pdf

数字图像处理(MATLAB版)(英文版)

  • 1星
  • 日期: 2021-02-21
  • 大小: 38.38MB
  • 所需积分:0分
  • 下载次数:0
  • favicon收藏
  • rep举报
  • 分享
  • free评论
标签: 图像处理

图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。

这是图像处理基础理论论述同以MATLAB为主要工具的软件实践方法相对照的第一本书。本书集成了冈萨雷斯和伍兹所著的《数字图像处理(第三版)》一书中重要的原文材料和MathWorks公司的图像处理工具箱。本书的特色在于重点强调怎样通过开发新代码来加强这些软件工具。本书在介绍MATLAB编程基础知识之后,讲述了图像处理的主干内容,包括灰度变换、线性和非线性空间滤波、频率域滤波、图像复原与重建、几何变换和图像配准、彩色图像处理、小波、图像压缩、形态学图像处理、图像分割、区域和边界表示与描述。

Contents

Preface

Acknowledgements

About  the  Authors

1  Introduction

 Preview

 1.1  Background

 1.2  What  Is  Digital  Image  Processing?

 1.3  Background  on  MATLAB  and  the  Image  Processing  Toolbox

 1.4  Areas  of  Image  Processing  Covered  in  the  Book

 1.5  The  Book  Web  Site

 1.6  Notation

 1.7  Fundamentals

 1.7.1  The  MATLAB  Desktop

 1.7.2  Using  the  MATLAB  Editor/Debugger

 1.7.3  Getting  Help

 1.7.4  Saving  and  Retrieving  Work  Session  Data

 1.7.5  Digital  Image  Representation

 1.7.6  Image  I/O  and  Display

 1.7.7  Classes  and  Image  Types

 1.7.8  M-Function  Programming

 1.8  How  References  Are  Organized  in  the  Book

 Summary

2  Intensity  Transformations  and  Spatial  Filtering

 Preview

 2.1  Background

 2.2  Intensity  Transformation  Functions

 2.2.1  Functions  imadjust  and  stretchlim

 2.2.2  Logarithmic  and  Contrast-  Stretching  Transformations

 2.2.3  Specifying  Arbitrary  Intensity  Transformations

 2.2.4  Some  Utility  M-functions  for  Intensity  Transformations

 2.3  Histogram  Processing  and  Function  Plotting

 2.3.1  Generating  and  Plotting  Image  Histograms

 2.3.2  Histogram  Equalization

 2.3.3  Histogram  Matching  (Specification)

 2.3.4  Function  adapthisteq

 2.4  Spatial  Filtering

 2.4.1  Linear  Spatial  Filtering

 2.4.2  Nonlinear  Spatial  Filtering

 2.5  Image  Processing  Toolbox  Standard  Spatial  Filters

 2.5.1  Linear  Spatial  Filters

 2.5.2  Nonlinear  Spatial  Filters

 2.6  Using  Fuzzy  Techniques  for  Intensity  Transformations  andSpatial

 Filtering

 2.6.1  Background

 2.6.2  Introduction  to  Fuzzy  Sets

 2.6.3  Using  Fuzzy  Sets

 2.6.4  A  Set  of  Custom  Fuzzy  M-functions

 2.6.5  Using  Fuzzy  Sets  for  Intensity  Transformations

 2.6.6  Using  Fuzzy  Sets  for  Spatial  Filtering

 Summary

3  Filtering  in  the  Frequency  Domain

 Preview

 3.1  The  2-D  Discrete  Fourier  Transform

 3.2  Computing  and  Visualizing  the  2-D  DFT  in  MATLAB

 3.3  Filtering  in  the  Frequency  Domain

 3.3.1  Fundamentals

 3.3.2  Basic  Steps  in  DFT  Filtering

 3.3.3  An  M-function  for  Filtering  in  the  Frequency  Domain

 3.4  Obtaining  Frequency  Domain  Filters  from  Spatial  Filters

 3.5  Generating  Filters  Directly  in  the  Frequency  Domain

 3.5.1  Creating  Meshgrid  Arrays  for  Use  in  ImplementingFilters

 in  the  Frequency  Domain

 3.5.2  Lowpass  (Smoothing)  Frequency  Domain  Filters

 3.5.3  Wireframe  and  Surface  Plotting

 3.6  Highpass  (Sharpening)  Frequency  Domain  Filters

 3.6.1  A  Function  for  Highpass  Filtering

 3.6.2  High-Frequency  Emphasis  Filtering

 3.7  Selective  Filtering

 3.7.1  Bandreject  and  Bandpass  Filters

 3.7.2  Notchreject  and  Notchpass  Filters

 Summary

4  Image  Restoration  and  Reconstruction

 Preview

 4.1  A  Model  of  the  Image  Degradation/Restoration  Process

