Цифровая обработка изображений и реализация Visual C ++ и Matlab (2 -е издание)
Цена: 1 120руб. (¥53)
Артикул: 39491098896
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товараПродавец:当当网官方旗舰店
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥17.6372руб.
¥143.133 025руб.
¥30.4643руб.
¥73.21 547руб.
Выбор редактора
Реальных случаев полно. Для каждого случая он не только предоставляет подробный код реализации, но и раскрывает стоящие за ним дизайнерские идеи, уделяя особое внимание опыту мышления, чтобы вы могли знать, что происходит и почему.
Контент имеет определенную глубину, и это ни в коем случае не справочник по приложению, который потеряет ценность через 2 месяца.Напротив, он доставляет вам новое удовольствие каждый раз, когда вы его смотрите.
Бесшовная связь между описаниями на языках Matlab и Visual C++ отражает идеальное сочетание научных исследований и инженерной практики в области обработки изображений и машинного зрения.
Контент имеет определенную глубину, и это ни в коем случае не справочник по приложению, который потеряет ценность через 2 месяца.Напротив, он доставляет вам новое удовольствие каждый раз, когда вы его смотрите.
Бесшовная связь между описаниями на языках Matlab и Visual C++ отражает идеальное сочетание научных исследований и инженерной практики в области обработки изображений и машинного зрения.
Оглавление
Глава 0. Первое знакомство с цифровой обработкой изображений и машинным зрением.
0,1 цифровое изображение
0.1.1Что такое цифровое изображение
0.1.2 Отображение цифровых изображений
0.1.3 Классификация цифровых изображений
0.1.4 Сущность цифровых изображений
0.1.5 Представление цифровых изображений
0.1.6 Пространственное разрешение и разрешение изображений в оттенках серого
0.2Цифровая обработка изображений и машинное зрение
0.2.1 От обработки изображений к распознаванию изображений
0.2.2 Что такое машинное зрение?
0.2.3 Примеры применения цифровой обработки и распознавания изображений
0.3 Предварительные знания в области цифровой обработки изображений
0.3.1 Смежность, связность, регионы и границы
0.3.2 Несколько методов измерения расстояния
0.3.3 Основные операции с изображениями
Глава 1 Основы программирования цифровой обработки изображений MATLAB
1.1 Введение в MATLABR2011a
1.1.1 Программная среда MATLAB
1.1.2 Операции с файлами
1.1.3 Использование онлайн-справки
1.1.4 Использование переменных
1.1.5 Использование матрицы
1.1.6 Массив ячеек (CellArray) и структура (Structure)
1.1.7 Реляционные операции и логические операции
1.1.8 Часто используемые математические функции обработки изображений
1.1.9 Управление потоком программы MATLAB
1.1.10M запись файлов
1.1.11 Написание функций MATLAB
1.2 Типы изображений MATLAB и методы их хранения
1.3 Преобразование изображений MATLAB
1.4 Чтение и запись файлов изображений
1.5 Отображение изображений
Глава 2. Основы программирования обработки изображений на Visual C++.
2.1 Растровые файлы и их операции C++
2.1.1 Независимое от устройства растровое изображение
2.1.2 Структура данных файла изображения BMP
2.2 Понимание категории CImg
2.2.1 Список основных функций-членов
2.2.2 Публичные участники
2.3Основные операции Cimg
2.3.1 Загрузка и запись изображений
2.3.2 Получение основной информации об изображении
2.3.3 Проверка достоверности
2.3.4 Работа по пикселям
2.3.5 Изменение размера изображения
2.3.6 Перегруженные операторы
2.3.7 Отрисовка растрового изображения на экране
2.3.8 Создать новое изображение
2.3.9 Оценка и преобразование типов изображений
2.4DIPDемо-проект
2.4.1 Основной интерфейс DIPDemo
2.4.2 Операция с изображением и класс обработки—&-CImg и CImgProcess
2.4.3 Класс документа——CDIPDemoDoc
2.4.4 Просмотр класса——CDIPDemoView
2.5Пример приложения CImg
2.5.1 Открыть изображение
2.5.2 Очистка изображения
2.5.3 Метод инициализации пикселей
2.5.4 Сохранить изображение
Глава 3. Операции с точками над изображениями
3.1 Гистограмма оттенков серого
3.1.1 Теоретическая основа
3.1.2 Реализация MATLAB
3.1.3 Реализация VisualC++
3.2 Линейное преобразование оттенков серого
3.2.1 Теоретическое основание
3.2.2 Реализация программы MATLAB
3.2.3 Реализация VisualC++
3.3 Логарифмическое преобразование в оттенках серого
3.3.1 Теоретическое основание
3.3.2 Реализация MATLAB
3.3.3 Реализация VisualC++
3.4 Гамма-преобразование
3.4.1 Теоретическое основание
3.4.2 Реализация программирования MATLAB
3.4.3 Реализация VisualC++
3.5 Преобразование порога оттенков серого
3.5.1 Теоретическое основание
3.5.2 Реализация программирования MATLAB
3.5.3 Реализация VisualC++
3.6 Кусочно-линейное преобразование
3.6.1 Теоретическое основание
3.6.2 Реализация программирования MATLAB
3.6.3 Реализация программирования на VisualC++
3.7 Выравнивание гистограммы
3.7.1 Теоретическое основание
3.7.2 Реализация программирования MATLAB
3.7.3 Реализация VisualC++
3.8 Спецификация гистограммы (сопоставление)
3.8.1 Теоретическое основание
3.8.2 Реализация программирования MATLAB
3.8.3 Реализация VisualC++
Глава 4. Геометрическое преобразование изображений.
