數(shù)字圖像處理與機(jī)器視覺：Visual C++與Matlab實(shí)現(xiàn)（第2版）

目　錄
第0章　初識(shí)數(shù)字圖像處理與機(jī)器視覺　1
0．1　數(shù)字圖像　1
0．1．1　什么是數(shù)字圖像　1
0．1．2　數(shù)字圖像的顯示　1
0．1．3　數(shù)字圖像的分類　2
0．1．4　數(shù)字圖像的實(shí)質(zhì)　3
0．1．5　數(shù)字圖像的表示　4
0．1．6　圖像的空間和灰度級(jí)分辨率　4
0．2　數(shù)字圖像處理與機(jī)器視覺　5
0．2．1　從圖像處理到圖像識(shí)別　5
0．2．2　什么是機(jī)器視覺　6
0．2．3　數(shù)字圖像處理和識(shí)別的應(yīng)用實(shí)例　7
0．3　數(shù)字圖像處理的預(yù)備知識(shí)　8
0．3．1　鄰接性、連通性、區(qū)域和邊界　8
0．3．2　距離度量的幾種方法　9
0．3．3　基本的圖像操作　10
第1章　MATLAB數(shù)字圖像處理編程基礎(chǔ)　11
1．1　MATLAB R2011a簡介　11
1．1．1　MATLAB軟件環(huán)境　11
1．1．2　文件操作　12
1．1．3　在線幫助的使用　13
1．1．4　變量的使用　15
1．1．5　矩陣的使用　17
1．1．6　細(xì)胞數(shù)組(Cell Array)和結(jié)構(gòu)體(Structure)　19
1．1．7　關(guān)系運(yùn)算與邏輯運(yùn)算　20
1．1．8　常用圖像處理數(shù)學(xué)函數(shù)　21
1．1．9　MATLAB程序流程控制　22
1．1．10　M文件編寫　25
1．1．11　MATLAB函數(shù)編寫　26
1．2　MATLAB圖像類型及其存儲(chǔ)方式　28
1．3　MATLAB的圖像轉(zhuǎn)換　30
1．4　讀取和寫入圖像文件　32
1．5　圖像的顯示　34
第2章　Visual C++圖像處理編程基礎(chǔ)　37
2．1　位圖文件及其C++操作　37
2．1．1　設(shè)備無關(guān)位圖　37
2．1．2　BMP圖像文件數(shù)據(jù)結(jié)構(gòu)　37
2．2　認(rèn)識(shí)CImg類　40
2．2．1　主要成員函數(shù)列表　40
2．2．2　公有成員　41
2．3　CImg類基礎(chǔ)操作　41
2．3．1　加載和寫入圖像　41
2．3．2　獲得圖像基本信息　44
2．3．3　檢驗(yàn)有效性　45
2．3．4　按像素操作　45
2．3．5　改變圖像大小　47
2．3．6　重載的運(yùn)算符　47
2．3．7　在屏幕上繪制位圖圖像　48
2．3．8　新建圖像　48
2．3．9　圖像類型的判斷與轉(zhuǎn)化　50
2．4　DIPDemo工程　51
2．4．1　DIPDemo主界面　51
2．4．2　圖像操作和處理類——CImg和CImgProcess　52
2．4．3　文檔類——CDIPDemoDoc　53
2．4．4　視圖類——CDIPDemoView　53
2．5　CImg應(yīng)用示例　54
2．5．1　打開圖像　54
2．5．2　清空?qǐng)D像　55
2．5．3　像素初始化方法　56
2．5．4　保存圖像　57
第3章　圖像的點(diǎn)運(yùn)算　58
3．1　灰度直方圖　58
3．1．1　理論基礎(chǔ)　58
3．1．2　MATLAB實(shí)現(xiàn)　59
3．1．3　Visual C++實(shí)現(xiàn)　62
3．2　灰度的線性變換　63
3．2．1　理論基礎(chǔ)　63
3．2．2　MATLAB程序的實(shí)現(xiàn)　64
3．2．3　Visual C++實(shí)現(xiàn)　66
3．3　灰度對(duì)數(shù)變換　67
3．3．1　理論基礎(chǔ)　67
3．3．2　MATLAB實(shí)現(xiàn)　68
3．3．3　Visual C++實(shí)現(xiàn)　69
3．4　伽瑪變換　70
3．4．1　理論基礎(chǔ)　70
3．4．2　MATLAB編程實(shí)現(xiàn)　70
3．4．3　Visual C++實(shí)現(xiàn)　72
3．5　灰度閾值變換　73
3．5．1　理論基礎(chǔ)　73
3．5．2　MATLAB編程實(shí)現(xiàn)　74
3．5．3　Visual C++實(shí)現(xiàn)　75
3．6　分段線性變換　76
3．6．1　理論基礎(chǔ)　76
3．6．2　MATLAB編程實(shí)現(xiàn)　77
