数字图像处理基础及工程应用PDF|Epub|txt|kindle电子书版本网盘下载

数字图像处理基础及工程应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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