数字图像处理与机器视觉——基于MATLAB实现

本书主要介绍了数字图像处理和机器视觉的基本知识、基本方法和典型案例，将理论知识、科学研究和工程实践有机结合起来，主要内容包括绪论、MATLAB数字图像处理基础、数字图像处理基础知识、图像的基本运算、图像变换、灰度变换和滤波、图像分割、彩色图像处理、图像的表示与描述、图像识别基础、MATLAB GUI设计基础、人工神经网络和卷积神经网络、基于MATLAB的图像处理与机器视觉实例。本书内容系统性强，内容深入简出，理论和编程实践相结合，书中所有例题和案例都附有MATLAB源程序和原始图片数据，便于读者自学。 本书可作为普通高等院校大学本科和研究生教材，也适用于从事数字图像处理、图像识别、机器视觉和人工智能研究与开发的工程技术和科研人员。

目录第1章 绪 论21.1数字图像处理定义及发展史21.1.1什么是数字图像处理21.1.2与数字图像处理相关的术语（数字图像处理、机器视觉、数字图像识别、计算机图形学、人工智能）31.1.3数字图像处理的广义与狭义概念41.2数字图像处理系统组成41.3数字图像处理的主要研究内容和发展趋势51.3.1数字图像处理的主要研究内容51.3.2数字图像处理应用及发展趋势61.4常用数字图像工具软件简介121.4.1 MATLAB121.4.2 Python131.4.3 OpenCV131.4.4 Java141.4.5 C++141.4.6 HALCON14本章小结15习题15第2章 MATLAB数字图像处理基础162.1 MATLAB简介162.2 MATLAB软件的安装162.3 MATLAB程序设计语言基础222.3.1 MATLAB语言变量与常量222.3.2 MATLAB数据结构232.3.3 MATLAB基本语句结构232.3.4 M文件的编写242.3.5 MATLAB函数编写242.3.6 MATLAB帮助文档（help、doc、type）252.4 MATLAB程序设计292.4.1 循环语句结构292.4.2条件语句结构302.4.3开关语句结构312.4.4程序调试与优化312.5.2 MATLAB图像类型及存储方式342.5.3 MATLAB图像转换352.5.4 读取和写入图像文件362.5.5 图像显示37本章小结38习题39第3章 数字图像处理基础知识453.1 图像的基本概念453.2 图像的数字化及表达463.3 图像的获取与显示473.3.1图像的采样473.3.2采样点的选取483.3.3图像的量化483.4 像素间的基本关系493.4.1邻域493.4.2像素的邻接性与连通性503.5灰度直方图523.5.1灰度直方图的绘制523.5.2灰度直方图的使用533.6图像的分类543.6.1二值图像543.6.2灰度图像553.6.3彩色图像553.6.4矢量图象563.6.5索引图像56本章小结58习题58第4章 图像的基本运算594.1 概述594.2点运算594.2.1线性点运算604.2.2非线性点运算614.3代数运算634.3.1加法运算644.3.2减法运算664.3.3乘法运算674.3.4除法运算674.4逻辑运算684.5几何运算694.5.1图像的平移694.5.2图像的镜像714.5.3图像的旋转724.5.4图像的缩放744.5.5灰度插值75本章小结77习题77第5章 图像变换795.1 认识傅里叶变换805.2 快速傅里叶变换835.2.1时间抽取（DIT）的基2 FFT算法855.3 傅里叶变换的性质855.3.1 线性855.3.2 对称性质855.3.3 尺度变换性质865.3.4 时移性质865.3.5 频移性质865.3.6 平移性质865.3.7 可分离性875.3.8 周期性和共轭对称性895.3.9 旋转性质905.3.10 分配律915.3.11 尺度变换925.4.7 平均值945.4.8 卷积定理94本章小结95习题95第6章 灰度变换与滤波966.1 灰度变换966.1.1灰度线性变换976.1.2灰度分段线性变换986.1.3反转变换996.1.4对数变换1006.1.5幂次变换1016.2 直方图变换1016.2.1直方图均衡化1026.2.2直方图规定化1046.3 图像的高、低频分量与噪声的关系1066.4空间滤波1066.4.1均值滤波1076.4.2中值滤波1096.4.3高斯滤波1106.5频域滤波1116.5.1低通滤波1126.5.2高通滤波1166.5.3同态滤波1186.5.4带阻滤波121本章小结124习题124第7章图 像 分 割1257.1 引言1257.2 图像分割处理1257.3 基于阈值的图像处理1267.3.1 全局阈值分割1267.3.2多阈值分割1317.3.2自适应阈值1327.3.3最佳阈值的选择法1347.3.4分水岭算法1367.4基于梯度的图像分割1367.4.1边界跟踪1367.4.2梯度图像二值化1377.5边缘检测与连接1387.5.1边缘检测1387.5.2边缘连接1407.6区域分割1417.6.1区域生长1417.6.2区域分裂合并法1437.7数学形态学图像处理1457.7.1 腐蚀与膨胀1477.7.2开运算和闭运算1497.8图像分割综合应用150本章小结152习题152第8章 彩色图像处理1548.1彩色图像基础1548.1.1彩色的定义1558.1.2彩色的物理认识1558.1.3三原色1558.1.4 计算机中的颜色表示1568.2彩色图像的表示1578.2.1 RGB模型1578.2.1 HSV彩色空间1588.2.2 HSI模型1598.2.3 Lab颜色模型1608.3 彩色图处理基础1618.3.1图像的伪彩色处理1618.3.2 全彩色图像处理基础1678.4彩色图像的空间滤波1688.4.1彩色图像平衡1688.4.2彩色图像增强1701.