掃一掃
關注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
清華計算機圖書譯叢計算機視覺基礎 版權(quán)信息
- ISBN：9787302529958
- 條形碼：9787302529958 ; 978-7-302-52995-8
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
清華計算機圖書譯叢計算機視覺基礎 本書特色
本書介紹計算機視覺的基礎內(nèi)容，比較側(cè)重計算幾何和目標檢測方面。本書對圖像網(wǎng)格的構(gòu)建和疊加、德勞內(nèi)三角剖分和沃羅諾伊鑲嵌、多邊形拼貼、圖像拓撲等都有比較全面深入的介紹，并對圖像結(jié)構(gòu)給出了直觀可視的描述。書中提供了大量相應的Matlab程序，可結(jié)合原理學習進行實驗，以進一步加深理解并解決實際問題。
清華計算機圖書譯叢計算機視覺基礎 內(nèi)容簡介
本書介紹計算機視覺的基礎內(nèi)容，比較側(cè)重計算幾何和目標檢測方面。本書對圖像網(wǎng)格的構(gòu)建和疊加、德勞內(nèi)三角剖分和沃羅諾伊鑲嵌、多邊形拼貼、圖像拓撲等都有比較全面深入的介紹，并對圖像結(jié)構(gòu)給出了直觀可視的描述。書中提供了大量相應的Matlab程序，可結(jié)合原理學習進行實驗，以進一步加深理解并解決實際問題。
清華計算機圖書譯叢計算機視覺基礎 目錄
目錄
第 1 章通往機器視覺的基礎知識 . 1
1.1 什么是計算機視覺 1
1.2 分而治之的方法 1
1.3 覆蓋在圖像上的沃羅諾伊圖 4
1.4 計算幾何簡介 6
1.5 數(shù)字圖像的框架 8
1.6 數(shù)字視覺空間 12
1.7 創(chuàng)建你自己的圖像 12
1.8 隨機生成圖像 14
1.9 顯示圖像的方法 16
1.10 數(shù)字圖像的格式 17
1.11 圖像數(shù)據(jù)類型 18
1.12 彩色圖像 21
1.12.1 彩色空間 21
1.12.2 彩色通道 21
1.13 彩色查找表 24
1.14 圖像幾何初步 26
1.15 訪問和修改圖像像素值 29
1.16 彩色、灰度和二值圖像 31
1.17 像素的羅森菲爾德8-鄰域 32
1.18 距離：歐幾里得和出租車測度 35
1.19 假彩色：點彩派繪畫 37
1.19.1 假彩色RGB 圖像模式 37
1.19.2 假彩色灰度圖像模式 39
1.20 數(shù)字圖像上的矢量空間 41
1.20.1 點積 41
1.20.2 圖像梯度 42
1.21 相機看見什么：智能系統(tǒng)視圖 43
1.21.1 相機視覺系統(tǒng)中的智能系統(tǒng)方法 43
1.21.2 相機感知的場景彩色 44
1.22 圖像幾何：圖像上的沃羅諾伊和德勞內(nèi)網(wǎng)格 47
1.22.1 汽車圖像上的沃羅諾伊網(wǎng)格 47
1.22.2 沃羅諾伊圖像的子網(wǎng)格揭示了什么信息 50
1.23 神經(jīng)結(jié)構(gòu) 50
X 計算機視覺基礎
1.23.1 汽車圖像上的德勞內(nèi)網(wǎng)格 54
1.23.2 在汽車圖像上結(jié)合沃羅諾伊和德勞內(nèi)網(wǎng)格 55
1.24 視頻幀網(wǎng)格覆蓋 57
1.24.1 離線視頻幀處理 57
1.24.2 實時視頻處理 60
第2 章像素加工 . 63
2.1 圖像元素 63
