MATLAB 數(shù)字圖像處理

內(nèi)容概要

　　《matlab 數(shù)字圖像處理》以最新版的matlab
r2011a為平臺(tái)，結(jié)合大量的實(shí)例，全面、系統(tǒng)地講解了matlab在數(shù)字圖像處理中的實(shí)際應(yīng)用。主要內(nèi)容包括數(shù)字圖像處理基礎(chǔ)、數(shù)字圖像運(yùn)算、圖像變換技術(shù)、圖像的增強(qiáng)處理、圖像壓縮編碼技術(shù)、圖像復(fù)原技術(shù)、圖像分割技術(shù)、圖像數(shù)學(xué)形態(tài)學(xué)描述等。
　　在講解過程中，《matlab
數(shù)字圖像處理》力求理論與實(shí)例相結(jié)合，深入淺出、循序漸進(jìn)，使讀者可以全面了解matlab數(shù)字圖像處理技術(shù)，提高分析問題、反思問題、解決問題的能力。
　　《matlab
數(shù)字圖像處理》可以作為各大院校相關(guān)專業(yè)本科生和研究生的學(xué)習(xí)用書，也可以作為廣大科研人員、學(xué)者、工程技術(shù)人員的參考用書。

書籍目錄

第1章　 matlab入門介紹
1.1　matlab簡介
1.1.1　matlab發(fā)展史
1.1.2　matlab的特點(diǎn)
1.1.3　matlab r2011a的新特點(diǎn)
1.2　matlab的安裝
1.3　matlab集成環(huán)境
1.3.1　菜單欄
1.3.2　工具欄
1.3.3　command window
1.3.4　command history
1.3.5　workspace
1.3.6　current folder
1.3.7　搜索路徑及其設(shè)置
1.4　聯(lián)機(jī)幫助
1.4.1　幫助命令
1.4.2　幫助窗口
1.4.3　演示系統(tǒng)
1.5　matlab變量與表達(dá)式
1.5.1　數(shù)值
1.5.2　變量
1.5.3　表達(dá)式
1.6　矩陣及其運(yùn)算
1.6.1　創(chuàng)建矩陣
1.6.2　拼接矩陣
1.6.3　矩陣尋訪
1.6.4　矩陣的運(yùn)算
第2章　 matlab豐富繪圖
2.1　二維圖形的繪制及編輯
2.1.1　基本二維繪圖
2.1.2　快捷繪圖函數(shù)
2.1.3　繪制子圖
2.1.4　坐標(biāo)軸設(shè)置
2.1.5　圖形標(biāo)注
2.1.6　圖形疊加
2.1.7　雙y軸繪圖
2.2　三維繪圖
2.2.1　基本三維繪圖
2.2.2　三維曲線圖
2.2.3　三維等高線圖
2.2.4　三維曲面圖
2.3　三維圖形編輯
2.3.1　視角設(shè)置
2.3.2　控制旋轉(zhuǎn)
2.3.3　背景顏色設(shè)置
2.3.4　顏色設(shè)置
2.3.5　圖形的著色設(shè)置
2.3.6　光照設(shè)置
2.3.7　透視設(shè)置
2.3.8　透明度設(shè)置
2.4　特殊圖形
2.4.1　條形圖
2.4.2　區(qū)域圖
2.4.3　餅圖
2.4.4　離散數(shù)據(jù)桿狀圖
2.4.5　階梯圖
2.4.6　矢量圖
2.4.7　等高線圖
2.4.8　散點(diǎn)圖
第3章　 數(shù)字圖像處理基礎(chǔ)
3.1　數(shù)字圖像處理概述
3.1.1　數(shù)字圖像處理及其特點(diǎn)
3.1.2　數(shù)字圖像處理研究的主要內(nèi)容
3.1.3　數(shù)字圖像處理的應(yīng)用
3.1.4　圖像術(shù)語
3.1.5　圖像文件格式
3.2　圖像的讀與寫
3.2.1　圖像文件的查詢
3.2.2　圖像文件的讀取
3.2.3　圖像文件寫入
3.3　圖像顯示
3.3.1　二值圖像的顯示
3.3.2　灰度圖像顯示
3.3.3　rgb圖像的顯示
3.3.4　索引圖像的顯示
3.3.5　單幀顯示
3.3.6　多幀顯示
3.4　圖像類型的轉(zhuǎn)換
3.4.1　圖像抖動(dòng)
3.4.2　gray2ind函數(shù)
3.4.3　grayslice函數(shù)
3.4.4　im2bw函數(shù)
3.4.5　ind2gray函數(shù)
