邊界跟蹤演算法

⑴ 矢量與柵格數據怎樣轉化

柵格數據轉換為矢量數據，需要將離散的柵格單元轉化為獨立表達的點線多邊形，特徵的屬性取決於柵格單元的屬性。轉化的關鍵是正確識別點數據單元 邊界數據單元 節點和角點單元，並對構成特徵的數據單元進行拓撲化處理。
矢量數據轉換為柵格數據，需要根據設定的柵格解析度將矢量數據的空間特徵轉換為離散的柵格單元，即將地圖坐標轉換為柵格單元的行列號，柵格單元的屬性通過屬性賦值獲得。
柵格數據更容易產生顏色編碼的多邊形地圖，矢量數據更容易進行邊界跟蹤處理。

⑵ 求MATLAB代碼

MATLAB實用源代碼
1圖像的讀取及旋轉
A=imread('');%讀取圖像
subplot(2,2,1),imshow(A),title('原始圖像');%輸出圖像
I=rgb2gray（A）;
subplot(2,2,2),imshow(A),title('灰度圖像');
subplot(2,2,3),imhist(I),title('灰度圖像直方圖');%輸出原圖直方圖
theta = 30;J = imrotate(I,theta);% Try varying the angle, theta.
subplot(2,2,4)， imshow(J),title(『旋轉圖像』)
2邊緣檢測
I=imread('C:\Users\HP\Desktop\平時總結\路飛.jpg');
subplot(2,2,1),imshow(I),title('原始圖像');
I1=edge(I,'sobel');
subplot(2,2,2),imshow(I1),title('sobel邊緣檢測');
I2=edge(I,'prewitt');
subplot(2,2,3),imshow(I2),title（'prewitt邊緣檢測'）;
I3=edge(I,'log');
subplot(2,2,4),imshow(I3),title（'log邊緣檢測'）;
3圖像反轉
MATLAB 程序實現如下：
I=imread('xian.bmp');
J=double(I);
J=-J+(256-1);%圖像反轉線性變換
H=uint8(J);
subplot(1,2,1),imshow(I);
subplot(1,2,2),imshow(H);
4.灰度線性變換
MATLAB 程序實現如下：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始圖像');
axis([50,250,50,200]);
axis on;%顯示坐標系
I1=rgb2gray(I);
subplot(2,2,2),imshow(I1);
title('灰度圖像');
axis([50,250,50,200]);
axis on; %顯示坐標系
J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]內的灰度拉伸為[0 1]
subplot(2,2,3),imshow(J);
title('線性變換圖像[0.1 0.5]');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]內的灰度拉伸為[0 1]
subplot(2,2,4),imshow(K);
title('線性變換圖像[0.3 0.7]');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
5.非線性變換
MATLAB 程序實現如下：
I=imread('xian.bmp');
I1=rgb2gray(I);
subplot(1,2,1),imshow(I1);
title(' 灰度圖像');
axis([50,250,50,200]);
grid on;%顯示網格線
axis on;%顯示坐標系
J=double(I1);
J=40*(log(J+1));
H=uint8(J);
subplot(1,2,2),imshow(H);
title(' 對數變換圖像');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
4.直方圖均衡化
MATLAB 程序實現如下：
I=imread('xian.bmp');
I=rgb2gray(I);
figure;
subplot(2,2,1);
imshow(I);
subplot(2,2,2);
imhist(I);
I1=histeq(I);
figure;
subplot(2,2,1);
imshow(I1);
subplot(2,2,2);
imhist(I1);
5. 線性平滑濾波器
用MATLAB實現領域平均法抑制雜訊程序：
I=imread('xian.bmp');
subplot(231)
imshow(I)
title('原始圖像')
I=rgb2gray(I);
I1=imnoise(I,'salt & pepper',0.02);
subplot(232)
imshow(I1)
title(' 添加椒鹽雜訊的圖像')
k1=filter2(fspecial('average',3),I1)/255; %進行3*3模板平滑濾波
k2=filter2(fspecial('average',5),I1)/255; %進行5*5模板平滑濾波k3=filter2(fspecial('average',7),I1)/255; %進行7*7模板平滑濾波
k4=filter2(fspecial('average',9),I1)/255; %進行9*9模板平滑濾波
subplot(233),imshow(k1);title('3*3 模板平滑濾波');
subplot(234),imshow(k2);title('5*5 模板平滑濾波');
subplot(235),imshow(k3);title('7*7 模板平滑濾波');
subplot(236),imshow(k4);title('9*9 模板平滑濾波');
6.中值濾波器
用MATLAB實現中值濾波程序如下：
I=imread('xian.bmp');
I=rgb2gray(I);
J=imnoise(I,'salt&pepper',0.02);
subplot(231),imshow(I);title('原圖像');
subplot(232),imshow(J);title('添加椒鹽雜訊圖像');
k1=medfilt2(J); %進行3*3模板中值濾波
k2=medfilt2(J,[5,5]); %進行5*5模板中值濾波
k3=medfilt2(J,[7,7]); %進行7*7模板中值濾波
k4=medfilt2(J,[9,9]); %進行9*9模板中值濾波
subplot(233),imshow(k1);title('3*3模板中值濾波');
