图像处理与计算机视觉算法及应用

《图像处理与计算机视觉算法及应用(第2版)》介绍了最新的算法，包括基于内容搜索中的2D视觉方法和使用显卡作为图像处理计算工具等。对于软件工程师和开发人员、高级程序员、图形程序员、科学家，以及其他需要高度专业化图像处理的专家而言，都是非常理想的参考图书。从《图像处理与计算机视觉算法及应用(第2版)》中可以获得最具价值的图像处理应用，包括数码形态学、图像恢复和字符识别；找到清晰描述最新技术的真实世界的应用，同时省去人量数学运算所需的冗长时间。

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 OpenCV 1 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boosting 269 8.6.1 bagging 269 8.6.2 boosting 269 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 OCR 274 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MPI 363 11.3.2 使用MPI 364 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 GLSL 373 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

J. R. Parker是一名计算机专家和教师，对图像处理和视觉、视频游戏技术以及计算机仿真有着浓厚的兴趣。在根特州立大学获得信息学博士学位之后，Parker博士在加拿大卡尔加里大学任全职教授，讲授计算机科学、艺术和戏剧。他的作品包括150多篇技术论文和4本书，他还是视频游戏Booze Cruise的作者，这个游戏模拟了酒后驾车的情形，用于演示酒后驾车行为的危险性。此外他还开发了很多其他教育游戏。 景丽，副教授，解放军信息工程大学计算机软件理论专业博士，研究方向为智能图像处理与信息隐藏。任教后，曾在爱尔兰University College Cork（UCC）大学访学，已发表学术论文20余篇。目前主要从事图像处理、人工智能、信息处理等方面的研究，教授的课程有"数字图像处理"、"人工智能原理与应用"，"智能信息处理"等。

暂无其它内容！

暂时还没有人为这本书评论！