4.1 Общие идеи решения геометрических преобразований
4.2 Перевод изображений
4.2.1 Формула преобразования перевода изображения
4.2.2 Реализация перевода изображений
4.3 Зеркальное отображение изображений
4.3.1 Формула преобразования зеркального изображения
4.3.2 Реализация зеркального отображения изображений
4.4 Транспонирование изображений
4.4.1 Формула преобразования для транспонирования изображений
4.4.2 Реализация транспонирования изображений
4.5 Масштабирование изображения
4.5.1 Формула преобразования масштабирования изображения
4.5.2 Реализация масштабирования изображения
4.6 Поворот изображения
4.6.1 Поворот изображения по центру начала координат
4.6.2 Поворот изображения по центру любой точки
4.6.3 Реализация поворота изображения
4.7 Алгоритм интерполяции
4.7.1*Интерполяция ближайшего соседа
4.7.2 Билинейная интерполяция
4.7.3 Интерполяция высокого порядка
4.8 Введение в регистрацию изображений
4.8.1 Регистрация изображения
4.8.2 Реализация MATLAB регистрации изображений лица
4.9 Примеры расширенных приложений VisualC++—&-Коррекция проекционных искажений номерных знаков автомобилей
4.9.1 Системный анализ и проектирование
4.9.2 Реализация системы
4.9.3 Функциональное тестирование
Глава 5 Улучшение изображения пространственной области
5.1 Основы улучшения изображения
5.2 Фильтрация пространственной области
5.3 Сглаживание изображения
5.3.1 Средний шаблон и его реализация
5.3.2 Сглаживание по Гауссу и его реализация
5.3.3 Реализация общей плавной фильтрации в Visual C++
5.3.4 Адаптивная сглаживающая фильтрация
5.4 Медианная фильтрация
5.4.1 Сравнение производительности
5.4.2 Улучшенная стратегия медианной фильтрации
5.4.3 Принцип работы медианной фильтрации
5.5 Повышение резкости изображения
5.5.1 Теоретическая основа
5.5.2 Улучшение изображения на основе первой производной——Оператор градиента
5.5.3 Улучшение изображения на основе дифференциала второго порядка—&мдаш; оператор Лапласа
5.5.4. Сравнение операторов обострения на основе производных первого и второго порядка.
5.5.5 Фильтрация с высоким усилением и ее реализация
5.5.6 Преобразование Гаусса-Лапласа (LaplacianofaGaussian, LoG)
Глава 6 Улучшение изображения в частотной области
6.1 Фильтрация частотной области—&-Аналогично фильтрации пространственной области.
6.2 Базовые знания о преобразовании Фурье
6.2.1 Ряд Фурье
6.2.2 Преобразование Фурье
6.2.3 Амплитудный спектр, фазовый спектр и спектр мощности
6.2.4 Суть преобразования Фурье—&- базовая конверсия
6.3 Быстрое преобразование Фурье и его реализация
6.3.1 Необходимость преобразования БПФ
6.3.2 Общие алгоритмы БПФ
6.3.3 Алгоритм Radix-2FFT, извлеченный по времени
6.3.4 Быстрый алгоритм дискретного обратного преобразования Фурье
6.3.5N-мерное быстрое преобразование Фурье
6.3.6 Реализация MATLAB
6.3.7 Реализация VisualC++
6.4 Основы фильтрации в частотной области
6.4.1 Взаимосвязь между фильтрацией в частотной области и фильтрацией в пространственной области
6.4.2 Основные этапы фильтрации в частотной области
6.4.3 Реализация MATLAB фильтрации в частотной области
6.4.4 Реализация Visual C++ фильтрации в частотной области
6.5 Фильтр нижних частот в частотной области
6.5.1 Идеальный фильтр нижних частот и его реализация
6.5.2 Гауссов фильтр нижних частот и его реализация
6.6 Фильтр верхних частот в частотной области
6.6.1 Гауссов фильтр верхних частот и его реализация
6.6.2 Фильтр Лапласа в частотной области и его реализация
6.7 Комплексный пример MATLAB—&-Используйте фильтрацию частотной области для устранения периодического шума.
