圖像處理與計(jì)算機(jī)視覺算法及應(yīng)用（第2版）

第1章 視覺系統(tǒng)實(shí)踐——圖像顯示、輸入，輸出和庫函數(shù)調(diào)用
1.1 OpenCV
1.2 基本的0penCV代碼
1.2.1 IplImage數(shù)據(jù)結(jié)構(gòu)
1.2.2 讀寫圖像
1.2.3 圖像顯示
1.2.4 示例
1.3 圖像捕捉
1.4 和AIPCV庫的接口
1.5 網(wǎng)站文件
1.6 參考文獻(xiàn)
第2章 邊緣檢測技術(shù)
2.1 邊緣檢測的目的
2.2 傳統(tǒng)的方法和理論
2.2.1 邊緣的模型
2.2.2 噪聲
2.2.3 導(dǎo)數(shù)算子
2.2.4 基于模板的邊緣檢測
2.3 邊緣模型：Marr-Hildreth邊緣檢測器
2.4 CannyEdge邊緣檢測器
2.5 Shen-Castan（ISEF）邊緣檢測器
2.6 兩種最優(yōu)邊緣檢測器的比較
2.7 彩色邊緣
2.8 Marr-Hildreth邊緣檢測器的源代碼
2.9 Canny邊緣檢測器的源代碼
2.1 0Shen-Castan邊緣檢測器的源代碼
2.11 網(wǎng)站文件
2.12 參考文獻(xiàn)
第3章 數(shù)碼形態(tài)學(xué)
3.1 形態(tài)學(xué)定義
3.2 連通性
3.3 數(shù)碼形態(tài)學(xué)的基本元素--二值操作
3.3.1 二值膨脹
3.3.2 實(shí)現(xiàn)二值膨脹
3.3.3 二值腐蝕
3.3.4 二值腐蝕的實(shí)現(xiàn)
3.3.5 開啟和閉合
3.3.6 MAX-用于形態(tài)學(xué)的高級(jí)程序設(shè)計(jì)語言
3.3.7 “命中／不命中”變換
3.3.8 識(shí)別區(qū)域邊緣
3.3.9 條件膨脹
3.3.10 區(qū)域計(jì)數(shù)
3.4 灰階形態(tài)學(xué)
3.4.1 開啟操作和閉合操作
3.4.2 平滑操作
3.4.3 梯度
3.4.4 紋理的分割
3.4.5 對象的大小分布
3.5 彩色形態(tài)學(xué)
3.6 網(wǎng)站文件
3.7 參考文獻(xiàn)
第4章 灰階分割
4.1 灰階分割的基礎(chǔ)
4.1.1 使用邊緣像素
4.1.2 迭代選擇法
4.1.3 灰階直方圖法
4.1.4 使用熵
4.1.5 模糊集合
4.1.6 最小誤差閾值法
4.1.7 單閾值選擇的示例結(jié)果
4.2 使用區(qū)域閾值
4.2.1 Chow-Kaneko算法
4.2.2 通過邊緣對光照進(jìn)行建模
4.2.3 實(shí)現(xiàn)和結(jié)果
4.2.4 對比
4.3 松弛法
4.4 移動(dòng)平均法
4.5 基于聚類的閾值
4.6 多重閾值
4.7 網(wǎng)站文件
4.8 參考文獻(xiàn)
第5章 紋理和色彩
5.1 紋理和分割
5.2 灰階圖像中紋理的簡單分析
5.3 灰階共生矩陣
5.3.1 最大概率
5.3.2 矩
5.3.3 對比度
5.3.4 同質(zhì)性
5.3.5 熵
5.3.6 GLCM描述符的測試結(jié)果
5.3.7 紋理操作符的加速
5.4 邊緣和紋理
5.5 能量和紋理
5.6 表面和紋理
5.6.1 向量散射算法
5.6.2 表面曲度算法
5.7 分形維度
5.8 彩色分割
5.9 彩色紋理
5.10 網(wǎng)站文件
5.11 參考文獻(xiàn)
第6章 圖像細(xì)化
6.1 骨架概述
6.2 中軸變換
6.3 迭代式形態(tài)學(xué)方法
6.4 等高線的使用
6.5 把對象看做多邊形
6.6 基于力的圖像細(xì)化
6.6.1 定義
6.6.2 力場的使用
6.6.3 子像素骨架
6.7 Zhang-Suen/Stentiford/Holt組合算法的源代碼
6.8 網(wǎng)站文件
6.9 參考文獻(xiàn)
第7章 圖像還原
7.1 圖像降質(zhì)--真實(shí)世界
7.2 頻域
7.2.1 傅里葉變換
7.2.2 快速傅里葉變換
7.2.3 逆傅里葉變換
7.2.4 二維傅里葉變換
7.2.5 0penCV中的傅里葉變換
7.2.6 創(chuàng)建人工模糊
7.3 逆濾波器
7.4 Wiener濾波器
7.5 結(jié)構(gòu)化噪聲
7.6 運(yùn)動(dòng)模糊--一種特殊情況
……
第8章 分類
第9章 符號(hào)識(shí)別
第10章 基于內(nèi)容的搜索——通過示例搜索圖像
第11章 將高性能計(jì)算用于視覺處理和圖像處理