subplot(234),imshow(k2);title('5*5模板中值濾波 ');
subplot(235),imshow(k3);title('7*7模板中值濾波');
subplot(236),imshow(k4);title('9*9 模板中值濾波');
7.用Sobel運算元和拉普拉斯對圖像銳化：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始圖像');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on;%顯示坐標系
I1=im2bw(I);
subplot(2,2,2),imshow(I1);
title('二值圖像');
axis([50,250,50,200]);
grid on;%顯示網格線
axis on;%顯示坐標系
H=fspecial('sobel');%選擇sobel運算元
J=filter2(H,I1); %卷積運算
subplot(2,2,3),imshow(J);
title('sobel運算元銳化圖像');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on;%顯示坐標系
h=[0 1 0,1 -4 1,0 1 0]; %拉普拉斯運算元
J1=conv2(I1,h,'same');%卷積運算
subplot(2,2,4),imshow(J1);
title('拉普拉斯運算元銳化圖像');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
8.梯度運算元檢測邊緣
用 MATLAB實現如下：
I=imread('xian.bmp');
subplot(2,3,1);
imshow(I);
title('原始圖像');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
I1=im2bw(I);
subplot(2,3,2);
imshow(I1);
title('二值圖像');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
I2=edge(I1,'roberts');
figure;
subplot(2,3,3);
imshow(I2);
title('roberts運算元分割結果');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
I3=edge(I1,'sobel');
subplot(2,3,4);
imshow(I3);
title('sobel運算元分割結果');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
I4=edge(I1,'Prewitt');
subplot(2,3,5);
imshow(I4);
title('Prewitt運算元分割結果 ');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
9.LOG運算元檢測邊緣
用 MATLAB程序實現如下：
I=imread('xian.bmp');
subplot(2,2,1);
imshow(I);
title('原始圖像');
I1=rgb2gray(I);
subplot(2,2,2);
imshow(I1);
title('灰度圖像');
I2=edge(I1,'log');
subplot(2,2,3);
imshow(I2);
title('log運算元分割結果');
10.Canny運算元檢測邊 緣
用MATLAB程序實現如下：
I=imread('xian.bmp');
subplot(2,2,1);
imshow(I);
title('原始圖像')
I1=rgb2gray(I);
subplot(2,2,2);
imshow(I1);
title('灰度圖像');
I2=edge(I1,'canny');
subplot(2,2,3);
imshow(I2);
title('canny運算元分割結果');
11.邊界跟蹤 （bwtraceboundary函數）
clc
clear all
I=imread('xian.bmp');
figure
imshow(I);
title('原始圖像');
I1=rgb2gray(I); %將彩色圖像轉化灰度圖像
threshold=graythresh(I1); %計算將灰度圖像轉化為二值圖像所需的門限
BW=im2bw(I1, threshold); %將灰度圖像轉化為二值圖像
figure
imshow(BW);
title('二值圖像');
dim=size(BW);
col=round(dim(2)/2)-90; %計算起始點列坐標
row=find(BW(:,col),1); %計算起始點行坐標
connectivity=8;
num_points=180;
contour=bwtraceboundary(BW,[row,col],'N',connectivity,num_points);
%提取邊界
figure
imshow(I1);
hold on;
plot(contour(:,2),contour(:,1), 'g','LineWidth' ,2);
title('邊界跟蹤圖像');
12.Hough變換
I= imread('xian.bmp');
rotI=rgb2gray(I);
subplot(2,2,1);
imshow(rotI);
title('灰度圖像');
axis([50,250,50,200]);
grid on;
axis on;
BW=edge(rotI,'prewitt');
subplot(2,2,2);
imshow(BW);
title('prewitt運算元邊緣檢測 後圖像');
axis([50,250,50,200]);
grid on;
axis on;
[H,T,R]=hough(BW);
subplot(2,2,3);
imshow(H,[],'XData',T,'YData',R,'InitialMagnification','fit');
title('霍夫變換圖');
xlabel('\theta'),ylabel('\rho');
axis on , axis normal, hold on;
P=houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));
x=T(P(:,2));y=R(P(:,1));
plot(x,y,'s','color','white');
lines=houghlines(BW,T,R,P,'FillGap',5,'MinLength',7);
