数字图像处理基础及工程应用

　　本书共分12章，第1章为绪论。第2章为数字图像的获取，主要针对图像采集装置进行介绍，包括相机、镜头、光源等硬件设施。第3章为数字图像预处理，包括图像变换、图像增强及数字形态学在预处理中的应用。第4章为图像分割技术，对Hough变换、区域分割等不同的边缘检测和图像分割算法的应用及特点进行总结。第5章为图像特征提取与选择，包括颜色特征和几何特征的提取方法、基于主成分分析和Fisher变化的特征选择方法。第6章为图像匹配，利用基于灰度和特征的匹配算法寻找与模板对应的图像区域。第7章是图像智能识别，对聚类识别、神经网络识别、支持向量机、模糊识别理论和实现方法进行了详细的讲解。第8至12章为数字图像案例，案例内容包括车牌识别、多气泡上升轨迹跟踪、人脸识别和图像三维识别、灯脚质量检测等。 本书第3至7章为数字图像处理的基本处理方法，对本书中涉及的数字图像处理算法进行了清晰明了的描述，并详细描述了其实现过程，配有相应的程序代码，使读者（学生）容易理解所讲内容的原理、理论知识。第8至12章主要是数字图像处理技术在实际工程问题中的应用，对问题的研究背景、设计方案、解决方法、实现过程及代码实现进行了细致的阐述。在案例的程序设计方面，采用MATLAB或OpenCV（C++）语言实现，加强学生程序编写、算法实现的能力，从而提升其在数字图像处理方面的软件开发能力。 本书总结了图像领域先进理论和算法，对工程应用系统的综合分析很有借鉴意义。可作为通信与信息工程、电子科学与技术、计算机科学与技术、控制科学与工程等相关专业教材及参考用书，也可供从事图像处理、分析和识别等相关领域的科技工作者和工程技术人员参考。

　　宋丽梅 天津工业大学电气工程与自动化学院 副院长 2008/10－至今，天津工业大学，电气工程与自动化学院，教授，副院长2011/10－2012/04，澳大利亚Wollongong大学，信息学院，访问学者2006/05－2008/09，西南科技大学，信息工程学院，副教授2006/02－2006/08，日本广岛工业大学，情报科学部，访问学者2004/06－2006/04，天津大学，精密仪器与光电子工程学院，博士后中国图像图形学会高级会员，计算机学会高级会员，。长期从事自动控制与图像特征识别方面的研究工作，作为项目负责人主持项目7项、部委级项目25项、横向课题38项。国内外发表论文80多篇，SCI、EI检索50多篇。出版教材2部，授权国家发明专利21项、实用新型专利32项。荣获国际“发明展”金奖2项，公安部技术革新特别项目奖2项。