6.7.1 Полосовой фильтр в частотной области
6.7.2 Полосовой фильтр устраняет периодический шум
6.8 Внутренняя связь между фильтрами частотной области и фильтрами пространственной области
Приложение
Глава 7. Вейвлет-преобразование
7.1 Анализ с несколькими разрешениями
7.1.1 Структура с несколькими разрешениями
7.1.2 Осуществление декомпозиции и реконструкции
7.1.3 Реализация декомпозиции и реконструкции при обработке изображений
7.2 Многоразрешительный анализ Габора
7.3 Общий вейвлет-анализ
7.3.1 Вейвлет Хаара
7.3.2 Вейвлет Добеши
7.4 Многомерный вейвлет
Глава 8 Восстановление изображения
8.1 Теоретическая модель восстановления изображений
8.1.1 Основные понятия восстановления изображений
8.1.2 Общая модель восстановления изображений
8.2 Модель шума
8.2.1 Виды шума
8.2.2 Реализация MATLAB
8.2.3 Реализация VisualC++
8.3 Пространственная фильтрация
8.3.1 Принцип пространственной фильтрации
8.3.2 Реализация MATLAB
8.3.3 Реализация VisualC++
8.4 Восстановление обратного фильтра
8.4.1 Принцип обратной фильтрации
8.4.2 Реализация MATLAB
8.4.3 Реализация VisualC++
8.5 Восстановление фильтра Винера
8.5.1 Принцип фильтрации Винера
8.5.2 Реализация MATLAB
8.5.3 Реализация VisualC++
8.6 Восстановление методом наименьших квадратов с ограничениями*
8.7 Восстановление Лаки-Ричардсона
8.8 Восстановление изображения слепой деконволюцией
8.9 Комплексный случай восстановления изображений MATLAB—&-Удалить размытие при движении с фотографий
Глава 9. Обработка цветных изображений
9.1 Основы цвета
9.2 Цветовая модель
9.2.1 Модель RGB
9.2.2CMY, модель CMYK
9.2.3 Модель HSI
9.2.4 Модель HSV
9.2.5 Модель ЮВ
9.2.6 Модель YIQ
9.2.7 Введение в лабораторную модель
9.3 Основы обработки полноцветных изображений
9.3.1 Цветовая компенсация и ее реализация в MATLAB
9.3.2 Цветовой баланс и его реализация в MATLAB
Глава 10. Сжатие изображения.
10.1 Теория сжатия изображений
10.1.1 Избыточность изображения
10.1.2 Теорема Шеннона
10.1.3 Оценка достоверности
10.2DCT-преобразование и квантование
10.2.1 Принцип преобразования DCT
10.2.2 Количественная оценка
10.2.Реализация 3DCT-преобразования и квантования на Visual C++.
10.3 Прогнозирующее кодирование
10.4 Кодирование Хаффмана
10.4.1 Принцип кодирования Хаффмана
10.4.2 Реализация Visual C++ кода Хаффмана
10.5 Арифметическое кодирование
10.5.1 Принципы арифметического кодирования
10.5.2 Реализация арифметического кодирования в Visual C++
10.6 Кодирование длины серии
10.7Стандарты сжатия JPEG и JPEG2000
10.8 Комплексный пример VisualC++—&-Сжатие изображений в формате JPEG.
Глава 11. Морфологическая обработка изображений.
11.1 Предварительные знания
11.2 Основные морфологические операции с бинарными изображениями
11.2.1 Коррозия и ее реализация
11.2.2 Расширение и его реализация
11.2.3 Открытая операция и ее реализация
11.2.4 Закрытая операция и ее реализация
11.3 Морфологические приложения в бинарных изображениях
11.3.1 Преобразование «на попадание и промах» и его реализация
11.3.2 Выделение и отслеживание границ и их реализация
11.3.3 Заполнение области и его реализация на Visual C++
11.3.4 Извлечение связанных компонентов и его реализация
11.3.5 Алгоритм уточнения и его реализация на Visual C++
11.3.6 Алгоритм пикселизации и его реализация на Visual C++
11.3.7 Выпуклая оболочка и ее реализация на Visual C++
11.3.8 функция bwmorph()
11.4 Основные морфологические операции с изображениями в оттенках серого
11.4.1 Расширение оттенков серого и его реализация
11.4.2 Серая коррозия и ее реализация
11.4.3 Операции открытия и закрытия оттенков серого и их реализация
11.4.4 Преобразование «цилиндр» (цилиндр) и его реализация
Резюме
Глава 12. Сегментация изображений.
