1.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。2.内容具有一定深度，这决不是一本会在2个月后便会失去价值的应用程序参考，相反她让你每次欣赏时能得到新的享受。3.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巧妙结合。

●第0章初识数字图像处理与机器视觉1
0.1数字图像1
0.1.1什么是数字图像1
0.1.2数字图像的显示1
0.1.3数字图像的分类2
0.1.4数字图像的实质3
0.1.5数字图像的表示4
0.1.6图像的空间和灰度级分辨率4
0.2数字图像处理与机器视觉5
0.2.1从图像处理到图像识别5
0.2.2什么是机器视觉6
0.2.3数字图像处理和识别的应用实例7
0.3数字图像处理的预备知识8
0.3.1邻接性、连通性、区域和边界8
0.3.2距离度量的几种方法9
0.3.3基本的图像操作10
第1章MATLAB数字图像处理编程基础11
1.1MATLABR2011a简介11
1.1.1MATLAB软件环境11
1.1.2文件操作12
1.1.3在线帮助的使用13
1.1.4变量的使用15
1.1.5矩阵的使用17
1.1.6细胞数组(CellArray)和结构体(Structure)19
1.1.7关系运算与逻辑运算20
1.1.8常用图像处理数学函数21
1.1.9MATLAB程序流程控制22
1.1.10M文件编写25
1.1.11MATLAB函数编写26
1.2MATLAB图像类型及其存储方式28
1.3MATLAB的图像转换30
1.4读取和写入图像文件32
1.5图像的显示34
第2章VisualC++图像处理编程基础37
2.1位图文件及其C++操作37
2.1.1设备无关位图37
2.1.2BMP图像文件数据结构37
2.2认识CImg类40
2.2.1主要成员函数列表40
2.2.2公有成员41
2.3CImg类基础操作41
2.3.1加载和写入图像41
2.3.2获得图像基本信息44
2.3.3检验有效性45
2.3.4按像素操作45
2.3.5改变图像大小47
2.3.6重载的运算符47
2.3.7在屏幕上绘制位图图像48
2.3.8新建图像48
2.3.9图像类型的判断与转化50
2.4DIPDemo工程51
2.4.1DIPDemo主界面51
2.4.2图像操作和处理类——CImg和CImgProcess52
2.4.3文档类——CDIPDemoDoc53
2.4.4视图类——CDIPDemoView53
2.5CImg应用示例54
2.5.1打开图像54
2.5.2清空图像55
2.5.3像素初始化方法56
2.5.4保存图像57
第3章图像的点运算58
3.1灰度直方图58
3.1.1理论基础58
3.1.2MATLAB实现59
3.1.3VisualC++实现62
3.2灰度的线性变换63
3.2.1理论基础63
3.2.2MATLAB程序的实现64
3.2.3VisualC++实现66
3.3灰度对数变换67
3.3.1理论基础67
3.3.2MATLAB实现68
3.3.3VisualC++实现69
3.4伽玛变换70
3.4.1理论基础70
3.4.2MATLAB编程实现70
3.4.3VisualC++实现72
3.5灰度阈值变换73
3.5.1理论基础73
3.5.2MATLAB编程实现74
3.5.3VisualC++实现75
3.6分段线性变换76
3.6.1理论基础76
3.6.2MATLAB编程实现77
3.6.3VisualC++编程实现81
3.7直方图均衡化82
3.7.1理论基础82
3.7.2MATLAB编程实现83
3.7.3VisualC++实现85
3.8直方图规定化(匹配)86
3.8.1理论基础86
3.8.2MATLAB编程实现87
3.8.3VisualC++实现89
第4章图像的几何变换92
4.1解决几何变换的一般思路92
4.2图像平移94
4.2.1图像平移的变换公式94
4.2.2图像平移的实现94
4.3图像镜像96
4.3.1图像镜像的变换公式96
4.3.2图像镜像的实现97
4.4图像转置99
4.4.1图像转置的变换公式99
4.4.2图像转置的实现99
4.5图像缩放101
4.5.1图像缩放的变换公式101
4.5.2图像缩放的实现101
4.6图像旋转103
4.6.1以原点为中心的图像旋转103
4.6.2以任意点为中心的图像旋转104
4.6.3图像旋转的实现105
4.7插值算法106
4.7.1最近邻插值106
4.7.2双线性插值107
4.7.3高阶插值109
4.8图像配准简介111
4.8.1图像配准112
4.8.2人脸图像配准的MATLAB实现112
4.9VisualC++高级应用实例——汽车牌照的投影失真校正115
4.9.1系统分析与设计116
4.9.2系统实现117
4.9.3功能测试122
第5章空间域图像增强126
5.1图像增强基础126
5.2空间域滤波127
5.3图像平滑133
5.3.1平均模板及其实现133
5.3.2高斯平滑及其实现134
5.3.3通用平滑滤波的VisualC++实现138
5.3.4自适应平滑滤波139
5.4中值滤波140
5.4.1性能比较140
5.4.2一种改进的中值滤波策略144
5.4.3中值滤波的工作原理145
5.5图像锐化145
5.5.1理论基础145
