.JPG)
数字图像处理与机器视觉——基于MATLAB实现
作者：马本学 编著
ISBN：978-7-111-72488-9
所属丛书：普通高等教育人工智能专业系列教材
配套资源：电子课件、习题答案、源程序、案例视频
本书特色：
★ 全书包含完整的GUI设计讲解，对流行的机器视觉、人工神经网络和卷积神经网络技术进行介绍和应用实例。
★ 书中配套二维码实例演示视频，所有例题和案例都附有MATLAB源程序和原始图片数据，并附有实验项目和实验建议。
本书教学资源，样书可添加小编微信13146070618索取
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。
同系列书
相关图书
- 图书详情
装订：平装
编辑：尚晨
开本：16
出版日期：
2023-04-27
字数：485 千字
最新版印次：1-6
最新印次时间：2024-08-09
定价：79.0
cip：2023024347
图书简介
配套资源：电子课件、习题答案、源程序、案例视频
本书特色：
★ 全书包含完整的GUI设计讲解，对流行的机器视觉、人工神经网络和卷积神经网络技术进行介绍和应用实例。
★ 书中配套二维码实例演示视频，所有例题和案例都附有MATLAB源程序和原始图片数据，并附有实验项目和实验建议。
本书教学资源，样书可添加小编微信13146070618索取
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。
章节目录
目录
第1章 绪 论2
1.1数字图像处理定义及发展史2
1.1.1什么是数字图像处理2
1.1.2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）3
1.1.3数字图像处理的广义与狭义概念4
1.2数字图像处理系统组成4
1.3数字图像处理的主要研究内容和发展趋势5
1.3.1数字图像处理的主要研究内容5
1.3.2数字图像处理应用及发展趋势6
1.4常用数字图像工具软件简介12
1.4.1 MATLAB12
1.4.2 Python13
1.4.3 OpenCV13
1.4.4 Java14
1.4.5 C++14
1.4.6 HALCON14
本章小结15
习题15
第2章 MATLAB数字图像处理基础16
2.1 MATLAB简介16
2.2 MATLAB软件的安装16
2.3 MATLAB程序设计语言基础22
2.3.1 MATLAB语言变量与常量22
2.3.2 MATLAB数据结构23
2.3.3 MATLAB基本语句结构23
2.3.4 M文件的编写24
2.3.5 MATLAB函数编写24
2.3.6 MATLAB帮助文档（help、doc、type）25
2.4 MATLAB程序设计29
2.4.1 循环语句结构29
2.4.2条件语句结构30
2.4.3开关语句结构31
2.4.4程序调试与优化31
2.5.2 MATLAB图像类型及存储方式34
2.5.3 MATLAB图像转换35
2.5.4 读取和写入图像文件36
2.5.5 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45
3.1 图像的基本概念45
3.2 图像的数字化及表达46
3.3 图像的获取与显示47
3.3.1图像的采样47
3.3.2采样点的选取48
3.3.3图像的量化48
3.4 像素间的基本关系49
3.4.1邻域49
3.4.2像素的邻接性与连通性50
3.5灰度直方图52
3.5.1灰度直方图的绘制52
3.5.2灰度直方图的使用53
3.6图像的分类54
3.6.1二值图像54
3.6.2灰度图像55
3.6.3彩色图像55
3.6.4矢量图象56
3.6.5索引图像56
本章小结58
习题58
第4章 图像的基本运算59
4.1 概述59
4.2点运算59
4.2.1线性点运算60
4.2.2非线性点运算61
4.3代数运算63
4.3.1加法运算64
4.3.2减法运算66
4.3.3乘法运算67
4.3.4除法运算67
4.4逻辑运算68
4.5几何运算69
4.5.1图像的平移69
4.5.2图像的镜像71
4.5.3图像的旋转72
4.5.4图像的缩放74
4.5.5灰度插值75
本章小结77
习题77
第5章 图像变换79
5.1 认识傅里叶变换80
5.2 快速傅里叶变换83
5.2.1时间抽取（DIT）的基2 FFT算法85
5.3 傅里叶变换的性质85
5.3.1 线性85
5.3.2 对称性质85
5.3.3 尺度变换性质86
5.3.4 时移性质86
5.3.5 频移性质86
5.3.6 平移性质86
5.3.7 可分离性87
5.3.8 周期性和共轭对称性89
5.3.9 旋转性质90
