Visual C++數(shù)字圖像處理

第1章 Visual C++數(shù)字圖像編程基礎(chǔ)
1.1 圖像、顏色表和色彩空間
1.1.1 圖像
1.1.2 圖像的矩陣表示
1.1.3 顏色表
1.1.4 彩色空間
1.1.5 灰度圖像和彩色圖像
1.2 BMP文件結(jié)構(gòu)及其存取
1.2.1 BMP文件結(jié)構(gòu)
1.2.2 BMP圖像文件的讀寫
1.2.3 BMP圖像位圖數(shù)據(jù)的訪問
1.2.4 灰度圖像的顏色表
1.3 GDI對象及GDI位圖
1.3.1 從資源中裝入GDI位圖
1.3.2 對位圖進(jìn)行伸縮處理
1.4 設(shè)備無關(guān)位圖（DIB）
1.4.1 調(diào)色板
1.4.2 DIB訪問函數(shù)
1.4.3 面向過程的DIB的讀寫及訪問
1.4.4 面向?qū)ο蟮腄IB的讀寫及訪問——ImgCenterDib類
1.4.5 使用ImgCenterDib進(jìn)行圖像可視化編程
1.5 面向?qū)ο蟮膱D像處理算法實現(xiàn)
1.5.1 特效顯示類SpecialEffectShow的定義
1.5.2 圖像的掃描顯示
1.5.3 圖像的滑動顯示
1.5.4 圖像的漸進(jìn)顯示
1.5.5 圖像的馬賽克顯示
1.6 本章小結(jié)
第2章 圖像的灰度變換
2.1 灰度變換類（GrayTrans）
2.1.1 灰度變換類（GrayTrans）的定義
2.1.2 GrayTrans類的構(gòu)造函數(shù)和析構(gòu)函數(shù)
2.1.3 彩色和灰度格式間的轉(zhuǎn)換
2.2 灰度的線性變換
2.2.1 負(fù)相變換
2.2.2 二值化和閾值處理
2.2.3 分段線性變換
2.3 灰度的非線性變換
2.3.1 對數(shù)函數(shù)非線性變換
2.3.2 指數(shù)函數(shù)非線性變換
2.4 灰度直方圖
2.4.1 直方圖類（Histogram）
2.4.2 編程實現(xiàn)直方圖的繪制
2.4.3 直方圖均衡
2.5 本章小結(jié)
第3章 圖像的幾何變換
3.1 幾何校正與幾何變換
3.2 幾何變換類（GeometryTrans）
3.2.1 幾何變換類（GeometryTrans）的定義
3.2.2 GeometryTrans類的構(gòu)造函數(shù)和析構(gòu)函數(shù)
3.3 圖像的平移
3.4 圖像的轉(zhuǎn)置
3.5 圖像的鏡像變換
3.6 圖像的插值算法
3.7 圖像的縮放
3.8 圖像的旋轉(zhuǎn)
3.8.1 簡單角度的旋轉(zhuǎn)
3.8.2 任意角度的旋轉(zhuǎn)
3.9 本章小結(jié)
第4章 圖像的變換域處理
4.1 傅里葉變換
4.1.1 傅里葉變換的理論基礎(chǔ)
4.1.2 二維離散傅里葉變換的性質(zhì)
4.1.3 快速傅里葉變換（FFT）
4.1.4 快速傅里葉變換類（Transform_FFT）
4.1.5 Transform_FFT類的實現(xiàn)
4.1.6 傅里葉變換在圖像處理中的應(yīng)用
4.2 離散余弦變換
4.2.1 基礎(chǔ)理論
4.2.2 離散余弦變換類（Transform_DCT）的定義
4.2.3 離散余弦變換類（Transform_DCT）的實現(xiàn)
4.2.4 離散余弦變換的實驗結(jié)果
4.3 圖像的小波變換及其應(yīng)用
4.3.1 小波變換的基本理論
4.3.2 尺度函數(shù)與小波
4.3.3 Mallat算法與塔式分解
4.3.4 圖像的多分辨分解與重建
4.3.5 小波變換類的定義
4.3.6 小波變換類的實現(xiàn)
4.3.7 小波在圖像去噪中的應(yīng)用
4.4 本章小結(jié)
第5章 圖像增強(qiáng)處理
5.1 圖像增強(qiáng)類
5.1.1 圖像增強(qiáng)類的定義
5.1.2 CImgEnhance類的構(gòu)造函數(shù)和析構(gòu)函數(shù)
5.2 圖像中的噪聲模型
5.2.1 噪聲來源
5.2.2 編程實現(xiàn)噪聲添加
5.2.3 編程實現(xiàn)信噪比的計算
5.3 圖像灰度修正
5.3.1 灰度校正
5.3.2 其他灰度修正方法
5.4 圖像的平滑
5.4.1 鄰域平均法
5.4.2 加權(quán)平均
5.4.3 選擇式掩模平滑
5.4.4 中值濾波
5.5 圖像的銳化
5.5.1 梯度銳化
5.5.2 拉普拉斯掩模銳化
5.6 本章小結(jié)
第6章 圖像分割
