图像处理、分析与机器视觉 中文版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

图像处理、分析与机器视觉 中文版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 引言1

目录1

1.1 总结5

1.2习题5

1.3参考文献6

第2章数字图像及其性质7

2.1基本概念7

2.1.1 图像函数7

2.1.3傅立叶变换9

2.1.2狄拉克（Dirac）分布和卷积9

2.1.4作为随机过程的图像10

2.1.5作为线性系统的图像12

2.2图像数字化12

2.2.1采样12

2.2.2量化15

2.2.3彩色图像16

2.3数字图像性质18

2.3.1 数字图像的度量和拓扑性质18

2.3.2直方图21

2.3.3 图像的视觉感知22

2.3.4图像品质23

2.3.5图像中的噪声23

2.4总结25

2.5习题25

2.6参考文献27

第3章图像分析的数据结构28

3.1图像数据表示的层次28

3.2.1矩阵29

3.2传统图像数据结构29

3.2.2链30

3.2.3拓扑数据结构31

3.2.4关系结构32

3.3分层数据结构32

3.3.1金字塔33

3.3.2四叉树33

3.3.3其他金字塔结构35

3.4 总结35

3.5 习题36

3.6参考文献37

第4章图像预处理39

4.1像素亮度变换39

4.1.1 与位置相关的亮度校正40

4.1.2灰度级变换40

4.2几何变换42

4.2.1像素坐标变换43

4.2.2亮度插值44

4.3局部预处理46

4.3.1 图像平滑47

4.3.2边缘检测算子52

4.3.3二阶导数过零点55

4.3.4 图像处理中的尺度59

4.3.5 Canny边缘提取60

4.3.6参数化边缘模型62

4.3.7 多光谱图像中的边缘62

4.3.8其他局部预处理算子63

4.3.9 自适应邻域性预处理65

4.4.1容易复原的退化69

4.4图像复原69

4.4.2逆滤波70

4.4.3维纳滤波70

4.5 总结72

4.6习题73

4.7参考文献78

第5章分割83

5.1 阈值化83

5.1.1 阈值检测方法85

5.1.2最优阈值化87

5.1.3多光谱阈值化89

5.1.4分层数据结构下的阈值化90

5.2基于边缘的分割91

5.2.1边缘图像阈值化91

5.2.2边缘松弛法93

5.2.3边界跟踪96

5.2.4作为图搜索的边缘跟踪100

5.2.5作为动态规划的边缘跟踪107

5.2.6Hough变换110

5.2.7使用边界位置信息的边界检测116

5.2.8从边界构造区域117

5.3基于区域的分割118

5.3.1 区域归并119

5.3.2区域分裂121

5.3.3分裂与归并122

5.3.4分水岭分割125

5.3.5 区域增长后处理127

5.4匹配128

5.4.1 匹配标准128

5.5.1边界对的同时检测130

5.4.2匹配的控制策略130

5.5高级最优边界与表面检测方法130

5.5.2表面检测133

5.6 总结138

5.7习题140

5.8参考文献144

第6章形状表示与描述156

6.1 区域标识159

6.2.2简单几何边界表示161

6.2基于轮廓的形状表示与描述161

6.2.1链码161

6.2.3边界的傅立叶变换164

6.2.4使用片段序列的边界描述165

6.2.5 B样条表示168

6.2.6其他基于轮廓的形状描述方法169

6.2.7形状不变量170

6.3基于区域的形状表示与描述173

6.3.1 简单的标量区域描述174

6.3.2矩177

6.3.3凸包179

6.3.4基于区域骨架的图表示183

6.3.5区域分解185

6.3.6区域邻近图186

6.4形状类别187

6.5总结187

6.6习题188

6.7参考文献191

第7章物体识别200

7.1知识表示201

7.2统计模式识别204

7.2.1分类原理205

7.2.2分类器设置206

7.2.3分类器学习208

7.2.4聚类分析210

7.3神经元网络211

7.3.1 前馈网络213

7.3.2非监督学习214

7.3.3 Hopfield神经元网络215

7.4句法模式识别216

7.4.1语法与语言217

7.4.2句法分析与句法分类器218

7.4.3句法分类器学习与语法推导220

7.5作为图匹配的识别221

7.5.1 图和子图的同构221

7.5.2图的相似度224

7.6识别中的优化技术225

7.6.1遗传算法225

7.6.2模拟退火227

7.7.1模糊集合和模糊隶属函数229

7.7模糊系统229

7.7.2模糊集合运算231

7.7.3模糊推理231

7.7.4模糊系统设计与训练234

7.8总结234

7.9习题236

7.10参考文献241

第8章图像理解249

8.1.1并行和串行处理控制250

8.1图像理解控制策略250

8.1.2分层控制251

8.1.3 自底向上的控制策略251

8.1.4基于模型的控制策略251

8.1.5混合的控制策略252

8.1.6非分层控制255

8.2活动轮廓模型——蛇行257

8.3点分布模型261

8.4图像理解中的模式识别方法268

8.5.1离散松弛法273

8.5场景标注和约束传播273

8.5.2概率松弛法275

8.5.3搜索解释树277

8.6语义图像分割和理解278

8.6.1语义区域增长279

8.6.2遗传图像解释280

8.7隐马尔可夫模型286

