掃一掃
關注中圖網
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
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數字圖像處理 版權信息
- ISBN：9787302538868
- 條形碼：9787302538868 ; 978-7-302-53886-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數字圖像處理 本書特色
《數字圖像處理——原理與實現》注重理論性與實踐性有機融合、抽象性與可視性完美銜接, 寓學于趣、寓趣于樂。以圖表公式為素材，以例題習題為引導，以代碼實現為手段，以實踐應用為目標，實現所有知識點的圖例化、示例化、代碼化和可視化，邏輯連貫、深入淺出、內容翔實。■圖例化。以圖表公式為素材，著眼原理，重在呈現，力求形象，實現知識點的圖例化。 ■示例化。以例題習題為引導，著眼邏輯，重在翔實，力求淺出，實現知識點的示例化。 ■代碼化。以代碼實現為手段，著眼重現，重在驗證，力求擴展，實現知識點的代碼化。 ■可視化。以實踐應用為目標，著眼實踐，重在應用，力求生動，實現知識點的可視化。 配套資源豐富，包括教學課件、習題解答、編程代碼、圖表素材，均可通過前言二維碼下載。
數字圖像處理 內容簡介
《數字圖像處理——原理與實現》主要介紹數字圖像處理的基礎知識和基本理論，以MATLAB為實驗平臺，主要內容包括圖像與視覺系統、像素空間關系、空域變換增強、空域濾波增強、圖像變換和頻域圖像增強，以及數字圖像處理技術實現的方法和技巧，為原理滲透和工程實踐奠定堅實的基礎。
數字圖像處理 目錄
目錄
第1章緒論
1.1圖像處理的起源
1.2圖像的基本概念
1.2.1圖像的概念
1.2.2數字圖像的概念
1.2.3圖像的表達
1.3圖像處理技術分類
1.4數字圖像處理
1.4.1數字圖像處理的特點
1.4.2數字圖像處理的方法
1.4.3數字圖像處理系統
1.4.4數字圖像處理的應用領域
1.4.5數字圖像處理的發展方向
習題
第2章圖像與視覺系統
2.1視覺過程
2.1.1光學過程
2.1.2化學過程
2.1.3神經處理過程
2.2光度學基本原理
2.2.1點光源
2.2.2擴展光源
2.2.3亮度
2.2.4主觀亮度
2.2.5照度
2.3采樣和量化
2.3.1圖像的存儲
2.3.2圖像的質量
2.4圖像類型
2.4.1二值圖像
2.4.2灰度圖像
2.4.3真彩色圖像
2.4.4偽彩色圖像
習題
第3章像素空間關系
3.1像素間的基本關系
3.1.1像素的鄰域
3.1.2像素的鄰接
3.1.3像素的連接
3.1.4像素的通路
3.1.5像素的連通
3.1.6像素集合的鄰接
3.1.7像素集合的連接
3.1.8像素集合的連通
3.2像素間的距離
3.2.1歐氏距離
3.2.2城區距離
3.2.3棋盤距離
3.2.4混合距離
3.3幾何變換
3.3.1平移變換
3.3.2放縮變換
3.3.3旋轉變換
3.3.4鏡像變換
3.3.5剪切變換
3.3.6透視變換
3.3.7反變換
3.3.8復合變換
3.4幾何失真校正
3.4.1直接校正法
3.4.2間接校正法
3.4.3空間變換
3.4.4灰度插值
習題
第4章空域變換增強
4.1算術運算
4.1.1加法運算
4.1.2減法運算
4.1.3乘法運算
4.1.4除法運算
4.2邏輯運算
4.2.1與運算
4.2.2或運算
4.2.3補運算
4.2.4異或運算
4.2.5應用
4.3直方圖處理
4.3.1直方圖均衡化
4.3.2直方圖規定化
4.4灰度變換