5.3.10 分配律91
5.3.11 尺度变换92
5.4.7 平均值94
5.4.8 卷积定理94
本章小结95
习题95
第6章 灰度变换与滤波96
6.1 灰度变换96
6.1.1灰度线性变换97
6.1.2灰度分段线性变换98
6.1.3反转变换99
6.1.4对数变换100
6.1.5幂次变换101
6.2 直方图变换101
6.2.1直方图均衡化102
6.2.2直方图规定化104
6.3 图像的高、低频分量与噪声的关系106
6.4空间滤波106
6.4.1均值滤波107
6.4.2中值滤波109
6.4.3高斯滤波110
6.5频域滤波111
6.5.1低通滤波112
6.5.2高通滤波116
6.5.3同态滤波118
6.5.4带阻滤波121
本章小结124
习题124
第7章图 像 分 割125
7.1 引言125
7.2 图像分割处理125
7.3 基于阈值的图像处理126
7.3.1 全局阈值分割126
7.3.2多阈值分割131
7.3.2自适应阈值132
7.3.3最佳阈值的选择法134
7.3.4分水岭算法136
7.4基于梯度的图像分割136
7.4.1边界跟踪136
7.4.2梯度图像二值化137
7.5边缘检测与连接138
7.5.1边缘检测138
7.5.2边缘连接140
7.6区域分割141
7.6.1区域生长141
7.6.2区域分裂合并法143
7.7数学形态学图像处理145
7.7.1 腐蚀与膨胀147
7.7.2开运算和闭运算149
7.8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154
8.1彩色图像基础154
8.1.1彩色的定义155
8.1.2彩色的物理认识155
8.1.3三原色155
8.1.4 计算机中的颜色表示156
8.2彩色图像的表示157
8.2.1 RGB模型157
8.2.1 HSV彩色空间158
8.2.2 HSI模型159
8.2.3 Lab颜色模型160
8.3 彩色图处理基础161
8.3.1图像的伪彩色处理161
8.3.2 全彩色图像处理基础167
8.4彩色图像的空间滤波168
8.4.1彩色图像平衡168
8.4.2彩色图像增强170
1.彩色图像增强170
2.彩色图像直方图处理170
8.4.3彩色图像平滑173
8.4.4彩色图像锐化 ( Color Image Sharpening)175
8.5彩色图像分割( Color Image Segmentation )177
8.5.1 HSI彩色空间分割( Segmentation in HSI Color Space )177
8.5.2 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180
9.1 背景180
9.2 颜色描述181
9.2.1灰度性质 ( Intensity Feature )181
9.2.2直方图的性质(Histogram Feature )182
9.2.3 颜色矩（Color Moments )183
9.3 纹理描述（Representation of Image Texture)184
9.3.1自相关函数185
9.3.2灰度差分统计186
9.3.3灰度共生矩阵186
9.3.4频谱特征187
9.4边界表示187
9.4.1链码187
9.4.2曲线的链码表示188
9.4.3傅里叶描述子190
9.4区域特征191
9.4.1区域描述191
9.4.2图像矩193
本章小结198
习题199
第10章 图像识别基础200
10.1 模式识别简介200
10.1.1待识别对象200
10.1.2预处理200
10.1.3特征提取201
10.1.4分类识别201
10.2 模式识别方法201
10.2.1线性判别法201
10.2.2模板匹配法201
10.2.3神经网络分类法202
10.3 模板匹配法详解203
10.4 车牌识别实例203
10.4.1 车牌图像数据特征分析（民用汽车）203
10.4.2 车牌号码识别系统设计204
10.4.3 读入图像204
10.4.4 图像预处理205
10.4.5 车牌定位208
10.4.6 车牌区域处理209
10.4.7 字符分割211
10.4.8 车牌识别214
10.4.9 字符分割函数215
本章小结217
习题218
第11章MATLAB GUI设计基础219
11.1 引言219
11.2 低级文件I/O操作219
11.3 句柄图形系统221
11.3.1 面向对象的思维方法221
11.3.2 句柄图形对象的层次结构221
11.4 GUI工具入门222
11.4.1 MATLAB GUI设计步骤222