2.2 分離彩色圖像通道 65
2.3 彩色向灰度的轉(zhuǎn)換 66
2.4 對像素強度的代數(shù)操作 67
2.5 用邊緣像素選擇解釋像素選擇 72
2.6 基于函數(shù)修改圖像像素值 78
2.7 圖像的邏輯操作 81
2.7.1 像素強度的補和邏輯非 81
2.7.2 成對二值圖像的XOR 操作 . 82
2.8 從背景中提取前景 84
2.9 閾值化彩色通道的合并 85
2.10 增強圖像的對比度 87
2.11 伽馬變換 88
2.12 伽馬校正 89
第3 章可視化像素強度分布 . 91
3.1 直方圖和繪制 93
3.1.1 直方圖 94
3.1.2 莖干圖 95
3.1.3 繪制 96
3.1.4 表面繪制 96
3.1.5 線框表面繪制 98
3.1.6 輪廓繪制 98
3.2 等值線 98
3.3 彩色直方圖 100
3.4 自適應閾值化 102
3.5 對比度拉伸 103
3.6 直方圖匹配 106
第4 章線性濾波 . 108
4.1 圖像濾波的重要性 108
4.2 濾波器核 109
4.3 線性濾波器實驗 110
4.4 線性卷積濾波 111
4.5 選取感興趣區(qū)域 112
目錄 XI
4.6 給圖像加噪聲 114
4.7 均值濾波 116
4.8 中值濾波 117
4.9 排序濾波 118
4.10 正態(tài)分布濾波 120
第5 章邊緣、線、角點、高斯核與沃羅諾伊網(wǎng)格 . 121
5.1 線性函數(shù) 121
5.2 邊緣檢測 123
5.3 雙精度拉普拉斯濾波器 126
5.4 增強數(shù)字圖像邊緣 127
5.5 高斯核 128
5.6 高斯濾波器 130
5.7 高斯濾波器核圖像恢復 131
5.8 高斯-拉普拉斯濾波器圖像增強 . 132
5.9 零交叉邊緣濾波器圖像增強 132
5.10 各向異性與各向同性邊緣檢測 134
5.11 在數(shù)字圖像中檢測邊緣核線 136
5.12 檢測圖像角點 138
5.13 基于圖像角點的沃羅諾伊網(wǎng)格重訪 140
5.13.1 沃羅諾伊鑲嵌細節(jié) 140
5.13.2 沃羅諾伊多邊形的位置 140
5.14 構(gòu)建基于角點的沃羅諾伊網(wǎng)格的步驟 142
5.15 網(wǎng)格生成器集合中的極端圖像角點 142
5.16 具有極端角點圖像上的沃羅諾伊網(wǎng)格 144
5.17 孤立圖像邊緣的圖像梯度方法 145
5.18 角點、邊緣和沃羅諾伊網(wǎng)格 147
第6 章德勞內(nèi)網(wǎng)格分割 . 149
6.1 德勞內(nèi)三角化生成三角網(wǎng)格 149
6.2 三角形外接圓 151
6.3 在圖像上構(gòu)建基于角點的德勞內(nèi)網(wǎng)格 151
6.4 基于質(zhì)心的德勞內(nèi)圖像網(wǎng)格 152
6.4.1 尋找圖像質(zhì)心 153
6.4.2 尋找圖像質(zhì)心的德勞內(nèi)網(wǎng)格 154
6.4.3 尋找圖像質(zhì)心的沃羅諾伊網(wǎng)格 154
6.4.4 尋找疊加在德勞內(nèi)網(wǎng)格上的圖像質(zhì)心沃羅諾伊網(wǎng)格 155
第7 章視頻處理、實時和離線視頻分析介紹 . 157
7.1 視頻處理基礎 158
7.1.1 幀圖像點處理 158
7.1.2 圖像采集 158
XII 計算機視覺基礎
7.1.3 斑塊 159
7.1.4 幀拼貼和幀幾何 159
7.2 視頻幀的沃羅諾伊拼貼 160
