基于特征点的图像配准方法及其应用
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
基于特征点的图像配准方法及其应用
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口图像融合中的图像配准方法研究02
上亿文档资料，等你来发现
图像融合中的图像配准方法研究02
第34卷；第1期激光与红外VoI.34，No.1Febru；2004年2月LASER&INFRARE；?图像与信号处理?；文章编号：（；图像融合中的图像配准方法研究；陈煜，田裕鹏；（南京航空航天大学自动化学院，南京210016）；摘要：图像配准是对取自不同时间、不同传感器或不同；关键词：图像配准；图像融合；sobe
第34卷第1期
激光与红外VoI.34，No.1February，20042004年2月
LASER & INFRARED?图像与信号处理?文章编号：（4-03图像融合中的图像配准方法研究陈 煜，田裕鹏（南京航空航天大学自动化学院，南京210016）摘 要：图像配准是对取自不同时间、不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程。快速准确地实现配准是图像融合的前提，为此提出了基本相似性测度算法的模板匹配方法。对像素相关性小的红外和可见光图像，提出了基于sobeI快速边缘检测的模板匹配方法。关键词：图像配准；图像融合；sobeI边缘检测中图分类号：TP391.41
文献标识码：ATheResearchofImageRegistrationinImageFusionCHENYu，TIANYu-peng（InstituteofAutonation，NanjingUniversityofAreonauticsandAreospaceNanjing210016，China）Abstract：Imageregistrationistheprocessofmatchingtwoormoreimagesthatgetfromthesamescenederivedfromdifferenttime，differentsensorsordifferentviewsofangIe.Fastandaccurateimageregisrationisthekeypremiseofimagefusion.AtempIatematchingmethodbasedoncomparabiIitymeasurearithmeticispresented.ForinfraredimageandvisuaIimagewhichhaveIesspixeIpertinence，atempIatematchingmethodbasedonSobeIguickedgedetectionispresented.Keywords：ImageRegistration；ImageFusion；SobeIEdgeDetect1 引 言图像融合是信息融合系统中以图像匹准为目的的技术，能对不同传感器获得的图像进行有效的综合和集成，为不同波段的探测跟踪对象的特征提供精确的信息。图像配准是图像融合技术的基本环节，只有经过配准后的图像才能进行有效的融合。对于图像配准技术，主要包括以下四个内容：特征空间、搜索空间、搜索策略、相似度测量。特征空间指的是从图像中提取出来的用来匹配的信息；搜索空间则是指用来校准图像的图像变换集；搜索策略决定如何在这个空间中选择下一个变换，如何测试并搜索出最优的变换；相似度测量则决定了每一个配准测试中的相关特性。图像的配准和融合方法较多，主要分为三类：基于像素的配准方法，基于特征的配准方法和基于模型的配准方法。基于像素的配准方法多用于图像的初步配准，计算量小；基于特征的配准方法定位准确，计算量较大且要首先进行特征提取；基于模型的配准方法多用于图像的精细配准，但只适合图像中的对象之间的局部的非线性的非刚性的变形的校正。对于像素相关性大的图像，可利用图像间相同位置的特征点进行配准；对于像素相似性小的图像，需要先对图像进行特征提取，通过提取的特征点进行配准。2 相似性测度在进行图像配准中，互相关相似性测度是最基&本的相似性测度。假设有模板T和搜索图S，S!，表示模板覆盖下的搜索图，其中i、j表示位置。则其作者简介：陈煜（1979-），男，硕士研究生，主要从事数字图像处理的研究。EmaiI：sha-mo-yead@sohu，com收稿日期：中互相关相似性测度为：