subplot(2,2,4);,imshow(rotI);
title('霍夫變換圖像檢測');
axis([50,250,50,200]);
grid on;
axis on;
hold on;
max_len=0;
for k=1:length(lines)
xy=[lines(k).point1;lines(k).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');
plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');
plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');
len=norm(lines(k).point1-lines(k).point2);
if(len>max_len)
max_len=len;
xy_long=xy;
end
end
plot(xy_long(:,1),xy_long(:,2),'LineWidth',2,'Color','cyan');
13.直方圖閾值法
用 MATLAB實現直方圖閾值法：
I=imread('xian.bmp');
I1=rgb2gray(I);
figure;
subplot(2,2,1);
imshow(I1);
title(' 灰度圖像')
axis([50,250,50,200]);
grid on;%顯示網格線
axis on; %顯示坐標系
[m,n]=size(I1);%測量圖像尺寸參數
GP=zeros(1,256); %預創建存放灰度出現概率的向量
for k=0:255
GP(k+1)=length(find(I1==k))/(m*n);%計算每級灰度出現的概率，將其存入GP中相應位置
end
subplot(2,2,2),bar(0:255,GP,'g')%繪制直方圖
title('灰度直方圖')
xlabel('灰度值')
ylabel(' 出現概率')
I2=im2bw(I,150/255);
subplot(2,2,3),imshow(I2);
title('閾值150的分割圖像')
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
I3=im2bw(I,200/255); %
subplot(2,2,4),imshow(I3);
title('閾值200的分割圖像')
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
14. 自動閾值法：Otsu法
用MATLAB實現Otsu演算法：
clc
clear all
I=imread('xian.bmp');
subplot(1,2,1),imshow(I);
title('原始圖像')
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
level=graythresh(I); %確定灰度閾值
BW=im2bw(I,level);
subplot(1,2,2),imshow(BW);
title('Otsu 法閾值分割圖像')
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
15.膨脹操作
I=imread('xian.bmp'); %載入圖像
I1=rgb2gray(I);
subplot(1,2,1);
imshow(I1);
title('灰度圖像')
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
se=strel('disk',1); %生成圓形結構元素
I2=imdilate(I1,se); %用生成的結構元素對圖像進行膨脹
subplot(1,2,2);
imshow(I2);
title(' 膨脹後圖像');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
16.腐蝕操作
MATLAB 實現腐蝕操作
I=imread('xian.bmp'); %載入圖像
I1=rgb2gray(I);
subplot(1,2,1);
imshow(I1);
title('灰度圖像')
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
se=strel('disk',1); %生成圓形結構元素
I2=imerode(I1,se); %用生成的結構元素對圖像進行腐蝕
subplot(1,2,2);
imshow(I2);
title('腐蝕後圖像');
axis([50,250,50,200]);
grid on; %顯示網格線
axis on; %顯示坐標系
17.開啟和閉合操作
用 MATLAB實現開啟和閉合操作
I=imread('xian.bmp'); %載入圖像
subplot(2,2,1),imshow(I);
title('原始圖像');
axis([50,250,50,200]);
axis on; %顯示坐標系
I1=rgb2gray(I);
subplot(2,2,2),imshow(I1);
title('灰度圖像');
axis([50,250,50,200]);
axis on; %顯示坐標系
se=strel('disk',1); %採用半徑為1的圓作為結構元素
I2=imopen(I1,se); %開啟操作
I3=imclose(I1,se); %閉合操作
subplot(2,2,3),imshow(I2);
title('開啟運算後圖像');
axis([50,250,50,200]);
axis on; %顯示坐標系
subplot(2,2,4),imshow(I3);
title('閉合運算後圖像');
axis([50,250,50,200]);
axis on; %顯示坐標系
18.開啟和閉合組合操作
I=imread('xian.bmp');%載入圖像
subplot(3,2,1),imshow(I);
title('原始圖像');
axis([50,250,50,200]);
axis on;%顯示坐標系
I1=rgb2gray(I);
subplot(3,2,2),imshow(I1);
title('灰度圖像');
axis([50,250,50,200]);
axis on;%顯示坐標系
se=strel('disk',1);
I2=imopen(I1,se);%開啟操作
I3=imclose(I1,se);%閉合操作
subplot(3,2,3),imshow(I2);
title('開啟運算後圖像');
axis([50,250,50,200]);
axis on;%顯示坐標系