3.4.6　ind2rgb函數(shù)
3.4.7　mat2gray函數(shù)
3.4.8　rgb2gray函數(shù)
3.4.9　rgb2ind函數(shù)
3.5　顏色空間
3.5.1　顏色模型
3.5.2　圖像退色處理
3.5.3　顏色模型的轉(zhuǎn)換
3.6　紋理貼圖
3.6.1　紋理貼圖的概念
3.6.2　紋理映射
第4章　 數(shù)字圖像運(yùn)算
4.1　點(diǎn)運(yùn)算
4.1.1　線性點(diǎn)運(yùn)算
4.1.2　非線性點(diǎn)運(yùn)算
4.2　代數(shù)運(yùn)算
4.2.1　代數(shù)運(yùn)算的異常處理
4.2.2　圖像加法運(yùn)算
4.2.3　圖像減法運(yùn)算
4.2.4　圖像乘法運(yùn)算
4.2.5　圖像除法運(yùn)算
4.2.6　絕對(duì)值差運(yùn)算
4.2.7　線性組合運(yùn)算
4.2.8　圖像求補(bǔ)運(yùn)算
4.3　圖像邏輯運(yùn)算
4.4　圖像的幾何運(yùn)算
4.4.1　圖像的縮放
4.4.2　圖像的旋轉(zhuǎn)
4.4.3　圖像的剪切
4.4.4　圖像的平移
4.4.5　圖像的鏡像
4.5　空間變換
4.5.1　仿射變換
4.5.2　投影變換
4.5.3　幾何配準(zhǔn)
4.6　鄰域與塊操作
4.6.1　滑動(dòng)鄰域操作
4.6.2　非重疊塊處理
4.6.3　快速塊處理
4.6.4　塊操作的其他函數(shù)
4.6.5　特殊區(qū)域處理
4.6.6　特殊區(qū)域的濾波
4.6.7　特定區(qū)域的填充
第5章　 圖像變換技術(shù)
5.1　圖像變換的概述
5.2　正交變換通用算子
5.3　傅里葉變換
5.3.1　一維連續(xù)傅里葉變換
5.3.2　一維離散傅里葉變換
5.3.3　二維連續(xù)傅里葉變換
5.3.4　二維離散傅里葉變換
5.3.5　實(shí)現(xiàn)傅里葉變換的matlab函數(shù)
5.3.6　傅里葉變換性質(zhì)
5.4　離散余弦變換
5.4.1　一維離散余弦變換
5.4.2　二維離散余弦變換
5.4.3　快速離散余弦變換
5.4.4　離散余弦變換的matlab實(shí)現(xiàn)
5.5　沃爾什（walsh）-哈達(dá)瑪（hadamard）變換
5.5.1　沃爾什-哈達(dá)瑪變換概述
5.5.2　沃爾什-哈達(dá)瑪變換matlab實(shí)現(xiàn)
5.6　hough變換
5.6.1　hough變換的基本原理
5.6.2　hough變換的matlab實(shí)現(xiàn)
5.7　radon變換
5.7.1　radon變換概述
5.7.2　radon變換的matlab實(shí)現(xiàn)
5.7.3　radon逆變換
5.8　fan-beam變換
5.8.1　計(jì)算fan-beam投影
5.8.2　重構(gòu)fan-beam投影
5.8.3　radon投影和fan-beam投影轉(zhuǎn)換
第6章　 圖像的增強(qiáng)處理
6.1　灰度變換增強(qiáng)
6.1.1　像素值及其統(tǒng)計(jì)特性
6.1.2　灰度變換
6.1.3　灰度值調(diào)整
6.1.4　直方圖均衡化
6.1.5　直方圖規(guī)定化
6.2　空域?yàn)V波增強(qiáng)
6.2.1　平滑濾波器
6.2.2　中值濾波器
6.2.3　自適應(yīng)濾波器
6.2.4　銳化濾波器
6.3　頻域?yàn)V波增強(qiáng)
6.3.1　低通濾波
6.3.2　高通濾波器
6.3.3　帶通濾波器
6.3.4　同態(tài)濾波器
6.4　彩色增強(qiáng)
6.4.1　偽彩色增強(qiáng)
6.4.2　真彩色增強(qiáng)
第7章　 圖像壓縮編碼技術(shù)
7.1　圖像壓縮編碼技術(shù)概述
7.1.1　圖像壓縮編碼的必要性
7.1.2　圖像壓縮的可能性
7.1.3　圖像編碼性能指標(biāo)
7.2　圖像編碼質(zhì)量評(píng)價(jià)
7.2.1　客觀評(píng)價(jià)準(zhǔn)則
7.2.2　主觀評(píng)價(jià)準(zhǔn)則