3．6．3　Visual C++編程實(shí)現(xiàn)　81
3．7　直方圖均衡化　82
3．7．1　理論基礎(chǔ)　82
3．7．2　MATLAB編程實(shí)現(xiàn)　83
3．7．3　Visual C++實(shí)現(xiàn)　85
3．8　直方圖規(guī)定化(匹配)　86
3．8．1　理論基礎(chǔ)　86
3．8．2　MATLAB編程實(shí)現(xiàn)　87
3．8．3　Visual C++實(shí)現(xiàn)　89
第4章　圖像的幾何變換　92
4．1　解決幾何變換的一般思路　92
4．2　圖像平移　94
4．2．1　圖像平移的變換公式　94
4．2．2　圖像平移的實(shí)現(xiàn)　94
4．3　圖像鏡像　96
4．3．1　圖像鏡像的變換公式　96
4．3．2　圖像鏡像的實(shí)現(xiàn)　97
4．4　圖像轉(zhuǎn)置　99
4．4．1　圖像轉(zhuǎn)置的變換公式　99
4．4．2　圖像轉(zhuǎn)置的實(shí)現(xiàn)　99
4．5　圖像縮放　101
4．5．1　圖像縮放的變換公式　101
4．5．2　圖像縮放的實(shí)現(xiàn)　101
4．6　圖像旋轉(zhuǎn)　103
4．6．1　以原點(diǎn)為中心的圖像旋轉(zhuǎn)　103
4．6．2　以任意點(diǎn)為中心的圖像旋轉(zhuǎn)　104
4．6．3　圖像旋轉(zhuǎn)的實(shí)現(xiàn)　105
4．7　插值算法　106
4．7．1　最近鄰插值　106
4．7．2　雙線性插值　107
4．7．3　高階插值　109
4．8　圖像配準(zhǔn)簡介　111
4．8．1　圖像配準(zhǔn)　112
4．8．2　人臉圖像配準(zhǔn)的MATLAB實(shí)現(xiàn)　112
4．9　Visual C++高級(jí)應(yīng)用實(shí)例——汽車牌照的投影失真校正　115
4．9．1　系統(tǒng)分析與設(shè)計(jì)　116
4．9．2　系統(tǒng)實(shí)現(xiàn)　117
4．9．3　功能測(cè)試　122
第5章　空間域圖像增強(qiáng)　126
5．1　圖像增強(qiáng)基礎(chǔ)　126
5．2　空間域?yàn)V波　127
5．3　圖像平滑　133
5．3．1　平均模板及其實(shí)現(xiàn)　133
5．3．2　高斯平滑及其實(shí)現(xiàn)　134
5．3．3　通用平滑濾波的Visual C++實(shí)現(xiàn)　138
5．3．4　自適應(yīng)平滑濾波　139
5．4　中值濾波　140
5．4．1　性能比較　140
5．4．2　一種改進(jìn)的中值濾波策略　144
5．4．3　中值濾波的工作原理　145
5．5　圖像銳化　145
5．5．1　理論基礎(chǔ)　145
5．5．2　基于一階導(dǎo)數(shù)的圖像增強(qiáng)——梯度算子　145
5．5．3　基于二階微分的圖像增強(qiáng)——拉普拉斯算子　149
5．5．4　基于一階與二階導(dǎo)數(shù)的銳化算子的比較　151
5．5．5　高提升濾波及其實(shí)現(xiàn)　152
5．5．6　高斯-拉普拉斯變換(Laplacian of a Gaussian，LoG)　156
第6章　頻率域圖像增強(qiáng)　159
6．1　頻率域?yàn)V波——與空間域?yàn)V波殊途同歸　159
6．2　傅里葉變換基礎(chǔ)知識(shí)　159
6．2．1　傅里葉級(jí)數(shù)　159
6．2．2　傅里葉變換　161
6．2．3　幅度譜、相位譜和功率譜　163
6．2．4　傅里葉變換的實(shí)質(zhì)——基的轉(zhuǎn)換　165
6．3　快速傅里葉變換及實(shí)現(xiàn)　166
6．3．1　FFT變換的必要性　167
6．3．2　常見的FFT算法　167
6．3．3　按時(shí)間抽取的基-2 FFT算法　168
6．3．4　離散反傅里葉變換的快速算法　171
6．3．5　N維快速傅里葉變換　171
6．3．6　MATLAB實(shí)現(xiàn)　171
6．3．7　Visual C++實(shí)現(xiàn)　175
6．4　頻域?yàn)V波基礎(chǔ)　183
6．4．1　頻域?yàn)V波與空域?yàn)V波的關(guān)系　183
6．4．2　頻域?yàn)V波的基本步驟　184
6．4．3　頻域?yàn)V波的MATLAB實(shí)現(xiàn)　184
6．4．4　頻域?yàn)V波的Visual C++實(shí)現(xiàn)　185
6．5　頻率域低通濾波器　187