目录
前言
第1章数字图像处理概述
1.1数字图像的基本概念
1.1.1图像
1.1.2数字图像及其存储方式
1.1.3数字图像的分类
1.1.4数字图像处理系统
1.2数字图像处理发展史及发展趋势
1.3数字图像处理的特点
1.4数字图像处理的工程应用
1.5数字图像处理的主要内容
【课后习题】
第2章图像采集
2.1照明
2.1.1光源类型
2.1.2照明方式
2.1.3选择合适的照明光源及照明方式
2.2镜头
2.2.1镜头的基本常识
2.2.2镜头的类型
2.2.3选择合适的镜头
2.3相机
2.4相机接口技术
【课后习题】
第3章图像预处理技术
3.1图像的灰度变换
3.1.1线性变化
3.1.2分段线性变换
3.1.3灰度对数变换
3.1.4直方图均衡化
3.2图像的几何变换
3.2.1平移
3.2.2旋转
3.2.3比例放缩
3.2.4镜像
3.2.5插值
3.3图像增强
3.3.1均值滤波
3.3.2中值滤波
3.3.3对比度增强
3.3.4小波去噪
3.4形态学处理
3.4.1腐蚀
3.4.2膨胀
3.4.3开运算
3.4.4闭运算
3.4.5细化
3.4.6填充
【课后习题】
第4章图像分割技术
4.1边缘检测
4.1.1Roberts边缘算子
4.1.2Sobel边缘算子
4.1.3Prewitt边缘算子
4.1.4Laplacian边缘算子
4.1.5LoG边缘算子
4.1.6Canny边缘算子
4.1.7边缘检测算子的MATLAB实现
4.2Hough变换
4.2.1Hough变换概述
4.2.2基于Hough变换的直线检测
4.2.3基于Hough变换的曲线检测
4.3阈值分割
4.3.1阈值分割的基本原理
4.3.2阈值分割方法的分类
4.3.3极小值点阈值法
4.3.4最小均方误差法
4.3.5迭代选择阈值法
4.3.6双峰法
4.3.7最大类间方差法
4.4基于区域的图像分割
4.4.1区域生长算法
4.4.2区域分裂合并算法
【课后习题】
第5章图像特征提取与选择
5.1颜色特征
5.1.1颜色直方图
5.1.2颜色集
5.1.3颜色矩
5.1.4颜色聚合向量
5.1.5颜色相关图
5.2基于灰度共生矩阵的纹理特征构建
5.2.1灰度共生矩阵的定义
5.2.2基于灰度共生矩阵的纹理特征
5.2.3基于灰度-梯度共生矩阵的纹理特征构建
5.3几何特征
5.3.1位置
5.3.2方向
5.3.3周长
5.3.4面积
5.4基于主成分分析的特征选择
5.5基于Fisher线性判据的特征选择
【课后习题】
第6章图像匹配
6.1模板匹配旳概念
6.2基于灰度相关的模板匹配
6.2.1MAD算法
6.2.2SAD算法
6.2.3SSD算法
6.2.4NCC算法
6.2.5SSDA算法
6.2.6SATD算法
6.3基于灰度值的亚像素精度匹配
6.4使用空间金字塔进行匹配
6.4.1空间金字塔的表示方法
6.4.2空间金字塔匹配的基本原理
6.4.3空间金字塔匹配算法实现
6.5带旋转与缩放的模板匹配
6.5.1高斯尺度空间的极值检测
6.5.2特征点位置的确定
6.5.3特征点方向的确定
6.5.4特征点描述子生成
6.5.5SIFT特征向量的匹配
【课后习题】
第7章图像智能识别方法
7.1聚类识别
7.1.1聚类算法主要思想
7.1.2K-Means聚类算法理论基础
7.1.3聚类算法的MATLAB实现
7.2神经网络识别
7.2.1人工神经网络的主要思想
7.2.2BP神经网络算法的理论基础
7.2.3神经网络学习算法的MATLAB实现
7.3支持向量机识别
7.3.1支持向量机的分类思想
7.3.2SVM的基本理论
7.3.3SVM算法的MATLAB实现
7.4模糊识别
7.4.1模糊图像识别的设计思想
7.4.2贴近度与模糊度
7.4.3最大隶属原则与择近原则
7.4.4模糊算法的MATLAB实现
【课后习题】
第8章工程应用：车牌识别
8.1牌照定位
8.2牌照区域的分割
8.3字符分割与归一化
8.4字符细化
8.5字符的识别
第9章工程应用：多气泡上升轨迹跟踪
9.1气泡图像的预处理
9.2气泡运动轨迹跟踪方法
9.2.1基于互相关匹配的目标跟踪
9.2.2基于Mean-Shift算法的目标跟踪
第10章工程应用：人脸识别
10.1ORL人脸数据库简介
10.2基于PCA的人脸图像的特征提取
10.3人脸图像识别方法
10.3.1k-近邻算法
10.3.2BP神经网络法
10.3.3基于BP神经网络法和k-近邻法的综合决策分类
10.3.4实验的结果
10.4简单实例
第11章工程应用：基于SURF特征点匹配的图像三维识别
11.1图像三维识别系统的方案设计
11.2图像三维识别过程
11.2.1三维图像预处理
11.2.2基于SURF算法的特征点匹配
11.2.3最优匹配点的提取
11.2.4图像三维坐标的计算
11.2.5图像三维识别
11.3基于SURF特征点匹配的图像三维识别的OpenCV完整代码
第12章工程应用：基于OpenCV的灯脚质量检测
12.1灯脚质量检测的方案设计
12.2灯脚质量检测过程
12.2.1相机标定
12.2.2灯脚图像检测
12.2.3灯脚检测界面及结果分析
附录颜色集
参考文献