12.1 Обзор сегментации изображений
12.2 Обнаружение края
12.2.1 Обзор обнаружения границ
12.2.2 Часто используемые операторы обнаружения границ
12.2.3 Реализация MATLAB
12.2.4 Реализация VisualC++
12.3 Преобразование Хафа
12.3.1 Линейное обнаружение
12.3.2 Обнаружение кривой
12.3.3 Обнаружение произвольных форм
12.3.4 Реализация MATLAB обнаружения прямой линии преобразования Хафа
12.3.5 Реализация Visual C++ обнаружения прямой линии преобразования Хафа
12.4 Пороговая сегментация
12.4.1 Метод пороговой сегментации
12.4.2 Реализация MATLAB
12.4.3 Реализация VisualC++
12.5 Сегментация регионов
12.5.1 Рост региона и его реализация
12.5.2 Разделение и объединение регионов и его реализация в MATLAB
12.6 Резюме
Глава 13. Извлечение функций
13.1 Обзор функций изображения
13.2 Основные статистические характеристики
13.2.1 Простой дескриптор области и его реализация в MATLAB
13.2.2 Гистограмма и ее статистические характеристики
13.2.3 Матрица совместной встречаемости оттенков серого и ее реализация на Visual C++
13.3 Уменьшение размерности объекта
13.3.1 Пространственная катастрофа
13.3.2 Введение в выбор функций
13.3.3 Анализ главных компонентов
13.3.4 Быстрый PCA и его реализация
13.4 Комплексный случай—&-Извлечение черт лица на основе PCA
13.4.1 Введение в наборы данных
13.4.2 Создание выборочной матрицы
13.4.3 Анализ главных компонентов
13.4.4 Анализ визуализации лица главного компонента
13.4.5 Реконструкция лица на основе главных компонентов
13.5 Частично двоичный режим
13.5.1 Базовый LBP
13.5.2 LBPP, R-оператор круговой окрестности
13.5.3 Единый оператор LBP——UniformLBP и его реализация MATLAB
13.5.4MB-LBP и его реализация MATLAB
13.5.5 Разделение изображения и его реализация в MATLAB
Глава 14. Предварительное распознавание изображений
14.1 Обзор распознавания образов
14.2 Классификация методов распознавания образов
14.3*Классификатор малых расстояний и сопоставление шаблонов
14.3.1*Классификатор малых расстояний и его реализация в MATLAB
14.3.2 Сопоставление шаблонов на основе корреляции
14.3.3 Вычислительная эффективность корреляционного сопоставления
Глава 15. Искусственные нейронные сети
15.1 Введение в искусственные нейронные сети
15.1.1 Мотивация бионики
15.1.2 Примеры применения искусственных нейронных сетей
15.2 Теоретические основы искусственной нейронной сети
15.2.1 Алгоритм градиентного спуска для обучения линейных единиц
15.2.2 Многослойная искусственная нейронная сеть
15.2.3Сигмовидная единица
15.2.4 Алгоритм обратного распространения ошибки (BP)
15.2.5 Проблемы в обучении
15.3 DigitRec, система распознавания цифровых символов на основе ИНС.—&-Анализ и проектирование
15.3.1 Описание задачи
15.3.2 Введение в набор данных
15.3.3 Расчетные точки
15.4 Система распознавания цифровых символов на основе ИНС—&- Реализация DigitRec
15.4.1 Построение структуры нейрона——SNeuron
15.4.2 Построение слоя нейронной сети——SNeuronLayer
15.4.3 Информационный заголовок нейронной сети——NeuralNet_Header
15.4.4 Класс нейронной сети——CNeuralNet
15.4.5 Классы обучающих данных для нейронных сетей——CNeuralData
15.4.6 Класс отслеживания ошибок——CValueTrack
15.4.7 Диалоговый класс обучения——CTrainDlg
15.4.8 Класс тестового диалога——CTestDlg
15.5 Система распознавания цифровых символов на основе ИНС—&- Тест DigitRec
15.5.1 Обучение
15.5.2 Тестирование
15.6 Улучшенный DigitRec
15.6.1 Класс предварительной обработки изображений цифровых символов——COCRImageProcess
15.6.2 Предварительная обработка входных изображений—— реализация
15.6.3 Предварительная обработка входных изображений—&Mdash; тест
15.7 Влияние параметров нейронной сети на обучение и распознавание
15.7.1 Влияние количества блоков скрытого слоя
15.7.2 Влияние скорости обучения
15.7.3 Влияние количества эпох обучения
Глава 16. Машины опорных векторов
16.1 Идея классификации машины опорных векторов
16.2 Теоретические основы машины опорных векторов
16.2.1 SVM в случае линейной разделимости
16.2.2 C-SVM в случае нелинейной разделимости
16.2.3 SVM, когда требуется отображение функций ядра
16.2.4 Обобщение на многоклассовые задачи
16.3 Реализация SVM в MATLAB
16.3.1 Обучение——svmtrain
16.3.2 Классификация——svmclassify
16.3.3 Примеры применения
16.4 Комплексный случай—&-Система распознавания лиц на основе PCA и SVM
16.4.1 Введение в распознавание лиц
16.4.2 Предварительная обработка
16.4.3 Нормализация данных
16.4.4 Выбор функции ядра
16.4.5 Выбор параметров
16.4.6 Построение многоклассового классификатора SVM
16.4.7 Экспериментальные результаты
16.5Онлайн-ресурсы SVM
16.5.1 Набор инструментов MATLAB SVM
16.5.2 Введение в LibSVM
Глава 17. АдаБуст
17.1Идея классификации AdaBoost
17.2 Теоретическая основа AdaBoost
17.3 Создание набора инструментов MATLAB для AdaBoost
17.4 Комплексный пример MATLAB—&-Классификация изображений лица по мужскому и женскому полу на основе AdaBoost.