6．5．1　理想低通濾波器及其實(shí)現(xiàn)　187
6．5．2　高斯低通濾波器及其實(shí)現(xiàn)　191
6．6　頻率域高通濾波器　195
6．6．1　高斯高通濾波器及其實(shí)現(xiàn)　195
6．6．2　頻域拉普拉斯濾波器及其實(shí)現(xiàn)　198
6．7　MATLAB綜合案例——利用頻域?yàn)V波消除周期噪聲　201
6．7．1　頻域帶阻濾波器　201
6．7．2　帶阻濾波器消除周期噪聲　202
6．8　頻域?yàn)V波器與空域?yàn)V波器之間的內(nèi)在聯(lián)系　204
附錄　205
第7章　小波變換　207
7．1　多分辨率分析　207
7．1．1　多分辨率框架　207
7．1．2　分解與重構(gòu)的實(shí)現(xiàn)　213
7．1．3　圖像處理中分解與重構(gòu)的實(shí)現(xiàn)　214
7．2　Gabor多分辨率分析　220
7．3　常見小波分析　223
7．3．1　Haar小波　223
7．3．2　Daubechies小波　225
7．4　高維小波　227
第8章　圖像復(fù)原　230
8．1　圖像復(fù)原的理論模型　230
8．1．1　圖像復(fù)原的基本概念　230
8．1．2　圖像復(fù)原的一般模型　232
8．2　噪聲模型　232
8．2．1　噪聲種類　233
8．2．2　MATLAB實(shí)現(xiàn)　237
8．2．3　Visual C++實(shí)現(xiàn)　239
8．3　空間濾波　244
8．3．1　空域?yàn)V波原理　244
8．3．2　MATLAB實(shí)現(xiàn)　245
8．3．3　Visual C++實(shí)現(xiàn)　247
8．4　逆濾波復(fù)原　250
8．4．1　逆濾波原理　250
8．4．2　MATLAB實(shí)現(xiàn)　251
8．4．3　Visual C++實(shí)現(xiàn)　253
8．5　維納濾波復(fù)原　256
8．5．1　維納濾波原理　256
8．5．2　MATLAB實(shí)現(xiàn)　257
8．5．3　Visual C++實(shí)現(xiàn)　260
8．6　有約束最小二乘復(fù)原　262
8．7　Lucky-Richardson復(fù)原　265
8．8　盲去卷積圖像復(fù)原　266
8．9　MATLAB圖像復(fù)原綜合案例——去除照片的運(yùn)動(dòng)模糊　268
第9章　彩色圖像處理　270
9．1　彩色基礎(chǔ)　270
9．2　彩色模型　272
9．2．1　RGB模型　272
9．2．2　CMY、CMYK模型　274
9．2．3　HSI模型　276
9．2．4　HSV模型　282
9．2．5　YUV模型　287
9．2．6　YIQ模型　292
9．2．7　Lab模型簡介　296
9．3　全彩色圖像處理基礎(chǔ)　296
9．3．1　彩色補(bǔ)償及其MATLAB實(shí)現(xiàn)　296
9．3．2　彩色平衡及其MATLAB實(shí)現(xiàn)　298
第10章　圖像壓縮　300
10．1　圖像壓縮理論　300
10．1．1　圖像冗余　300
10．1．2　香農(nóng)定理　303
10．1．3　保真度評(píng)價(jià)　304
10．2　DCT變換與量化　304
10．2．1　DCT變換原理　304
10．2．2　量化　306
10．2．3　DCT變換和量化的Visual C++實(shí)現(xiàn)　307
10．3　預(yù)測(cè)編碼　312
10．4　霍夫曼編碼　313
10．4．1　霍夫曼編碼原理　313
10．4．2　霍夫曼編碼的Visual C++實(shí)現(xiàn)　316
10．5　算術(shù)編碼　324
10．5．1　算術(shù)編碼原理　324
10．5．2　算術(shù)編碼的Visual C++實(shí)現(xiàn)　327
10．6　游程編碼　330
10．7　JPEG和JPEG2000壓縮標(biāo)準(zhǔn)　331
10．8　Visual C++綜合案例——類似JPEG的圖像壓縮　332
第11章　形態(tài)學(xué)圖像處理　341
11．1　預(yù)備知識(shí)　341
11．2　二值圖像中的基本形態(tài)學(xué)運(yùn)算　342
11．2．1　腐蝕及其實(shí)現(xiàn)　343
11．2．2　膨脹及其實(shí)現(xiàn)　350
11．2．3　開運(yùn)算及其實(shí)現(xiàn)　353
11．2．4　閉運(yùn)算及其實(shí)現(xiàn)　356