5.5.2基于一阶导数的图像增强——梯度算子145
5.5.3基于二阶微分的图像增强——拉普拉斯算子149
5.5.4基于一阶与二阶导数的锐化算子的比较151
5.5.5高提升滤波及其实现152
5.5.6高斯-拉普拉斯变换(LaplacianofaGaussian，LoG)156
第6章频率域图像增强159
6.1频率域滤波——与空间域滤波殊途同归159
6.2傅里叶变换基础知识159
6.2.1傅里叶级数159
6.2.2傅里叶变换161
6.2.3幅度谱、相位谱和功率谱163
6.2.4傅里叶变换的实质——基的转换165
6.3快速傅里叶变换及实现166
6.3.1FFT变换的必要性167
6.3.2常见的FFT算法167
6.3.3按时间抽取的基-2FFT算法168
6.3.4离散反傅里叶变换的快速算法171
6.3.5N维快速傅里叶变换171
6.3.6MATLAB实现171
6.3.7VisualC++实现175
6.4频域滤波基础183
6.4.1频域滤波与空域滤波的关系183
6.4.2频域滤波的基本步骤184
6.4.3频域滤波的MATLAB实现184
6.4.4频域滤波的VisualC++实现185
6.5频率域低通滤波器187
6.5.1理想低通滤波器及其实现187
6.5.2高斯低通滤波器及其实现191
6.6频率域高通滤波器195
6.6.1高斯高通滤波器及其实现195
6.6.2频域拉普拉斯滤波器及其实现198
6.7MATLAB综合案例——利用频域滤波消除周期噪声201
6.7.1频域带阻滤波器201
6.7.2带阻滤波器消除周期噪声202
6.8频域滤波器与空域滤波器之间的内在联系204
附录205
第7章小波变换207
7.1多分辨率分析207
7.1.1多分辨率框架207
7.1.2分解与重构的实现213
7.1.3图像处理中分解与重构的实现214
7.2Gabor多分辨率分析220
7.3常见小波分析223
7.3.1Haar小波223
7.3.2Daubechies小波225
7.4高维小波227
第8章图像复原230
8.1图像复原的理论模型230
8.1.1图像复原的基本概念230
8.1.2图像复原的一般模型232
8.2噪声模型232
8.2.1噪声种类233
8.2.2MATLAB实现237
8.2.3VisualC++实现239
8.3空间滤波244
8.3.1空域滤波原理244
8.3.2MATLAB实现245
8.3.3VisualC++实现247
8.4逆滤波复原250
8.4.1逆滤波原理250
8.4.2MATLAB实现251
8.4.3VisualC++实现253
8.5维纳滤波复原256
8.5.1维纳滤波原理256
8.5.2MATLAB实现257
8.5.3VisualC++实现260
8.6有约束最小二乘复原262
8.7Lucky-Richardson复原265
8.8盲去卷积图像复原266
8.9MATLAB图像复原综合案例——去除照片的运动模糊268
第9章彩色图像处理270
9.1彩色基础270
9.2彩色模型272
9.2.1RGB模型272
9.2.2CMY、CMYK模型274
9.2.3HSI模型276
9.2.4HSV模型282
9.2.5YUV模型287
9.2.6YIQ模型292
9.2.7Lab模型简介296
9.3全彩色图像处理基础296
9.3.1彩色补偿及其MATLAB实现296
9.3.2彩色平衡及其MATLAB实现298
第10章图像压缩300
10.1图像压缩理论300
10.1.1图像冗余300
10.1.2香农定理303
10.1.3保真度评价304
10.2DCT变换与量化304
10.2.1DCT变换原理304
10.2.2量化306
10.2.3DCT变换和量化的VisualC++实现307
10.3预测编码312
10.4霍夫曼编码313
10.4.1霍夫曼编码原理313
10.4.2霍夫曼编码的VisualC++实现316
10.5算术编码324
10.5.1算术编码原理324
10.5.2算术编码的VisualC++实现327
10.6游程编码330
10.7JPEG和JPEG2000压缩标准331
10.8VisualC++综合案例——类似JPEG的图像压缩332
第11章形态学图像处理341
11.1预备知识341
11.2二值图像中的基本形态学运算342
11.2.1腐蚀及其实现343
11.2.2膨胀及其实现350
11.2.3开运算及其实现353
11.2.4闭运算及其实现356
11.3二值图像中的形态学应用357
11.3.1击中与击不中变换及其实现357
11.3.2边界提取与跟踪及其实现359
11.3.3区域填充及其VisualC++实现363
11.3.4连通分量提取及其实现365
11.3.5细化算法及其VisualC++实现370
11.3.6像素化算法及其VisualC++实现374
11.3.7凸壳及其VisualC++实现379
11.3.8bwmorph()函数382
11.4灰度图像中的基本形态学运算383
11.4.1灰度膨胀及其实现383
11.4.2灰度腐蚀及其实现386
11.4.3灰度开、闭运算及其实现389
11.4.4顶帽变换(top-hat)及其实现392
小结394
第12章图像分割395
12.1图像分割概述395
12.2边缘检测396
12.2.1边缘检测概述396
12.2.2常用的边缘检测算子397
12.2.3MATLAB实现400