11.4.2 GUI启动223
11.4.3 对齐对象227
11.4.4 菜单编辑器228
11.4.5 工具栏编辑器228
11.4.6 M文件编辑器229
11.4.7 Tab键顺序编辑器230
11.4.8 属性查看器231
11.4.9对象浏览器232
11.5 GUI工具深入233
11.5.1 GUI中的M文件233
11.5.2 回调函数234
11.5.3 GUI跨平台的兼容性设计237
11.5.4 触控按钮239
11.5.5 静态文本239
11.5.5 切换按钮240
11.5.6 滑动条240
11.5.7 单选按钮241
11.5.8 可编辑文本241
11.5.9 复选框242
11.5.10 坐标轴242
11.6 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249
12.1 人工神经网络——引言249
12.2 人工神经网络250
12.2.1 人工神经元250
12.2.2 人工神经网络工作过程251
12.2.3 常见人工神经网络252
12.2.4 人工神经网络的特点258
12.2.5 人工神经网络应用领域259
12.3 BP神经网络260
12.3.1 BP网络的算法结构260
12.3.2 BP网络算法流程261
12.3.3 误差反向传播的流程图与图形解释263
12.3.4 BP网络训练过程264
12.4 BP网络算法实例——利用BP神经网络对非线性系统建模265
12.4.1 背景265
12.4.2 模型建立266
12.4.3 数据选择和归一化268
12.4.4 BP网络训练269
12.4.5 BP网络预测269
12.4.6 结果分析270
12.5 卷积神经网络（CNN）270
12.5.1 结果分析CNN概述270
12.5.2 CNN的层级结构271
12.5.3 卷积网络工作流程274
12.5.4 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276
13.1引言276
13.2支持向量机的分类思想276
13.2.1基于阈值的图像分割276
13.2.2模型参数的选择277
13.3支持向量机的理论基础277
13.3.1 线性可分情况下的SVM277
13.3.2 非线性可分情况下的C-SVM281
13.3.3 需要核函数映射情况下的SVM283
13.3.4推广到多类问题285
13.4 基于MATLAB的SVM的实例287
13.4.1 训练287
13.4.2 分类289
13.4.3 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292
14.1案例1焊缝提取292
14.2案例2图像批量读入与处理297
14.3案例3圆木计数300
14.4案例4基于MATLAB GUI的数字图像处理设计305
14.5案例5碎纸片拼接318
14.6案例6基于卷积神经网络的手写数字识别326
14.7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
第1章 绪 论2
1.1数字图像处理定义及发展史2
1.1.1什么是数字图像处理2
1.1.2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）3
1.1.3数字图像处理的广义与狭义概念4
1.2数字图像处理系统组成4
1.3数字图像处理的主要研究内容和发展趋势5
1.3.1数字图像处理的主要研究内容5
1.3.2数字图像处理应用及发展趋势6
1.4常用数字图像工具软件简介12
1.4.1 MATLAB12
1.4.2 Python13
1.4.3 OpenCV13
1.4.4 Java14
1.4.5 C++14
1.4.6 HALCON14
本章小结15
习题15
第2章 MATLAB数字图像处理基础16
2.1 MATLAB简介16
2.2 MATLAB软件的安装16
2.3 MATLAB程序设计语言基础22
2.3.1 MATLAB语言变量与常量22
2.3.2 MATLAB数据结构23
2.3.3 MATLAB基本语句结构23
2.3.4 M文件的编写24
2.3.5 MATLAB函数编写24
2.3.6 MATLAB帮助文档（help、doc、type）25
2.4 MATLAB程序设计29
2.4.1 循环语句结构29
2.4.2条件语句结构30
2.4.3开关语句结构31
2.4.4程序调试与优化31
2.5.2 MATLAB图像类型及存储方式34
2.5.3 MATLAB图像转换35
2.5.4 读取和写入图像文件36
2.5.5 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45