subplot(3,2,4),imshow(I3);
title('閉合運算後圖像');
axis([50,250,50,200]);
axis on;%顯示坐標系
se=strel('disk',1);
I4=imopen(I1,se);
I5=imclose(I4,se);
subplot(3,2,5),imshow(I5);%開—閉運算圖像
title('開—閉運算圖像');
axis([50,250,50,200]);
axis on;%顯示坐標系
I6=imclose(I1,se);
I7=imopen(I6,se);
subplot(3,2,6),imshow(I7);%閉—開運算圖像
title('閉—開運算圖像');
axis([50,250,50,200]);
axis on;%顯示坐標系
19.形態學邊界提取
利用 MATLAB實現如下：
I=imread('xian.bmp');%載入圖像
subplot(1,3,1),imshow(I);
title('原始圖像');
axis([50,250,50,200]);
grid on;%顯示網格線
axis on;%顯示坐標系
I1=im2bw(I);
subplot(1,3,2),imshow(I1);
title('二值化圖像');
axis([50,250,50,200]);
grid on;%顯示網格線
axis on;%顯示坐標系
I2=bwperim(I1); %獲取區域的周長
subplot(1,3,3),imshow(I2);
title('邊界周長的二值圖像');
axis([50,250,50,200]);
grid on;
axis on;
20.形態學骨架提取
利用MATLAB實現如下：
I=imread('xian.bmp');
subplot(2,2,1),imshow(I);
title('原始圖像');
axis([50,250,50,200]);
axis on;
I1=im2bw(I);
subplot(2,2,2),imshow(I1);
title('二值圖像');
axis([50,250,50,200]);
axis on;
I2=bwmorph(I1,'skel',1);
subplot(2,2,3),imshow(I2);
title('1次骨架提取');
axis([50,250,50,200]);
axis on;
I3=bwmorph(I1,'skel',2);
subplot(2,2,4),imshow(I3);
title('2次骨架提取');
axis([50,250,50,200]);
axis on;
21.直接提取四個頂點坐標
I = imread('xian.bmp');
I = I(:,:,1);
BW=im2bw(I);
figure
imshow(~BW)
[x,y]=getpts
平滑濾波
h=fspecial('average',9);
I_gray=imfilter(I_gray,h,'replicate');%平滑濾波

⑶ 步態識別的軟體演算法

根據醫學和心理學等學科的研究表明：人可以感知步態，並可以通過步態進行人的身份認證。尤其自「911事件」以來，使得遠距離的身份識別研究備受關注。而與其他生物特徵識別相比，步態識別的突出特點主要是能遠距離識別。因此，步態識別的研究，己越來越引起國內外學者的關注。目前，己研究出的步態識別的軟體演算法有如下幾種：
對於每個步態序列而言，一種改進的背景減除技術被使用來提取人的空間輪廓。這些輪廓的邊緣，被逆時針方向展開為一系列相對於質心的距離模板。這些模板特徵通過使用主元統計分析方法來訓練，從而得出步態形狀的變化模式在特徵空間中的軌跡表達。識別時，採用了時空相關匹配方法和基於歸一化歐氏距離的最近鄰規則，並引入了相應於個人的體形等生理特徵的融合，以用於必要的步態分類校驗。
該演算法來源於「從行走運動的時空模式中可學習人體的外觀模型」的觀點。對於每個序列而言，背景減除過程用來提取行人的運動輪廓，這些輪廓隨時間的姿態變化在二維空間中被對應描述為一個序列的復數配置(Complex Configuration)。利用Procrustes形狀分析方法，從該序列配置中獲取主輪廓模型作為人體的靜態外觀特徵。實驗結果表明，該演算法獲得了令人鼓舞的識別性能。
該演算法來源於「人體行走運動很大程度上依賴於輪廓隨著時間的形狀變化」的直觀想法。對於每個序列而言，背景減除與輪廓相關方法用於檢測和跟蹤行人的運動輪廓，這些時變的二維輪廓形狀被轉換為對應的一維距離信號，同時通過特徵空間變換來提取低維步態特徵。基於時空相關或歸一化歐氏距離度量，以及標準的模式分類技術用於最終的識別。實驗結果表明，該演算法不僅獲得了令人滿意的識別性能，而且擁有相對較低的計算代價。
該演算法來源於「行走運動的關節角度變化包含著豐富的個體識別信息」的思想。首先，結合人體模型、運動模型和運動約束等先驗知識，利用Condensation演算法進行行人的跟蹤。然後，從跟蹤結果中獲取人體主要關節的角度變化軌跡。這些軌跡經過結構和時間歸一化後，作為動態特徵而用於身份識別。
這是一種基於新的特徵提取方法的自動步態識別演算法，該演算法僅從腿部的運動進行身份識別。對於每個序列，用一種基於圖像色度偏差的背景減除演算法來檢測運動對象。在經過後處理的二值圖像序列中，利用邊界跟蹤演算法獲取對象邊界，在對象邊界圖像上，局部應用Hough變換檢測大腿和小腿的直線，從而得到大腿和小腿的傾斜角。用最小二乘法將一個周期內的傾斜角序列，擬合成5階多項式，把Fourier級數展開後得到的相位與振幅的乘積，定義為低維步態特徵向量。在小樣本的資料庫上用Fisher線性分類器驗證所研究演算法的性能，正確分類率為79.17%，在步態資料庫不很理想的情況下也獲得了較好的識別率。
基於廣義多尺度分析理論，針對不同的應用圖像或信號庫，得到最優小波分解, 並在人體步態識別中與二維小波矩結合進行應用。在三維物體的表示方面, 作為三維物體的一種無冗餘的描述和識別方法，提出了三維小波矩理論。與現存的方法相比，它不但具有平移、縮放和旋轉不變性，在徑向上還增加了多尺度分析的特性。可以根據不同的需要，提供多層次的特徵描述子，同時引進球面調和函數加速演算法和小波的Mallat演算法後，使小波矩的計算得到了雙重加速。有人計劃搭建實用的三維物體檢索平台，將進一步完善該演算法。
此外，有人在基於人體生物特徵不僅包含靜態外觀信息，也包含行走運動的動態信息的思想，提出了一種判決級上融合人體靜態和動態特徵的身份識別方法。利用此方法在不同融合規則下的實驗結果表明，融合後的識別性能均優於使用任何單一模態下的識別性能。

⑷ MATLAB數字圖像處理的目錄

前言
第1章圖像處理與MATLAB2007a簡介
1.1概述
1.1.1MATLAB概述
1.1.2數字圖像處理技術的內容與發展現狀
1.2相關學科和領域
1.2.1數字信號處理學
1.2.2計算機圖形學