7.2.3　壓縮比
7.3　變換編碼
7.4　無損壓縮編碼
7.4.1　哈夫曼編碼技術(shù)
7.4.2　行程編碼
7.4.3　算術(shù)編碼
7.5　有損壓縮編碼
7.5.1　預(yù)測(cè)編碼
7.5.2　主成分變換編碼
7.5.3　哈達(dá)瑪變換編碼
7.6　jpeg標(biāo)準(zhǔn)
7.7　基于dct的圖像水印技術(shù)
7.8　小波圖像編碼
7.8.1　連續(xù)小波變換
7.8.2　離散小波變換
7.8.3　小波圖像消噪處理
7.8.4　小波圖像壓縮處理
7.8.5　小波圖像增強(qiáng)處理
7.8.6　小波圖像融合處理
第8章　 圖像復(fù)原技術(shù)
8.1　圖像復(fù)原概述
8.2　圖像退化模型
8.2.1　連續(xù)退化模型
8.2.2　離散退化模型
8.2.3　退化模型的矩陣對(duì)角化運(yùn)算
8.3　退化函數(shù)估計(jì)
8.3.1　圖像觀察估計(jì)法
8.3.2　試驗(yàn)估計(jì)法
8.3.3　模型估計(jì)法
8.4　逆濾波
8.4.1　無約束復(fù)原
8.4.2　逆濾波復(fù)原
8.4.3　消除勻速運(yùn)動(dòng)模糊
8.5　維納濾波
8.5.1　有約束濾波
8.5.2　維納濾波復(fù)原
8.5.3　維納濾波復(fù)原的matlab實(shí)現(xiàn)
8.6　約束最小二乘濾波
8.6.1　濾波模型
8.6.2　約束最小二乘濾波的matlab實(shí)現(xiàn)
8.7　lucy-richardson濾波
8.7.1　lucy-richardson濾波模型
8.7.2　lucy-richardson濾波的matlab實(shí)現(xiàn)
8.8　盲卷積濾波
8.8.1　盲卷積濾波算法
8.8.2　盲卷積濾波的matlab實(shí)現(xiàn)
第9章　 圖像分割技術(shù)
9.1　圖像分割定義
9.2　閾值分割
9.2.1　人工選擇法
9.2.2　自動(dòng)閾值法
9.2.3　分水嶺算法
9.3　區(qū)域分割
9.3.1　區(qū)域生長法
9.3.2　區(qū)域分裂合并法
9.3.3　四叉樹分解法
9.4　運(yùn)動(dòng)分割
9.4.1　背景差值法
9.4.2　圖像差分法
9.5　彩色圖像分割
9.5.1　彩色圖像分割
9.5.2　聚類算法
9.6　邊緣檢測(cè)
9.6.1　梯度算子
9.6.2　羅伯特（roberts）邊緣算子
9.6.3　索貝爾（sobel）邊緣算子
9.6.4　prewitt邊緣算子
9.6.5　拉普拉斯（laplacian）邊緣算子
9.6.6　高斯-拉普拉斯（log）邊緣算子
9.6.7　坎尼（canny）邊緣算子
第10章　 圖像數(shù)學(xué)形態(tài)學(xué)描述
10.1　數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算
10.1.1　結(jié)構(gòu)元素
10.1.2　膨脹運(yùn)算
10.1.3　腐蝕運(yùn)算
10.1.4　開閉運(yùn)算
10.1.5　擊中/擊不中變換
10.2　數(shù)學(xué)形態(tài)學(xué)應(yīng)用
10.2.1　骨架化
10.2.2　邊界提取
10.2.3　區(qū)域填充
10.2.4　移除對(duì)象
10.2.5　距離變換
10.3　形態(tài)學(xué)重構(gòu)
10.3.1　標(biāo)記圖像與掩模圖像
10.3.2　像素的連通性
10.3.3　尋找峰值與谷值
10.4　區(qū)域、對(duì)象及特性度量
10.4.1　標(biāo)記連通區(qū)域
10.4.2　對(duì)象選擇
10.4.3　面積計(jì)算
10.5　查表操作
10.5.1　創(chuàng)建一個(gè)查找表
10.5.2　使用查找表
