数字图像处理基础及工程应用PDF电子书下载

第1章 数字图像处理概述 1

1.1数字图像的基本概念 1

1.1.1图像 1

1.1.2数字图像及其存储方式 1

1.1.3数字图像的分类 3

1.1.4数字图像处理系统 4

1.2数字图像处理发展史及发展趋势 5

1.3数字图像处理的特点 5

1.4数字图像处理的工程应用 6

1.5数字图像处理的主要内容 7

【课后习题】 8

第2章 图像采集 9

2.1照明 9

2.1.1光源类型 9

2.1.2照明方式 12

2.1.3选择合适的照明光源及照明方式 13

2.2镜头 17

2.2.1镜头的基本常识 17

2.2.2镜头的类型 21

2.2.3选择合适的镜头 23

2.3相机 23

2.4相机接口技术 26

【课后习题】 30

第3章 图像预处理技术 31

3.1图像的灰度变换 31

3.1.1线性变化 31

3.1.2分段线性变换 33

3.1.3灰度对数变换 34

3.1.4直方图均衡化 34

3.2图像的几何变换 36

3.2.1平移 37

3.2.2旋转 37

3.2.3比例放缩 40

3.2.4镜像 41

3.2.5 插i值 43

3.3图像增强 44

3.3.1均值滤波 44

3.3.2中值滤波 46

3.3.3对比度增强 48

3.3.4小波去噪 49

3.4形态学处理 50

3.4.1腐蚀 50

3.4.2膨胀 52

3.4.3开运算 54

3.4.4闭运算 55

3.4.5细化 56

3.4.6填充 57

【课后习题】 59

第4章 图像分割技术 60

4.1边缘检测 61

4.1.1 Roberts边缘算子 62

4.1.2 Sobel边缘算子 63

4.1.3 Prewitt边缘算子 64

4.1.4 Laplacian边缘算子 65

4.1.5 LoG边缘算子 67

4.1.6 Canny边缘算子 68

4.1.7边缘检测算子的MATLAB实现 70

4.2 Hough变换 72

4.2.1 Hough变换概述 72

4.2.2基于Hough变换的直线检测 73

4.2.3 基于Hough变换的曲线检测 76

4.3阈值分割 79

4.3.1阈值分割的基本原理 79

4.3.2 阈值分割方法的分类 80

4.3.3极小值点阈值法 80

4.3.4最小均方误差法 81

4.3.5迭代选择阈值法 82

4.3.6双峰法 84

4.3.7最大类间方差法 85

4.4基于区域的图像分割 87

4.4.1区域生长算法 87

4.4.2区域分裂合并算法 90

【课后习题】 92

第5章 图像特征提取与选择 93

5.1颜色特征 93

5.1.1颜色直方图 93

5.1.2颜色集 96

5.1.3颜色矩 97

5.1.4颜色聚合向量 98

5.1.5颜色相关图 102

5.2基于灰度共生矩阵的纹理特征构建 104

5.2.1灰度共生矩阵的定义 104

5.2.2基于灰度共生矩阵的纹理特征 105

5.2.3基于灰度-梯度共生矩阵的纹理特征构建 108

5.3几何特征 114

5.3.1位置 114

5.3.2方向 115

5.3.3周长 116

5.3.4面积 116

5.4基于主成分分析的特征选择 119

5.5基于Fisher线性判据的特征选择 128

【课后习题】 137

第6章 图像匹配 138

6.1模板匹配的概念 138

6.2基于灰度相关的模板匹配 139

6.2.1 MAD算法 139

6.2.2 SAD算法 140

6.2.3 SSD算法 142

6.2.4 NCC算法 142

6.2.5 SSDA算法 142

6.2.6 SATD算法 144

6.3基于灰度值的亚像素精度匹配 146

6.4使用空间金字塔进行匹配 149

6.4.1空间金字塔的表示方法 149

6.4.2空间金字塔匹配的基本原理 150

6.4.3空间金字塔匹配算法实现 151

6.5带旋转与缩放的模板匹配 153

6.5.1高斯尺度空间的极值检测 154

6.5.2特征点位置的确定 154

6.5.3特征点方向的确定 156

6.5.4特征点描述子生成 156

6.5.5 SIFT特征向量的匹配 157

【课后习题】 162

第7章 图像智能识别方法 163

7.1聚类识别 163

7.1.1聚类算法主要思想 163

7.1.2 K-Means聚类算法理论基础 164

7.1.3聚类算法的MATLAB实现 166

7.2神经网络识别 167

7.2.1人工神经网络的主要思想 167

7.2.2 BP神经网络算法的理论基础 168

7.2.3神经网络学习算法的MATLAB实现 169

7.3支持向量机识别 171

7.3.1支持向量机的分类思想 171

7.3.2 SVM的基本理论 173

7.3.3 SVM算法的MATLAB实现 174

7.4模糊识别 176

7.4.1模糊图像识别的设计思想 176

7.4.2贴近度与模糊度 176

7.4.3最大隶属原则与择近原则 177

7.4.4模糊算法的MATLAB实现 178

【课后习题】 179

第8章 工程应用：车牌识别 181

8.1牌照定位 181

8.2牌照区域的分割 186

8.3字符分割与归一化 189

8.4字符细化 191

8.5字符的识别 192

第9章 工程应用：多气泡上升轨迹跟踪 195

9.1气泡图像的预处理 195

9.2气泡运动轨迹跟踪方法 198

9.2.1基于互相关匹配的目标跟踪 198

9.2.2基于Mean - Shift算法的目标跟踪 201

第10章 工程应用：人脸识别 206

10.1 ORL人脸数据库简介 206

10.2基于PCA的人脸图像的特征提取 207

10.3人脸图像识别方法 208

10.3.1 k-近邻算法 208

10.3.2 BP神经网络法 208

10.3.3基于BP神经网络法和k-近邻法的综合决策分类 208

10.3.4实验的结果 209

10.4简单实例 212

第11章 工程应用：基于SURF特征点匹配的图像三维识别 226

11.1图像三维识别系统的方案设计 227

11.2图像三维识别过程 229

11.2.1三维图像预处理 229

11.2.2基于SURF算法的特征点匹配 230

11.2.3最优匹配点的提取 239

11.2.4图像三维坐标的计算 244

11.2.5图像三维识别 245

11.3基于SURF特征点匹配的图像三维识别的OpenCV完整代码 248

第12章 工程应用：基于OpenCV的灯脚质量检测 253

12.1灯脚质量检测的方案设计 253

12.2灯脚质量检测过程 255

12.2.1相机标定 255

12.2.2灯脚图像检测 257

12.2.3灯脚检测界面及结果分析 262

附录 颜色集 266

参考文献 269