1.2.3計算機視覺
1.3MATLAB2007a的新功能
1.3.1MATLAB2007a的新特性
1.3.2Simulink6的新特性
1.4MATLAB2007a圖像處理
1.4.1MATLAB圖像處理應用舉例
1.4.2圖像處理基本操作
1.4.3圖像處理的高級應用
第2章圖像的編碼和解碼
2.1概述
2.1.1圖像壓縮編碼的必要性
2.1.2圖像壓縮編碼的可能性
2.1.3圖像壓縮編碼的評價准則
2.2統計編碼
2.2.1信息熵
2.2.2ShannonFano編碼
2.2.3哈夫曼編碼
2.2.4算術編碼
2.2.5行程編碼
2.3預測編碼
2.4圖像的變換編碼
2.5數據壓縮編碼的國際標准
2.5.1JPEG標准
2.5.2MPEG視頻編碼壓縮標准
2.6小結
習題
第3章圖像復原
3.1圖像復原的基本概念
3.2圖像退化模型
3.2.1連續的退化模型
3.2.2離散的退化模型
3.3非約束復原
3.3.1非約束復原的代數方法
3.3.2逆濾波復原法
3.4有約束復原
3.4.1最小二乘類約束復原
3.4.2維納濾波
3.4.3LucyRichardson濾波復原
3.4.4盲解卷積復原
3.5幾種其他圖像復原技術
3.5.1幾何畸變校正
3.5.2盲目圖像復原
3.6運動模糊圖像的復原
3.6.1模糊模型
3.6.2水平勻速直線運動引起模糊的復原
3.7小結
習題
第4章圖像處理的相關操作
4.1圖像類型轉換
4.2圖像數據結構
4.2.1圖像模式
4.2.2顏色空間
4.2.3數據存儲的數據結構
4.3線性系統和移不變系統
4.3.1線性系統
4.3.2移不變系統
4.4調用信號分析
4.4.1調諧信號
4.4.2對調諧信號的響應
4.4.3系統傳遞函數
4.5數字圖像的顯示特性
4.5.1圖像的屏幕顯示
4.5.2顯示特性
4.5.3數字圖像的暫時顯示
4.5.4數字圖像的永久顯示
4.6二維系統及矩陣運算
4.6.1二維線性系統
4.6.2二維位置不變線性系統
4.6.3二維系統的梯度運算元
4.6.4常用矩陣運算
4.7圖像的塊操作
4.7.1邊緣操作
4.7_2顯示塊操作
4.8特定區域處理
4.8.1特定區域
4.8.2特定區域濾波
4.8.3特定區域填充
4.9圖像質量評價
4.9.1圖像質量的客觀評價
4.9.2圖像質量的主觀評價
習題
第5章圖像頻域變換
5.1傅里葉變換
5.1.1傅里葉變換的基本概念
5.1.2離散傅里葉變換
5.1.3傅里葉變換的應用
5.2離散餘弦變換
5.2.1一維離散餘弦變換
5.2.2二維離散餘弦變換
5.2.3快速離散餘弦變換
5.2.4離散餘弦應用
5.3離散沃爾什-哈達瑪變換（DWT-DHT）
5.3.1一維離散沃爾什變換
5.3.2二維離散沃爾什變換
5.3.3一維離散哈達瑪變換
5.3.4二維離散哈達瑪變換
5.3.5離散沃爾什-哈達瑪變換的應用舉例
5.4K-L變換
5.4.1K-L變換的定義
5.4.2K-L變換的性質
5.5Radon變換
5.5.1Radon變換原理
5.5.2用Radon變換檢測直線
5.5.3逆Radon變換及其應用
5.6小波變換
5.6.1傳統變換方法的局限性
5.6.2小波變換的基本知識
5.6.3小波變換在圖像處理方面的應用及實現
5.7扇形光束投影
5.7.1投影變換的基本概念
5.7.2投影變換函數的應用
習題
第6章圖像處理中的代數運算及幾何變換
6.1基本運算類型
6.2點運算
6.2.1點運算的種類
6.2.2點運算與直方圖
6.2.3點運算的應用
6.3圖像的代數運算
6.3.1圖像代數的異常處理
6.3.2各種代數運算
6.4幾何變換基礎
6.4.1齊次坐標
6.4.2齊次坐標的一般表現形式及意義
6.4.3二維圖像幾何變換的矩陣
6.5各種幾何變換
6.5.1圖像平移變換
6.5.2圖像比例變換
6.5.3圖像旋轉變換
6.5.4圖像鏡像變換
6.5.5圖像剪切變換
6.5.6圖像復合變換
6.5.7透視投影
6.5.8平行投影
6.6灰度級插值
6.6.1最近鄰插值法
6.6.2雙線性插值法
6.6.3三次內插值法
6.6.4灰度級插值法的MATLAB實現
習題
第7章圖像增強
7.1灰度變換增強
7.1.1像素及其統計特性
7.1.2直接灰度變換
7.1.3直方圖灰度變換
7.1.4直方圖均衡化
7.1.5對比度自適應直方圖均衡化
7.1.6去相關拉伸
7.2空間域濾波
7.2.1基本原理
7.2.2平滑濾波
7.2_3銳化濾波
7.3頻域濾波增強
7.3.1低通濾波
7.3.2高通濾波
7.3.3帶通和帶阻濾波器
7.3.4頻域濾波的MATLAB實現
7.4同態增晰
7.5彩色圖像增強
7.5.1偽彩色增強
7.5.2假彩色增強
7.5.3真彩色增強
習題
第8章圖像分割與邊緣檢測
8.1灰度閾值法
8.1.1圖像分割基本原理
8.1.2灰度閾值法分割
8.2邊緣檢測
8.2.1微分運算元
8.2.2拉普拉斯高斯運算元（LOG）
8.2.3Canny運算元
8.3區域分割
8.3.1區域生長
8.3.2分裂合並
8.3.3水域分割
8.4邊界跟蹤與直線檢查
8.4.1基本原理
8.4.2直線提取演算法
8.5基於圖像分割的圖像分析
8.5.1通過圖像分割檢測細胞
8.5.2圖像粒度測定
8.6彩色圖像分割
8.6.1色彩空間
8.6.2彩色分割方法
習題
第9章小波分析及其在MATLAB中的應用
9.1小波變換基礎
9.1.1連續小波變換
9.1.2離散小波
9.1.3二進小波變換
9.1.4MATLAB中的小波函數工具箱
9.2小波分析在圖像增強中的應用
9.3基於小波的圖像降噪和壓縮
9.3.1小波的圖像壓縮技術
9.3.2小波的圖像降噪技術
9.4小波的融合技術
9.5小波包在圖像邊緣檢測中的應用
9.6小波包與圖像消噪
9.7小結
第10章圖像特徵的描述
10.1灰度描述
10.1.1幅度特徵
10.1.2直方圖特徵
10.1.3變換系數的特徵
10.2紋理分析
10.2.1紋理特徵
10.2.2統計法
10.2.3自相關函數法
10.2.4頻譜法
10.2.5紋理的句法結構分析法
10.2.6聯合概率矩陣法
10.3形狀描述
10.3.1鏈碼
10.3.2傅里葉描述子
10.3.3形狀特徵的描述
10.4區域描述
10.4.1幾何特徵
10.4.2不變矩
10.5形態分析
10.6區域、對象及特性度量
10.6.1連通區域標記
10.6.2選擇對象
10.6.3圖像面積
10.6.4歐拉數
10.6.5基於分水嶺的圖像分割示例
習題
第11章MATLAB圖像處理的應用
11.1MATLAB在遙感圖像處理中的應用
11.1.1遙感簡介
11.1.2利用MATLAB對遙感圖像進行直方圖匹配
11.1.3對遙感圖像進行濾波增強
11.1.4對遙感圖像進行融合
11.2MATLAB在醫學圖像處理中的應用
11.2.1醫學成像簡介