彩色图像增强1702.彩色图像直方图处理1708.4.3彩色图像平滑1738.4.4彩色图像锐化 ( Color Image Sharpening)1758.5彩色图像分割( Color Image Segmentation )1778.5.1 HSI彩色空间分割( Segmentation in HSI Color Space )1778.5.2 RGB彩色空间分割( Segmentation in RGB Color Space )177本章小结179习题179第9章 图像的表示与描述1809.1 背景1809.2 颜色描述1819.2.1灰度性质 ( Intensity Feature )1819.2.2直方图的性质(Histogram Feature )1829.2.3 颜色矩（Color Moments )1839.3 纹理描述（Representation of Image Texture)1849.3.1自相关函数1859.3.2灰度差分统计1869.3.3灰度共生矩阵1869.3.4频谱特征1879.4边界表示1879.4.1链码1879.4.2曲线的链码表示1889.4.3傅里叶描述子1909.4区域特征1919.4.1区域描述1919.4.2图像矩193本章小结198习题199第10章 图像识别基础20010.1 模式识别简介20010.1.1待识别对象20010.1.2预处理20010.1.3特征提取20110.1.4分类识别20110.2 模式识别方法20110.2.1线性判别法20110.2.2模板匹配法20110.2.3神经网络分类法20210.3 模板匹配法详解20310.4 车牌识别实例20310.4.1 车牌图像数据特征分析（民用汽车）20310.4.2 车牌号码识别系统设计20410.4.3 读入图像20410.4.4 图像预处理20510.4.5 车牌定位20810.4.6 车牌区域处理20910.4.7 字符分割21110.4.8 车牌识别21410.4.9 字符分割函数215本章小结217习题218第11章MATLAB GUI设计基础21911.1 引言21911.2 低级文件I/O操作21911.3 句柄图形系统22111.3.1 面向对象的思维方法22111.3.2 句柄图形对象的层次结构22111.4 GUI工具入门22211.4.1 MATLAB GUI设计步骤22211.4.2 GUI启动22311.4.3 对齐对象22711.4.4 菜单编辑器22811.4.5 工具栏编辑器22811.4.6 M文件编辑器22911.4.7 Tab键顺序编辑器23011.4.8 属性查看器23111.4.9对象浏览器23211.5 GUI工具深入23311.5.1 GUI中的M文件23311.5.2 回调函数23411.5.3 GUI跨平台的兼容性设计23711.5.4 触控按钮23911.5.5 静态文本23911.5.5 切换按钮24011.5.6 滑动条24011.5.7 单选按钮24111.5.8 可编辑文本24111.5.9 复选框24211.5.10 坐标轴24211.6 MATLAB GUI工具实操243本章小结247习题247第12章神经网络与数字图像处理24912.1 人工神经网络——引言24912.2 人工神经网络25012.2.1 人工神经元25012.2.2 人工神经网络工作过程25112.2.3 常见人工神经网络25212.2.4 人工神经网络的特点25812.2.5 人工神经网络应用领域25912.3 BP神经网络26012.3.1 BP网络的算法结构26012.3.2 BP网络算法流程26112.3.3 误差反向传播的流程图与图形解释26312.3.4 BP网络训练过程26412.4 BP网络算法实例——利用BP神经网络对非线性系统建模26512.4.1 背景26512.4.2 模型建立26612.4.3 数据选择和归一化26812.4.4 BP网络训练26912.4.5 BP网络预测26912.4.6 结果分析27012.5 卷积神经网络（CNN）27012.5.1 结果分析CNN概述27012.5.2 CNN的层级结构27112.5.3 卷积网络工作流程27412.5.4 卷积网络工作流程274本章小结274习题274第13章 支持向量机的机器视觉应用27613.1引言27613.2支持向量机的分类思想27613.2.1基于阈值的图像分割27613.2.2模型参数的选择27713.3支持向量机的理论基础27713.3.1 线性可分情况下的SVM27713.3.2 非线性可分情况下的C-SVM28113.3.3 需要核函数映射情况下的SVM28313.3.4推广到多类问题28513.4 基于MATLAB的SVM的实例28713.4.1 训练28713.4.2 分类28913.4.3 实例289本章小结291习题291第14章 机器视觉MATLAB图像处理案例29214.1案例1焊缝提取29214.2案例2图像批量读入与处理29714.3案例3圆木计数30014.4案例4基于MATLAB GUI的数字图像处理设计30514.5案例5碎纸片拼接31814.6案例6基于卷积神经网络的手写数字识别32614.7案例7基于SVM的红枣果梗/花萼及缺陷识别335本章小结341参考文献342