图像处理与计算机视觉算法及应用 原书第2版PDF|Epub|txt|kindle电子书版本网盘下载

图像处理与计算机视觉算法及应用 原书第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 视觉系统实践——图像显示、输入／输出和库函数调用1

1.1 OpenCV1

1.2 基本的OpenCV代码2

1.2.1 IplImage数据结构3

1.2.2 读写图像5

1.2.3 图像显示6

1.2.4 示例6

1.3 图像捕捉9

1.4 和AIPCV库的接口11

1.5 网站文件15

1.6 参考文献15

第2章 边缘检测技术17

2.1 边缘检测的目的17

2.2 传统的方法和理论19

2.2.1 边缘的模型20

2.2.2 噪声21

2.2.3 导数算子24

2.2.4 基于模板的边缘检测29

2.3 边缘模型：Marr-Hildreth边缘检测器31

2.4 Canny Edge边缘检测器34

2.5 Shen-Castan（ISEF）边缘检测器39

2.6 两种最优边缘检测器的比较41

2.7 彩色边缘44

2.8 Marr-Hildreth边缘检测器的源代码46

2.9 Canny边缘检测器的源代码50

2.10 Shen-Castan边缘检测器的源代码58

2.11 网站文件67

2.12 参考文献69

第3章 数码形态学73

3.1 形态学定义73

3.2 连通性73

3.3 数码形态学的基本元素——二值操作75

3.3.1 二值膨胀75

3.3.2 实现二值膨胀79

3.3.3 二值腐蚀82

3.3.4 二值腐蚀的实现86

3.3.5 开启和闭合88

3.3.6 MAX——用于形态学的高级程序设计语言93

3.3.7 “命中／不命中”变换97

3.3.8 识别区域边缘99

3.3.9 条件膨胀100

3.3.10 区域计数102

3.4 灰阶形态学103

3.4.1 开启操作和闭合操作105

3.4.2 平滑操作108

3.4.3 梯度109

3.4.4 纹理的分割110

3.4.5 对象的大小分布111

3.5 彩色形态学112

3.6 网站文件113

3.7 参考文献115

第4章 灰阶分割117

4.1 灰阶分割的基础117

4.1.1 使用边缘像素119

4.1.2 迭代选择法119

4.1.3 灰阶直方图法120

4.1.4 使用熵121

4.1.5 模糊集合124

4.1.6 最小误差阈值法126

4.1.7 单阈值选择的示例结果127

4.2 使用区域阈值129

4.2.1 Chow-Kaneko算法130

4.2.2 通过边缘对光照进行建模133

4.2.3 实现和结果135

4.2.4 对比136

4.3 松弛法137

4.4 移动平均法142

4.5 基于聚类的阈值145

4.6 多重阈值146

4.7 网站文件147

4.8 参考文献148

第5章 纹理和色彩151

5.1 纹理和分割151

5.2 灰阶图像中纹理的简单分析152

5.3 灰阶共生矩阵155

5.3.1 最大概率157

5.3.2 矩157

5.3.3 对比度157

5.3.4 同质性157

5.3.5 熵158

5.3.6 GLCM描述符的测试结果158

5.3.7 纹理操作符的加速159

5.4 边缘和纹理161

5.5 能量和纹理162

5.6 表面和纹理164

5.6.1 向量散射算法164

5.6.2 表面曲度算法166

5.7 分形维度168

5.8 彩色分割171

5.9 彩色纹理174

5.10 网站文件174

5.11 参考文献175

第6章 图像细化179

6.1 骨架概述179

6.2 中轴变换180

6.3 迭代式形态学方法181

6.4 等高线的使用188

6.5 把对象看做多边形192

6.6 基于力的图像细化194

6.6.1 定义195

6.6.2 力场的使用195

6.6.3 子像素骨架198

6.7 Zhang-Suen/Stentiford/Holt组合算法的源代码200

6.8 网站文件210

6.9 参考文献211

第7章 图像还原215

7.1 图像降质——真实世界215

7.2 频域217

7.2.1 傅里叶变换217