R（i， ）=m=1I=1e―f。每条分割线均将邻域剩下的像素分成两个部分。对于每一条分割线，分别计算其两个子部分的像素平均值之差的绝对值。最后在四个绝对值中选择最大者作为当前像素的最后值。4 图像的特征提取图像的边缘、轮廓和纹理是图像的本质特征。［S（m，I）XT（m，I）］IIm=1I=1MMi， M［S（m，I）］IIMi， 2或者归一化为：R（i， ）=IMIMi，m=1I=［1S（m，I）XT（m，I）］IIi，］22m=1I=［1S（m，I）mI=1II=［1T（m，I）］
在互相关法的基础上可以得到序贯相似性检测算法，实际上是为了快速计算而设计的算法。其基本思路就是设计一个阈值，在计算相似性的时候，累计误差大于阈值则停止计算，这样可以减少在误匹配点上的计算量。3 SODeI快速边缘检测当对数字图像进行线性处理时，卷积操作是一种高效的处理方法。假定选取当前像素的3x3邻域，按行按列方式对这9个像素值依次编号为P1，P2，…，P9，这样当前像素的像素值就被编号为P5。给定一个3x3的卷积核，按同样的方式对其元素进行编号为K1，K2，…，K9。设卷积核元素之和为Sum，通常称Sum为该卷积核的权值。当前像素新值将为19sumIi=1PiKi，这个新值被称为卷积和。
图1定义的两个卷积核形成SODeI边缘算子，图像中的每个点都用这两个核做卷积，一个核对通常的垂直边缘响应最大，而另一个对水平边缘响应最大。-1-2-1-121-1 1图1 SODeI边缘检测算子从卷积运算的定义可以看出，SODeI边缘提取算法计算量相当大，要做两次卷积操作并且要计算范数。采用改进SODeI边缘检测快速算法可以大大降低运算量：假定以当前像素为中心获取3x3邻域，按行按列依次编号为a、D、c、c、e、f、g、1、i。这样中心元素被编为e。在这个领域中，过中心像素e的直线为四条，它们是a―e―i，D―e―1，c―e―g，c―在红外图像和可见光图像的配准中，由于红外和可见光图像处于不同的波段，像素灰度之间不具有高度的相关性，因而上面的相似度测定在进行红外和可见光的配准计算时存在着较大的误差。考虑到可见光图像丰富的表面细节特征在选取时不易选取准确，故对待配准的图像进行边缘提取。通过选取边缘上的特征点，利用上面的模板匹配相似度算法可以实现对红外和可见光图像的配准。边缘提取的方法很多，常用的是RODert算子、SODeI算子、prewitt算子、GauSS-lapIace算子等。边缘提取的质量直接影响着图像配准的精度，因此对边缘检测的要求是定位精确可靠，对噪声不敏感，在对实时性要求高的场合还要求有较小的计算量。通过对几种检测效果的比较，在实际应用当中选择SODIe快速边缘检测算法。原图RODert算子GauSS-lapIace算子
Prewitt算子SODeI算子
SODeI快速算法图2 边界探测与其它几种算子的检测结果比较可以看出，SO-DeI快速边缘提取的边界非常清楚、细致，轮廓清晰且连续。虽然得到的图像灰度值较低，同时损失了一些边缘细节，但这对在特征点的选取以及在配准计算中都是不重要的。5 图像的仿射变换经过变换后的第一幅图像上的直线映射到第二幅图像仍然为直线，并且保持平衡关系，这样的变换称为仿射变换。仿射变换可以分解为线性（矩阵）
在可见光图像上选择图3左上图中圆圈中的三个特征点，从匹配结果可以看出，因为可见光图像之间的像素相关性大，利用相似性测度的模板匹配方法可以得到准确的配准结果，而对于可见光和红外图像，由于图像之间的像素相关性小，配准的结果与实际相差很大。为此先对可见光和红外图像分别进然后再进行配准。行SODeI快速边缘检测，变换和平移变换。在2D空间中，变换公式为：[XO11O12X}I]=[OO][}]+[ X2122}]其中[O11O12O21O22]为实矩阵。6 试验结果及结论在模板匹配的图像配准中，根据待配准图像中的特征点位置在基准图像中寻找配准特征点，并将配准的特征点位置返回。在配准过程中，采取块配准的方法进行匹配，块的大小选为7X7的矩阵图像。可见光图像加入随机噪声红外加热图像图3 图像配准结果从可见光图像可以看出，在板的表面贴有一块铝箔，由于铝箔的高反射率在图像上表现为高灰度级（白色），而在热图像上，由于铝箔的低发射率在图像上表现为低灰度级（黑色），加热之后随着温度的升高，反差愈大。板内部两条未铺加热膜的地方在热图像上表现为低灰度，而在可见光图像上则完全没有反映。可见光SODeI快速检测