17.4.1 О наборах данных
17.4.2 Предварительная обработка данных
17.4.3 Реализация алгоритма процесса
Рекомендации
0,1 цифровое изображение
0.1.1Что такое цифровое изображение
0.1.2 Отображение цифровых изображений
0.1.3 Классификация цифровых изображений
0.1.4 Сущность цифровых изображений
0.1.5 Представление цифровых изображений
0.1.6 Пространственное разрешение и разрешение изображений в оттенках серого
0.2Цифровая обработка изображений и машинное зрение
0.2.1 От обработки изображений к распознаванию изображений
0.2.2 Что такое машинное зрение?
0.2.3 Примеры применения цифровой обработки и распознавания изображений
0.3 Предварительные знания в области цифровой обработки изображений
0.3.1 Смежность, связность, регионы и границы
0.3.2 Несколько методов измерения расстояния
0.3.3 Основные операции с изображениями
Глава 1 Основы программирования цифровой обработки изображений MATLAB
1.1 Введение в MATLABR2011a
1.1.1 Программная среда MATLAB
1.1.2 Операции с файлами
1.1.3 Использование онлайн-справки
1.1.4 Использование переменных
1.1.5 Использование матрицы
1.1.6 Массив ячеек (CellArray) и структура (Structure)
1.1.7 Реляционные операции и логические операции
1.1.8 Часто используемые математические функции обработки изображений
1.1.9 Управление потоком программы MATLAB
1.1.10M запись файлов
1.1.11 Написание функций MATLAB
1.2 Типы изображений MATLAB и методы их хранения
1.3 Преобразование изображений MATLAB
1.4 Чтение и запись файлов изображений
1.5 Отображение изображений
Глава 2. Основы программирования обработки изображений на Visual C++.
2.1 Растровые файлы и их операции C++
2.1.1 Независимое от устройства растровое изображение
2.1.2 Структура данных файла изображения BMP
2.2 Понимание категории CImg
2.2.1 Список основных функций-членов
2.2.2 Публичные участники
2.3Основные операции Cimg
2.3.1 Загрузка и запись изображений
2.3.2 Получение основной информации об изображении
2.3.3 Проверка достоверности
2.3.4 Работа по пикселям
2.3.5 Изменение размера изображения
2.3.6 Перегруженные операторы
2.3.7 Отрисовка растрового изображения на экране
2.3.8 Создать новое изображение
2.3.9 Оценка и преобразование типов изображений
2.4DIPDемо-проект
2.4.1 Основной интерфейс DIPDemo
2.4.2 Операция с изображением и класс обработки—&-CImg и CImgProcess
2.4.3 Класс документа——CDIPDemoDoc
2.4.4 Просмотр класса——CDIPDemoView
2.5Пример приложения CImg
2.5.1 Открыть изображение
2.5.2 Очистка изображения
2.5.3 Метод инициализации пикселей
2.5.4 Сохранить изображение
Глава 3. Операции с точками над изображениями
3.1 Гистограмма оттенков серого
3.1.1 Теоретическая основа
3.1.2 Реализация MATLAB
3.1.3 Реализация VisualC++
3.2 Линейное преобразование оттенков серого
3.2.1 Теоретическое основание
3.2.2 Реализация программы MATLAB
3.2.3 Реализация VisualC++
3.3 Логарифмическое преобразование в оттенках серого
3.3.1 Теоретическое основание
3.3.2 Реализация MATLAB
3.3.3 Реализация VisualC++
3.4 Гамма-преобразование
3.4.1 Теоретическое основание
3.4.2 Реализация программирования MATLAB
3.4.3 Реализация VisualC++
3.5 Преобразование порога оттенков серого
3.5.1 Теоретическое основание
3.5.2 Реализация программирования MATLAB
3.5.3 Реализация VisualC++
3.6 Кусочно-линейное преобразование
3.6.1 Теоретическое основание
3.6.2 Реализация программирования MATLAB
3.6.3 Реализация программирования на VisualC++
3.7 Выравнивание гистограммы
3.7.1 Теоретическое основание
3.7.2 Реализация программирования MATLAB
3.7.3 Реализация VisualC++
3.8 Спецификация гистограммы (сопоставление)
3.8.1 Теоретическое основание
3.8.2 Реализация программирования MATLAB
3.8.3 Реализация VisualC++
Глава 4. Геометрическое преобразование изображений.