8.8总结290

8.9习题291

8.10参考文献293

第9章3D视觉、几何和辐射学305

9.1 3D视觉任务305

9.1.1Marr理论307

9.1.2其他视觉范畴：主动和有目的的视觉308

9.2 3D视觉的几何309

9.2.1射影几何学基础309

9.2.2单透视摄像机310

9.2.3单摄像机标定概述313

9.2.4从已知场景标定一个摄像机314

9.2.5双摄像机和立体感知316

9.2.6双摄像机几何学——基本矩阵318

9.2.7摄像机的相对运动——本质矩阵319

9.2.8从图像对应点估计基本矩阵320

9.2.9视觉中的极线几何的应用321

9.2.10三摄像机和更多摄像机325

9.2.11 立体对应点算法328

9.2.12距离图像的主动获取333

9.3.1 在确定灰度量级时的辐射学考虑335

9.3辐射学与3D视觉335

9.3.2表面反射337

9.3.3由阴影到形状340

9.3.4光度测量立体视觉342

9.4总结343

9.5 习题344

9.6参考文献345

第10章3D视觉的应用350

10.1 由X到形状350

10.1.1由运动到形状350

10.1.2由纹理到形状354

10.1.3其他由X到形状的技术355

10.2完全的3D物体357

10.2.1 3D物体、模型以及相关问题357

10.2.2线条标注358

10.2.3体积表示和直接测量360

10.2.4体积建模策略361

10.2.5表面建模策略362

10.2.6为获取完整3D模型的面元标注与融合364

10.3.2Goad算法369

10.3基于3D模型的视觉369

10.3.1一般考虑369

10.3.3基于模型的亮度图像曲面物体识别372

10.3.4基于模型的距离图像识别373

10.4 3D场景的2D视图表达373

10.4.1观察空间373

10.4.2 多视图表达和示象图374

10.4.3作为2D视图结构化表达的几何基元374

10.4.4利用存储的2D视图显示3D真实世界场景375

10.5总结378

10.6习题379

10.7参考文献379

第11章数学形态学385

11.1形态学基本概念385

11.2形态学四原则386

11.3二值膨胀和腐蚀387

11.3.1 膨胀387

11.3.2腐蚀389

11.3.4开运算和闭运算391

11.3.3 击中击不中变换391

11.4灰度级膨胀和腐蚀392

11.4.1 顶面、本影和灰度级膨胀和腐蚀392

11.4.2本影同胚定理和膨胀、腐蚀及开、闭运算的性质395

11.4.3顶帽变换395

11.5骨架和物体标记396

11.5.1 同伦变换396

11.5.2骨架和最大球397

11.5.3细化、粗化和同伦骨架398

11.5.4熄灭函数和最终腐蚀400

11.5.5最终腐蚀和距离函数402

11.5.6测地变换403

11.5.7形态学重构404

11.6粒度测定法405

11.7形态学分割与分水岭407

11.7.1 粒子分割、标记和分水岭407

11.7.2二值形态学分割408

11.7.3灰度级分割和分水岭409

11.8 总结410

11.9习题411

11.10参考文献412

第12章线性离散图像变换414

12.1基本理论414

12.2傅立叶变换415

12.3哈达马变换417

12.4离散余弦变换417

12.5小波418

12.6其他正交图像变换419

12.7离散图像变换的应用420

12.8总结425

12.9习题426

12.10参考文献427

第13章图像数据压缩429

13.1图像数据性质430

13.2图像数据压缩中的离散图像变换430

13.3预测压缩方法432

13.4矢量量化434

13.5分层的和渐进的压缩方法434

13.6压缩方法比较435

13.7其他技术436

13.8编码436

13.9JPEG和MPEG图像压缩437

13.9.1 JPEG——静态图像压缩437

13.9.2 MPEG——全运动的视频压缩438

13.10总结439

13.11习题440

13.12参考文献442

第14章纹理447

14.1.1基于空间频率的方法448

14.1统计纹理描述448

14.1.2共生矩阵449

14.1.3边缘频率451

14.1.4基元长度（行程）452

14.1.5Laws的纹理能量度量452

14.1.6分形纹理描述453

14.1.7其他纹理描述的统计方法454

14.2句法纹理描述方法455

14.2.1形状链语法456

14.2.2图语法457

14.2.3分层纹理中的基元分组458

14.3混合的纹理描述方法459

14.4纹理识别方法的应用460

14.5总结460

14.6习题461

14.7参考文献463

第15章运动分析469

15.1差分运动分析方法471

15.2光流473

15.2.1光流计算474

15.2.2全局和局部光流估计476

15.2.3光流计算方法477

15.2.4运动分析中的光流478

15.3基于兴趣点对应关系的分析480

15.3.1兴趣点的检测480

15.3.2兴趣点的对应关系481

15.3.3物体跟踪482

15.4卡尔曼滤波487

15.5总结489

15.6习题491

15.7参考文献492

第16章案例研究499

16.1光学音乐识别系统499

16.2心脏病学中的自动图像分析502

16.2.1冠状血管造影的鲁棒分析504

16.2.2基于知识的脉管内超声分析506

16.3 自动气道树识别510

16.4被动监视514

16.5参考文献518

术语表523