第一部分MATLAB数字图像处理基础 3
第1章 MATLAB和数字图像处理基础 3
1.1 MATLAB简介 3
1.1.1 MATLAB R2015a的工作环境 3
1.1.2 图像处理工具箱 7
1.1.3 计算机视觉工具箱 8
1.2 MATLAB的基础知识 9
1.2.1 MATLAB的数据种类 9
1.2.2 MATLAB的M文件 11
1.2.3 MAT LAB的操作符 13
1.3 数字图像处理基础 15
1.3.1 数字图像和图像的数字模型 15
1.3.2 常用的数字图像格式 16
1.3.3 数字图像类型和转换 18
1.3.4 数字图像的读写和显示 24
1.4 习题 29
第2章 数字图像变换技术 30
2.1 图像的算术运算 30
2.2 图像的几何变换 32
2.2.1 图像的缩放运算 32
2.2.2 图像的平移运算 33
2.2.3 图像的旋转运算 34
2.2.4 图像的插值运算 35
2.3 图像的Hough变换 37
2.3.1 Hough变换基本原理 37
2.3.2 基于MATLAB的图像Hough变换 39
2.4 图像的傅里叶变换 41
2.4.1 傅里叶变换基本原理 41
2.4.2 基于MATLAB的图像傅里叶变换 42
2.5 图像的离散余弦变换 44
2.6 基于数学形态学的图像变换 46
2.6.1 数学形态学的基本概念 46
2.6.2 基于MATLAB的图像形态学处理 48
2.7 综合实例：指纹图像的形态学处理 53
2.8 习题 54
第3章 数字图像增强 55
3.1 图像空域增强 55
3.1.1 图像直接灰度变换 55
3.1.2 图像直方图均衡 60
3.1.3 图像平滑 65
3.1.4 图像锐化 69
3.2 图像频域增强 73
3.2.1 图像频域低通滤波 73
3.2.2 图像频域高通滤波 76
3.3 综合实例：基于遗传算法的图像自适应模糊增强 79
3.3.1 基于模糊理论的图像质量的测量函数 79
3.3.2 基于遗传算法的灰度图像的自适应模糊增强 80
3.3.3 灰度图像增强算法拓展到彩色图像增强 81
3.3.4 实验结果 81
3.3.5 MATLAB程序实现 85
3.4 习题 92
参考文献 92
第4章 数字图像恢复 93
4.1 图像退化和恢复模型和图像噪声 93
4.1.1 图像退化和恢复模型 94
4.1.2 图像噪声 94
4.2 图像空域恢复技术 97
4.2.1 均值滤波器 97
4.2.2 排序统计滤波器 100
4.2.3 自适应滤波器 103
4.3 图像频域的恢复技术 107
4.3.1 周期性噪声 107
4.3.2 带阻滤波器 108
4.3.3 带通滤波器 109
4.4 综合实例：利用空域和频域技术的降低噪声 111
4.5 习题 113
第5章 数字图像编码 114
5.1 基本概念 114
5.1.1 图像冗余 115
5.1.2 图像的编码与解码 116
5.2 无损图像压缩编码 116
5.3 有损图像压缩编码 121
5.3.1 DPCM编码 121
5.3.2 离散余弦变换编码 123
5.3.3 小波变换的基本原理 126
5.4 图像压缩标准 131
5.4.1 JPEG 131
5.4.2 JPEG 2000 134
5.5 综合实例：MATLAB实现JPEG图像压缩 135
第6章 数字图像分割 142
6.1 图像分割概述 142
6.1.1 图像分割定义 142
6.1.2 图像分割分类 143
6.2 边界分割技术 143
6.2.1 边缘检测 143
6.2.2 微分算子 144
6.3 区域分割技术 148
6.3.1 原理与分类 148
6.3.2 全局阈值 150
6.4 综合实例：红外车辆目标的分割 153
6.4.1 感兴趣区域的选择 153
6.4.2 基于遗传算法的二维OTSU的图像分割 154
6.4.3 红外车辆目标图像的模糊边缘检测 158
6.4.4 实验结果 159
6.4.5 MATLAB程序实现 160
6.5 综合实例：车牌定位 171
6.5.1 车牌图像预处理 171
6.5.2 车牌边缘提取与形态学处理 173
6.5.3 车牌区域位置确定 173
6.6 习题 177
参考文献 178
第7章 数字图像特征分析与提取 179
7.1 图像颜色特征 179
7.1.1 图像颜色模型 179
7.1.2 颜色直方图 183
7.1.3 颜色矩 184
7.2 图像形状特征 186
7.2.1 简单的形状特征 186
7.2.2 不变矩 187
7.3 图像纹理特征 189
7.3.1 灰度差分统计法 189
7.3.2 灰度共生矩阵 191
7.4 综合实例：图像车辆目标的综合特征提取与识别 192
7.4.1 车辆目标阈值化分割 192
7.4.2 车辆目标特征提取 193
7.4.3 车辆识别的RBF网络设计 194
7.4.4 MATLAB程序实现 195
7.4.5 实验结果 197
7.5 综合实例：文本图像的特征分析与识别 198
7.5.1 文本图像特征分析 198
7.5.2 文本图像识别算法 199
7.5.3 文本图像识别的MATLAB实现 201
7.6 习题 202
参考文献 202
第二部分MATLAB数字图像处理实例 205
第8章 基于神经网络的水果自动识别 205
8.1 水果自动识别总体框架 205
8.2 图像预处理 206
8.2.1 图像去噪 206
8.2.2 图像增强 208
8.2.3 图像二值化处理 209
8.3 图像边缘检测与特征提取 210
8.3.1 图像边缘检测处理 210
8.3.2 图像标签化处理 211
8.3.3 图像特征参数计算 212
8.4 基于BP神经网络的水果识别 219
8.5 小结 225
第9章 基于图像特征的火灾检测 226
9.1 火灾火焰特征分析 226
9.2 火灾烟雾特征分析 228
9.3 火灾检测系统框架 230
9.4 火灾检测系统的MATLAB实现 231
9.4.1 图像读取函数 231
9.4.2 彩色图像的灰度化 232
9.4.3 边缘检测算子进行边缘检测 232
9.4.4 估计RGB分量的分布 233
9.4.5 实现火焰检测 233
9.4.6 实现烟雾检测 234
9.4.7 实现主程序 234
9.5 小结 238
参考文献 238
第10章 基于全局特征的图像检索 239
10.1 引言 239
10.2 基于全局特征图像检索的分析与设计 239
10.2.1 设计要求 239
10.2.2 设计分析 239
10.2.3 设计步骤 240
第11章 基于词袋法的图像检索 246
11.1 引言 246
11.2 基于词袋法的图像检索的分析与设计 246
11.2.1 设计要求 246
11.2.2 设计分析 246
11.2.3 设计步骤 248
第12章 基于词袋法的图像分类 259
12.1 引言 259
12.2 基于词袋法的图像分类的分析与设计 259
12.2.1 设计要求 259
12.2.2 设计分析 259
12.2.3 设计步骤 260
第13章 基于位置敏感哈希的图像聚类 267
13.1 引言 267
13.2 基于位置敏感哈希的图像聚类 267
13.2.1 设计要求 267
13.2.2 设计分析 267
13.2.3 设计步骤 268
参考文献 278