4.1 Общие идеи решения геометрических преобразований
4.2 Перевод изображений
4.2.1 Формула преобразования перевода изображения
4.2.2 Реализация перевода изображений
4.3 Зеркальное отображение изображений
4.3.1 Формула преобразования зеркального изображения
4.3.2 Реализация зеркального отображения изображений
4.4 Транспонирование изображений
4.4.1 Формула преобразования для транспонирования изображений
4.4.2 Реализация транспонирования изображений
4.5 Масштабирование изображения
4.5.1 Формула преобразования масштабирования изображения
4.5.2 Реализация масштабирования изображения
4.6 Поворот изображения
4.6.1 Поворот изображения по центру начала координат
4.6.2 Поворот изображения по центру любой точки
4.6.3 Реализация поворота изображения
4.7 Алгоритм интерполяции
4.7.1*Интерполяция ближайшего соседа
4.7.2 Билинейная интерполяция
4.7.3 Интерполяция высокого порядка
4.8 Введение в регистрацию изображений
4.8.1 Регистрация изображения
4.8.2 Реализация MATLAB регистрации изображений лица
4.9 Примеры расширенных приложений VisualC++—&-Коррекция проекционных искажений номерных знаков автомобилей
4.9.1 Системный анализ и проектирование
4.9.2 Реализация системы
4.9.3 Функциональное тестирование
Глава 5 Улучшение изображения пространственной области
5.1 Основы улучшения изображения
5.2 Фильтрация пространственной области
5.3 Сглаживание изображения
5.3.1 Средний шаблон и его реализация
5.3.2 Сглаживание по Гауссу и его реализация
5.3.3 Реализация общей плавной фильтрации в Visual C++
5.3.4 Адаптивная сглаживающая фильтрация
5.4 Медианная фильтрация
5.4.1 Сравнение производительности
5.4.2 Улучшенная стратегия медианной фильтрации
5.4.3 Принцип работы медианной фильтрации
5.5 Повышение резкости изображения
5.5.1 Теоретическая основа
5.5.2 Улучшение изображения на основе первой производной——Оператор градиента
5.5.3 Улучшение изображения на основе дифференциала второго порядка—&мдаш; оператор Лапласа
5.5.4. Сравнение операторов обострения на основе производных первого и второго порядка.
5.5.5 Фильтрация с высоким усилением и ее реализация
5.5.6 Преобразование Гаусса-Лапласа (LaplacianofaGaussian, LoG)
Глава 6 Улучшение изображения в частотной области
6.1 Фильтрация частотной области—&-Аналогично фильтрации пространственной области.
6.2 Базовые знания о преобразовании Фурье
6.2.1 Ряд Фурье
6.2.2 Преобразование Фурье
6.2.3 Амплитудный спектр, фазовый спектр и спектр мощности
6.2.4 Суть преобразования Фурье—&- базовая конверсия
6.3 Быстрое преобразование Фурье и его реализация
6.3.1 Необходимость преобразования БПФ
6.3.2 Общие алгоритмы БПФ
6.3.3 Алгоритм Radix-2FFT, извлеченный по времени
6.3.4 Быстрый алгоритм дискретного обратного преобразования Фурье
6.3.5N-мерное быстрое преобразование Фурье
6.3.6 Реализация MATLAB
6.3.7 Реализация VisualC++
6.4 Основы фильтрации в частотной области
6.4.1 Взаимосвязь между фильтрацией в частотной области и фильтрацией в пространственной области
6.4.2 Основные этапы фильтрации в частотной области
6.4.3 Реализация MATLAB фильтрации в частотной области
6.4.4 Реализация Visual C++ фильтрации в частотной области
6.5 Фильтр нижних частот в частотной области
6.5.1 Идеальный фильтр нижних частот и его реализация
6.5.2 Гауссов фильтр нижних частот и его реализация
6.6 Фильтр верхних частот в частотной области
6.6.1 Гауссов фильтр верхних частот и его реализация
6.6.2 Фильтр Лапласа в частотной области и его реализация
6.7 Комплексный пример MATLAB—&-Используйте фильтрацию частотной области для устранения периодического шума.
6.7.1 Полосовой фильтр в частотной области
6.7.2 Полосовой фильтр устраняет периодический шум
6.8 Внутренняя связь между фильтрами частотной области и фильтрами пространственной области
Приложение
Глава 7. Вейвлет-преобразование
7.1 Анализ с несколькими разрешениями
7.1.1 Структура с несколькими разрешениями
7.1.2 Осуществление декомпозиции и реконструкции
7.1.3 Реализация декомпозиции и реконструкции при обработке изображений
7.2 Многоразрешительный анализ Габора
7.3 Общий вейвлет-анализ
7.3.1 Вейвлет Хаара
7.3.2 Вейвлет Добеши
7.4 Многомерный вейвлет
Глава 8 Восстановление изображения
8.1 Теоретическая модель восстановления изображений
8.1.1 Основные понятия восстановления изображений
8.1.2 Общая модель восстановления изображений
8.2 Модель шума
8.2.1 Виды шума
8.2.2 Реализация MATLAB
8.2.3 Реализация VisualC++
8.3 Пространственная фильтрация
8.3.1 Принцип пространственной фильтрации
8.3.2 Реализация MATLAB
8.3.3 Реализация VisualC++
8.4 Восстановление обратного фильтра
8.4.1 Принцип обратной фильтрации
8.4.2 Реализация MATLAB
8.4.3 Реализация VisualC++
8.5 Восстановление фильтра Винера
8.5.1 Принцип фильтрации Винера
8.5.2 Реализация MATLAB
8.5.3 Реализация VisualC++
8.6 Восстановление методом наименьших квадратов с ограничениями*
8.7 Восстановление Лаки-Ричардсона
8.8 Восстановление изображения слепой деконволюцией
8.9 Комплексный случай восстановления изображений MATLAB—&-Удалить размытие при движении с фотографий
Глава 9. Обработка цветных изображений
9.1 Основы цвета
9.2 Цветовая модель
9.2.1 Модель RGB
9.2.2CMY, модель CMYK
9.2.3 Модель HSI
9.2.4 Модель HSV
9.2.5 Модель ЮВ
9.2.6 Модель YIQ
9.2.7 Введение в лабораторную модель
9.3 Основы обработки полноцветных изображений
9.3.1 Цветовая компенсация и ее реализация в MATLAB
9.3.2 Цветовой баланс и его реализация в MATLAB
Глава 10. Сжатие изображения.