7.3 在視頻幀中檢測目標形狀 160
7.4 測量目標的形狀相似性和沃羅諾伊視覺外殼 161
7.5 *大核聚類 163
7.6 問題 166
7.7 形狀距離 171
7.8 邊緣集的權(quán)函數(shù) 172
7.9 *大邊緣集 173
7.9.1 粗糙輪廓邊緣集 173
7.9.2 *大核聚類連通網(wǎng)格區(qū)域 175
第8 章洛韋關鍵點、*大核聚類、輪廓和形狀 . 177
8.1 圖像分析 . 178
8.2 場景分析 . 179
8.3 像素邊緣增強 . 180
8.4 數(shù)字圖像的裁剪和稀疏表示 . 183
8.5 形狀理論和2-D 圖像目標的形狀：面向圖像目標形狀檢測 . 185
8.6 圖像像素梯度的朝向和強度 . 186
8.7 高斯差 . 187
8.8 圖像關鍵點：洛韋SIFT 方法 189
8.9 應用：圖像網(wǎng)格核的關鍵點邊界 . 191
8.10 超（外）核輪廓 . 193
8.11 *大核聚類輪廓形狀的質(zhì)量 . 194
8.12 粗糙S2P 和S3P（2 級和3 級） *大核聚類輪廓 194
8.13 關鍵點數(shù)量的實驗 . 196
8.14 雙重*大核聚類上的粗糙周邊 . 199
8.15 圖像*大核聚類區(qū)域的萊利熵 . 199
8.16 問題 . 202
第9 章后記：形狀適合計算機視覺環(huán)境的地方 . 204
9.1 自然場景中的目標形狀 . 204
9.2 形狀估計 . 207
附錄A Matlab 和Mathematica 編程 . 210
A.1 第1 章的程序 . 210
A.1.1 數(shù)字圖像角點 210
A.1.2 沃羅諾伊鑲嵌算法的實現(xiàn) 211
A.1.3 德勞內(nèi)鑲嵌算法的實現(xiàn) 213
A.1.4 沃羅諾伊和德勞內(nèi)鑲嵌結(jié)合算法的實現(xiàn) 216
A.1.5 第1 章的離線視頻處理程序 218
目錄 XIII
A.1.6 第1 章的實時視頻處理程序 219
A.2 第2 章的程序 . 221
A.2.1 數(shù)字圖像像素 221
A.2.2 彩色圖像通道 223
A.2.3 彩色向灰度的轉(zhuǎn)換 224
A.2.4 對像素強度的代數(shù)操作 225
A.2.5 選擇和顯示邊緣像素的彩色像素強度 228
A.2.6 基于函數(shù)的像素值修改 231
A.2.7 對圖像的邏輯操作 233
A.3 第3 章的程序 . 234
A.3.1 像素強度直方圖（分檔） 234
A.3.2 像素強度分布 235
A.3.3 像素強度等值線 237
A.4 第4 章的程序 . 238
A.5 第5 章的程序 . 238
A.5.1 1-D 高斯核繪圖 . 238
A.5.2 高斯核實驗 240
A.5.3 2-D 高斯核繪圖 . 241
A.5.4 高斯平滑圖像 242
A.5.5 圖像恢復 243
A.5.6 圖像角點 245
A.5.7 具有和沒有圖像角點的沃羅諾伊網(wǎng)格 247
A.6 第6 章的程序 . 248
A.6.1 查找2-D 和3-D 圖像質(zhì)心 248
A.6.2 另一種查找圖像質(zhì)心的方法 249
A.6.3 查找圖像質(zhì)心的德勞內(nèi)網(wǎng)格 250
A.6.4 查找圖像質(zhì)心的沃羅諾伊網(wǎng)格 251
A.6.5 查找覆蓋在德勞內(nèi)網(wǎng)格上的圖像質(zhì)心沃羅諾伊網(wǎng)格 252