3.1 图像的基本概念45
3.2 图像的数字化及表达46
3.3 图像的获取与显示47
3.3.1图像的采样47
3.3.2采样点的选取48
3.3.3图像的量化48
3.4 像素间的基本关系49
3.4.1邻域49
3.4.2像素的邻接性与连通性50
3.5灰度直方图52
3.5.1灰度直方图的绘制52
3.5.2灰度直方图的使用53
3.6图像的分类54
3.6.1二值图像54
3.6.2灰度图像55
3.6.3彩色图像55
3.6.4矢量图象56
3.6.5索引图像56
本章小结58
习题58
第4章 图像的基本运算59
4.1 概述59
4.2点运算59
4.2.1线性点运算60
4.2.2非线性点运算61
4.3代数运算63
4.3.1加法运算64
4.3.2减法运算66
4.3.3乘法运算67
4.3.4除法运算67
4.4逻辑运算68
4.5几何运算69
4.5.1图像的平移69
4.5.2图像的镜像71
4.5.3图像的旋转72
4.5.4图像的缩放74
4.5.5灰度插值75
本章小结77
习题77
第5章 图像变换79
5.1 认识傅里叶变换80
5.2 快速傅里叶变换83
5.2.1时间抽取（DIT）的基2 FFT算法85
5.3 傅里叶变换的性质85
5.3.1 线性85
5.3.2 对称性质85
5.3.3 尺度变换性质86
5.3.4 时移性质86
5.3.5 频移性质86
5.3.6 平移性质86
5.3.7 可分离性87
5.3.8 周期性和共轭对称性89
5.3.9 旋转性质90
5.3.10 分配律91
5.3.11 尺度变换92
5.4.7 平均值94
5.4.8 卷积定理94
本章小结95
习题95
第6章 灰度变换与滤波96
6.1 灰度变换96
6.1.1灰度线性变换97
6.1.2灰度分段线性变换98
6.1.3反转变换99
6.1.4对数变换100
6.1.5幂次变换101
6.2 直方图变换101
6.2.1直方图均衡化102
6.2.2直方图规定化104
6.3 图像的高、低频分量与噪声的关系106
6.4空间滤波106
6.4.1均值滤波107
6.4.2中值滤波109
6.4.3高斯滤波110
6.5频域滤波111
6.5.1低通滤波112
6.5.2高通滤波116
6.5.3同态滤波118
6.5.4带阻滤波121
本章小结124
习题124
第7章图 像 分 割125
7.1 引言125
7.2 图像分割处理125
7.3 基于阈值的图像处理126
7.3.1 全局阈值分割126
7.3.2多阈值分割131
7.3.2自适应阈值132
7.3.3最佳阈值的选择法134
7.3.4分水岭算法136
7.4基于梯度的图像分割136
7.4.1边界跟踪136
7.4.2梯度图像二值化137
7.5边缘检测与连接138
7.5.1边缘检测138
7.5.2边缘连接140
7.6区域分割141
7.6.1区域生长141
7.6.2区域分裂合并法143
7.7数学形态学图像处理145
7.7.1 腐蚀与膨胀147
7.7.2开运算和闭运算149
7.8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154
8.1彩色图像基础154
8.1.1彩色的定义155
8.1.2彩色的物理认识155
8.1.3三原色155
8.1.4 计算机中的颜色表示156
8.2彩色图像的表示157
8.2.1 RGB模型157
8.2.1 HSV彩色空间158
8.2.2 HSI模型159
8.2.3 Lab颜色模型160
8.3 彩色图处理基础161
8.3.1图像的伪彩色处理161
8.3.2 全彩色图像处理基础167
8.4彩色图像的空间滤波168
8.4.1彩色图像平衡168
8.4.2彩色图像增强170
1.彩色图像增强170
2.彩色图像直方图处理170
8.4.3彩色图像平滑173
8.4.4彩色图像锐化 ( Color Image Sharpening)175
8.5彩色图像分割( Color Image Segmentation )177
8.5.1 HSI彩色空间分割( Segmentation in HSI Color Space )177
8.5.2 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180
9.1 背景180
9.2 颜色描述181
9.2.1灰度性质 ( Intensity Feature )181
9.2.2直方图的性质(Histogram Feature )182
9.2.3 颜色矩（Color Moments )183
9.3 纹理描述（Representation of Image Texture)184