4.4.1比例線性變換
4.4.2分段線性變換
4.4.3非線性變換
習題
第5章空域濾波增強
5.1卷積原理
5.1.1一維連續卷積
5.1.2一維離散卷積
5.1.3二維連續卷積
5.1.4二維離散卷積
5.2線性平滑濾波
5.2.1鄰域平均法
5.2.2選擇平均法
5.2.3加權平均法
5.2.4Wiener濾波
5.3非線性平滑濾波
5.3.1中值濾波
5.3.2序統計濾波
5.4線性銳化濾波
5.5非線性銳化濾波
5.5.1梯度法
5.5.2Prewitt算子
5.5.3Sobel算子
5.5.4Log算子
5.5.5高通濾波
5.5.6掩模法
習題
第6章圖像變換
6.1一維離散變換
6.2二維離散變換
6.3傅里葉變換
6.3.1一維連續傅里葉變換
6.3.2一維離散傅里葉變換
6.3.3二維連續傅里葉變換
6.3.4二維離散傅里葉變換
6.3.5頻域特征與空域特征的關系
6.3.6傅里葉變換的應用
6.4離散余弦變換
6.4.1一維離散余弦變換
6.4.2二維離散余弦變換
6.4.3離散余弦變換的應用
習題
第7章頻域圖像增強
7.1低通濾波
7.1.1理想低通濾波器
7.1.2巴特沃斯低通濾波器
7.1.3指數低通濾波器
7.1.4梯形低通濾波器
7.1.5高斯低通濾波器
7.2高通濾波
7.2.1理想高通濾波器
7.2.2巴特沃斯高通濾波器
7.2.3指數高通濾波器
7.2.4梯形高通濾波器
7.2.5高斯高通濾波器
7.2.6高頻增強濾波器
7.3頻域增強與空域增強的關系
習題
參考文獻
展開全部
數字圖像處理 節選
第3章像素空間關系 3.1像素間的基本關系 圖像的基本組成單元是像素，像素在圖像空間中按照某種規律排列，有一定的相互聯系。常見的像素間的基本關系包括像素的鄰域、鄰接、連接、通路和連通以及像素集合間的鄰接、連接和連通。 3.1.1像素的鄰域 像素的鄰域是指一個像素的相鄰像素構成的像素集。鄰域的類型一般包括4鄰域、對角鄰域和8鄰域，如圖31所示。 圖31鄰域的類型 1. 4鄰域 像素p的4鄰域是指由像素p的水平方向(即左右)和垂直方向(即上下)共4個相鄰像素所組成的集合，記為N4(p)={r1,r2,r3,r4}。若像素p的坐標為(x,y)，則像素p的4鄰域像素的坐標分別為r1： (x-1,y)、r2： (x,y-1)、r3： (x+1,y)和r4： (x,y+1)，如圖31(a)所示。 2. 對角鄰域 像素p的對角鄰域是指由像素p的對角方向(即左上、左下、右上、右下)共4個相鄰像素所組成的集合，記為ND(p)={s1,s2,s3,s4}。若像素p的坐標為(x,y)，則像素p的對角鄰域像素的坐標分別為s1： (x-1,y+1)、s2： (x-1,y-1)、s3： (x+1,y-1)和s4： (x+1,y+1)，如圖31(b)所示。 3. 8鄰域 像素p的8鄰域是指由像素p的水平、垂直和對角方向(即左右、上下、左上、左下、右上、右下)共8個相鄰像素所組成的集合，記為N8(p)={r1,r2,r3,r4,s1,s2,s3,s4}。若像素p的坐標為(x,y)，則像素p的8鄰域像素的坐標分別為r1： (x-1,y)、r2： (x,y-1)、r3： (x+1,y)、r4： (x,y+1)、s1： (x-1,y+1)、s2： (x-1,y-1)、s3： (x+1,y-1)和s4： (x+1,y+1)，如圖31(c)所示。 需要注意的是，如果像素p本身處于圖像的邊緣，則它的4鄰域N4(p)，對角鄰域ND(p)和8鄰域N8(p)中的若干個像素將位于圖像之外。 3.1.2像素的鄰接 像素的鄰接是指一個像素與其鄰域中的像素的接觸關系。