图像处理和分析教程 第4版 pdf高清版
http://www.100md.com
2018年1月30日
 |
| 图像处理和分析教程pdf |
 |
| 图像处理和分析教程 |
参见附件(7473KB)。
图像处理和分析教程pdf是一套专业的计算机电子课本。本书为大家提供了数字图像的处理方法，如果你对计算机视觉知识感到很模糊，或者是想要自学计算机图像分析、表达知识，都可以免费下载这套电子书学习研究!
电子图书内容介绍
《图像处理和分析教程》本书是英文第4版的中文翻译，大约有五分之一的内容更新。主要更新的内容包括：增加了一些*的算法，增加了习题部分，重写了部分内容。更为具体的内容更新请参考作者序。本书是在第3版中文翻译的基础上，按照直译的原则进行翻译的，与英文版形成完全的对照。对于英文版中明显存在的排印或疏忽类的错误，都进行了更正。由于这些错误一般都很明显，因此译文中没有专门声明，读者如果对照英文版，不难看出其出处。
图像处理和分析教程图书目录
第1章引言 1
1.1动机 1
1.2计算机视觉为什么是困难的2
1.3图像表达与图像分析的任务4
1.4总结 7
1.5习题 7
1.6参考文献 8
第2章图像及其表达与性质 9
2.1图像表达若干概念 9
2.2图像数字化 11
2.2.1采样 11
2.2.2量化 12
2.3数字图像性质 13
2.3.1数字图像的度量和拓扑性质 13
2.3.2直方图 17
2.3.3熵 18
2.3.4图像的视觉感知 18
2.3.5图像品质 20
2.3.6图像中的噪声 21
2.4彩色图像 22
2.4.1色彩物理学 22
2.4.2人所感知的色彩 23
2.4.3彩色空间 26
2.4.4调色板图像 28
2.4.5颜色恒常性 28
2.5摄像机概述 29
2.5.1光敏传感器 29
2.5.2黑白摄像机 30
2.5.3彩色摄像机 32
2.6总结 32
2.7习题 33
2.8参考文献 35
第3章图像及其数学与物理背景 37
3.1概述 37
3.1.1线性 37
3.1.2狄拉克(Dirac)分布和卷积 37
3.2积分线性变换 38
3.2.1作为线性系统的图像39
3.2.2积分线性变换引言39
3.2.31D傅里叶变换 39
3.2.42D傅里叶变换 43
3.2.5采样与香农约束 45
3.2.6离散余弦变换 47
3.2.7小波变换 48
3.2.8本征分析 52
3.2.9奇异值分解 53
3.2.10主分量分析 54
3.2.11Radon变换56
3.2.12其他正交图像变换56
3.3作为随机过程的图像 57
3.4图像形成物理 59
3.4.1作为辐射测量的图像59
3.4.2图像获取与几何光学60
3.4.3镜头像差和径向畸变63
3.4.4从辐射学角度看图像获取 65
3.4.5表面反射 67
3.5总结 69
3.6习题 70
3.7参考文献 71
第4章图像分析的数据结构 73
4.1图像数据表示的层次 73
4.2传统图像数据结构 74
4.2.1矩阵 74
4.2.2链 76
4.2.3拓扑数据结构 76
4.2.4关系结构 77
4.3分层数据结构 78
4.3.1金字塔 78
4.3.2四叉树 79
4.3.3其他金字塔结构 80
4.4总结 81
4.5习题 82
4.6参考文献 83
第5章图像预处理 85
5.1像素亮度变换 85
5.1.1位置相关的亮度校正85
5.1.2灰度级变换 86
5.2几何变换 88
5.2.1像素坐标变换 88
5.2.2亮度插值 89
5.3局部预处理 91
5.3.1图像平滑 91
5.3.2边缘检测算子 97
5.3.3二阶导数过零点100
5.3.4图像处理中的尺度104
5.3.5Canny边缘提取105
5.3.6参数化边缘模型107
5.3.7多光谱图像中的边缘107
5.3.8频域的局部预处理108
5.3.9用局部预处理算子作线检测 112
5.3.10角点(兴趣点)检测113
5.3.11最大稳定极值区域检测 116
5.4图像复原 117
5.4.1容易复原的退化118
5.4.2逆滤波 118
5.4.3维纳滤波 118
5.5总结 120
5.6习题 121
5.7参考文献 126
第6章分割Ⅰ 130
6.1阈值化 130
6.1.1阈值检测方法 132
6.1.2最优阈值化 133
6.1.3多光谱阈值化 135
6.2基于边缘的分割 136
6.2.1边缘图像阈值化137
6.2.2边缘松弛法 138
6.2.3边界跟踪 139
6.2.4作为图搜索的边缘跟踪143
6.2.5作为动态规划的边缘跟踪 149
6.2.6Hough变换152
6.2.7使用边界位置信息的边界
图像处理和分析教程pdf内容特点
1.提供了丰富的参考文献，既列出了经过时间考验的经典论文，也列出了能反映未来发展方向的*进展，适于读者进一步深入探索。
2.图将复杂的概念通过具体示例用易于理解的算法来描述，提供了大量包含图示和处理结果的插图，特别有助于读者的学习和理解。
3.涵盖十分广泛的领域，包括人工智能、信号处理、人工神经网络、模式识别、机器学习、模糊数学等一系列相关学科。
附件资料：
相关资料1：
相关资料2：