11.2.2醫學圖像的灰度變換
11.2.3基於高頻強調濾波和直方圖均衡化的醫學圖像增強
習題
附錄
附錄AMATLAB6.X圖像處理工具箱函數
附錄BMATLAB7.0圖像處理工具箱新增函數
參考文獻
……

⑸ 精通MATLAB圖像處理的目 錄

第1篇 MATLAB入門篇
第1章 MATLAB概述 2
1.1 MATLAB的發展歷程 2
1.2 MATLAB的優勢與特點 2
1.3 MATLAB系統的構成 4
1.4 MATLAB桌面操作環境 5
1.4.1 啟動和退出 5
1.4.2 主菜單及功能 6
1.4.3 命令窗口 9
1.4.4 工作空間 11
1.4.5 M文件編輯/調試器 13
1.4.6 Figure窗口 14
1.4.7 文件管理 16
1.4.8 使用幫助 16
1.5 MATLAB的工具箱 17
1.6 小結 18
第2章 MATLAB基本運算 19
2.1 MATLAB數據類型 19
2.2 數組及其運算 21
2.2.1 數組的創建 21
2.2.2 數組的運算 22
2.3 矩陣及其運算 24
2.3.1 矩陣的創建 24
2.3.2 矩陣的運算 25
2.4 復數及其運算 27
2.4.1 復數的表示 27
2.4.2 復數的繪圖 28
2.4.3 復數的操作函數 29
2.5 符號運算 30
2.5.1 符號運算概述 30
2.5.2 常用的符號運算 32
2.6 關系運算和邏輯運算 34
2.7 小結 34
第3章 MATLAB程序設計 35
3.1 程序設計概述 35
3.2 程序設計的基本原則 36
3.3 M文件 37
3.4 程序流程式控制制 39
3.5 函數及調用 42
3.5.1 函數類型 42
3.5.2 函數參數傳遞 45
3.6 函數句柄 49
3.7 程序調試 51
3.7.1 常見程序錯誤 51
3.7.2 調試方法 53
3.7.2 調試工具 54
3.7.3 M文件分析工具 57
3.7.4 Profiler分析工具 58
3.8 程序設計技巧 59
3.8.1 嵌套計算 60
3.8.2 循環計算 61
3.8.3 使用異常處理機制 61
3.8.4 使用全局變數 63
3.8.5 通過varargin傳遞參數 65
3.9 小結 66
第4章 MATLAB圖形繪制 67
4.1 MATLAB中繪圖的基本步驟 67
4.2 在工作空間直接繪圖 67
4.3 利用繪圖函數繪圖 68
4.3.1 二維圖形 69
4.3.2 三維圖形 69
4.4 特殊圖形繪制 71
4.4.1 直方圖 72
4.4.2 柱狀圖 73
4.4.3 面積圖 74
4.4.4 餅圖 75
4.4.5 火柴桿圖 76
4.4.6 階梯圖 77
4.4.7 等高線圖 78
4.4.8 向量圖 79
4.4.9 圓柱體圖 81
4.4.10 球面圖 82
4.5 圖形修飾 83
4.6 小結 85
第5章 MATLAB圖像處理基礎 86
5.1 MATLAB圖像文件的格式 86
5.2 圖像類型 86
5.2.1 索引圖像 87
5.2.2 灰度圖像 88
5.2.3 RGB圖像 89
5.2.4 二值圖像 90
5.2.5 圖像類型轉換 91
5.2.6 圖像序列 92
5.3 MATLAB中的顏色模型 92
5.3.1 顏色模型的分類 93
5.3.2 顏色模型的轉換 94
5.4 圖像處理基本函數 95
5.4.1 圖像讀入和顯示 96
5.4.2 圖像寫回 97
5.4.3 獲取圖像信息 98
5.5 標准圖像顯示技術 99
5.5.1 imshow函數 100
5.5.2 顯示灰度圖像 100
5.5.3 顯示二值圖像 101
5.5.4 顯示索引圖像 102
5.5.5 顯示真彩圖像 102
5.5.6 顯示圖形文件中的圖像 102
5.6 特殊圖像顯示技術 103
5.6.1 添加顏色條 103
5.6.2 顯示多幀圖像陣列 103
5.6.3 圖像上的區域縮放 103
5.6.4 紋理映射 104
5.6.5 同時顯示多幅圖像 104
5.7 小結 104
第2篇 圖像處理提高篇
第6章 圖像的運算 106
6.1 圖像的代數運算 106
6.1.1 圖像的加運算 106
6.1.2 圖像的減運算 107
6.1.3 圖像的乘運算 108
6.1.4 圖像的除運算 108
6.1.5 圖像的一般線性運算 109
6.2 圖像的邏輯運算 110
6.3 圖像的塊和鄰域處理 111
6.3.1 滑動鄰域操作 111
6.3.2 分離塊操作 112
6.3.3 使用列處理加快速度 114
6.4 圖像的幾何運算 116
6.4.1 圖像的插值 116
6.4.2 圖像的縮放 117
6.4.3 圖像的旋轉 117
6.4.4 圖像的裁剪 119
6.4.5 圖像的一般線性變換 120
6.5 小結 121
第7章 圖像的變換 122
7.1 傅里葉變換 122
7.1.1 傅里葉變換的定義 122
7.1.2 傅里葉變換的快速實現 124
7.1.3 傅里葉變換的應用 126
7.2 離散餘弦變換（DCT） 128
7.2.1 二維離散餘弦變換的定義 128
7.2.2 DCT變換矩陣 129
7.2.3 DCT的實現和圖像壓縮 129
7.3 Radon變換 131
7.3.1 Radon變換的定義 131
7.3.2 使用Radon變換檢測直線 133
7.3.3 逆Radon變換 134
7.4 小結 135
第8章 圖像的增強 136
8.1 灰度變換增強 136
8.1.1 圖像直方圖的含義 136
8.1.2 直方圖均衡化 137
8.1.3 灰度值調整到指定范圍 138
8.1.4 有限對比自適應直方圖
8.1.4 均衡化 140
8.1.5 使用去相關進行色度拉伸 141
8.2 線性濾波器設計 142
8.2.1 卷積 142
8.2.2 相關 143
8.2.3 imfilter函數用於濾波 144
8.2.4 使用預定義的濾波器對
8.2.4 圖像濾波 148
8.3 空間域濾波增強 149
8.3.1 圖像加入雜訊 149
8.3.2 中值濾波器 150
8.3.3 自適應濾波器 151
8.4 頻域濾波增強 152
8.4.1 頻率變換方法 152
8.4.2 頻率抽樣法 153
8.4.3 窗函數法 154
8.4.4 創建所需的頻率響應矩陣 156
8.4.5 計算濾波器的頻率響應 157
8.5 小結 157
第9章 圖像的分析 158
9.1 像素值和圖像統計量 158
9.1.1 獲取像素值 158
9.1.2 創建圖像強度曲線 159
9.1.3 顯示圖像數據的等值線圖 161
9.1.4 圖像的統計信息 162
9.1.5 圖像的局部屬性 163
9.2 圖像的邊界分析 166
9.2.1 邊緣檢測 166
9.2.2 邊界跟蹤 168
9.2.3 使用hough變換檢測圖像
9.2.3 中的直線 171
