MATLAB數(shù)字圖像處理實戰(zhàn)

前言
第1章  數(shù)字圖像基礎(chǔ) 1
1.1  數(shù)字圖像處理概述 1
1.1.1  什么是數(shù)字圖像 1
1.1.2  數(shù)字圖像的形成過程 2
1.1.3  數(shù)字圖像處理技術(shù)及其發(fā)展 4
1.1.4  數(shù)字圖像的矩陣表示 5
1.2  數(shù)字圖像處理的開發(fā)工具 6
1.2.1  MATLAB軟件 6
1.2.2  OpenCV機器視覺庫 8
1.2.3  VLIB軟件庫 11
1.3  MATLAB圖像處理操作基礎(chǔ) 12
1.3.1  圖像處理工具箱的基本功能 12
1.3.2  數(shù)字圖像處理的基本操作 13
1.3.3  視頻圖像的基本操作 16
1.3.4  MATLAB 中的圖像類型 17
1.3.5  體驗數(shù)字圖像處理 17
第2章  數(shù)字圖像變換 20
2.1  圖像的空間變換 20
2.1.1  圖像的幾何變換 20
2.1.2  灰度級插值 34
2.1.3  圖像的鄰域操作 40
2.2  圖像的傅里葉變換 42
2.2.1  什么是頻率域 42
2.2.2  解析離散傅里葉變換 42
2.2.3  例程精講 43
2.2.4  離散傅里葉變換的性質(zhì) 44
2.2.5  二維傅里葉變換的應(yīng)用：相位相關(guān) 48
2.3  圖像的余弦變換 51
2.3.1  從DFT到DCT 51
2.3.2  例程精講 53
2.3.3  離散余弦變換的性質(zhì) 57
2.3.4  離散余弦變換應(yīng)用：基于DCT的圖像去噪 58
2.4  圖像濾波 59
2.4.1  空域濾波 60
2.4.2  頻域濾波 68
2.5  圖像的小波變換 75
2.5.1  小波分析的起源 75
2.5.2  連續(xù)小波變換 76
2.5.3  離散小波變換 77
2.5.4  小波變換的步驟及特點 81
2.5.5  例程精講 82
2.5.6  小波變換的應(yīng)用：基于小波變換的圖像增強 92
2.6  圖像的Hough變換 94
2.6.1  Hough變換的基本原理 94
2.6.2  例程精講 95
2.6.3  融會貫通：基于Hough變換檢測圓 97
2.7  圖像的Walsh-Hadamard變換 101
2.7.1  Walsh-Hadamard變換的基本原理 101
2.7.2  例程精講 104
2.7.3  Walsh-Hadamard變換在圖像壓縮領(lǐng)域的應(yīng)用 105
2.8  圖像的K-L變換 106
2.8.1  K-L變換的基本原理 107
2.8.2  例程精講 109
2.9  基于數(shù)學形態(tài)學的圖像變換 112
2.9.1  數(shù)學形態(tài)學的起源 112
2.9.2  熟悉數(shù)學形態(tài)學的基本運算 113
第3章  數(shù)字圖像分析 119
3.1  圖像的色彩空間 119
3.1.1  常見的色彩空間 119
3.1.2  例程精講 123
3.1.3  彩色增強 125
3.2  圖像的直方圖 128
3.2.1  灰度直方圖 128
3.2.2  例程精講 129
3.2.3  融會貫通 131
3.2.4  應(yīng)用：基于直方圖的對比度增強 131
3.3  圖像的紋理特征分析 136
3.3.1  什么是“圖像的紋理特征” 136
3.3.2  灰度共生矩陣 137
3.3.3  例程精講 138
3.3.4  融會貫通：灰度-梯度共生矩陣 141
3.4  圖像的自相關(guān)函數(shù) 146
3.4.1  圖像的自相關(guān)函數(shù) 146
3.4.2  例程精講 146
3.4.3  圖像局部自相關(guān)函數(shù) 147
3.5  視頻圖像分析與處理 148
3.5.1  視頻圖像及其特點分析 148
3.5.2  視頻序列圖像分析 149
3.5.3  視頻序列圖像處理 152
3.6  圖像質(zhì)量的評價 153
3.6.1  圖像質(zhì)量的客觀評價 153
3.6.2  圖像質(zhì)量的主觀評價 158
第4章  圖像特征提取 159
4.1  圖像的不變矩 159
4.1.1  不變矩的基本原理 159
4.1.2  例程精講 161
4.2  圖像的邊緣檢測 162
4.2.1  運用一階微分算子檢測圖像邊緣 163
4.2.2  運用二階微分算子檢測圖像邊緣 164
4.2.3  基于Canny算子檢測圖像邊緣 168
4.2.4  基于SUSAN特征檢測算子的邊緣提取 170