9.3.1自相关函数185
9.3.2灰度差分统计186
9.3.3灰度共生矩阵186
9.3.4频谱特征187
9.4边界表示187
9.4.1链码187
9.4.2曲线的链码表示188
9.4.3傅里叶描述子190
9.4区域特征191
9.4.1区域描述191
9.4.2图像矩193
本章小结198
习题199
第10章 图像识别基础200
10.1 模式识别简介200
10.1.1待识别对象200
10.1.2预处理200
10.1.3特征提取201
10.1.4分类识别201
10.2 模式识别方法201
10.2.1线性判别法201
10.2.2模板匹配法201
10.2.3神经网络分类法202
10.3 模板匹配法详解203
10.4 车牌识别实例203
10.4.1 车牌图像数据特征分析（民用汽车）203
10.4.2 车牌号码识别系统设计204
10.4.3 读入图像204
10.4.4 图像预处理205
10.4.5 车牌定位208
10.4.6 车牌区域处理209
10.4.7 字符分割211
10.4.8 车牌识别214
10.4.9 字符分割函数215
本章小结217
习题218
第11章MATLAB GUI设计基础219
11.1 引言219
11.2 低级文件I/O操作219
11.3 句柄图形系统221
11.3.1 面向对象的思维方法221
11.3.2 句柄图形对象的层次结构221
11.4 GUI工具入门222
11.4.1 MATLAB GUI设计步骤222
11.4.2 GUI启动223
11.4.3 对齐对象227
11.4.4 菜单编辑器228
11.4.5 工具栏编辑器228
11.4.6 M文件编辑器229
11.4.7 Tab键顺序编辑器230
11.4.8 属性查看器231
11.4.9对象浏览器232
11.5 GUI工具深入233
11.5.1 GUI中的M文件233
11.5.2 回调函数234
11.5.3 GUI跨平台的兼容性设计237
11.5.4 触控按钮239
11.5.5 静态文本239
11.5.5 切换按钮240
11.5.6 滑动条240
11.5.7 单选按钮241
11.5.8 可编辑文本241
11.5.9 复选框242
11.5.10 坐标轴242
11.6 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249
12.1 人工神经网络——引言249
12.2 人工神经网络250
12.2.1 人工神经元250
12.2.2 人工神经网络工作过程251
12.2.3 常见人工神经网络252
12.2.4 人工神经网络的特点258
12.2.5 人工神经网络应用领域259
12.3 BP神经网络260
12.3.1 BP网络的算法结构260
12.3.2 BP网络算法流程261
12.3.3 误差反向传播的流程图与图形解释263
12.3.4 BP网络训练过程264
12.4 BP网络算法实例——利用BP神经网络对非线性系统建模265
12.4.1 背景265
12.4.2 模型建立266
12.4.3 数据选择和归一化268
12.4.4 BP网络训练269
12.4.5 BP网络预测269
12.4.6 结果分析270
12.5 卷积神经网络（CNN）270
12.5.1 结果分析CNN概述270
12.5.2 CNN的层级结构271
12.5.3 卷积网络工作流程274
12.5.4 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276
13.1引言276
13.2支持向量机的分类思想276
13.2.1基于阈值的图像分割276
13.2.2模型参数的选择277
13.3支持向量机的理论基础277
13.3.1 线性可分情况下的SVM277
13.3.2 非线性可分情况下的C-SVM281
13.3.3 需要核函数映射情况下的SVM283
13.3.4推广到多类问题285
13.4 基于MATLAB的SVM的实例287
13.4.1 训练287
13.4.2 分类289
13.4.3 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292
14.1案例1焊缝提取292
14.2案例2图像批量读入与处理297
14.3案例3圆木计数300
14.4案例4基于MATLAB GUI的数字图像处理设计305
14.5案例5碎纸片拼接318
14.6案例6基于卷积神经网络的手写数字识别326
14.7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
图书评论