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：   插圖：   可見當(dāng)圖像中目標(biāo)和背景像素灰度呈現(xiàn)正態(tài)分布，并且標(biāo)準(zhǔn)偏差相等，目標(biāo)和背景的像素比例相等時(shí)，最佳分割閾值就是目標(biāo)和背景像素灰度均值的平均。用最小誤差法自動(dòng)選擇閾值的困難在于待分割的模式的概率分布難以獲得。 單閾值法是用一個(gè)全局閾值區(qū)分背景和目標(biāo)。當(dāng)一幅圖像的直方圖具有明顯的雙峰時(shí)，選擇兩峰之間的谷底作為閾值，可獲得良好的分割效果。但現(xiàn)實(shí)中大多數(shù)自然景象的圖像直方圖變化多樣，很少表現(xiàn)為明顯的雙峰。此時(shí)用單閾值法效果不佳，可考慮用以下方法。 （1）雙閾值法：用兩個(gè)閾值區(qū)分背景和目標(biāo)。雙閾值法是對(duì)單閾值法的改進(jìn)，通過設(shè)置兩個(gè)閾值，以防單閾值法設(shè)置閾值過高或過低，把目標(biāo)像素誤歸為背景像素，或把背景像素誤歸為目標(biāo)像素。 （2）多閾值法：當(dāng)存在照明不均、突發(fā)噪聲等因素或背景灰度變化較大時(shí)，整幅圖像不存在合適的單一閾值，單一閾值不能兼顧圖像不同區(qū)域的具體情況，這時(shí)可將圖像分塊處理，對(duì)每一塊根據(jù)圖像的局部特征分別采用不同的閾值。因此，多閾值法又稱為動(dòng)態(tài)閾值法和自適應(yīng)閾值法。這種算法的時(shí)間和空間復(fù)雜度比較大，但抗干擾能力較強(qiáng)，對(duì)于用全局閾值不容易分割的圖像，采用這種方法分割有較好的效果。 基于灰度的閾值分割法具有計(jì)算簡單、實(shí)現(xiàn)容易的特點(diǎn)，對(duì)目標(biāo)和背景對(duì)比度反差較大的圖像進(jìn)行分割比較有效。如果場(chǎng)景中不同部分具有不同的照明，那么即使圖像中僅僅包含一個(gè)目標(biāo)，也無法用一個(gè)閾值來分割圖像。閾值分割法中閾值的確定主要依賴于灰度直方圖，而很少考慮圖像中像素的空間位置關(guān)系，因此當(dāng)背景復(fù)雜，特別在同一背景上重疊出現(xiàn)若干個(gè)研究目標(biāo)時(shí)，容易喪失部分邊界信息，造成分割的不完整。在含有強(qiáng)噪聲干擾時(shí)，閾值分割法也不能取得令人滿意的分割結(jié)果。 9.2.3分水嶺算法 在許多情況下，圖像中目標(biāo)區(qū)域與背景區(qū)域的灰度或平均灰度是不同的，而目標(biāo)區(qū)域和背景區(qū)域內(nèi)部灰度相關(guān)性很強(qiáng)，這時(shí)可將灰度的均一性作為依據(jù)進(jìn)行分割。 這里主要介紹一種最簡單的灰度分割方法——灰度門限法，它是基于灰度閾值的分割方法，也是基于區(qū)域的分割方法。其實(shí)現(xiàn)方法主要是將高于某一灰度的像素劃分到一個(gè)區(qū)域中，低于某一灰度的像素劃分到另一個(gè)區(qū)域中。 灰度閾值的選擇直接影響分割效果，下面介紹分水嶺法。 分水嶺算法（Watershed）是一種借鑒了形態(tài)學(xué)理論的分割方法。在該方法中，將一幅圖像看成一個(gè)拓?fù)涞匦螆D，其中灰度值f（x，y）對(duì)應(yīng)地形高度值。高灰度值對(duì)應(yīng)著山峰，低灰度值對(duì)應(yīng)著山谷。水總是朝地勢(shì)低的地方流動(dòng)，直到某一局部低洼處才停下來，這個(gè)低洼處被稱為吸水盆地。最終所有的水會(huì)分聚在不同的吸水盆地，吸水盆地之間的山脊被稱為分水嶺。水從分水嶺流下時(shí)，它朝不同的吸水盆地流去的可能性是相等的。將這種想法應(yīng)用于圖像分割，就是要在灰度圖像中找出不同的吸水盆地和分水嶺，由這些不同的吸水盆地和分水嶺組成的區(qū)域即為我們要分割的目標(biāo)。

編輯推薦

《MATLAB 數(shù)字圖像處理》可以作為各大院校相關(guān)專業(yè)本科生和研究生的學(xué)習(xí)用書，也可以作為廣大科研人員、學(xué)者、工程技術(shù)人員的參考用書。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    MATLAB 數(shù)字圖像處理 PDF格式下載

---