4.3  Harris角點檢測 174
4.3.1  何謂“角點” 174
4.3.2  Harris角點的基本原理 175
4.3.3  Harris角點的實現(xiàn)步驟 177
4.3.4  Harris角點的性質(zhì) 178
4.3.5  例程精講 179
4.4  SIFT特征提取與描述 182
4.4.1  SIFT算法 183
4.4.2  SIFT特征描述 186
4.4.3  例程精講 188
4.5  SURF特征提取與描述 208
4.5.1  積分圖像 208
4.5.2  DoH近似 209
4.5.3  尺度空間表示 211
4.5.4  SURF特征描述算子 213
4.5.5  例程一點通 216
第5章  圖像識別技術(shù) 219
5.1  模式識別的概念 219
5.1.1  什么是模式識別 219
5.1.2  模式識別的主要方法 219
5.1.3  模式識別的應(yīng)用 220
5.2  基于圖像的模式識別方法 221
5.2.1  句法模式識別 221
5.2.2  統(tǒng)計模式識別 222
5.2.3  模糊模式識別 225
5.2.4  神經(jīng)網(wǎng)絡(luò)模式識別 226
5.3  基于圖像模式識別的過程 226
5.4  基于神經(jīng)網(wǎng)絡(luò)與矩特征的模式識別 228
5.4.1  神經(jīng)網(wǎng)絡(luò)簡介 228
5.4.2  識別算法實現(xiàn)流程 234
5.4.3  例程精講 242
5.4.4  實驗結(jié)果 251
第6章  實戰(zhàn)案例詳解 254
6.1  測繪領(lǐng)域的應(yīng)用：基于SURF的圖像拼接 254
6.1.1  研究圖像拼接的意義 254
6.1.2  基本原理及實現(xiàn)步驟 254
6.1.3  例程精講 258
6.1.4  實際中需要注意的問題 264
6.2  信息安全領(lǐng)域的應(yīng)用：基于小波變換的數(shù)字水印技術(shù) 267
6.2.1  數(shù)字水印技術(shù) 267
6.2.2  嵌入數(shù)字水印的基本原理 268
6.2.3  數(shù)字水印的特點 268
6.2.4  基于小波變換的數(shù)字水印嵌入 269
6.2.5  例程精講 269
6.3  多媒體通信領(lǐng)域的應(yīng)用：基于PIFS分形壓縮編碼技術(shù) 273
6.3.1  壓縮編碼概述 273
6.3.2  基于PIFS的圖像壓縮 273
6.4  安防領(lǐng)域的應(yīng)用：高效視頻監(jiān)控系統(tǒng) 278
6.4.1  視頻監(jiān)控系統(tǒng)的基本原理 278
6.4.2  基于 Computer Vision System的系統(tǒng)設(shè)計 279
6.5  交通領(lǐng)域中的應(yīng)用：基于視頻的車流量統(tǒng)計 283
6.5.1  車流量檢測系統(tǒng) 284
6.5.2  基于高斯混合背景模型的背景建模 284
6.5.3  例程精講 285
第7章  思維技法點撥 290
7.1  學習點撥：談學習數(shù)字圖像處理的經(jīng)驗 290
7.1.1  面向應(yīng)用：層層分解、抓住要點 290
7.1.2  面向?qū)W習：追根溯源、比較總結(jié) 291
7.2  思維點撥：運用Triz思維，突破圖像處理瓶頸 293
7.2.1  Triz理論概述 293
7.2.2  實例分析：運用Triz理論改進Hough變換的實時性 294
7.3  方法點撥：基于MDA（模型驅(qū)動構(gòu)架）的圖像處理 295
7.3.1  模型驅(qū)動開發(fā)思想概述 295
7.3.2  模型驅(qū)動開發(fā)的優(yōu)勢 296
7.3.3  模型驅(qū)動開發(fā)在圖像處理領(lǐng)域中的應(yīng)用 297
7.3.4  基于Simulink-Blocks的模型驅(qū)動開發(fā)圖像處理 297
7.4  技巧點撥：仿生理論助力圖像處理技術(shù)發(fā)展 302
7.4.1  仿生理論與圖像處理技術(shù)相結(jié)合的優(yōu)勢 302
7.4.2  實例分析：貓視覺皮層仿生的圖像分割 303
附錄 308
附錄A  常用MATLAB圖像處理指令功能語法索引 308
附錄B  系統(tǒng)對象功能匯總 326
附錄C  Triz矛盾矩陣表39項技術(shù)參數(shù)及40條創(chuàng)新原理 328
參考文獻 335