11．3　二值圖像中的形態(tài)學(xué)應(yīng)用　357
11．3．1　擊中與擊不中變換及其實(shí)現(xiàn)　357
11．3．2　邊界提取與跟蹤及其實(shí)現(xiàn)　359
11．3．3　區(qū)域填充及其Visual C++實(shí)現(xiàn)　363
11．3．4　連通分量提取及其實(shí)現(xiàn)　365
11．3．5　細(xì)化算法及其Visual C++實(shí)現(xiàn)　370
11．3．6　像素化算法及其Visual C++實(shí)現(xiàn)　374
11．3．7　凸殼及其Visual C++實(shí)現(xiàn)　379
11．3．8　bwmorph()函數(shù)　382
11．4　灰度圖像中的基本形態(tài)學(xué)運(yùn)算　383
11．4．1　灰度膨脹及其實(shí)現(xiàn)　383
11．4．2　灰度腐蝕及其實(shí)現(xiàn)　386
11．4．3　灰度開、閉運(yùn)算及其實(shí)現(xiàn)　389
11．4．4　頂帽變換(top-hat)及其實(shí)現(xiàn)　392
小結(jié)　394
第12章　圖像分割　395
12．1　圖像分割概述　395
12．2　邊緣檢測(cè)　396
12．2．1　邊緣檢測(cè)概述　396
12．2．2　常用的邊緣檢測(cè)算子　397
12．2．3　MATLAB實(shí)現(xiàn)　400
12．2．4　Visual C++實(shí)現(xiàn)　402
12．3　霍夫變換　409
12．3．1　直線檢測(cè)　409
12．3．2　曲線檢測(cè)　411
12．3．3　任意形狀的檢測(cè)　411
12．3．4　Hough變換直線檢測(cè)的MATLAB實(shí)現(xiàn)　412
12．3．5　Hough變換直線檢測(cè)的Visual C++實(shí)現(xiàn)　415
12．4　閾值分割　418
12．4．1　閾值分割方法　419
12．4．2　MATLAB實(shí)現(xiàn)　422
12．4．3　Visual C++實(shí)現(xiàn)　423
12．5　區(qū)域分割　425
12．5．1　區(qū)域生長及其實(shí)現(xiàn)　425
12．5．2　區(qū)域分裂與合并及其MATLAB實(shí)現(xiàn)　429
12．6　小結(jié)　433
第13章　特征提取　434
13．1　圖像特征概述　434
13．2　基本統(tǒng)計(jì)特征　436
13．2．1　簡單的區(qū)域描繪子及其MATLAB實(shí)現(xiàn)　436
13．2．2　直方圖及其統(tǒng)計(jì)特征　437
13．2．3　灰度共現(xiàn)矩陣及其Visual C++實(shí)現(xiàn)　439
13．3　特征降維　442
13．3．1　維度災(zāi)難　442
13．3．2　特征選擇簡介　443
13．3．3　主成分分析　444
13．3．4　快速PCA及其實(shí)現(xiàn)　450
13．4　綜合案例——基于PCA的人臉特征抽取　451
13．4．1　數(shù)據(jù)集簡介　452
13．4．2　生成樣本矩陣　452
13．4．3　主成分分析　453
13．4．4　主成分臉可視化分析　454
13．4．5　基于主分量的人臉重建　456
13．5　局部二進(jìn)制模式　457
13．5．1　基本LBP　457
13．5．2　圓形鄰域的LBPP，R算子　458
13．5．3　統(tǒng)一化LBP算子——Uniform LBP及其MATLAB實(shí)現(xiàn)　459
13．5．4　MB-LBP及其MATLAB實(shí)現(xiàn)　462
13．5．5　圖像分區(qū)及其MATLAB實(shí)現(xiàn)　467
第14章　圖像識(shí)別初步　470
14．1　模式識(shí)別概述　470
14．2　模式識(shí)別方法分類　474
14．3　最小距離分類器和模板匹配　476
14．3．1　最小距離分類器及其MATLAB實(shí)現(xiàn)　476
14．3．2　基于相關(guān)的模板匹配　477
14．3．3　相關(guān)匹配的計(jì)算效率　482
第15章　人工神經(jīng)網(wǎng)絡(luò)　484
15．1　人工神經(jīng)網(wǎng)絡(luò)簡介　484
15．1．1　仿生學(xué)動(dòng)機(jī)　484
15．1．2　人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用實(shí)例　486
