2.4.2条件转移语句 3 1
4.6特殊方法的图像分割 11 1
4.6.1 基于数学形态学的分割技术 11 1
目 录 1
3.5.2频域高通滤波 8 1
1.1.1 图像处理与识别技术概述 1
第1章图像科学综述 1
1.1 引 言 1
1.1.2图像处理与识别技术的应用领域 2
1.1.3图像处理与识别的技术内容 3
1.2图像处理系统的基本构成 4
1.2.1 计算机图像处理系统的分类 4
1.2.2微机图像处理系统的基本构成 5
1.3 图像的数字化与表示 6
1.3.1图像的数字化 7
1.3.2 图像的存储 8
1.3.3数字图像的表示 8
4.6.2借助于统计模式识别方法的分割技术 11 8
1.7计算机视觉 1 9
1.4.1数字图像处理的基本过程 9
1.4数字图像处理的基本运算 9
1.4.2基本运算形式 10
1.5图像处理与识别及图像理解所研究的内容 12
1.5.1图像处理技术 12
1.5.2图像识别技术 13
1.5.3 图像理解 15
1.6图像处理与识别及图像理解的关系 17
1.6.1 图像处理 17
1.6.2图像理解 18
5.1 基本概念 1 19
5.1.1 问题的提出 1 19
1.6.3图像识别与图像处理及图像理解的关系 19
1.7.1 计算机视觉研究的内容 20
1.7.3计算机视觉面临的困难 21
1.7.2计算机视觉发展的现状 21
2.1.1操作界面的默认外形 23
第2章 MATLAB语言图像编程 23
2.1 MATLAB基本操作 23
2.2 MATLAB编程基础 24
2.2.1 变量 24
2.1.2通用操作界面 24
2.2.2数据类型 25
2.2.3基本赋值语句 26
2.2.4工作空间的管理 26
2.3 MATLAB运算符 27
2.3.1算术运算符 27
2.3.2关系运算符 28
2.4控制语句 29
2.3.3逻辑运算符 29
2.4.1循环控制语句 30
2.4.3开关控制语句 31
2.5 M脚本文件和函数文件 33
2.5.1 M文本编辑器 33
2.5.2 M函数文件 34
2.5.3 文件的一般结构 34
2.6.1 图像处理基本操作 35
2.6 MATLAB图像处理初步 35
2.6.2高级图像处理初步 37
2.7.1 常用图像格式 39
2.7 图像格式与MATLAB图像类型 39
5.3.2 基于边界的形状特征 1 39
2.7.2MATLAB图像类型 41
2.7.3 图像类型转换 44
2.8 MATLAB图像显示 46
2.8.1 MATLAB图像的读写和显示 46
2.8.2二进制图像的显示方法 48
2.8.3灰度图像显示方法 49
2.8.4索引图像的显示 50
2.8.5 RGB图像的显示方法 50
2.8.6多幅图像显示 50
第3章图像的增强 52
3.1图像变换增强 52
3.1.2傅立叶变换 52
3.1.1概述 52
3.1.3离散余弦变换 56
3.2.1 线性灰度变换 58
3.2灰度变换增强 58
3.2.2分段线性变换 59
3.2.3非线性灰度变换 60
3.3直方图变换增强 62
3.3.1灰度直方图 62
3.3.2直方图均匀化 63
3.3.3直方图均匀化的计算步骤及实例 64
3.4.1平滑滤波器 67
3.4空间域滤波增强 67
3.4.2空间域图像平滑实例 70
3.4.3 空间域图像锐化 73
3.5频域增强 78
3.5.1频域低通滤波 78
4.1 图像分割的基本概念 84
4.1.1 图像分割定义 84
第4章图像分割 84
4.1.2 图像分割算法分类 85
4.2边缘检测 85
4.2.1边缘检测概述 85
4.2.2边缘检测梯度算法 86
7.2.2系统概况 1 88
4.2.3 拉普拉斯（Laplacian）算子 89
4.2.4 LoG（LaplacianGauss）算子 90
4.2.5坎尼（Canny）算子 92
4.3.1阈值分割介绍 93
4.3灰度阈值分割 93
4.3.2 全局阈值 95
4.3.3动态阈值 98
4.4区域分割 101
4.4.1 区域生长的原理和步骤 101
4.4.2生长准则和过程 102
4.4.3分裂合并 104
4.5彩色分割 105
4.5.1 分割所用的彩色空间 106
4.5.2分割策略 108
第5章特征提取 119
5.1.2一些基本概念 119
