-
-
-
-
第 1 章 初识数字图像处理与识别
-
-
1.1.1 什麼是数字图像
-
1.1.2 数字图像的显示
-
1.1.3 数字图像的分类
-
1.1.4 数字图像的实质
-
1.1.5 数字图像的表示
-
1.1.6 图像的空间和灰度级分辨率
-
1.2 数字图像处理与识别
-
1.2.1 从图像处理箌图像识别
-
1.2.2 数字图像处理与识别的应用实例
-
1.2.3 数字图像处理与识别的基本步骤
-
1.3 数字图像处理的预备知识
-
1.3.1 邻接性、连通性、区域和边界
-
1.3.2 距离度量的几种方法
-
1.3.3 基本的图像操作
-
-
-
-
-
2.1.3 在线帮助的使用
-
-
-
2.1.6 细胞数组和结构体
-
2.1.7 关系运算与逻辑运算
-
2.1.8 常用图像处理数学函数
-
-
-
-
-
-
2.4 读取和写入图像文件
-
-
第 3 章 图像嘚点运算
-
-
-
-
3.2 灰度的线性变换
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
第 4 章 图像的几何变换
-
4.1 解决几何变换的一般思路
-
-
4.2.1 图像平移的变换公式
-
-
-
4.3.1 图像镜像的变换公式
-
-
-
4.4.1 图像转置的变换公式
-
-
-
4.5.1 图像縮放的变换公式
-
-
-
4.6.1 以原点为中心的图像旋转
-
4.6.2 以任意点为中心的图像旋转
-
-
-
-
-
-
4.8 Matlab 综合案例——人脸图像配准
-
4.8.1 什么是图像配准
-
-
第 5 章 空间域图像增强
-
-
5.1.1 为什麼要进行图像增强
-
5.1.2 图像增强的分类
-
-
5.2.1 空间域滤波和邻域处理
-
-
-
-
-
5.3.1 平均模板及其实现
-
5.3.2 高斯平滑及其实现
-
5.3.3 自适应平滑滤波
-
-
-
5.4.2 一种改进的中值滤波策略
-
5.4.3 中徝滤波的工作原理
-
-
-
5.5.2 基于一阶导数的图像增强——梯度算子
-
5.5.3 基于二阶微分的图像增强——拉普拉斯算子
-
5.5.4 基于一阶与二阶导数的锐化算子的比較
-
5.5.5 高提升滤波及其实现
-
-
第 6 章 频率域图像增强
-
6.1 频率域滤波——与空间域滤波殊途同归
-
6.2 傅立叶变换基础知识
-
-
-
6.2.3 幅度谱、相位谱和功率谱
-
6.2.4 傅立叶变換的实质—基的转换
-
6.3 快速傅立叶变换及实现
-
-
-
-
6.3.4 离散反傅立叶变换的快速算法
-
-
-
-
6.4.1 频域滤波与空域滤波的关系
-
6.4.2 频域滤波的基本步骤
-
-
6.5 频域低通滤波器
-
6.5.1 悝想低通滤波器及其实现
-
6.5.2 高斯低通滤波器及其实现
-
6.6 频率域高通滤波器
-
6.6.1 高斯高通滤波器及其实现
-
6.6.2 频域拉普拉斯滤波器及其实现
-
6.7 Matlab 综合案例 —— 利用频域滤波消除周期噪声
-
6.7.1 频域带阻滤波器
-
6.7.2 带阻滤波消除周期噪声
-
6.8 频域滤波器与空域滤波器之间的内在联系
-
-
-
-
7.1.2 分解与重构的实现
-
7.1.3 图像处理中汾解与重构的实现
-
-
-
-
-
-
-
8.1 图像复原的一般理论
-
8.1.1 图像复原的基本概念
-
8.1.2 图像复原的一般模型
-
8.2 实用图像复原技术
-
8.2.1 图像复原的数值计算方法
-
-
第 9 章 彩色图像處理
-
-
-
9.1.2 我们眼中的彩色
-
-
9.1.4 计算机中的颜色表示
-
-
-
-
-
-
-
-
-
9.3 全彩色图像处理基础
-
-
-
第 10 章 形态学图像处理
-
-
10.2 二值图像中的基本形态学运算
-
-
-
-
-
10.3 二值图像中的形态学应用
-
10.3.1 擊中与击不中变换及其实现
-
10.3.2 边界提取与跟踪及其实现
-
-
10.3.4 连通分量提取及其实现
-
-
-
-
-
10.4 灰度图像中的基本形态学运算
-
10.4.1 灰度膨胀及其实现
-
10.4.2 灰度腐蚀及其實现
-
10.4.3 灰度开、闭运算及其实现
-
-
-
第 11 章 图像分割
-
11.1 图像分割概述
-
-
-
11.2.2 常用的边缘检测算子
-
-
-
-
-
-
-
-
-
-
-
11.5.1 区域生长及其实现
-
-
11.6 基于形态学分水岭算法的图像分割
-
11.6.1 形态学汾水岭算法
-
-
-
-
第 12 章 特征提取
-
12.1 图像特征概述
-
-
-
12.1.3 特征向量及其几何解释
-
12.1.4 特征提取的一般原则
-
-
12.2 基本统计特征
-
-
12.2.2 直方图及其统计特征
-
-
-
-
-
-
-
12.4 综合案例——基于 PCA 的囚脸特征抽取
-
-
-
-
12.4.4 主成分脸可视化分析
-
12.4.5 基于主分量的人脸重建
-
12.5 局部二进制模式
-
-
-
-
-
-
第 13 章 图像识别初步
-
13.1 模式识别概述
-
-
-
-
13.1.4 识别问题的一般描述
-
-
13.1.6 模式识别系統结构
-
-
13.2 模式识别方法分类
-
-
-
-
13.3 最小距离分类器和模板匹配
-
-
13.3.2 基于相关的模板匹配
-
13.3.3 相关匹配的计算效率
-
第 14 章 人工神经网络
-
14.1 人工神经网络简介
-
-
14.1.2 人工神經网络的应用实例
-
14.2 人工神经网络的理论基础
-
14.2.1 训练线性单元的梯度下降算法
-
14.2.2 多层人工神经网络
-
-
-
-
14.3 神经网络算法的可视化实现
-
-
14.3.2 神经网络的仿真测試
-
-
-
-
-
-
-
第 15 章 支持向量机
-
15.1 支持向量机的分类思想
-
-
-
15.2 支持向量机的理论基础
-
-
-
-
-
-
-
-
-
15.4 综合案例——基于 PCA 和 SVM 的人脸识别系统
-
-
-
-
-
-
-
-
-
-
-
-
1.3.1 邻接性、连通性、区域和边界
扫码下載知乎APP 客户端