鄰接的類型根據鄰域的類型的不同一般分為4鄰接、對角鄰接和8鄰接。 1. 4鄰接 4鄰接是指一個像素與其4鄰域中的像素的接觸關系。若兩個像素為p和r，則像素p與像素r滿足4鄰接可表示為 p∈N4(r)(31) 注意： 像素p與像素r滿足4鄰接等價于像素r與像素p滿足4鄰接，即式(32)成立。 p∈N4(r)r∈N4(p)(32) 2. 對角鄰接 對角鄰接是指一個像素與其對角鄰域中的像素的接觸關系。若兩個像素為p和r，則像素p與像素r滿足對角鄰接可表示為 p∈ND(r)(33) 注意： 像素p與像素r滿足對角鄰接等價于像素r與像素p滿足對角鄰接，即式(34)成立。 p∈ND(r)r∈ND(p)(34) 3. 8鄰接 8鄰接是指一個像素與其8鄰域中的像素的接觸關系。若兩個像素為p和r，則像素p與像素r滿足8鄰接可表示為 p∈N8(r)(35) 注意： 像素p與像素r滿足8鄰接等價于像素r與像素p滿足8鄰接，即式(36)成立。 p∈N8(r)r∈N8(p)(36) 需要注意的是，鄰接僅考慮了像素間的空間關系，與像素的屬性值無關。 3.1.3像素的連接 兩個像素的連接是指兩個像素必須鄰接(即接觸)且它們的屬性值必須滿足某個特定的相似準則。屬性值一般采用像素的灰度值。相似準則可以是灰度值相等，或者同在一個灰度值集合中取值，記為V。例如，在一張二值圖像中，定義兩個灰度值為1的像素之間的連接，可以取相似準則為灰度值集合V={1}； 在一張256色的灰度圖像中，定義灰度值為100~105的像素之間的連接，可以取相似準則為灰度值集合V={100,101,102,103,104,105}。 連接的類型根據鄰域的類型的不同一般分為4連接、對角連接、8連接以及混合連接。 1. 4連接 4連接是指兩個像素4鄰接且它們的屬性值滿足某個特定的相似準則。若兩個像素為p和r，像素的屬性值函數為f()，相似準則為V，則4連接的條件可表示為 (p∈N4(r))∧(f(p)∈V)∧(f(r)∈V)(37) 2. 對角連接 對角連接是指兩個像素對角鄰接且它們的屬性值滿足某個特定的相似準則。若兩個像素為p和r，像素的屬性值函數為f()，相似準則為V，則對角連接的條件可表示為 (p∈ND(r))∧(f(p)∈V)∧(f(r)∈V)(38) 3. 8連接 8連接是指兩個像素8鄰接且它們的屬性值滿足某個特定的相似準則。若兩個像素為p和r，像素的屬性值函數為f()，相似準則為V，則8連接的條件可表示為 (p∈N8(r))∧(f(p)∈V)∧(f(r)∈V)(39) 4. 混合連接 混合連接又稱m連接，是指兩個像素的屬性值必須滿足某個特定的相似準則且滿足下列兩個條件之一： ①兩個像素4鄰接； ②兩個像素對角鄰接且它們4鄰域的交集在相似準則的意義下是空集。若兩個像素為p和r，像素的屬性值函數為f()，相似準則為V，則混合連接的條件可表示為式(310)或式(311)： (p∈N4(r))∧(f(p)∈V)∧(f(r)∈V)(310) (p∈ND(r))∧(f(ND(p)∩ND(r))∩V=)(311) 例3.1混合連接的判定。一張4×4的二值圖像模板如圖32(a)所示，相似準則V={1}，當圖像數據如圖32(b)和圖32(c)取值時，判定像素p和r是否滿足混合連接的條件。 圖32混合連接的判定 解： 由圖像模板可知，像素p和r互為對角鄰接，即p∈ND(r)，且像素p和r對角鄰域的交集為： ND(p)∩ND(r)={c,d}。 (1) 當圖像數據如圖32(b)取值時，有： f(c)=0，f(d)=0，則 f(ND(p)∩ND(r))=f({c,d})=f(c)∪f(d)={0}∪{0}={0} 因此，f(ND(p)∩ND(r))∩V={0}∩{1}= 所以，像素p和r滿足混合連接的條件。 (2) 當圖像數據如圖32(c)取值時，有： f(c)=1，f(d)=0，則 f(ND(p)∩ND(r))=f({c,d})=f(c)∪f(d)={1}∪{0}={0,1} 因此，f(ND(p)∩ND(r))∩V={0,1}∩{1}={1}≠ 所以，像素p和r不滿足混合連接的條件。 混合連接可以認為是8連接的一種變型，引進混合連接是為了消除使用8連接時常出現的多路問題。 例3.2多路問題示例。一張3×3的二值圖像模板如圖33(a)所示，相似準則V={1}，像素a、b、c、d的灰度值均取1，像素e的灰度值取0。試分析采用8連接和混合連接時像素a、b、c、d的連接情況。 圖33多路問題示例 解： 采用8連接時，像素a、b、c、d的連接情況如圖33(b)所示。此時，像素a和c之間存在兩條8連接通路，即abc和ac，導致像素a和c之間產生多路問題。 采用混合連接時，像素a、b、c、d的連接情況如圖33(c)所示。此時，像素a和b之間滿足混合連接條件，像素b和c之間滿足混合連接條件，因此，像素a和c之間存在一條混合連接通路abc。 另外，f(ND(a)∩ND(c))=f({b,e})=f(b)∪f(e)={1}∪{0}={0,1} 因此，f(ND(a)∩ND(c))∩V={0,1}∩{1}={1}≠ 所以，像素a和c之間不滿足混合連接條件，即不存在混合連接通路ac。 因此，采用混合連接時，像素a和c之間不存在多路問題。 3.1.4像素的通路 從一個具有坐標(x,y)的像素p到另一個具有坐標(s,t)的像素q的一條通路定義為由一系列具有坐標(x0,y0),(x1,y1),…,(xn,yn)的獨立像素組成的集合，并且滿足以下條件： (1) (x0,y0)=(x,y)，(xn,yn)=(s,t)； (2) (xi,yi)與(xi-1,yi-1)鄰接； (3) 1≤i≤n，n為通路的長度。 根據鄰接類型的不同，通路的類型也不同。如果像素間鄰接的類型為4鄰接、對角鄰接或8鄰接，則對應通路的類型為4通路、對角通路或8通路。 3.1.5像素的連通 像素的連通是指像素通路上所有像素的屬性值均滿足某個特定的相似準則。根據連接類型的不同，連通的類型也不同。如果像素間連接的類型為4連接、對角連接、8連接或混合連接，則對應連通的類型為4連通、對角連通、8連通或混合連通。 像素連接可以看作是像素連通的一種特例。當n=1時，兩個連通的像素也是連接的。 3.1.6像素集合的鄰接 圖像可以看作是像素的集合。像素集合根據一定的規則可以劃分成若干個子集，每一個子集就構成了一個子圖像。對于兩個圖像子集S和T來說，如果S中的一個或一些像素與T中的一個或一些像素鄰接，則稱兩個圖像子集S和T是鄰接的。如果像素間鄰接的類型為4鄰接、對角鄰接或8鄰接，則對應圖像子集的鄰接類型為4鄰接、對角鄰接或8鄰接。 3.1.7像素集合的連接 兩個圖像子集S和T是連接的是指兩個圖像子集必須鄰接且鄰接像素的屬性值必須滿足某個特定的相似準則。也就是說，對于兩個圖像子集S和T來說，如果S中的一個或一些像素與T中的一個或一些像素連接，則稱兩個圖像子集S和T是連接的。如果像素間連接的類型為4連接、對角連接、8連接或混合連接，則對應圖像子集的連接類型為4連接、對角連接、8連接或混合連接。 3.1.8像素集合的連通 對于圖像子集S中的兩個像素p和q來說，如果存在一條完全由S中的像素組成的從p到q的通路，則稱p在S中與q連通。對于S中的任一個像素p，所有與p相連通且又在S中的像素的集合(包括p)稱為S中的一個連通組元。圖像里同一個連通組元中的任意兩個像素相互連通，而不同連通組元中的像素互不連通。 