5.2纹理特征提取 121
5.2.1 直方图统计特征 121
5.2.2图像的自相关函数 124
5.2.3灰度共生矩阵 124
5.2.4灰度—梯度共生矩阵 131
5.2.5基于变换的特征 133
5.3形状和结构特征提取 135
5.3.1 区域内部的数字特征 135
5.4颜色特征提取 143
第6章图像识别 144
6.1 图像识别概述 144
6.2.1决策理论方法 145
6.2统计模式的识别方法 145
6.2.2统计分类法 150
6.3结构语句的识别方法 153
6.3.1概述 153
6.3.2结构模式识别系统 156
6.3.3 图像基元的选择与抽取 157
6.3.4 图像描述语言、图像描述文法 158
6.4模糊集识别法 162
6.4.1概述 162
6.4.2模糊集理论基础 163
6.4.3模糊关系 165
6.4.5择近原则识别方法 167
6.4.4最大隶属原则识别方法 167
6.4.6模糊聚类识别方法 168
6.5神经网络识别法 173
6.5.1人工神经网络概述 173
6.5.2与传统分类器的对比 173
6.5.3神经元模型 175
6.5.4 BP神经网络分类器 176
第7章医学图像处理 180
7.1细胞边缘的精确检测 180
7.1.1概述 180
7.1.2细胞边缘的精确检测 181
7.2.1 概述 187
7.1.3算法总结 187
7.2癌细胞识别系统 187
7.2.3阈值分割 189
7.2.4癌细胞识别 189
第8章 文字图像识别 196
8.1 文字图像识别简介 196
8.1.1 文字识别系统的原理及组成 196
8.1.2文字识别的方法 197
8.2图书馆中图书索书号的自动识别 197
8.2.2索书号文字图像分割 198
8.2.1索书号自动识别系统概述 198
8.2.3文字图像二值化 206
8.2.4单个字符的切分 206
8.2.5文字识别 215
8.3汽车牌照的自动识别 226
8.3.1车辆管理系统组成 226
8.3.2汽车牌照自动识别 227
8.4商标的自动翻译 230
8.4.1 商标自动翻译系统的组成 230
8.4.2商标文字图像的分割 230
9.1.2 AGV的发展及其应用 234
9.1.1 AGV概述 234
9.1 AGV及其视觉导引技术简介 234
第9章AGV视觉导引车路径识别 234
9.1.3AGV导引技术简介 235
9.1.4视觉导引技术 236
9.2路径摄像系统 237
9.2.1 AGV视觉导引的硬件体系结构 237
9.2.2 CCD摄像系统设计 237
9.3路径图像识别 240
9.3.1路径图像的特征 240
9.3.2灰度图像的路径识别 241
9.3.3彩色图像的路径识别 243
9.3.4路径定位与方向偏差测量 249
第10章 图像技术在自动检测中的应用 254
10.1 机械零件尺寸的自动检测 254
10.2机械振动幅值特征的图像测量 256
10.2.1 CCD线性时间积分成像原理 256
10.2.2测量系统的组成 256
10.23被测点时问平均成像与振幅特征之间的关系 257
10.3钢球表面缺陷的自动检测与识别 258
10.3.1 系统的组成 258
10.3.2 图像预处理 259
10.3.3缺陷特征提取 261
10.3.4缺陷识别 262
1 1.4系统的软硬件平台 264
11.3系统中的关键技术 264
11.4.1 系统的硬件平台 264
第11章基于神经网络的文字识别系统 264
11.1系统简介 264
11.2系统的基本技术要求 264
11.4.2系统的软件平台 265
11.5系统实现 265
11.5.1 系统流程图 265
11.5.2程序实现 265
11.5.3程序总体编程框架 379
11.5.4程序使用说明、测试及注意事项 381
11.6本章小结 384
12.3系统中用到的关键技术 385
12.4.1 系统的硬件平台 385
12.4系统软硬件平台 385
12.1 系统简介 385
12.2系统基本技术要求 385
第12章车牌定位系统 385
12.4.2系统的软件平台 386
12.5系统实现 386
12.5.1系统流程图 386
12.5.2程序实现 387
12.5.3程序效果测试 413
1 2.6本章小结 420