《数字图像处理与机器视觉——Visual C 与Matlab实现(第2版)》将理论知识、科学研究和工程实践有机结合起来，内容涉及数字图像处理和识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、彩色图像处理、形态学处理、图像分割、图像压缩以及图像特征提取等；同时对机器视觉进行了前导性的探究，重点介绍了3种目前在工程技术领域非常流行的分类技术——人工神经网络(ANN)、支持向量机(SVM)和AdaBoost，并在配套给出的识别案例中直击光学字符识别(OCR)、人脸识别和性别分类等热点问题。 
        《数字图像处理与机器视觉——Visual C 与Matlab实现(第2版)》结构紧凑，内容深入浅出，讲解图文并茂，适合于计算机、通信和自动化等相关专业的本科生、研究生，以及工作在图像处理和识别领域一线的广大工程技术人员阅读参考。

      实际案例丰富，针对每一个案例不仅给出详尽的实现代码，更揭示出背后的设计思想，注重思维历练，让您知其然，更知其所以然。
      内容具有一定深度，这决不是一本会在2个月后就会失去价值的应用程序参考，相反她让你每次欣赏时都能得到新的享受。
      Matlab与Visual C 两种语言描述的无缝连接，体现出科学研究和工程实践在图像处理与机器视觉领域的完美结合。

第0章初识数字图像处理与机器视觉
0.1数字图像
0.1.1什么是数字图像
0.1.2数字图像的显示
0.1.3数字图像的分类
0.1.4数字图像的实质
0.1.5数字图像的表示
0.1.6图像的空间和灰度级分辨率
0.2数字图像处理与机器视觉
0.2.1从图像处理到图像识别
0.2.2什么是机器视觉
0.2.3数字图像处理和识别的应用实例
0.3数字图像处理的预备知识
0.3.1邻接性、连通性、区域和边界
0.3.2距离度量的几种方法
0.3.3基本的图像操作
第1章MATLAB数字图像处理编程基础
1.1MATLABR2011a简介
1.1.1MATLAB软件环境
1.1.2文件操作
1.1.3在线帮助的使用
1.1.4变量的使用
1.1.5矩阵的使用
1.1.6细胞数组(CellArray)和结构体(Structure)
1.1.7关系运算与逻辑运算
1.1.8常用图像处理数学函数
1.1.9MATLAB程序流程控制
1.1.10M文件编写
1.1.11MATLAB函数编写
1.2MATLAB图像类型及其存储方式
1.3MATLAB的图像转换
1.4读取和写入图像文件
1.5图像的显示
第2章VisualC 图像处理编程基础
2.1位图文件及其C 操作
2.1.1设备无关位图
2.1.2BMP图像文件数据结构
2.2认识CImg类
2.2.1主要成员函数列表
2.2.2公有成员
2.3CImg类基础操作
2.3.1加载和写入图像
2.3.2获得图像基本信息
2.3.3检验有效性
2.3.4按像素操作
2.3.5改变图像大小
2.3.6重载的运算符
2.3.7在屏幕上绘制位图图像
2.3.8新建图像
2.3.9图像类型的判断与转化
2.4DIPDemo工程
2.4.1DIPDemo主界面
2.4.2图像操作和处理类——CImg和CImgProcess
2.4.3文档类——CDIPDemoDoc
2.4.4视图类——CDIPDemoView
2.5CImg应用示例
2.5.1打开图像
2.5.2清空图像
2.5.3像素初始化方法
2.5.4保存图像
第3章图像的点运算
3.1灰度直方图
3.1.1理论基础
3.1.2MATLAB实现
3.1.3VisualC 实现
3.2灰度的线性变换
3.2.1理论基础
3.2.2MATLAB程序的实现
3.2.3VisualC 实现
3.3灰度对数变换
3.3.1理论基础
3.3.2MATLAB实现
3.3.3VisualC 实现
3.4伽玛变换
3.4.1理论基础
3.4.2MATLAB编程实现
3.4.3VisualC 实现
3.5灰度阈值变换
3.5.1理论基础
3.5.2MATLAB编程实现
3.5.3VisualC 实现
3.6分段线性变换
3.6.1理论基础
3.6.2MATLAB编程实现
3.6.3VisualC 编程实现
3.7直方图均衡化
3.7.1理论基础
3.7.2MATLAB编程实现
3.7.3VisualC 实现
3.8直方图规定化(匹配)
3.8.1理论基础
3.8.2MATLAB编程实现
3.8.3VisualC 实现
第4章图像的几何变换
4.1解决几何变换的一般思路
4.2图像平移
4.2.1图像平移的变换公式
4.2.2图像平移的实现
4.3图像镜像
4.3.1图像镜像的变换公式
4.3.2图像镜像的实现
4.4图像转置
4.4.1图像转置的变换公式
4.4.2图像转置的实现
4.5图像缩放
4.5.1图像缩放的变换公式
4.5.2图像缩放的实现
4.6图像旋转