圖像中每個連通組元構成圖像中的一個區域。圖像可以認為是由一系列區域組成。區域的邊界也稱區域的輪廓，是該區域的一個子集，它將該區域與其他區域分開。組成一個區域邊界的像素本身屬于該區域而在其鄰域中存在不屬于該區域的像素。 3.2像素間的距離 像素間的距離是指像素在空間的接近程度。設3個像素為p、q和r，坐標分別為(x,y)、(s,t)和(u,v)，則距離量度函數D必須滿足下列三個條件： (1) D(p,q)≥0； (2) D(p,q)=D(q,p)； (3) D(p,r)≤D(p,q)+D(q,r)。 其中，條件(1)表明兩個像素之間的距離總是為正值，若D(p,q)=0當且僅當p=q； 條件(2)表明像素之間的距離與起點和終點的選擇無關； 條件(3)表明像素之間的*短距離是沿直線的。 常見的距離度量方法包括歐氏距離、城區距離、棋盤距離和混合距離。 3.2.1歐氏距離 歐氏(Euclidean)距離記為DE，設像素點p的坐標為（x,y），像素點q的坐標為(s,t),則像素點p和q之間的歐氏距離的定義如下式所示： DE(p,q)=(x-s)2+(y-t)2(312) 歐氏距離的幾何意義為： 距離坐標為(x,y)的像素的DE距離小于或等于某個值d的像素都包括在以(x,y)為中心以d為半徑的圓中，如圖34所示。 圖34歐氏距離 其中，圖34(a)為距離坐標為(x,y)的像素的DE距離小于或等于3的像素所構成的圓形區域，其值為各像素點距離中心像素點的距離值，該值已經過四舍五入處理； 圖34(b)為距離值對應的3D透視圖。 3.2.2城區距離 城區(cityblock)距離記為D4，設像素點p的坐標為（x,y），像素點q的坐標為(s,t),則像素點p和q之間的城區距離的定義如下式所示： D4(p,q)=|x-s|+|y-t|(313) 城區距離的幾何意義為： 距離坐標為(x,y)的像素的D4距離小于或等于某個值d的像素都包括在以(x,y)為中心的菱形中，如圖35所示。其中，圖35(a)為距離坐標為(x,y)的像素的D4距離小于或等于3的像素所構成的菱形區域，其值為各像素點距離中心像素點的距離值； 圖35(b)為距離值對應的3D透視圖。 圖35城區距離 由城區距離的定義可知，距離像素p的城區距離為1的像素就是像素p的4鄰域像素。因此，像素p的4鄰域可以通過城區距離定義為 N4(p)={r|D4(p,r)=1}(314) 式中，r為某個像素。 3.2.3棋盤距離 棋盤(chessboard)距離記為D8，設像素點p的坐標為（x,y），像素點q的坐標為(s,t),則像素點p和q之間的棋盤距離的定義如下式所示： D8(p,q)=max(|x-s|,|y-t|)(315) 棋盤距離的幾何意義為： 距離坐標為(x,y)的像素的D8距離小于或等于某個值d的像素都包括在以(x,y)為中心的正方形中，如圖36所示。 圖36棋盤距離 其中，圖36(a)為距離坐標為(x,y)的像素的D8距離小于或等于3的像素所構成的正方形區域，其值為各像素點距離中心像素點的距離值； 圖36(b)為距離值對應的3D透視圖。 由棋盤距離的定義可知，距離像素p的棋盤距離為1的像素就是像素p的8鄰域像素。因此，像素p的8鄰域可以通過棋盤距離定義為式(316)。 N8(p)={r|D8(p,r)=1}(316) 式中，r為某個像素。
書友推薦
- >
有舍有得是人生
- >
經典常談
- >
隨園食單
- >
唐代進士錄
- >
伯納黛特,你要去哪(2021新版)
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
史學評論
- >
小考拉的故事-套裝共3冊
本類暢銷
