處理與機器視覺：Visual C++與Matlab實現(xiàn)（第2版）

目　錄
第0章　初識數(shù)字圖像處理與機器視覺　1
0．1　數(shù)字圖像　1
0．1．1　什么是數(shù)字圖像　1
0．1．2　數(shù)字圖像的顯示　1
0．1．3　數(shù)字圖像的分類　2
0．1．4　數(shù)字圖像的實質(zhì)　3
0．1．5　數(shù)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(shù)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(shù)字圖像處理和識別的應(yīng)用實例　7
0．3　數(shù)字圖像處理的預備知識　8
0．3．1　鄰接性、連通性、區(qū)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(shù)字圖像處理編程基礎(chǔ)　11
1．1　MATLAB R2011a簡介　11
1．1．1　MATLAB軟件環(huán)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(shù)組(Cell Array)和結(jié)構(gòu)體(Structure)　19
1．1．7　關(guān)系運算與邏輯運算　20
1．1．8　常用圖像處理數(shù)學函數(shù)　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(shù)編寫　26
1．2　MATLAB圖像類型及其存儲方式　28
1．3　MATLAB的圖像轉(zhuǎn)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(chǔ)　37
2．1　位圖文件及其C++操作　37
2．1．1　設(shè)備無關(guān)位圖　37
2．1．2　BMP圖像文件數(shù)據(jù)結(jié)構(gòu)　37
2．2　認識CImg類　40
2．2．1　主要成員函數(shù)列表　40
2．2．2　公有成員　41
2．3　CImg類基礎(chǔ)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(zhuǎn)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(yīng)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(chǔ)　58
3．1．2　MATLAB實現(xiàn)　59
3．1．3　Visual C++實現(xiàn)　62
3．2　灰度的線性變換　63
3．2．1　理論基礎(chǔ)　63
3．2．2　MATLAB程序的實現(xiàn)　64
3．2．3　Visual C++實現(xiàn)　66
3．3　灰度對數(shù)變換　67
3．3．1　理論基礎(chǔ)　67
3．3．2　MATLAB實現(xiàn)　68
3．3．3　Visual C++實現(xiàn)　69
3．4　伽瑪變換　70
3．4．1　理論基礎(chǔ)　70
3．4．2　MATLAB編程實現(xiàn)　70
3．4．3　Visual C++實現(xiàn)　72
3．5　灰度閾值變換　73
3．5．1　理論基礎(chǔ)　73
3．5．2　MATLAB編程實現(xiàn)　74
3．5．3　Visual C++實現(xiàn)　75
3．6　分段線性變換　76
3．6．1　理論基礎(chǔ)　76
3．6．2　MATLAB編程實現(xiàn)　77
3．6．3　Visual C++編程實現(xiàn)　81
3．7　直方圖均衡化　82
3．7．1　理論基礎(chǔ)　82
3．7．2　MATLAB編程實現(xiàn)　83
3．7．3　Visual C++實現(xiàn)　85
3．8　直方圖規(guī)定化(匹配)　86
3．8．1　理論基礎(chǔ)　86
3．8．2　MATLAB編程實現(xiàn)　87
3．8．3　Visual C++實現(xiàn)　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(xiàn)　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(xiàn)　97
4．4　圖像轉(zhuǎn)置　99
4．4．1　圖像轉(zhuǎn)置的變換公式　99
4．4．2　圖像轉(zhuǎn)置的實現(xiàn)　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(xiàn)　101
4．6　圖像旋轉(zhuǎn)　103
4．6．1　以原點為中心的圖像旋轉(zhuǎn)　103
4．6．2　以任意點為中心的圖像旋轉(zhuǎn)　104
4．6．3　圖像旋轉(zhuǎn)的實現(xiàn)　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(xiàn)　112
4．9　Visual C++高級應(yīng)用實例——汽車牌照的投影失真校正　115
4．9．1　系統(tǒng)分析與設(shè)計　116
4．9．2　系統(tǒng)實現(xiàn)　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(chǔ)　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(xiàn)　133
5．3．2　高斯平滑及其實現(xiàn)　134
5．3．3　通用平滑濾波的Visual C++實現(xiàn)　138
5．3．4　自適應(yīng)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(chǔ)　145
5．5．2　基于一階導數(shù)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(shù)的銳化算子的比較　151
5．5．5　高提升濾波及其實現(xiàn)　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(chǔ)知識　159
6．2．1　傅里葉級數(shù)　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(zhì)——基的轉(zhuǎn)換　165
6．3　快速傅里葉變換及實現(xiàn)　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(xiàn)　171
6．3．7　Visual C++實現(xiàn)　175
6．4　頻域濾波基礎(chǔ)　183
6．4．1　頻域濾波與空域濾波的關(guān)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(xiàn)　184
6．4．4　頻域濾波的Visual C++實現(xiàn)　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(xiàn)　187
6．5．2　高斯低通濾波器及其實現(xiàn)　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(xiàn)　195
6．6．2　頻域拉普拉斯濾波器及其實現(xiàn)　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(nèi)在聯(lián)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(gòu)的實現(xiàn)　213
7．1．3　圖像處理中分解與重構(gòu)的實現(xiàn)　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(xiàn)　237
8．2．3　Visual C++實現(xiàn)　239
8．3　空間濾波　244
8．3．1　空域濾波原理　244
8．3．2　MATLAB實現(xiàn)　245
8．3．3　Visual C++實現(xiàn)　247
8．4　逆濾波復原　250
8．4．1　逆濾波原理　250
8．4．2　MATLAB實現(xiàn)　251
8．4．3　Visual C++實現(xiàn)　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(xiàn)　257