红外SODeI快速检测手选特征点融合结果
特征配准融合结果图4 SODeI快速边缘检测配准如图4，分别对加热板的可见光图像和红外热图像进行SODeI快速边缘提取。在边缘提取的图像上选择特征点。可以看出，在进行SODeI快速边缘检测之后，对于像素相关性小的红外和可见光图像可以利用模板匹配的方法进行配准。通过对图4两种配准方法融合结果的对比可以看出，基于SODeI快速边缘检测的模板配准能准确地对两幅图像进行配准，反映在融合图像中铝箔的边界区域的像素灰度值与周围像素的灰度值相差不大。参考文献：1］ 曾文锋.红外与可见光融合中的快速匹配方法［J］.红外与激光工程，）：158-160.2］ 向世明.VisuaIC++数字图像与图形处理［M］.北京：电子工业出版社，2002.3］ FengDuan.SuperDynamicCCDCameraBasedOnMuIti-sensOrImageFusiOn［A］.4
WOrIdCOngressOnInteIIi-gentCOntrOIandAutOmatiOn［C］.June10-14，1.4］ 王培珍.图像边缘检测的融合方案初探［J］.安徽工业大学学报）：49-51.［［［［图像融合中的图像配准方法研究作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：陈煜， 田裕鹏南京航空航天大学自动化学院,南京,210016激光与红外LASER & INFRARED)14次 参考文献(4条) 1.王培珍 图像边缘检测的融合方案初探[期刊论文]-安徽工业大学学报(自然科学版) .Feng Duan Super Dynamic CCD Camera Based On Multi-sensor Image Fusion[外文会议] 20023.向世明 Visual C++数字图像与图形处理 20024.曾文锋 红外与可见光图像融合中的快速配准方法[期刊论文]-红外与激光工程 2002(02) 引证文献(14条)1.苑津莎.赵振兵.高强.孔英会 红外与可见光图像配准研究现状与展望[期刊论文]-激光与红外 .李南翔.邓四二.王恒迪.颉潭成.党保华 基于DSP的轴承外观表面缺陷检测系统[期刊论文]-轴承 .南翔.邓四二.颉潭成.王恒迪 基于DSP的轴承漏衣装缺陷在线检测系统[期刊论文]-河南科技大学学报(自然科学版) 2008(5)4.宋芳.李勇.陈勇 多源遥感图像中的图像配准方法[期刊论文]-激光杂志 .姚敏 基于融合的红外图像预处理技术[期刊论文]-电光与控制 2008(7)6.王枚.王国宏 椭圆配准方法及其在车标图像归一化中的应用[期刊论文]-激光与红外 .戴景民.汪子君 红外热成像无损检测技术及其应用现状[期刊论文]-自动化技术与应用 .陈廉清.崔治.王龙山 基于计算机视觉的微小轴承表面缺陷在线识别[期刊论文]-农业机械学报 .张晟 动目标红外图像配准算法研究[期刊论文]-光电技术应用 .杨蕾 基于Spot5遥感影像提取水土保持信息的研究[学位论文]硕士 200611.郭利明 图像处理及图像融合[学位论文]硕士 200612.张菁 探地雷达地雷图像处理与目标识别方法[学位论文]博士 200513.张菁 探地雷达地雷图像处理与目标识别方法[学位论文]博士 200514.陈斌 基于机器视觉技术的印刷质量在线检测关键技术研究[学位论文]博士 2005 本文链接：http://d..cn/Periodical_jgyhw.aspx包含各类专业文献、行业资料、各类资格考试、文学作品欣赏、幼儿教育、小学教育、高等教育、图像融合中的图像配准方法研究02等内容。
