數字圖像處理(MATLAB版)
李麗宏、李誌華、馬永強
- 出版商: 清華大學
- 出版日期: 2025-09-01
- 售價: $294
- 語言: 簡體中文
- 頁數: 210
- ISBN: 7302698880
- ISBN-13: 9787302698883
-
相關分類:
影像辨識 Image-recognition
下單後立即進貨 (約4週~6週)
相關主題
商品描述
"“數字圖像處理”已成為高等學校電子信息及計算機類專業的核心課程之一。本書依據編者多年“數字圖像處理”課程的教學經驗,參考相關文獻並結合實際科研應用案例編寫而成,主要介紹數字圖像處理的基本概念、原理以及應用。全書共10章,前9章分別為緒論、圖像處理基礎知識、圖像變換、圖像增強、圖像壓縮編碼、圖像分割、圖像形態學、圖像描述、神經網絡與深度學習,第10章為應用案例,引導讀者回顧所學內容、查漏補缺、融會貫通,加深對圖像處理算法的綜合理解,提高實踐能力。 本書從易到難,從簡單到復雜,突出重點,難度適宜,並配備相應MATLAB程序進行理論仿真,循序漸進地帶領讀者學習並掌握關鍵知識,非常適合作為相關專業本科生和研究生的“數字圖像處理”課程教材,也可供相關領域的從業者參考使用。 "
作者簡介
李麗宏,河北工程大學,教授,博士,信息與電氣工程學院電子信息工程系教師。研究方向:圖像處理、計算機視覺;主持或參與省自然基金項目3項、教育廳項目5項、邯鄲市項目6項,發表檢索及核心期刊論文30余篇,主持河北省專業學位研究生教學案例建設項目1項。
目錄大綱
目錄
第1章緒論/1
1.1圖像與像素1
1.2數字圖像處理發展概述1
1.3圖像處理的任務3
1.4基本的圖像處理系統4
1.4.1圖像處理硬件系統4
1.4.2圖像處理軟件系統4
1.5數字圖像處理技術的應用5
1.5.1航空航天領域的應用5
1.5.2生物醫學領域的應用5
1.5.3通信領域的應用6
1.5.4工業領域的應用7
1.5.5軍事和公安領域的應用7
1.5.6文化藝術領域的應用8
習題一8
第2章圖像處理基礎知識/9
2.1人類視覺與色度學基礎9
2.1.1人類視覺9
2.1.2色度學基礎9
2.2顏色模型10
2.2.1RGB模型11
2.2.2HSV模型12
2.2.3HSI模型15
2.2.4CMYK模型17
2.2.5YCbCr模型18
2.3圖像數字化方法19
2.4數字圖像表示方法20
2.4.1灰度圖像20
2.4.2彩色圖像22
2.4.3二值圖像22
2.4.4索引圖像25
2.5圖像的統計特征26
習題二28
第3章圖像變換/29
3.1概述29
3.2傅裏葉變換29
3.2.1連續傅裏葉變換29
3.2.2離散傅裏葉變換32
3.2.3應用傅裏葉變換應註意的問題41
3.3離散余弦變換42
3.3.1一維離散余弦變換42
3.3.2二維離散余弦變換43
3.4離散沃爾什變換46
3.4.1一維離散沃爾什變換46
3.4.2二維離散沃爾什變換47
3.5離散哈達瑪變換49
3.5.1一維離散哈達瑪變換49
3.5.2二維離散哈達瑪變換51
習題三52
第4章圖像增強/54
4.1概述54
4.1.1圖像增強技術分類54
4.1.2圖像增強技術與圖像復原技術的關系55
4.2空域圖像增強56
4.2.1空域點運算增強56
4.2.2空域區域增強67
4.3頻域圖像增強78
4.3.1低通濾波79
4.3.2高通濾波83
習題四85
第5章圖像壓縮編碼/86
5.1數字圖像壓縮基本概念86
5.1.1熵87
5.1.2平均碼長87
5.1.3編碼效率88
5.1.4壓縮比88
5.1.5統計編碼88
5.2Huffman壓縮編碼88
5.3Shannon壓縮編碼91
5.4算術編碼91
5.5預測編碼與變換編碼93
習題五94
第6章圖像分割/95
6.1圖像分割概述95
6.2像素鄰域與連通性96
6.3閾值分割97
6.3.1全局閾值分割98
6.3.2局部閾值分割107
6.4區域生長110
6.5邊緣檢測115
6.5.1邊緣檢測的基本原理115
6.5.2邊緣檢測的實現115
6.6Hough變換116
6.6.1Hough變換檢測原理117
6.6.2Hough變換檢測的實現119
習題六124
第7章圖像形態學/125
7.1圖像腐蝕125
7.2圖像膨脹128
7.3圖像開運算129
7.4圖像閉運算131
習題七132
第8章圖像描述/133
8.1二值圖像幾何特征133
8.2二維形狀描述135
8.2.1分散度135
8.2.2矩不變量138
8.3紋理描述141
8.3.1紋理分析概述141
8.3.2基於共生矩陣的紋理特征分析技術142
習題八147
第9章神經網絡與深度學習/148
9.1神經網絡148
9.1.1感知器148
9.1.2多層感知器149
9.2深度學習149
9.2.1深度學習模型150
9.2.2激活函數151
9.2.3損失函數154
9.2.4模型評估指標155
習題九155
第10章應用案例/156
10.1傳統圖像處理算法應用案例156
10.2深度學習算法應用案例195