8．5．3　Visual C++實現(xiàn)　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(chǔ)　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(chǔ)　296
9．3．1　彩色補償及其MATLAB實現(xiàn)　296
9．3．2　彩色平衡及其MATLAB實現(xiàn)　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(nóng)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(xiàn)　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(xiàn)　316
10．5　算術(shù)編碼　324
10．5．1　算術(shù)編碼原理　324
10．5．2　算術(shù)編碼的Visual C++實現(xiàn)　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(tài)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(tài)學運算　342
11．2．1　腐蝕及其實現(xiàn)　343
11．2．2　膨脹及其實現(xiàn)　350
11．2．3　開運算及其實現(xiàn)　353
11．2．4　閉運算及其實現(xiàn)　356
11．3　二值圖像中的形態(tài)學應(yīng)用　357
11．3．1　擊中與擊不中變換及其實現(xiàn)　357
11．3．2　邊界提取與跟蹤及其實現(xiàn)　359
11．3．3　區(qū)域填充及其Visual C++實現(xiàn)　363
11．3．4　連通分量提取及其實現(xiàn)　365
11．3．5　細化算法及其Visual C++實現(xiàn)　370
11．3．6　像素化算法及其Visual C++實現(xiàn)　374
11．3．7　凸殼及其Visual C++實現(xiàn)　379
11．3．8　bwmorph()函數(shù)　382
11．4　灰度圖像中的基本形態(tài)學運算　383
11．4．1　灰度膨脹及其實現(xiàn)　383
11．4．2　灰度腐蝕及其實現(xiàn)　386
11．4．3　灰度開、閉運算及其實現(xiàn)　389
11．4．4　頂帽變換(top-hat)及其實現(xiàn)　392
小結(jié)　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(xiàn)　400
12．2．4　Visual C++實現(xiàn)　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(xiàn)　412
12．3．5　Hough變換直線檢測的Visual C++實現(xiàn)　415
12．4　閾值分割　418
12．4．1　閾值分割方法　419
12．4．2　MATLAB實現(xiàn)　422
12．4．3　Visual C++實現(xiàn)　423
12．5　區(qū)域分割　425
12．5．1　區(qū)域生長及其實現(xiàn)　425
12．5．2　區(qū)域分裂與合并及其MATLAB實現(xiàn)　429
12．6　小結(jié)　433
第13章　特征提取　434
13．1　圖像特征概述　434
13．2　基本統(tǒng)計特征　436
13．2．1　簡單的區(qū)域描繪子及其MATLAB實現(xiàn)　436
13．2．2　直方圖及其統(tǒng)計特征　437
13．2．3　灰度共現(xiàn)矩陣及其Visual C++實現(xiàn)　439
13．3　特征降維　442
13．3．1　維度災(zāi)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(xiàn)　450
13．4　綜合案例——基于PCA的人臉特征抽取　451
13．4．1　數(shù)據(jù)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(tǒng)一化LBP算子——Uniform LBP及其MATLAB實現(xiàn)　459
13．5．4　MB-LBP及其MATLAB實現(xiàn)　462
13．5．5　圖像分區(qū)及其MATLAB實現(xiàn)　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(xiàn)　476
14．3．2　基于相關(guān)的模板匹配　477
14．3．3　相關(guān)匹配的計算效率　482
第15章　人工神經(jīng)網(wǎng)絡(luò)　484
15．1　人工神經(jīng)網(wǎng)絡(luò)簡介　484
15．1．1　仿生學動機　484
15．1．2　人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用實例　486
15．2　人工神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)　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(jīng)網(wǎng)絡(luò)　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(shù)字字符識別系統(tǒng)DigitRec——分析與設(shè)計　498
15．3．1　任務(wù)描述　498
15．3．2　數(shù)據(jù)集簡介　498
15．3．3　設(shè)計要點　498
15．4　基于ANN的數(shù)字字符識別系統(tǒng)——DigitRec的實現(xiàn)　500
15．4．1　構(gòu)建神經(jīng)元結(jié)構(gòu)——SNeuron　500
15．4．2　構(gòu)建神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)層——SNeuronLayer　501
15．4．3　神經(jīng)網(wǎng)絡(luò)信息頭——NeuralNet_Header　502
15．4．4　神經(jīng)網(wǎng)絡(luò)類——CNeuralNet　502
15．4．5　神經(jīng)網(wǎng)絡(luò)的訓練數(shù)據(jù)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(shù)字字符識別系統(tǒng)——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(shù)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(xiàn)　528
15．6．3　輸入圖像的預處理——測試　539
15．7　神經(jīng)網(wǎng)絡(luò)參數(shù)對訓練和識別的影響　540
15．7．1　隱藏層單元數(shù)目的影響　540
15．7．2　學習率的影響　541
15．7．3　訓練時代數(shù)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(chǔ)　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(shù)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(xiàn)　554
16．3．1　訓練——svmtrain　555
16．3．2　分類——svmclassify　556
16．3．3　應(yīng)用實例　557
16．4　綜合案例——基于PCA和SVM的人臉識別系統(tǒng)　557
16．4．1　人臉識別簡介　558
16．4．2　前期處理　558
16．4．3　數(shù)據(jù)規(guī)格化　558
16．4．4　核函數(shù)的選擇　561
16．4．5　參數(shù)選擇　562
16．4．6　構(gòu)建多類SVM分類器　564
16．4．7　實驗結(jié)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(chǔ)　575
17．3　構(gòu)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(guān)于數(shù)據(jù)集　580
17．4．2　數(shù)據(jù)的預處理　581
17．4．3　算法流程實現(xiàn)　581
參考文獻　583