数字图像处理与机器视觉-Visual C++与Matlab实现-(第2版)-(附光盘0

第0章初识数字图像处理与机器视觉
　0.1数字图像
　0.1.1什么是数字图像
　0.1.2数字图像的显示
　0.1.3数字图像的分类
　0.1.4数字图像的实质
　0.1.5数字图像的表示
　0.1.6图像的空间和灰度级分辨率
　0.2数字图像处理与机器视觉
　0.2.1从图像处理到图像识别
　0.2.2什么是机器视觉
　0.2.3数字图像处理和识别的应用实例
　0.3数字图像处理的预备知识
　0.3.1邻接性、连通性、区域和边界
　0.3.2距离度量的几种方法
　0.3.3基本的图像操作
第1章matlab数字图像处理编程基础
　1.1matlabr2011a简介
　1.1.1matlab软件环境
　1.1.2文件操作
　1.1.3在线帮助的使用
　1.1.4变量的使用
　1.1.5矩阵的使用
　1.1.6细胞数组(cellarray)和结构体(structure)
　1.1.7关系运算与逻辑运算
　1.1.8常用图像处理数学函数
　1.1.9matlab程序流程控制
　1.1.10m文件编写
　1.1.11matlab函数编写
　1.2matlab图像类型及其存储方式
　1.3matlab的图像转换
　1.4读取和写入图像文件
　1.5图像的显示
第2章visualc++图像处理编程基础
　2.1位图文件及其c++操作
　2.1.1设备无关位图
　2.1.2bmp图像文件数据结构
　2.2认识cimg类
　2.2.1主要成员函数列表
　2.2.2公有成员
　2.3cimg类基础操作
　2.3.1加载和写入图像
　2.3.2获得图像基本信息
　2.3.3检验有效性
　2.3.4按像素操作
　2.3.5改变图像大小
　2.3.6重载的运算符
　2.3.7在屏幕上绘制位图图像
　2.3.8新建图像
　2.3.9图像类型的判断与转化
　2.4dipdemo工程
　2.4.1dipdemo主界面
　2.4.2图像操作和处理类——cimg和cimgprocess
　2.4.3文档类——cdipdemodoc
　2.4.4视图类——cdipdemoview
　2.5cimg应用示例
　2.5.1打开图像
　2.5.2清空图像
　2.5.3像素初始化方法
　2.5.4保存图像
第3章图像的点运算
　3.1灰度直方图
　3.1.1理论基础
　3.1.2matlab实现
　3.1.3visualc++实现
　3.2灰度的线性变换
　3.2.1理论基础
　3.2.2matlab程序的实现
　3.2.3visualc++实现
　3.3灰度对数变换
　3.3.1理论基础
　3.3.2matlab实现
　3.3.3visualc++实现
　3.4伽玛变换
　3.4.1理论基础
　3.4.2matlab编程实现
　3.4.3visualc++实现
　3.5灰度阈值变换
　3.5.1理论基础
　3.5.2matlab编程实现
　3.5.3visualc++实现
　3.6分段线性变换
　3.6.1理论基础
　3.6.2matlab编程实现
　3.6.3visualc++编程实现
　3.7直方图均衡化
　3.7.1理论基础
　3.7.2matlab编程实现
　3.7.3visualc++实现
　3.8直方图规定化(匹配)
　3.8.1理论基础
　3.8.2matlab编程实现
　3.8.3visualc++实现
第4章图像的几何变换
　4.1解决几何变换的一般思路
　4.2图像平移
　4.2.1图像平移的变换公式
　4.2.2图像平移的实现
　4.3图像镜像
　4.3.1图像镜像的变换公式
　4.3.2图像镜像的实现
　4.4图像转置
　4.4.1图像转置的变换公式
　4.4.2图像转置的实现
　4.5图像缩放
　4.5.1图像缩放的变换公式
　4.5.2图像缩放的实现
　4.6图像旋转
　4.6.1以原点为中心的图像旋转
　4.6.2以任意点为中心的图像旋转
　4.6.3图像旋转的实现
　4.7插值算法
　4.7.1*近邻插值
　4.7.2双线性插值
　4.7.3高阶插值
　4.8图像配准简介
　4.8.1图像配准
　4.8.2人脸图像配准的matlab实现
　4.9visualc++高级应用实例——汽车牌照的投影失真校正
　4.9.1系统分析与设计
　4.9.2系统实现
　4.9.3功能测试
第5章空间域图像增强
　5.1图像增强基础
　5.2空间域滤波
　5.3图像平滑
　5.3.1平均模板及其实现
　5.3.2高斯平滑及其实现
　5.3.3通用平滑滤波的visualc++实现
　5.3.4自适应平滑滤波
　5.4中值滤波
　5.4.1性能比较
　5.4.2一种改进的中值滤波策略
　5.4.3中值滤波的工作原理
　5.5图像锐化
　5.5.1理论基础