4.6.1以原点为中心的图像旋转
4.6.2以任意点为中心的图像旋转
4.6.3图像旋转的实现
4.7插值算法
4.7.1最近邻插值
4.7.2双线性插值
4.7.3高阶插值
4.8图像配准简介
4.8.1图像配准
4.8.2人脸图像配准的MATLAB实现
4.9VisualC 高级应用实例——汽车牌照的投影失真校正
4.9.1系统分析与设计
4.9.2系统实现
4.9.3功能测试
第5章空间域图像增强
5.1图像增强基础
5.2空间域滤波
5.3图像平滑
5.3.1平均模板及其实现
5.3.2高斯平滑及其实现
5.3.3通用平滑滤波的VisualC 实现
5.3.4自适应平滑滤波
5.4中值滤波
5.4.1性能比较
5.4.2一种改进的中值滤波策略
5.4.3中值滤波的工作原理
5.5图像锐化
5.5.1理论基础
5.5.2基于一阶导数的图像增强——梯度算子
5.5.3基于二阶微分的图像增强——拉普拉斯算子
5.5.4基于一阶与二阶导数的锐化算子的比较
5.5.5高提升滤波及其实现
5.5.6高斯-拉普拉斯变换(LaplacianofaGaussian，LoG)
第6章频率域图像增强
6.1频率域滤波——与空间域滤波殊途同归
6.2傅里叶变换基础知识
6.2.1傅里叶级数
6.2.2傅里叶变换
6.2.3幅度谱、相位谱和功率谱
6.2.4傅里叶变换的实质——基的转换
6.3快速傅里叶变换及实现
6.3.1FFT变换的必要性
6.3.2常见的FFT算法
6.3.3按时间抽取的基-2FFT算法
6.3.4离散反傅里叶变换的快速算法
6.3.5N维快速傅里叶变换
6.3.6MATLAB实现
6.3.7VisualC 实现
6.4频域滤波基础
6.4.1频域滤波与空域滤波的关系
6.4.2频域滤波的基本步骤
6.4.3频域滤波的MATLAB实现
6.4.4频域滤波的VisualC 实现
6.5频率域低通滤波器
6.5.1理想低通滤波器及其实现
6.5.2高斯低通滤波器及其实现
6.6频率域高通滤波器
6.6.1高斯高通滤波器及其实现
6.6.2频域拉普拉斯滤波器及其实现
6.7MATLAB综合案例——利用频域滤波消除周期噪声
6.7.1频域带阻滤波器
6.7.2带阻滤波器消除周期噪声
6.8频域滤波器与空域滤波器之间的内在联系
附录
第7章小波变换
7.1多分辨率分析
7.1.1多分辨率框架
7.1.2分解与重构的实现
7.1.3图像处理中分解与重构的实现
7.2Gabor多分辨率分析
7.3常见小波分析
7.3.1Haar小波
7.3.2Daubechies小波
7.4高维小波
第8章图像复原
8.1图像复原的理论模型
8.1.1图像复原的基本概念
8.1.2图像复原的一般模型
8.2噪声模型
8.2.1噪声种类
8.2.2MATLAB实现
8.2.3VisualC 实现
8.3空间滤波
8.3.1空域滤波原理
8.3.2MATLAB实现
8.3.3VisualC 实现
8.4逆滤波复原
8.4.1逆滤波原理
8.4.2MATLAB实现
8.4.3VisualC 实现
8.5维纳滤波复原
8.5.1维纳滤波原理
8.5.2MATLAB实现
8.5.3VisualC 实现
8.6有约束最小二乘复原
8.7Lucky-Richardson复原
8.8盲去卷积图像复原
8.9MATLAB图像复原综合案例——去除照片的运动模糊
第9章彩色图像处理
9.1彩色基础
9.2彩色模型
9.2.1RGB模型
9.2.2CMY、CMYK模型
9.2.3HSI模型
9.2.4HSV模型
9.2.5YUV模型
9.2.6YIQ模型
9.2.7Lab模型简介
9.3全彩色图像处理基础
9.3.1彩色补偿及其MATLAB实现
9.3.2彩色平衡及其MATLAB实现
第10章图像压缩
10.1图像压缩理论
10.1.1图像冗余
10.1.2香农定理
10.1.3保真度评价
10.2DCT变换与量化
10.2.1DCT变换原理
10.2.2量化
10.2.3DCT变换和量化的VisualC 实现
10.3预测编码
10.4霍夫曼编码
10.4.1霍夫曼编码原理
10.4.2霍夫曼编码的VisualC 实现
10.5算术编码
10.5.1算术编码原理
10.5.2算术编码的VisualC 实现
10.6游程编码
10.7JPEG和JPEG2000压缩标准
10.8VisualC 综合案例——类似JPEG的图像压缩
第11章形态学图像处理
11.1预备知识
11.2二值图像中的基本形态学运算
11.2.1腐蚀及其实现
11.2.2膨胀及其实现
11.2.3开运算及其实现
11.2.4闭运算及其实现
11.3二值图像中的形态学应用
11.3.1击中与击不中变换及其实现
11.3.2边界提取与跟踪及其实现
11.3.3区域填充及其VisualC 实现
11.3.4连通分量提取及其实现
11.3.5细化算法及其VisualC 实现
11.3.6像素化算法及其VisualC 实现