　但是不同领域的配 准技术之间在理论方法上又具有很大的相似性。 目前国内外研究...由于图像配准在航空影像自动制图、图像三维重构、计算机 视觉、遥感融合、模式识别... 　关键技术,若事先不对待融合图像进行空间上的对准,那么融合后的图像也是 毫无意义...其配准方法是由特征空 间、搜索空间、搜索算法和相似性测度四个不同方面的组合... 　图像配准和融合技术_数学_自然科学_专业资料。创新助手报告 ――主题分析报告 创新...休闲农庄项目可行性研究报告 2014年建筑幕墙建筑装饰行业分析报告1028988份文档 教... 　论文中不包含其他人已经发表或撰 写过的研究成果, 也不包含为获得___或其他...配准完成后,利用基于小波变换的 方法对两幅图像进行融合处理,输出融合后的图像。... 　研究中具有极为重要的应用价值,随 着科技的发展,医学分析和诊断多利用多模态图像,尤其医学图像配准是现代医 学图像处理技术应用的一个重要方面,它是图像融合的第一... 　它是图像融合、目标识别、目标变化检测、 计算机视觉等问题中的一个重要前期步骤...图像配准方法研究 4页 免费 图像配准 51页 免费 特征区域的图像自动配准 7页 ... 　图像融合方法研究 143页 1下载券 一种新的图像融合及性能... 5页 免费 多源图像配准与融合方法... 134页 1下载券 图像融合中的图像配准方... 3页 免费喜欢... 　综上,医学图像配准技术在临床上具有重要的应 用价值,也是医学图像处理领域的研究热点。 虽然硬件层面上的同机融合已经有了很大发展, 但在技术方面上还存在很多不...现代数字图像处理技术提高及应用案例详解（MATLAB版）_matlab吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：78,966贴子：
现代数字图像处理技术提高及应用案例详解（MATLAB版）收藏
现代数字图像处理技术提高及应用案例详解（MATLAB版）书号：978-7- 北京航空航天大学出版社本书紧扣读者需求，采用循序渐近的叙述方式，深入浅出地论述了现代数字图像处理的基础理论、关键技术、应用实例、解决方案、发展前沿；此外，本书还分享了大量的程序源代码并附有详细的注解，有助于读者加深对数字图像处理相关原理的理解。例程丰富，解释翔实古人云：“熟读唐诗三百首，不会做诗也会吟。”本书根据编者多年从事数字图像处理的教学、科研的经验，列举了近200个关于数字图像处理的MATLAB源代码实例，并附有详细注解。通过对源代码的解析，不但可以加深读者对相关理论的理解，而且可以有效地提高读者在数字图像处理方面的编程能力。本书所提供程序的编程思想、经验技巧也可为读者采用其他计算机语言进行数字图像处理编程提供借鉴。传承经典，突出前沿 本书详细探讨了现代数字图像处理的最新进展，对SIFT、SURF、Camshift等新算法的基本原理、实现过程、核心代码、应用实例等进行了详细的论述，便于读者了解现代数字图像处理的领域的研究热点和最新研究动向。
图文并茂，语言生动 为了更加生动地诠释知识要点，本书配备了大量新颖的图片，以便提升读者的兴趣，加深对相关理论的理解。在文字叙述上，本书摒弃了枯燥的平铺直叙，采用案例与问题引导式；同时，本书还增加了“温馨提示”、“例程一点通”、“经验分享”、“一语中的”等板块，彰显了本书以读者为本的人性化的特点。
第一章精通“图像特征提取” 本章导读 在现实生活中，我们要交往一个人，首先要了解这个人的特质——相貌和性格；同样，在基于数字图像的模式识别中，我们也要提取图像的特征。对图像特征的提取与研究提供了一种具有统计意义的图像内容表达，正所谓是：“透过现象，抓住本质。” 本章按照由大到小、由面及点的顺序对图像特征提取技术进行讲解与分析，内容安排如表1-1所示。 表1-1 第一章内容安排结构
图 像 特 征 提 取
1.1 图像多分辨率金字塔 1.2 图像的矩特征
1.3 图像的边缘检测
局部区域特征
1.4 斑点特征提取
点特征 不变点特征
1.5 角点特征检测 1.6不变特征提取
本章的一大特色在于在1.6节介绍了图像的不变特征提取，这是进入新世纪后，加拿大教授Lowe提出的SIFT（Scale Invariant Feature Transform, SIFT）算法以及Bay沿着Lowe的思路，提出的SURF（Speed Up Robust Feature, SURF）算法，它们能够在图像发生一定的伸缩、旋转、照度变化、视角变化等情况下稳定地提取图像的特征，在基于数字图像的认知及识别领域有着里程碑式的意义。