10.1 Теория сжатия изображений
10.1.1 Избыточность изображения
10.1.2 Теорема Шеннона
10.1.3 Оценка достоверности
10.2DCT-преобразование и квантование
10.2.1 Принцип преобразования DCT
10.2.2 Количественная оценка
10.2.Реализация 3DCT-преобразования и квантования на Visual C++.
10.3 Прогнозирующее кодирование
10.4 Кодирование Хаффмана
10.4.1 Принцип кодирования Хаффмана
10.4.2 Реализация Visual C++ кода Хаффмана
10.5 Арифметическое кодирование
10.5.1 Принципы арифметического кодирования
10.5.2 Реализация арифметического кодирования в Visual C++
10.6 Кодирование длины серии
10.7Стандарты сжатия JPEG и JPEG2000
10.8 Комплексный пример VisualC++—&-Сжатие изображений в формате JPEG.
Глава 11. Морфологическая обработка изображений.
11.1 Предварительные знания
11.2 Основные морфологические операции с бинарными изображениями
11.2.1 Коррозия и ее реализация
11.2.2 Расширение и его реализация
11.2.3 Открытая операция и ее реализация
11.2.4 Закрытая операция и ее реализация
11.3 Морфологические приложения в бинарных изображениях
11.3.1 Преобразование «на попадание и промах» и его реализация
11.3.2 Выделение и отслеживание границ и их реализация
11.3.3 Заполнение области и его реализация на Visual C++
11.3.4 Извлечение связанных компонентов и его реализация
11.3.5 Алгоритм уточнения и его реализация на Visual C++
11.3.6 Алгоритм пикселизации и его реализация на Visual C++
11.3.7 Выпуклая оболочка и ее реализация на Visual C++
11.3.8 функция bwmorph()
11.4 Основные морфологические операции с изображениями в оттенках серого
11.4.1 Расширение оттенков серого и его реализация
11.4.2 Серая коррозия и ее реализация
11.4.3 Операции открытия и закрытия оттенков серого и их реализация
11.4.4 Преобразование «цилиндр» (цилиндр) и его реализация
Резюме
Глава 12. Сегментация изображений.
12.1 Обзор сегментации изображений
12.2 Обнаружение края
12.2.1 Обзор обнаружения границ
12.2.2 Часто используемые операторы обнаружения границ
12.2.3 Реализация MATLAB
12.2.4 Реализация VisualC++
12.3 Преобразование Хафа
12.3.1 Линейное обнаружение
12.3.2 Обнаружение кривой
12.3.3 Обнаружение произвольных форм
12.3.4 Реализация MATLAB обнаружения прямой линии преобразования Хафа
12.3.5 Реализация Visual C++ обнаружения прямой линии преобразования Хафа
12.4 Пороговая сегментация
12.4.1 Метод пороговой сегментации
12.4.2 Реализация MATLAB
12.4.3 Реализация VisualC++
12.5 Сегментация регионов
12.5.1 Рост региона и его реализация
12.5.2 Разделение и объединение регионов и его реализация в MATLAB
12.6 Резюме
Глава 13. Извлечение функций
13.1 Обзор функций изображения
13.2 Основные статистические характеристики
13.2.1 Простой дескриптор области и его реализация в MATLAB
13.2.2 Гистограмма и ее статистические характеристики
13.2.3 Матрица совместной встречаемости оттенков серого и ее реализация на Visual C++
13.3 Уменьшение размерности объекта
13.3.1 Пространственная катастрофа
13.3.2 Введение в выбор функций
13.3.3 Анализ главных компонентов
13.3.4 Быстрый PCA и его реализация
13.4 Комплексный случай—&-Извлечение черт лица на основе PCA
13.4.1 Введение в наборы данных
13.4.2 Создание выборочной матрицы
13.4.3 Анализ главных компонентов
13.4.4 Анализ визуализации лица главного компонента
13.4.5 Реконструкция лица на основе главных компонентов
13.5 Частично двоичный режим
13.5.1 Базовый LBP
13.5.2 LBPP, R-оператор круговой окрестности
13.5.3 Единый оператор LBP——UniformLBP и его реализация MATLAB
13.5.4MB-LBP и его реализация MATLAB
13.5.5 Разделение изображения и его реализация в MATLAB
Глава 14. Предварительное распознавание изображений
14.1 Обзор распознавания образов
14.2 Классификация методов распознавания образов
14.3*Классификатор малых расстояний и сопоставление шаблонов
14.3.1*Классификатор малых расстояний и его реализация в MATLAB
14.3.2 Сопоставление шаблонов на основе корреляции
14.3.3 Вычислительная эффективность корреляционного сопоставления
Глава 15. Искусственные нейронные сети
15.1 Введение в искусственные нейронные сети
15.1.1 Мотивация бионики
15.1.2 Примеры применения искусственных нейронных сетей
15.2 Теоретические основы искусственной нейронной сети
15.2.1 Алгоритм градиентного спуска для обучения линейных единиц
15.2.2 Многослойная искусственная нейронная сеть
15.2.3Сигмовидная единица