15．2　人工神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)　487
15．2．1　訓(xùn)練線性單元的梯度下降算法　487
15．2．2　多層人工神經(jīng)網(wǎng)絡(luò)　492
15．2．3　Sigmoid單元　492
15．2．4　反向傳播(Back Propagation，BP)算法　493
15．2．5　訓(xùn)練中的問題　496
15．3　基于ANN的數(shù)字字符識(shí)別系統(tǒng)DigitRec——分析與設(shè)計(jì)　498
15．3．1　任務(wù)描述　498
15．3．2　數(shù)據(jù)集簡介　498
15．3．3　設(shè)計(jì)要點(diǎn)　498
15．4　基于ANN的數(shù)字字符識(shí)別系統(tǒng)——DigitRec的實(shí)現(xiàn)　500
15．4．1　構(gòu)建神經(jīng)元結(jié)構(gòu)——SNeuron　500
15．4．2　構(gòu)建神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)層——SNeuronLayer　501
15．4．3　神經(jīng)網(wǎng)絡(luò)信息頭——NeuralNet_Header　502
15．4．4　神經(jīng)網(wǎng)絡(luò)類——CNeuralNet　502
15．4．5　神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)類——CNeuralData　513
15．4．6　誤差跟蹤類——CValueTrack　518
15．4．7　訓(xùn)練對(duì)話框類——CTrainDlg　520
15．4．8　測(cè)試對(duì)話框類——CTestDlg　523
15．5　基于ANN的數(shù)字字符識(shí)別系統(tǒng)——DigitRec的測(cè)試　526
15．5．1　訓(xùn)練　526
15．5．2　測(cè)試　526
15．6　改進(jìn)的DigitRec　527
15．6．1　數(shù)字字符圖像的預(yù)處理類——COCRImageProcess　527
15．6．2　輸入圖像的預(yù)處理——實(shí)現(xiàn)　528
15．6．3　輸入圖像的預(yù)處理——測(cè)試　539
15．7　神經(jīng)網(wǎng)絡(luò)參數(shù)對(duì)訓(xùn)練和識(shí)別的影響　540
15．7．1　隱藏層單元數(shù)目的影響　540
15．7．2　學(xué)習(xí)率的影響　541
15．7．3　訓(xùn)練時(shí)代數(shù)目的影響　542
第16章　支持向量機(jī)　544
16．1　支持向量機(jī)的分類思想　544
16．2　支持向量機(jī)的理論基礎(chǔ)　545
16．2．1　線性可分情況下的SVM　545
16．2．2　非線性可分情況下的C-SVM　548
16．2．3　需要核函數(shù)映射情況下的SVM　550
16．2．4　推廣到多類問題　553
16．3　SVM的MATLAB實(shí)現(xiàn)　554
16．3．1　訓(xùn)練——svmtrain　555
16．3．2　分類——svmclassify　556
16．3．3　應(yīng)用實(shí)例　557
16．4　綜合案例——基于PCA和SVM的人臉識(shí)別系統(tǒng)　557
16．4．1　人臉識(shí)別簡介　558
16．4．2　前期處理　558
16．4．3　數(shù)據(jù)規(guī)格化　558
16．4．4　核函數(shù)的選擇　561
16．4．5　參數(shù)選擇　562
16．4．6　構(gòu)建多類SVM分類器　564
16．4．7　實(shí)驗(yàn)結(jié)果　566
16．5　SVM在線資源　571
16．5．1　MATLAB的SVM工具箱　572
16．5．2　LibSVM的簡介　572
第17章　AdaBoost　573
17．1　AdaBoost分類思想　573
17．2　AdaBoost理論基礎(chǔ)　575
17．3　構(gòu)建AdaBoost的MATLAB工具箱　577
17．4　MATLAB綜合案例——基于AdaBoost的面部圖像男女性別分類　580
17．4．1　關(guān)于數(shù)據(jù)集　580
17．4．2　數(shù)據(jù)的預(yù)處理　581
17．4．3　算法流程實(shí)現(xiàn)　581
參考文獻(xiàn)　583