提 高 篇第1章精通“图像特征提取”31.1图像多分辨率金字塔31.1.1浅析“图像金字塔”41.1.2例程一点通41.1.3典型的“图像金子塔”51.1.4学以致用91.2图像的矩特征91.2.1认识“Hu矩”101.2.2解析“Zernike矩”131.3图像的边缘检测181.3.1运用一阶微分算子检测图像边缘191.3.2运用二阶微分算子检测图像边缘211.3.3基于Canny算子检测图像边缘251.3.4基于SUSAN特征检测算子的边缘提取291.3.5基于小波变换模极大值的边缘检测331.3.6基于二维有限冲击响应滤波器的特定角度边缘检测351.3.7基于多尺度形态学梯度的边缘检测371.4斑点特征检测391.4.1勾画“LoG斑点”391.4.2描绘“DoH斑点”431.4.3提取“Gilles斑点”431.5角点特征检测441.5.1何谓“角点”441.5.2描绘“Harris角点”451.5.3例程一点通491.5.4融会贯通521.6尺度不变特征提取571.6.1SIFT特征提取571.6.2SURF算法631.6.3学以致用72
第2章细说“数字图像理解”752.1图像目标边界描述752.1.1图像边界链码表示法752.1.2例程一点通772.1.3融会贯通782.2图像分割技术802.2.1什么是“图像分割”802.2.2基于阈值的图像分割812.2.3基于区域生长法的图像分割882.2.4基于最大方差法灰度门限的图像分割902.2.5基于K-means算法的图像分割932.3图像配准技术962.3.1纵览“图像配准”962.3.2构建“配准模型”972.3.3相似性测度982.3.4基于灰度的图像配准992.3.5序贯相似性检测算法1022.3.6基于特征点的图像配准1042.3.7融会贯通1102.4图像融合技术1132.4.1从“信息融合”说起1132.4.2何谓“图像融合”1132.4.3纵览“图像融合方法”1162.4.4例程一点通1202.4.5学以致用122
应 用 篇第3章品读“典型应用实例”1353.1图像去噪技术及其实现1353.1.1什么是“图像的噪声”1353.1.2图像去噪常用方法1363.2图像畸变校正技术及其实现1403.2.1畸变产生的原因1413.2.2畸变校正的基本原理1423.2.3例程一点通1423.2.4融会贯通1433.3图像拼接技术及其实现1483.3.1全景图1483.3.2基于相位相关的图像拼接技术1493.3.3基于尺度不变特征点的图像拼接技术1523.3.4融会贯通1603.4图像数字水印技术及其实现1633.4.1追根溯源话“水印”1643.4.2“图像数字水印技术”面对面1653.4.3“图像数字水印算法”精讲1673.4.4例程一点通1683.4.5融会贯通1723.5数字图像压缩技术及其实现1743.5.1从几个“为什么”看“图像压缩”1743.5.2从几个“如何”看“图像压缩”1763.5.3例程一点通1783.6改进型数字图像中直线特征的快速检测方法1873.6.1Hough变换的基本原理及其不足1883.6.2改进的直线快速检测算法的原理1903.6.3算法的复杂度分析1923.6.4实验结果与分析1933.7基于最大类间方差阈值与遗传算法的道路分割1953.7.1最大类间方差阈值分割法1953.7.2遗传算法的基本原理及其特点1963.7.3基于最大类间方差遗传算法的道路分割1973.7.4例程一点通1983.8数字图像处理在医疗领域的应用2063.8.1基于数字图像的染色体分析2073.8.2X光图像增强技术2083.9基于红外图像的弱小目标检测与跟踪2113.9.1何谓“弱小目标”2113.9.2弱小目标检测与跟踪算法概述2113.9.3基于局域概率分布的小目标检测2123.9.4例程一点通2133.10基于HIS与SURF的路标实时识别2153.10.1需求及研究状况分析2153.10.2算法的整体流程2163.10.3算法的理论依据2163.10.4路标特征数据库的建立2173.10.5基于HSI颜色空间的图像分割2193.10.6基于SURF算法的特征点提取与匹配2203.11一种基于数字图像的道路识别方法2203.11.1道路边界模型2203.11.2图像预处理2213.11.3道路边界识别2233.11.4试验结果与分析2243.12基于图像的车牌自动识别技术2253.12.1汽车牌照自动识别系统2253.12.2车牌自动识别的步骤2263.12.3例程一点通2263.13数字图像实时稳定技术及其实现2293.13.1数字图像稳定算法的基本步骤2293.13.2GCBPM算法2303.13.3例程一点通2313.14基于帧间差分法的运动