15.2.4 Алгоритм обратного распространения ошибки (BP)
15.2.5 Проблемы в обучении
15.3 DigitRec, система распознавания цифровых символов на основе ИНС.—&-Анализ и проектирование
15.3.1 Описание задачи
15.3.2 Введение в набор данных
15.3.3 Расчетные точки
15.4 Система распознавания цифровых символов на основе ИНС—&- Реализация DigitRec
15.4.1 Построение структуры нейрона——SNeuron
15.4.2 Построение слоя нейронной сети——SNeuronLayer
15.4.3 Информационный заголовок нейронной сети——NeuralNet_Header
15.4.4 Класс нейронной сети——CNeuralNet
15.4.5 Классы обучающих данных для нейронных сетей——CNeuralData
15.4.6 Класс отслеживания ошибок——CValueTrack
15.4.7 Диалоговый класс обучения——CTrainDlg
15.4.8 Класс тестового диалога——CTestDlg
15.5 Система распознавания цифровых символов на основе ИНС—&- Тест DigitRec
15.5.1 Обучение
15.5.2 Тестирование
15.6 Улучшенный DigitRec
15.6.1 Класс предварительной обработки изображений цифровых символов——COCRImageProcess
15.6.2 Предварительная обработка входных изображений—— реализация
15.6.3 Предварительная обработка входных изображений—&Mdash; тест
15.7 Влияние параметров нейронной сети на обучение и распознавание
15.7.1 Влияние количества блоков скрытого слоя
15.7.2 Влияние скорости обучения
15.7.3 Влияние количества эпох обучения
Глава 16. Машины опорных векторов
16.1 Идея классификации машины опорных векторов
16.2 Теоретические основы машины опорных векторов
16.2.1 SVM в случае линейной разделимости
16.2.2 C-SVM в случае нелинейной разделимости
16.2.3 SVM, когда требуется отображение функций ядра
16.2.4 Обобщение на многоклассовые задачи
16.3 Реализация SVM в MATLAB
16.3.1 Обучение——svmtrain
16.3.2 Классификация——svmclassify
16.3.3 Примеры применения
16.4 Комплексный случай—&-Система распознавания лиц на основе PCA и SVM
16.4.1 Введение в распознавание лиц
16.4.2 Предварительная обработка
16.4.3 Нормализация данных
16.4.4 Выбор функции ядра
16.4.5 Выбор параметров
16.4.6 Построение многоклассового классификатора SVM
16.4.7 Экспериментальные результаты
16.5Онлайн-ресурсы SVM
16.5.1 Набор инструментов MATLAB SVM
16.5.2 Введение в LibSVM
Глава 17. АдаБуст
17.1Идея классификации AdaBoost
17.2 Теоретическая основа AdaBoost
17.3 Создание набора инструментов MATLAB для AdaBoost
17.4 Комплексный пример MATLAB—&-Классификация изображений лица по мужскому и женскому полу на основе AdaBoost.
17.4.1 О наборах данных
17.4.2 Предварительная обработка данных
17.4.3 Реализация алгоритма процесса
Рекомендации
Введение
Цифровая обработка изображений и машинное зрение—— Внедрение Visual C ++ и MATLAB (2 -е издание) «Органически объединяет теоретические знания, научные исследования и инженерную практику, а содержание включает в себя все аспекты цифровой технологии обработки изображений и распознавания, включая точечную работу, геометрическую трансформацию, воздушное пространство и частотный домен фильтрования, обработка изображения и изображение. Время, ведущее исследование машинного зрения, которое проводится, фокусируясь на трех технологиях классификации, которые в настоящее время очень популярны в области инженерных технологий.—— Искусственная нейронная сеть (ANN), поддержка векторной машины (SVM) и Adaboost, и непосредственно сталкивается с горячими вопросами, такими как распознавание оптического персонажа (OCR), признание и классификация по признаку в сопроводительных случаях распознавания.
Цифровая обработка изображений и машинное зрение—— Визуальная реализация C ++ и Matlab (2-е издание) «имеет компактную структуру, простой в понимание содержание и богатое объяснение изображений и текстов. Она подходит для студентов и аспирантов в таких специалистах, как компьютер, коммуникация и автоматизация, а также огромное количество инженерных и технических персонажей, работающих в области обработки изображений и распознавания.
Цифровая обработка изображений и машинное зрение—— Визуальная реализация C ++ и Matlab (2-е издание) «имеет компактную структуру, простой в понимание содержание и богатое объяснение изображений и текстов. Она подходит для студентов и аспирантов в таких специалистах, как компьютер, коммуникация и автоматизация, а также огромное количество инженерных и технических персонажей, работающих в области обработки изображений и распознавания.