A.7 第7 章的程序 . 253
A.7.1 沃羅諾伊鑲嵌視頻幀中的邊緣集測量 253
A.8 第8 章的程序 . 257
A.8.1 高斯金字塔方案 257
A.8.2 小波金字塔方案 258
A.8.3 像素邊緣強度 259
A.8.4 繪制反正切值 260
A.8.5 像素幾何：梯度方向和梯度幅度 261
A.8.6 高斯差圖像 263
A.8.7 圖像關鍵點和沃羅諾伊網(wǎng)格 263
XIV 計算機視覺基礎
附錄B 詞匯表 . 266
B.1 數(shù)字與符號 . 266
B.2 B 268
B.3 C 271
B.4 D 271
B.5 F . 273
B.6 G 274
B.7 H 274
B.8 J 274
B.9 K 279
B.10 L . 281
B.11 M 284
B.12 N 284
B.13 P . 284
B.14 Q 285
B.15 S . 285
B.16 T . 287
B.17 W . 291
B.18 X 292
B.19 Z . 294
參考文獻 . 296
主題索引 . 306
展開全部
清華計算機圖書譯叢計算機視覺基礎 節(jié)選
第3章 可視化像素強度分布 本章介紹可視化像素強度分布的各種方法（參見圖3.1）。這里還包括在圖像鑲嵌和三角化中有用的生成點指針。換句話說，圖像結(jié)構(gòu)可視化展示了關于圖像幾何的內(nèi)容。 圖3.1 圖3.4中組合RGB像素強度的3-D視圖 這里的基本方法是在裁剪數(shù)字圖像中提供關于像素強度的2-D和3-D視圖。通過裁剪彩色圖像，可以獲得組合的像素彩色值或同一圖像內(nèi)的各個彩色通道像素值的不同視圖。圖像裁剪的重要性不容小覷。圖像裁剪從圖像中提取子圖像。這使得可以專注于自然場景或?qū)嶒炇覙颖纠锉徽J為有趣的、相關的、值得仔細觀察的那部分。像素強度是用于鑲嵌圖像的生成點（網(wǎng)點）的另一個來源，可以產(chǎn)生從不同視角揭示圖像幾何和圖像目標的圖像 網(wǎng)格。 例3.1 在附錄A.3節(jié)中列表A.22的Matlab程序被用來執(zhí)行如下操作： （1）裁剪一幅RGB圖像以獲得一幅子圖像。例如，對圖3.2中的大圖像進行裁剪可得到圖3.3中的微小圖像結(jié)果。 （2）生成一個3-D網(wǎng)格，展示組合的RGB像素值。對裁剪圖像得到的結(jié)果如圖3.1 所示。 （3）生成一個3-D網(wǎng)格，其輪廓為紅色通道值。對裁剪圖像中像素的紅色通道值得到的結(jié)果如圖3.4（a）所示。 （4）生成一個3-D網(wǎng)格，其輪廓為綠色通道值。對裁剪圖像中像素的綠色通道值所得到的結(jié)果如圖3.5所示。彩色圖像中的綠色通道值通常傾向于在*小值和*大值之間具有*大數(shù)量的變化。因此，綠色通道是在圖像的沃羅諾伊鑲嵌中使用的生成點（網(wǎng)點）的選擇中尋找不均勻性的好地方。為了看到這一點，考慮3-D網(wǎng)格與它們的輪廓之間的差異，首先從圖3.5里綠色通道的3-D網(wǎng)格開始，并與圖3.4（a）中的紅色通道值和圖3.4（b）中的藍色通道值進行比較。 圖3.2 薩勒諾火車站的RGB圖像示例 圖3.3 對圖3.2的圖像裁剪得到的子圖像 圖3.4 圖3.2中的紅色和藍色通道值 （5）生成一個3-D網(wǎng)格，其輪廓為藍色通道值。對裁剪圖像中像素的藍色通道值得到的結(jié)果如圖3.4（b）所示。 ? 注意：構(gòu)建直方圖需要一幅強度圖。 