9.3 四叉樹分解 172
9.4 圖像的紋理分析 174
9.4.1 紋理分析的函數 174
9.4.2 使用灰度共生矩陣 176
9.5 小結 178
第10章 圖像的復原 179
10.1 圖像的退化 179
10.1.1 圖像退化的原因 179
10.1.2 圖像退化的數學模型 179
10.1.3 圖像的雜訊 181
10.2 圖像復原的模型和方法分類 182
10.2.1 圖像的復原模型 183
10.2.2 無約束復原方法 183
10.2.3 有約束復原方法 184
10.2.4 復原方法的評估 184
10.3 圖像的復原方法 184
10.3.1 維納濾波 185
10.3.2 規則化濾波 186
10.3.3 Lucy-Richardson濾波 188
10.3.4 盲反卷積 189
10.4 點擴散函數和光學轉換函數
10.4 的互相轉化 190
10.5 小結 191
第11章 圖像的形態學操作 192
11.1 膨脹和腐蝕 192
11.1.1 理解膨脹和腐蝕 192
11.1.2 處理圖像邊界的像素 193
11.1.3 理解結構元素 193
11.1.4 圖像膨脹 197
11.1.5 圖像腐蝕 199
11.1.6 膨脹和腐蝕組合 201
11.1.7 以膨脹和腐蝕為基礎的
11.1.6 其他操作 203
11.2 數學形態學重建 207
11.2.1 理解標記圖像和掩膜圖像 207
11.2.2 像素連通性 208
11.2.3 填充操作 210
11.2.4 尋找最大值和最小值 211
11.3 距離變換 217
11.4 對象的標記和測量 220
11.4.1 連通區域的標記 221
11.4.2 選擇二值圖像中的對象 222
11.4.3 計算二值圖像中前景
11.4.3 的面積 223
11.4.4 計算二值圖像的歐拉數 224
11.5 查表操作 224
11.5.1 創建一個查詢表 224
11.5.2 使用查詢表 225
11.6 小結 225
第12章 彩色圖像處理 226
12.1 減少彩色圖像中的色彩數 226
12.1.1 使用色彩近似 226
12.1.2 使用imapprox函數 230
12.1.3 抖動 231
12.2 色彩空間轉換 231
12.3 小結 236
第3篇 綜合實戰篇
第13章 MATLAB圖像重構實戰 238
第14章 MATLAB圖像增強實戰 243
14.1 對比度增強 243
14.2 糾正不均勻的照明 250
14.3 多解析度彩色圖像增強 254
14.4 小結 259
第15章 MATLAB圖像配准實戰 260
第16章 MATLAB圖像去模糊
第16章 實戰 264
第17章 MATLAB圖像分割實戰 272
17.1 基於L*a*b*空間的色彩
17.1 分割 272
17.2 利用圖像分割來檢測細胞 279
17.3 檢測交通視頻中的汽車
17.3 目標 282
17.4 在多解析度圖像中檢測
17.4 植被 285
17.5 分水嶺分割演算法 289
17.6 使用紋理濾波器分割圖像 295
17.7 小結 298
第18章 MATLAB圖像特徵提取
第18章 實戰 299
18.1 計算運動中單擺的長度 299
18.2 粒度測定 302
18.3 確定圓形目標 305
18.4 測量角度 307
18.5 灰度圖像的屬性測量 310
18.6 磁帶滾動軸半徑的測量 313
18.7 小結 316
附錄 MATLAB圖像處理工具箱
附錄 函數詳解 317
實例目錄
第2章 MATLAB基本運算 19
例2-1 元胞數組創建與顯示實例。 20
例2-2 數組創建實例。 22
例2-3 數組運算。 23
例2-4 矩陣創建實例。 24
例2-5 特殊矩陣生成函數使用實例。 25
例2-6 矩陣基本運算實例。 26
例2-7 矩陣函數運算實例。 26
例2-8 矩陣分解運算函數使用實例。 26
例2-9 復數構造實例。 27
例2-10 復數矩陣構造實例。 28
例2-11 復數函數繪圖實例。 29
例2-12 符號表達式創建實例。 31
例2-13 微積分的符號運算實例。 33
例2-14 常微分方程符號運算實例。 33
第3章 MATLAB程序設計 35
例3-1 M文件創建實例。 38
例3-2 return語句使用實例。 41
例3-3 匿名函數創建實例。 43
例3-4 顯示函數輸入和輸出參數的
例3-4 數目實例。 46
例3-5 可變數目的參數傳遞實例。 47
例3-6 函數內部的輸入參數修改實例。 48
例3-7 函數參數傳遞實例。 48
例3-8 全局變數使用實例。 49
例3-9 函數句柄創建和調用實例。 50
例3-10 處理函數句柄的函數使用實例。 50
例3-11 嵌套計算與直接求值的
例3-11 比較實例。 60
例3-12 嵌套計算與非嵌套計算的
例3-12 比較實例。 60
例3-13 異常處理機制使用實例。 62
例3-14 nargin函數應用實例。 63
例3-15 全局變數使用實例。 64
例3-16 通過varargin傳遞參數的實例。 65
第4章 MATLAB圖形繪制 67
例4-1 工作空間直接作圖法使用實例。 68
例4-2 二維圖形繪制實例。 69
例4-3 三維曲線繪制函數使用實例。 70
例4-4 三維網格曲面圖繪制實例。 70
例4-5 陰影曲面繪制函數surf使用實例。 71
例4-6 直方圖繪制函數hist使用實例。 72
例4-7 玫瑰圖繪制函數rose使用實例。 72
例4-8 柱狀圖繪制函數bar使用實例。 73
例4-9 三維柱狀圖函數使用實例。 73
例4-10 面積圖繪制函數area使用實例。 74
例4-11 餅圖繪制函數pie使用實例。 75
例4-12 繪制餅圖應用實例。 75
例4-13 火柴桿圖繪制函數stem
例4-13 使用實例。 76
例4-14 stem3函數繪圖應用實例。 76
例4-15 階梯圖繪制函數stairs使用實例。 77
例4-16 等高線圖繪制函數contour
例4-16 使用實例。 78
例4-17 三維等高線繪制應用實例。 78
例4-18 羅盤圖繪制函數compass
例4-18 使用實例。 79
例4-19 羽毛圖繪制函數feather
例4-19 使用實例。 80
例4-20 向量場圖繪制函數quiver
例4-20 使用實例。 81
例4-21 圓柱體繪制函數cylinder
例4-21 使用實例。 82
例4-22 球面繪制函數sphere使用實例。 82
例4-23 繪圖命令使用實例。 84
第5章 MATLAB圖像處理基礎 86
例5-1 索引圖像及顏色表說明實例。 88
例5-2 灰度圖像顯示。 88
例5-3 RGB圖像顯示。 90
例5-4 gray2ind函數應用實例。 92
例5-5 rgb2hsv函數應用實例。 95