 4.2  Noise  Models

 4.2.1  Adding  Noise  to  Images  with  Function  imnoise

 4.2.2  Generating  Spatial  Random  Noise  with  a  Specified

 Distribution

 4.2.3  Periodic  Noise

 4.2.4  Estimating  Noise  Parameters

 4.3  Restoration  in  the  Presence  of  Noise  Only—SpatialFiltering

 4.3.1  Spatial  Noise  Filters

 4.3.2  Adaptive  Spatial  Filters

 4.4  Periodic  Noise  Reduction  Using  Frequency  DomainFiltering

 4.5  Modeling  the  Degradation  Function

 4.6  Direct  Inverse  Filtering

 4.7  Wiener  Filtering

 4.8  Constrained  Least  Squares  (Regularized)  Filtering

 4.9  Iterative  Nonlinear  Restoration  Using  theLucy-Richardson

 Algorithm

 4.10  Blind  Deconvolution

 4.11  Image  Reconstruction  from  Projections

 4.11.1  Background

 4.11.2  Parallel-Beam  Projections  and  the  Radon  Transform

 4.11.3  The  Fourier  Slice  Theorem  and  FilteredBackprojections

 4.11.4  Filter  Implementation

 4.11.5  Reconstruction  Using  Fan-Beam  FilteredBackprojections

 4.11.6  Function  radon

 4.11.7  Function  iradon

 4.11.8  Working  with  Fan-Beam  Data

 Summary

5  Geometric  Transformations  and  Image

 Registration

 Preview

 5.1  Transforming  Points

 5.2  Affine  Transformations

 5.3  Projective  Transformations

 5.4  Applying  Geometric  Transformations  to  Images

 5.5  Image  Coordinate  Systems  in  MATLAB

 5.5.1  Output  Image  Location

 5.5.2  Controlling  the  Output  Grid

 5.6  Image  Interpolation

 5.6.1  Interpolation  in  Two  Dimensions

 5.6.2  Comparing  Interpolation  Methods

 5.7  Image  Registration

 5.7.1  Registration  Process

 5.7.2  Manual  Feature  Selection  and  Matching  Using  cpselect

 5.7.3  Inferring  Transformation  Parameters  Using  cp2tform

 5.7.4  Visualizing  Aligned  Images

 5.7.5  Area-Based  Registration

 5.7.6  Automatic  Feature-Based  Registration

 Summary

6  Color  Image  Processing

 Preview

 6.1  Color  Image  Representation  in  MATLAB

 6.1.1  RGB  Images

 6.1.2  Indexed  Images

 6.1.3  Functions  for  Manipulating  RGB  and  Indexed  Images

 6.2  Converting  Between  Color  Spaces

 6.2.1  NTSC  Color  Space

 6.2.2  The  YCbCr  Color  Space

 6.2.3  The  HSV  Color  Space

 6.2.4  The  CMY  and  CMYK  Color  Spaces

 6.2.5  The  HSI  Color  Space

 6.2.6  Device-Independent  Color  Spaces

 6.3  The  Basics  of  Color  Image  Processing

 6.4  Color  Transformations

 6.5  Spatial  Filtering  of  Color  Images

 6.5.1  Color  Image  Smoothing

 6.5.2  Color  Image  Sharpening

 6.6  Working  Directly  in  RGB  Vector  Space

 6.6.1  Color  Edge  Detection  Using  the  Gradient

 6.6.2  Image  Segmentation  in  RGB  Vector  Space

 Summary

7  Wavelets

 Preview

 7.1  Background

 7.2  The  Fast  Wavelet  Transform

 7.2.1  FWTs  Using  the  Wavelet  Toolbox

 7.2.2  FWTs  without  the  Wavelet  Toolbox

 7.3  Working  with  Wavelet  Decomposition  Structures

 7.3.1  Editing  Wavelet  Decomposition  Coefficients  without  the

 Wavelet  Toolbox

 7.3.2  Displaying  Wavelet  Decomposition  Coefficients

 7.4  The  Inverse  Fast  Wavelet  Transform

 7.5  Wavelets  in  Image  Processing

 Summary

8  Image  Compression

 Preview

 8.1  Background

 8.2  Coding  Redundancy

 8.2.1  Huffman  Codes

 8.2.2  Huffman  Encoding

 8.2.3  Huffman  Decoding

 8.3  Spatial  Redundancy

 8.4  Irrelevant  Information

 8.5  JPEG  Compression