　5.5.2基于一阶导数的图像增强——梯度算子
　5.5.3基于二阶微分的图像增强——拉普拉斯算子
　5.5.4基于一阶与二阶导数的锐化算子的比较
　5.5.5高提升滤波及其实现
　5.5.6高斯-拉普拉斯变换(laplacianofagaussian，log)
第6章频率域图像增强
　6.1频率域滤波——与空间域滤波殊途同归
　6.2傅里叶变换基础知识
　6.2.1傅里叶级数
　6.2.2傅里叶变换
　6.2.3幅度谱、相位谱和功率谱
　6.2.4傅里叶变换的实质——基的转换
　6.3快速傅里叶变换及实现
　6.3.1fft变换的必要性
　6.3.2常见的fft算法
　6.3.3按时间抽取的基-2fft算法
　6.3.4离散反傅里叶变换的快速算法
　6.3.5n维快速傅里叶变换
　6.3.6matlab实现
　6.3.7visualc++实现
　6.4频域滤波基础
　6.4.1频域滤波与空域滤波的关系
　6.4.2频域滤波的基本步骤
　6.4.3频域滤波的matlab实现
　6.4.4频域滤波的visualc++实现
　6.5频率域低通滤波器
　6.5.1理想低通滤波器及其实现
　6.5.2高斯低通滤波器及其实现
　6.6频率域高通滤波器
　6.6.1高斯高通滤波器及其实现
　6.6.2频域拉普拉斯滤波器及其实现
　6.7matlab综合案例——利用频域滤波消除周期噪声
　6.7.1频域带阻滤波器
　6.7.2带阻滤波器消除周期噪声
　6.8频域滤波器与空域滤波器之间的内在联系
　附录
第7章小波变换
　7.1多分辨率分析
　7.1.1多分辨率框架
　7.1.2分解与重构的实现
　7.1.3图像处理中分解与重构的实现
　7.2gabor多分辨率分析
　7.3常见小波分析
　7.3.1haar小波
　7.3.2daubechies小波
　7.4高维小波
第8章图像复原
　8.1图像复原的理论模型
　8.1.1图像复原的基本概念
　8.1.2图像复原的一般模型
　8.2噪声模型
　8.2.1噪声种类
　8.2.2matlab实现
　8.2.3visualc++实现
　8.3空间滤波
　8.3.1空域滤波原理
　8.3.2matlab实现
　8.3.3visualc++实现
　8.4逆滤波复原
　8.4.1逆滤波原理
　8.4.2matlab实现
　8.4.3visualc++实现
　8.5维纳滤波复原
　8.5.1维纳滤波原理
　8.5.2matlab实现
　8.5.3visualc++实现
　8.6有约束*小二乘复原
　8.7lucky-richardson复原
　8.8盲去卷积图像复原
　8.9matlab图像复原综合案例——去除照片的运动模糊
第9章彩色图像处理
　9.1彩色基础
　9.2彩色模型
　9.2.1rgb模型
　9.2.2cmy、cmyk模型
　9.2.3hsi模型
　9.2.4hsv模型
　9.2.5yuv模型
　9.2.6yiq模型
　9.2.7lab模型简介
　9.3全彩色图像处理基础
　9.3.1彩色补偿及其matlab实现
　9.3.2彩色平衡及其matlab实现
第10章图像压缩
　10.1图像压缩理论
　10.1.1图像冗余
　10.1.2香农定理
　10.1.3保真度评价
　10.2dct变换与量化
　10.2.1dct变换原理
　10.2.2量化
　10.2.3dct变换和量化的visualc++实现
　10.3预测编码
　10.4霍夫曼编码
　10.4.1霍夫曼编码原理
　10.4.2霍夫曼编码的visualc++实现
　10.5算术编码
　10.5.1算术编码原理
　10.5.2算术编码的visualc++实现
　10.6游程编码
　10.7jpeg和jpeg2000压缩标准
　10.8visualc++综合案例——类似jpeg的图像压缩
第11章形态学图像处理
　11.1预备知识
　11.2二值图像中的基本形态学运算
　11.2.1腐蚀及其实现
　11.2.2膨胀及其实现
　11.2.3开运算及其实现
　11.2.4闭运算及其实现
　11.3二值图像中的形态学应用
　11.3.1击中与击不中变换及其实现
　11.3.2边界提取与跟踪及其实现
　11.3.3区域填充及其visualc++实现
　11.3.4连通分量提取及其实现
　11.3.5细化算法及其visualc++实现
　11.3.6像素化算法及其visualc++实现
　11.3.7凸壳及其visualc++实现
　11.3.8bwmorph()函数
　11.4灰度图像中的基本形态学运算
　11.4.1灰度膨胀及其实现
　11.4.2灰度腐蚀及其实现
　11.4.3灰度开、闭运算及其实现
　11.4.4顶帽变换(top-hat)及其实现
　小结
第12章图像分割
　12.1图像分割概述
　12.2边缘检测