6.1 圖像分割類（ImgSegment）
6.1.1 ImgSegment類的定義
6.1.2 ImgSegment類的構(gòu)造函數(shù)和析構(gòu)函數(shù)
6.2 閾值分割
6.2.1 閾值分割原理
6.2.2 最大方差閾值分割
6.2.3 交互式閾值分割
6.3 邊緣檢測
6.3.1 邊緣檢測原理
6.3.2 常用邊緣算子
6.3.3 自定義模板邊緣
6.4 生長算法
6.4.1 區(qū)域生長
6.4.2 輪廓提取和邊界跟蹤
6.5 Hough變換
6.6 本章小結(jié)
第7章 圖像復(fù)原
7.1 建立圖像退化模型
7.1.1 圖像的退化模型
7.1.2 連續(xù)的退化模型
7.1.3 離散的退化模型
7.2 運動模糊圖像復(fù)原的基本原理
7.2.1 運動模糊圖像形成過程的描述
7.2.2 勻速直線運動模糊的退化模型
7.2.3 勻速直線運動的點擴(kuò)散函數(shù)參數(shù)確定
7.3 典型的運動模糊圖像復(fù)原方法
7.3.1 圖像恢復(fù)類的定義
7.3.2 ImageRestoreExt類構(gòu)造函數(shù)與析構(gòu)函數(shù)
7.3.3 逆濾波
7.3.4 維納濾波
7.3.5 振鈴效應(yīng)的抑制
7.4 其他恢復(fù)方法
7.4.1 投影恢復(fù)法
7.4.2 Richardson-Lucy算法
7.4.3 幾種恢復(fù)方法的性能比較
7.5 圖像復(fù)原質(zhì)量評價
7.5.1 有參照圖像質(zhì)量評價
7.5.2 無參照圖像質(zhì)量評價
7.6 本章小結(jié)
第8章 圖像的形態(tài)學(xué)處理
8.1 數(shù)學(xué)形態(tài)學(xué)類（Morphology）
8.1.1 Morphology類的定義
8.1.2 構(gòu)造函數(shù)和析構(gòu)函數(shù)
8.2 二值數(shù)學(xué)形態(tài)學(xué)
8.2.1 二值數(shù)學(xué)形態(tài)學(xué)的相關(guān)概念
8.2.2 結(jié)構(gòu)元素輸入函數(shù)
8.2.3 二值腐蝕和膨脹
8.2.4 二值開運算和閉運算
8.2.5 二值形態(tài)學(xué)邊界
8.2.6 擊中擊不中變換與細(xì)化算法
8.3 灰值形態(tài)學(xué)
8.3.1 灰值形態(tài)學(xué)的相關(guān)概念
8.3.2 灰值腐蝕和膨脹
8.3.3 灰值開運算和閉運算
8.3.4 灰值形態(tài)學(xué)梯度
8.3.5 Top-Hat變換
8.4 水域分割
8.4.1 水域分割原理
8.4.2 水域分割類（Watershed）
8.4.3 Watershed類的實現(xiàn)
8.4.4 水域分割函數(shù)的調(diào)用
8.5 本章小結(jié)
第9章 運動圖像分析及其應(yīng)用
9.1 運動圖像分析涉及的基本問題
9.1.1 運動圖像分析
9.1.2 運動的分類
9.1.3 運動的表達(dá)
9.2 頻域運動估計方法
9.2.1 歸一化相位相關(guān)方法
9.2.2 基于相位差的運動估計方法
9.3 運動目標(biāo)檢測與跟蹤
9.3.1 靜止背景下的運動目標(biāo)檢測
9.3.2 動態(tài)背景下的運動目標(biāo)檢測
9.3.3 基于Mean Shift 的運動目標(biāo)跟蹤方法
9.4 運動分析在電視跟蹤測量系統(tǒng)中的典型應(yīng)用
9.4.1 電視跟蹤測量系統(tǒng)的基本工作原理
9.4.2 目標(biāo)的提取與跟蹤
9.4.3 簡單場景的目標(biāo)檢測與跟蹤
9.4.4 復(fù)雜場景下的金字塔模板匹配跟蹤方法
9.5 本章小結(jié)
第10章 圖像配準(zhǔn)
10.1 圖像配準(zhǔn)的定義
10.2 圖像配準(zhǔn)類（Register）
10.2.1 Register類的定義
10.2.2 Register類的構(gòu)造函數(shù)和析構(gòu)函數(shù)
10.2.3 Register類輸入數(shù)據(jù)的接口函數(shù)
10.3 模板匹配法
10.4 基于Harris角點特征的圖像配準(zhǔn)
10.4.1 Harris角點檢測及其算法實現(xiàn)
10.4.2 基于奇異值分解的角點匹配及其算法實現(xiàn)
10.5 基于相位相關(guān)的圖像配準(zhǔn)
10.6 本章小結(jié)
參考文獻(xiàn)