 8.5.1  JPEG

 8.5.2  JPEG  2000

 8.6  Video  Compression

 8.6.1  MATLAB  Image  Sequences  and  Movies

 8.6.2  Temporal  Redundancy  and  Motion  Compensation

 Summary

9  Morphological  Image  Processing

 Preview

 9.1  Preliminaries

 9.1.1  Some  Basic  Concepts  from  Set  Theory

 9.1.2  Binary  Images,  Sets,  and  Logical  Operators

 9.2  Dilation  and  Erosion

 9.2.1  Dilation

 9.2.2  Structuring  Element  Decomposition

 9.2.3  The  strel  Function

 9.2.4  Erosion

 9.3  Combining  Dilation  and  Erosion

 9.3.1  Opening  and  Closing

 9.3.2  The  Hit-or-Miss  Transformation

 9.3.3  Using  Lookup  Tables

 9.3.4  Function  bwmorph

 9.4  Labeling  Connected  Components

 9.5  Morphological  Reconstruction

 9.5.1  Opening  by  Reconstruction

 9.5.2  Filling  Holes

 9.5.3  Clearing  Border  Objects

 9.6  Gray-Scale  Morphology

 9.6.1  Dilation  and  Erosion

 9.6.2  Opening  and  Closing

 9.6.3  Reconstruction

 Summary

10  Image  Segmentation

 Preview

 10.1  Point,  Line,  and  Edge  Detection

 10.1.1  Point  Detection

 10.1.2  Line  Detection

 10.1.3  Edge  Detection  Using  Function  edge

 10.2  Line  Detection  Using  the  Hough  Transform

 10.2.1  Background

 10.2.2  Toolbox  Hough  Functions

 10.3  Thresholding

 10.3.1  Foundation

 10.3.2  Basic  Global  Thresholding

 10.3.3  Optimum  Global  Thresholding  Using  Otsu's  Method

 10.3.4  Using  Image  Smoothing  to  Improve  Global  Thresholding

 10.3.5  Using  Edges  to  Improve  Global  Thresholding

 10.3.6  Variable  Thresholding  Based  on  Local  Statistics

 10.3.7  Image  Thresholding  Using  Moving  Averages

 10.4  Region-Based  Segmentation

 10.4.1  Basic  Formulation

 10.4.2  Region  Growing

 10.4.3  Region  Splitting  and  Merging

 10.5  Segmentation  Using  the  Watershed  Transform

 10.5.1  Watershed  Segmentation  Using  the  Distance  Transform

 10.5.2  Watershed  Segmentation  Using  Gradients

 10.5.3  Marker-Controlled  Watershed  Segmentation

 Summary

11  Representation  and  Description

 Preview

 11.1  Background

 11.1.1  Functions  for  Extracting  Regions  and  Their  Boundaries

 11.1.2  Some  Additional  MATLAB  and  Toolbox  Functions  Used

 in  This  Chapter

 11.1.3  Some  Basic  Utility  M-Functions

 11.2  Representation

 11.2.1  Chain  Codes

 11.2.2  Polygonal  Approximations  Using  Minimum-PerimeterPolygons

 11.2.3  Signatures

 11.2.4  Boundary  Segments

 11.2.5  Skeletons

 11.3  Boundary  Descriptors

 11.3.1  Some  Simple  Descriptors

 11.3.2  Shape  Numbers

 11.3.3  Fourier  Descriptors

 11.3.4  Statistical  Moments

 11.3.5  Corners

 11.4  Regional  Descriptors

 11.4.1  Function  regionprops

 11.4.2  Texture

 11.4.3  Moment  Invariants

 11.5  Using  Principal  Components  for  Description

 Summary

 Appendix  A  M-Function  Summary

 Appendix  B  ICE  and  MATLAB  Graphical  User  Interfaces

 Appendix  C  Additional  Custom  M-functions

 Bibliography

 Index

更多简介内容

推荐帖子

评论

登录/注册

意见反馈

求资源

回顶部

datasheet推荐 换一换

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版 版权声明

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2021 EEWORLD.com.cn, Inc. All rights reserved
$(function(){ var appid = $(".select li a").data("channel"); $(".select li a").click(function(){ var appid = $(this).data("channel"); $('.select dt').html($(this).html()); $('#channel').val(appid); }) })