12.2.4VisualC++实现402
12.3霍夫变换409
12.3.1直线检测409
12.3.2曲线检测411
12.3.3任意形状的检测411
12.3.4Hough变换直线检测的MATLAB实现412
12.3.5Hough变换直线检测的VisualC++实现415
12.4阈值分割418
12.4.1阈值分割方法419
12.4.2MATLAB实现422
12.4.3VisualC++实现423
12.5区域分割425
12.5.1区域生长及其实现425
12.5.2区域分裂与合并及其MATLAB实现429
12.6小结433
第13章特征提取434
13.1图像特征概述434
13.2基本统计特征436
13.2.1简单的区域描绘子及其MATLAB实现436
13.2.2直方图及其统计特征437
13.2.3灰度共现矩阵及其VisualC++实现439
13.3特征降维442
13.3.1维度灾难442
13.3.2特征选择简介443
13.3.3主成分分析444
13.3.4快速PCA及其实现450
13.4综合案例——基于PCA的人脸特征抽取451
13.4.1数据集简介452
13.4.2生成样本矩阵452
13.4.3主成分分析453
13.4.4主成分脸可视化分析454
13.4.5基于主分量的人脸重建456
13.5局部二进制模式457
13.5.1基本LBP457
13.5.2圆形邻域的LBPP，R算子458
13.5.3统一化LBP算子——UniformLBP及其MATLAB实现459
13.5.4MB-LBP及其MATLAB实现462
13.5.5图像分区及其MATLAB实现467
第14章图像识别初步470
14.1模式识别概述470
14.2模式识别方法分类474
14.3最小距离分类器和模板匹配476
14.3.1最小距离分类器及其MATLAB实现476
14.3.2基于相关的模板匹配477
14.3.3相关匹配的计算效率482
第15章人工神经网络484
15.1人工神经网络简介484
15.1.1仿生学动机484
15.1.2人工神经网络的应用实例486
15.2人工神经网络的理论基础487
15.2.1训练的梯度下降算法487
15.2.2多层人工神经网络492
15.2.3Sigmo492
15.2.4反向传播(BackPropagation，BP)算法493
15.2.5训练中的问题496
15.3基于ANN的数字字符识别系统DigitRec——分析与设计498
15.3.1任务描述498
15.3.2数据集简介498
15.3.3设计要点498
15.4基于ANN的数字字符识别系统——DigitRec的实现500
15.4.1构结构——SNeuron500
15.4.2构建神经网络网络层——SNeuronLayer501
15.4.3神经网络信息头——NeuralNet_Header502
15.4.4神经网络类——CNeuralNet502
15.4.5神经网络的训练数据类——CNeuralData513
15.4.6误差跟踪类——CValueTrack518
15.4.7训练对话框类——CTrainDlg520
15.4.8测试对话框类——CTestDlg523
15.5基于ANN的数字字符识别系统——DigitRec的测试526
15.5.1训练526
15.5.2测试526
15.6改进的DigitRec527
15.6.1数字字符图像的预处理类——COCRImageProcess527
15.6.2输入图像的预处理——实现528
15.6.3输入图像的预处理——测试539
15.7神经网络参数对训练和识别的影响540
15.7.1隐数目的影响540
15.7.2学习率的影响541
15.7.3训练时代数目的影响542
第16章支持向量机544
16.1支持向量机的分类思想544
16.2支持向量机的理论基础545
16.2.1线性可分情况下的SVM545
16.2.2非线性可分情况下的C-SVM548
16.2.3需要核函数映射情况下的SVM550
16.2.4推广到多类问题553
16.3SVM的MATLAB实现554
16.3.1训练——svmtrain555
16.3.2分类——svmclassify556
16.3.3应用实例557
16.4综合案例——基于PCA和SVM的人脸识别系统557
16.4.1人脸识别简介558
16.4.2前期处理558
16.4.3数据规格化558
16.4.4核函数的选择561
16.4.5参数选择562
16.4.6构建多类SVM分类器564
16.4.7实验结果566
16.5SVM在线资源571
16.5.1MATLAB的SVM工具箱572
16.5.2LibSVM的简介572
第17章AdaBoost573
17.1AdaBoost分类思想573
17.2AdaBoost理论基础575
17.3构建AdaBoost的MATLAB工具箱577
17.4MATLAB综合案例——基于AdaBoost的面部图像男女性别分类580
17.4.1关于数据集580
17.4.2数据的预处理581
17.4.3算法流程实现581
参考文献583

本书将理论知识、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。本书结构紧凑，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。