目标检测2353.14.1浅析“运动目标检测”2363.14.2基于帧间差分的运动目标检测2363.14.3例程一点通2373.15基于光流场的运动估计2393.15.1光流和光流场的概念2403.15.2光流场计算的基本原理2403.15.3光流的主要计算方法2413.15.4光流法的国内外研究状况2413.15.5运用光流法检测运动物体的基本原理2423.15.6例程一点通2423.15.7学以致用2473.15.8光流法的总结与展望2493.16适用于复杂环境下的目标跟踪技术2503.16.1复杂环境下目标跟踪难点分析2503.16.2适用于复杂环境下的目标跟踪算法2513.16.3实验结果2553.17基于多尺度FourierMellin变换的目标跟踪2563.17.1FourierMellin变换2563.17.2基于多尺度FMT的图像变换参数估计2573.17.3实验结果与分析2603.18基于Mean Shift的目标跟踪技术2613.18.1Mean Shift的起源2613.18.2Mean Shift的基本原理2613.18.3基于Mean Shift的目标跟踪2643.18.4例程一点通2663.18.5融会贯通2713.19基于Kalman滤波的目标跟踪2733.19.1认识 Kalman2733.19.2Kalman滤波算法2743.19.3例程一点通2753.19.4解读Kalman滤波2763.19.5学以致用2773.20基于Hough变换的人眼虹膜定位方法2803.20.1分离瞳孔并估算出虹膜内半径2803.20.2采用改进的Hough变换算法定位出虹膜内外边缘2813.20.3例程一点通2833.21基于模糊集的图像增强方法2843.21.1模糊理论及其实现步骤2843.21.2基于模糊集的图像增强方法2853.21.3例程一点通2863.22基于KL变换的人脸识别技术2873.22.1人脸识别技术的发展2873.22.2研究人脸识别的意义2883.22.3国内外研究状况分析2883.22.4基于KL变换的人脸识别2893.22.5例程一点通2913.23基于FourierMellin变换的图像复制篡改检测2923.23.1图像篡改与篡改检测2923.23.2copymove篡改检测2943.23.3基于FourierMellin变换和相似性匹配技术2953.24基于蚁群算法的图像边缘检测2983.24.1认识“蚁群算法”2983.24.2解析“蚁群算法”3003.24.3基于蚁群优化的图像边缘检测方法3013.24.4例程一点通3043.25基于脉冲耦合神经网络的图像分割3093.25.1脉冲耦合神经网络及其在图像分割中的应用3093.25.2例程一点通3103.25.3融会贯通313
第四章 活用“数字图像处理” 本章导读数字图像处理技术可以通过多种平台、多种软件环境来实现。不同的实现方式有着不同的特点。本章以MATLAB软件平台为主线，介绍了基于Simulink的图像、视频处理，基于GUI交互操作的数字图像处理实现，在VC++环境下调用MATLAB实现数字图像处理，MATLAB 辅助DSP 进行图像处理应用开发。 第4章活用“数字图像处理”3154.1基于Simulink的图像、视频处理3154.1.1功能模块介绍3154.1.2学以致用：基于Simulink的数字图像处理3254.1.3学以致用：基于Simulink的视频处理3434.2基于GUI交互操作的数字图像处理实现3484.2.1初识“GUIDE操作”3494.2.2GUI实战操作3514.3在VC++环境下调用MATLAB实现数字图像处理3654.3.1“VC++调用MATLAB 的方案”面面观3664.3.2关于MATLAB引擎3674.3.3VC++调用MATLAB引擎设置3684.3.4VC++调用MATLAB实现图像压缩处理3684.4MATLAB辅助DSP进行图像处理应用开发371附录常用MATLAB图像处理指令功能语法索引374参考文献382
登录百度帐号推荐应用
为兴趣而生，贴吧更懂你。或扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
医学图像融合技术及其应用
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口}