圖3.5 綠色通道像素強度與圖3.2的輪廓的3-D視圖 3.1 直方圖和繪制 有許多方法能可視化數(shù)字圖像中像素強度的分布。一個好的入門方法是可視化圖像中像素強度的分布。 例3.2 灰度直方圖示例 對圖3.2中每個灰度像素的像素強度計數(shù)結(jié)果如圖3.6所示。要對圖像像素強度計數(shù) 進行試驗，參見附錄A.3節(jié)中列表A.21的代碼。有關的詳細信息，參見下面的3.1.1小節(jié)。 圖3.6 灰度火車站圖像的直方圖 ? 3.1.1 直方圖 圖像直方圖繪制相對于像素強度值的圖像強度值出現(xiàn)頻率。直方圖是使用直方條來構(gòu)造的，因為通常不可能在直方圖中包括單個像素的強度值。一個圖像強度直方條（也稱為圖像強度桶）是在一個特定范圍內(nèi)的像素強度的集合。通常，強度圖像的直方圖包含256個直方條，每個直方條對應一個像素強度。每個強度圖像直方圖顯示每個像素強度直方條的尺寸（基數(shù)）。圖像直方圖使用稱為直方條化的技術構(gòu)建。圖像直方條化是一種將每個像素強度分配給包含對應強度的直方條的方法。下面是另一個例子。 例3.3 直方圖的直方條示例 圖3.7中的強度（灰度）圖像img對其中256個強度中的每一個來說其像素數(shù)量都有很大變化。由于漁夫的白色T恤，所以超過200個像素具有*高強度（強度 = 1）。還要注意，那里有超過500個像素具有0強度（黑色像素）。讓直方圖的直方條所覆蓋的強度范圍（256個強度中的每一個都對應一個直方條）由下式表示： 0, 1, 2, 3, ..., i, i+ 1, ..., 253, 254, 255 （圖像強度直方條） 并用img(x, y)表示在位置(x, y)的像素強度。用0 ≤ i ≤ 255表示直方條i的強度。那么，所有其強度匹配img(x, y)強度的像素都被按下面方式直方條化在bin(i)中： bin(i) = {img(x, y): img(x, y) = i} 使得img(x, y) ? [i, i + 1)（第i個強度直方條） 圖3.7 具有256個直方條的圖像直方圖 附錄A.3節(jié)中列表A.21的Matlab程序給出對彩色圖像和灰度圖像都可進行直方條化的示例。對直方條化的擴展學習見[21，3.4.1小節(jié)]。 ? 例3.4 要查看子圖像中的強度數(shù)量，請裁剪選定的圖片。例如，裁剪圖3.7中的圖像，只選擇漁夫的頭部和肩膀，如圖3.8所示。然后，對于強度80、81、82，使用附錄A.3節(jié)中列表A.21的Matlab程序與原始圖像比較直方條80、81和82的大小。換句話說，裁剪圖像中的直方條的尺寸相比原始圖像中的直方條的尺寸急劇下降。 圖3.8 具有256個直方條的裁剪圖像直方圖 ? 在Matlab中，函數(shù)imhist顯示灰度圖像的直方圖。如果g是灰度圖像，則imhist的默認顯示為255個直方條，每個圖像強度為一個直方條。使用imhist(g,n)在g的直方圖中顯示n個直方條（參見如圖3.6的RGB圖像的灰度直方圖）。使用 >> [counts,x]=imhist(g); （3.1） 將相對頻率值存儲在直方圖的計數(shù)中，水平軸值存儲在x中。另參見第3.6節(jié)中介紹的函數(shù)histeq。
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
回憶愛瑪儂
- >
詩經(jīng)-先民的歌唱
- >
小考拉的故事-套裝共3冊
- >
月亮虎
- >
龍榆生：詞曲概論/大家小書
- >
姑媽的寶刀
- >
朝聞道
本類暢銷