11.3.7凸壳及其VisualC 实现
11.3.8bwmorph()函数
11.4灰度图像中的基本形态学运算
11.4.1灰度膨胀及其实现
11.4.2灰度腐蚀及其实现
11.4.3灰度开、闭运算及其实现
11.4.4顶帽变换(top-hat)及其实现
小结
第12章图像分割
12.1图像分割概述
12.2边缘检测
12.2.1边缘检测概述
12.2.2常用的边缘检测算子
12.2.3MATLAB实现
12.2.4VisualC 实现
12.3霍夫变换
12.3.1直线检测
12.3.2曲线检测
12.3.3任意形状的检测
12.3.4Hough变换直线检测的MATLAB实现
12.3.5Hough变换直线检测的VisualC 实现
12.4阈值分割
12.4.1阈值分割方法
12.4.2MATLAB实现
12.4.3VisualC 实现
12.5区域分割
12.5.1区域生长及其实现
12.5.2区域分裂与合并及其MATLAB实现
12.6小结
第13章特征提取
13.1图像特征概述
13.2基本统计特征
13.2.1简单的区域描绘子及其MATLAB实现
13.2.2直方图及其统计特征
13.2.3灰度共现矩阵及其VisualC 实现
13.3特征降维
13.3.1维度灾难
13.3.2特征选择简介
13.3.3主成分分析
13.3.4快速PCA及其实现
13.4综合案例——基于PCA的人脸特征抽取
13.4.1数据集简介
13.4.2生成样本矩阵
13.4.3主成分分析
13.4.4主成分脸可视化分析
13.4.5基于主分量的人脸重建
13.5局部二进制模式
13.5.1基本LBP
13.5.2圆形邻域的LBPP,R算子
13.5.3统一化LBP算子——UniformLBP及其MATLAB实现
13.5.4MB-LBP及其MATLAB实现
13.5.5图像分区及其MATLAB实现
第14章图像识别初步
14.1模式识别概述
14.2模式识别方法分类
14.3最小距离分类器和模板匹配
14.3.1最小距离分类器及其MATLAB实现
14.3.2基于相关的模板匹配
14.3.3相关匹配的计算效率
第15章人工神经网络
15.1人工神经网络简介
15.1.1仿生学动机
15.1.2人工神经网络的应用实例
15.2人工神经网络的理论基础
15.2.1训练线性单元的梯度下降算法
15.2.2多层人工神经网络
15.2.3Sigmoid单元
15.2.4反向传播(BackPropagation，BP)算法
15.2.5训练中的问题
15.3基于ANN的数字字符识别系统DigitRec——分析与设计
15.3.1任务描述
15.3.2数据集简介
15.3.3设计要点
15.4基于ANN的数字字符识别系统——DigitRec的实现
15.4.1构建神经元结构——SNeuron
15.4.2构建神经网络网络层——SNeuronLayer
15.4.3神经网络信息头——NeuralNet_Header
15.4.4神经网络类——euralNet
15.4.5神经网络的训练数据类——euralData
15.4.6误差跟踪类——CValueTrack
15.4.7训练对话框类——CTrainDlg
15.4.8测试对话框类——CTestDlg
15.5基于ANN的数字字符识别系统——DigitRec的测试
15.5.1训练
15.5.2测试
15.6改进的DigitRec
15.6.1数字字符图像的预处理类——COCRImageProcess
15.6.2输入图像的预处理——实现
15.6.3输入图像的预处理——测试
15.7神经网络参数对训练和识别的影响
15.7.1隐藏层单元数目的影响
15.7.2学习率的影响
15.7.3训练时代数目的影响
第16章支持向量机
16.1支持向量机的分类思想
16.2支持向量机的理论基础
16.2.1线性可分情况下的SVM
16.2.2非线性可分情况下的C-SVM
16.2.3需要核函数映射情况下的SVM
16.2.4推广到多类问题
16.3SVM的MATLAB实现
16.3.1训练——svmtrain
16.3.2分类——svmclassify
16.3.3应用实例
16.4综合案例——基于PCA和SVM的人脸识别系统
16.4.1人脸识别简介
16.4.2前期处理
16.4.3数据规格化
16.4.4核函数的选择
16.4.5参数选择
16.4.6构建多类SVM分类器
16.4.7实验结果
16.5SVM在线资源
16.5.1MATLAB的SVM工具箱
16.5.2LibSVM的简介
第17章AdaBoost
17.1AdaBoost分类思想
17.2AdaBoost理论基础
17.3构建AdaBoost的MATLAB工具箱
17.4MATLAB综合案例——基于AdaBoost的面部图像男女性别分类
17.4.1关于数据集
17.4.2数据的预处理
17.4.3算法流程实现
参考文献