　12.2.1边缘检测概述
　12.2.2常用的边缘检测算子
　12.2.3matlab实现
　12.2.4visualc++实现
　12.3霍夫变换
　12.3.1直线检测
　12.3.2曲线检测
　12.3.3任意形状的检测
　12.3.4hough变换直线检测的matlab实现
　12.3.5hough变换直线检测的visualc++实现
　12.4阈值分割
　12.4.1阈值分割方法
　12.4.2matlab实现
　12.4.3visualc++实现
　12.5区域分割
　12.5.1区域生长及其实现
　12.5.2区域分裂与合并及其matlab实现
　12.6小结
第13章特征提取
　13.1图像特征概述
　13.2基本统计特征
　13.2.1简单的区域描绘子及其matlab实现
　13.2.2直方图及其统计特征
　13.2.3灰度共现矩阵及其visualc++实现
　13.3特征降维
　13.3.1维度灾难
　13.3.2特征选择简介
　13.3.3主成分分析
　13.3.4快速pca及其实现
　13.4综合案例——基于pca的人脸特征抽取
　13.4.1数据集简介
　13.4.2生成样本矩阵
　13.4.3主成分分析
　13.4.4主成分脸可视化分析
　13.4.5基于主分量的人脸重建
　13.5局部二进制模式
　13.5.1基本lbp
　13.5.2圆形邻域的lbpp,r算子
　13.5.3统一化lbp算子——uniformlbp及其matlab实现
　13.5.4mb-lbp及其matlab实现
　13.5.5图像分区及其matlab实现
第14章图像识别初步
　14.1模式识别概述
　14.2模式识别方法分类
　14.3*小距离分类器和模板匹配
　14.3.1*小距离分类器及其matlab实现
　14.3.2基于相关的模板匹配
　14.3.3相关匹配的计算效率
第15章人工神经网络
　15.1人工神经网络简介
　15.1.1仿生学动机
　15.1.2人工神经网络的应用实例
　15.2人工神经网络的理论基础
　15.2.1训练线性单元的梯度下降算法
　15.2.2多层人工神经网络
　15.2.3sigmoid单元
　15.2.4反向传播(backpropagation，bp)算法
　15.2.5训练中的问题
　15.3基于ann的数字字符识别系统digitrec——分析与设计
　15.3.1任务描述
　15.3.2数据集简介
　15.3.3设计要点
　15.4基于ann的数字字符识别系统——digitrec的实现
　15.4.1构建神经元结构——sneuron
　15.4.2构建神经网络网络层——sneuronlayer
　15.4.3神经网络信息头——neuralnet_header
　15.4.4神经网络类——cneuralnet
　15.4.5神经网络的训练数据类——cneuraldata
　15.4.6误差跟踪类——cvaluetrack
　15.4.7训练对话框类——ctraindlg
　15.4.8测试对话框类——ctestdlg
　15.5基于ann的数字字符识别系统——digitrec的测试
　15.5.1训练
　15.5.2测试
　15.6改进的digitrec
　15.6.1数字字符图像的预处理类——cocrimageprocess
　15.6.2输入图像的预处理——实现
　15.6.3输入图像的预处理——测试
　15.7神经网络参数对训练和识别的影响
　15.7.1隐藏层单元数目的影响
　15.7.2学习率的影响
　15.7.3训练时代数目的影响
第16章支持向量机
　16.1支持向量机的分类思想
　16.2支持向量机的理论基础
　16.2.1线性可分情况下的svm
　16.2.2非线性可分情况下的c-svm
　16.2.3需要核函数映射情况下的svm
　16.2.4推广到多类问题
　16.3svm的matlab实现
　16.3.1训练——svmtrain
　16.3.2分类——svmclassify
　16.3.3应用实例
　16.4综合案例——基于pca和svm的人脸识别系统
　16.4.1人脸识别简介
　16.4.2前期处理
　16.4.3数据规格化
　16.4.4核函数的选择
　16.4.5参数选择
　16.4.6构建多类svm分类器
　16.4.7实验结果
　16.5svm在线资源
　16.5.1matlab的svm工具箱
　16.5.2libsvm的简介
第17章adaboost
　17.1adaboost分类思想
　17.2adaboost理论基础
　17.3构建adaboost的matlab工具箱
　17.4matlab综合案例——基于adaboost的面部图像男女性别分类
　17.4.1关于数据集
　17.4.2数据的预处理
　17.4.3算法流程实现
　参考文献