7.2.2 快速傅里叶变换219

7.2.3 逆傅里叶变换222

7.2.4 二维傅里叶变换223

7.2.5 OpenCV中的傅里叶变换224

7.2.6 创建人工模糊226

7.3 逆滤波器231

7.4 Wiener滤波器232

7.5 结构化噪声233

7.6 运动模糊——一种特殊情况236

7.7 同态滤波器——过滤照度237

7.7.1 通用频率过滤器238

7.7.2 分离光照产生的效果240

7.8 网站文件241

7.9 参考文献242

第8章 分类245

8.1 对象、模式和统计数据245

8.1.1 特征和区域247

8.1.2 训练和测试251

8.1.3 类别内和类别外的差异253

8.2 最小距离分类器256

8.2.1 距离度量257

8.2.2 特征之间的距离259

8.3 交叉验证260

8.4 支持向量机262

8.5 多重分类器——整合分类器264

8.5.1 合并多种方法264

8.5.2 整合类型1的响应265

8.5.3 评估266

8.5.4 响应类型之间的转换267

8.5.5 整合类型2的响应267

8.5.6 整合类型3的响应269

8.6 bagging和boosting269

8.6.1 bagging269

8.6.2 boosting269

8.7 网站文件271

8.8 参考文献271

第9章 符号识别273

9.1 问题描述273

9.2 对简单的完美图像进行OCR274

9.3 在扫描的图像上进行OCR——图像分割277

9.3.1 噪声277

9.3.2 分离独立的字形279

9.3.3 匹配模板282

9.3.4 统计识别284

9.4 传真图像的OCR——针对印刷字符287

9.4.1 朝向——倾斜检测287

9.4.2 使用边缘291

9.5 手写字符294

9.5.1 字符轮廓的属性295

9.5.2 凸缺297

9.5.3 向量模板301

9.5.4 神经网络305

9.6 使用多重分类器312

9.6.1 合并多种方法312

9.6.2 多重分类器的结果314

9.7 印刷乐谱识别——案例研究315

9.7.1 五线谱线315

9.7.2 分割317

9.7.3 音乐符号识别319

9.8 神经网络识别系统的源代码320

9.9 网站文件327

9.10 参考文献328

第10章 基于内容的搜索——通过示例搜索图像333

10.1 搜索图像333

10.2 维护图像集合334

10.3 通过示例搜索的特征336

10.3.1 彩色图像的特征336

10.3.2 灰阶图像特征343

10.4 考虑空间因素345

10.4.1 整体区域346

10.4.2 矩形区域346

10.4.3 角度区域346

10.4.4 环状区域347

10.4.5 混合区域348

10.4.6 空间采样的测试348

10.5 其他要考虑的因素350

10.5.1 纹理351

10.5.2 对象、等高线和边缘351

10.5.3 数据集351

10.6 网站文件352

10.7 参考文献353

第11章 将高性能计算用于视觉处理和图像处理357

11.1 多处理器计算的范式358

11.1.1 共享内存358

11.1.2 消息传递359

11.2 执行时间359

11.2.1 使用clock()函数359

11.2.2 使用QueryPerformance-Counter函数361

11.3 消息传递接口系统363

11.3.1 安装MPI363

11.3.2 使用MPI364

11.3.3 进程间通信364

11.3.4 运行MPI程序366

11.3.5 真实的图像计算367

11.3.6 使用计算机网络——集群计算370

11.4 共享内存系统——使用PC的图形处理器372

11.4.1 GLSL373

11.4.2 OpenGL基础373

11.4.3 OpenGL中的纹理实践375

11.4.4 着色器编程基础378

11.4.5 读入并转换图像381

11.4.6 向着色程序传递参数382

11.4.7 整合以上内容384

11.4.8 通过GPU加速385

11.4.9 开发和测试着色器代码385

11.5 寻找所需的软件386

11.6 网站文件387

11.7 参考文献387