例5-6 圖像讀入及顯示應用實例。 96
例5-7 圖像寫回命令應用實例。 97
例5-8 圖像信息查詢函數應用實例一。 99
例5-9 圖像信息查詢函數應用實例二。 99
例5-10 顯示灰度圖像的函數應用實例。 101
例5-11 二值圖像顯示應用實例。 101
第6章 圖像的運算 106
例6-1 圖像的加運算。 106
例6-2 圖像的減運算。 107
例6-3 圖像的乘運算。 108
例6-4 圖像的除運算。 109
例6-5 圖像的一般線性運算。 109
例6-6 圖像的邏輯運算。 110
例6-7 滑動鄰域操作。 112
例6-8 分離塊操作。 114
例6-9 列處理操作。 115
例6-10 圖像的插值。 116
例6-11 圖像的縮放。 117
例6-12 圖像的旋轉。 118
例6-13 圖像的互動式裁剪。 119
例6-14 圖像的參數式裁剪。 119
例6-15 圖像的一般線性變換。 120
第7章 圖像的變換 122
例7-1 二維傅里葉變換函數的使用。 125
例7-2 高斯低通濾波器的頻率響應。 126
例7-3 傅里葉變換應用於快速卷積。 127
例7-4 確定圖像特徵的位置。 127
例7-5 離散餘弦變換和逆變換。 129
例7-6 DCT用於圖像壓縮示例。 130
例7-7 兩個方向的Radon變換。 132
例7-8 在一幅圖像中顯示不同方向的
例7-8 Radon變換。 133
例7-9 使用Radon變換來檢測直線。 133
例7-10 逆Radon變換重建圖像。 135
第8章 圖像的增強 136
例8-1 直方圖的顯示。 136
例8-2 直方圖均衡化。 137
例8-3 調整灰度范圍。 138
例8-4 imadjust函數用於展現
例8-4 圖像的細節。 139
例8-5 用stretchlim函數確定映射
例8-5 的灰度。 139
例8-6 gamma校正。 140
例8-7 有限對比自適應直方圖均衡化。 141
例8-8 簡單的去相關拉伸操作。 141
例8-9 均值濾波。 145
例8-10 不同的填充選項對比。 147
例8-11 對真彩色圖像濾波。 147
例8-12 不同的濾波器對圖像進行濾波。 148
例8-13 在圖像中加入不同的雜訊。 150
例8-14 中值濾波和均值濾波對比。 151
例8-15 wiener2函數自適應濾波。 152
例8-16 一維濾波器轉化為二維濾波器。 153
例8-17 用頻率抽樣法設計二維帶
例8-17 通濾波器。 153
例8-18 fwind1函數產生二維濾波器。 154
例8-19 fwind2函數產生二維濾波器。 155
例8-20 理想低通圓形濾波器。 156
例8-21 利用freqz2函數計算頻率響應。 157
第9章 圖像的分析 158
例9-1 返回指定點坐標的像素值。 158
例9-2 互動式獲取像素值。 159
例9-3 返回指定坐標的圖像強度曲線。 160
例9-4 互動式獲取圖像像素強度曲線。 160
例9-5 真彩色圖像的像素強度曲線。 161
例9-6 顯示等值線。 162
例9-7 計算圖像的統計信息。 163
例9-8 求圖像區域的質心。 165
例9-9 邊緣檢測。 168
例9-10 利用bwtraceboundary函數
例9-10 跟蹤邊界。 169
例9-11 利用bwboundaries函數跟蹤
例9-11 外部邊界。 170
例9-12 利用bwboundaries函數檢測外部
例9-12 邊界和內部邊界。 170
例9-13 利用hough變換檢測圖像
例9-13 中的直線。 171
例9-14 矩陣四叉樹分解。 173
例9-15 圖像的四叉樹分解。 173
例9-16 計算圖像的局部最大差值。 175
例9-17 計算圖像的局部標准差。 175
例9-18 計算圖像的局部熵。 176
例9-19 計算矩陣的灰度共生矩陣。 177
例9-20 計算灰度共生矩陣的統計量。 178
第10章 圖像的復原 179
例10-1 圖像的模糊。 180
例10-2 維納濾波復原圖像。 185
例10-3 規則化復原圖像。 187
例10-4 Lucy-Richardson方法復原圖像。 188
例10-5 盲反卷積恢復圖像。 190
例10-6 點擴散函數和光學轉換函數的
例10-6 互相轉化。 191
第11章 圖像的形態學操作 192
例11-1 二值圖像的膨脹。 198
例11-2 灰度圖像的膨脹。 198
例11-3 灰度圖像的膨脹（圖像先取
例11-3 反後膨脹）。 199
例11-4 二值圖像的腐蝕。 200
例11-5 灰度圖像的腐蝕。 200
例11-6 二值圖像的開運算。 201
例11-7 利用imopen函數進行開運算。 202
例11-8 二值圖像的關運算。 202
例11-9 圖像的骨架提取。 203
例11-10 圖像的邊緣檢測。 204
例11-11 擊中擊不中操作。 205
例11-12 對圖像進行top-hat濾波。 206
例11-13 使用top-hat和bottom-hat
例11-13 濾波對圖像進行增強。 206
例11-14 對圖像進行孔洞填充。 211
例11-15 確定圖像的局部極小值。 214
例11-16 計算簡單圖像的歐氏距離。 218
例11-17 二維情況下使用不同的距離
例11-17 變換函數求取距離 219
例11-18 三維情況下使用不同的距離
例11-18 變換函數求距離。 220
例11-19 對象的選擇。 223
例11-20 計算前景面積增加的比例。 223
例11-21 計算二值圖像的歐拉數。 224
例11-22 使用查詢表操作。 225
第12章 彩色圖像處理 226
例12-1 顏色查找表映射。 230
例12-2 使用imapprox函數減少
例12-2 色彩數。 230
例12-3 使用抖動創建圖像。 231
例12-4 從NTSC空間轉換到
例12-4 RGB空間。 233
例12-5 RGB空間和YCbCr空間之間
例12-5 的相互轉化。 234
例12-6 makecform函數使用方法。 236
第13章 MATLAB圖像重構實戰 238
例13-1 圖像的重構。 238
第14章 MATLAB圖像增強實戰 243
例14-1 利用最大熵原理進行圖像
例14-1 對比度增強。 244
例14-2 對比度增強的主程序。 245
例14-3 糾正不均勻的照明。 250
例14-4 對多解析度彩色圖像進行增強。 254
第15章 MATLAB圖像配准實戰 260
例15-1 圖像配准。 260
第16章 MATLAB圖像去模糊實戰 264
例16-1 圖像去模糊。 264
第17章 MATLAB圖像分割實戰 272
例17-1 基於L*a*b*空間的色彩分割。 272
例17-2 K均值用於圖像分割。 276
例17-3 圖像分割用於檢測細胞。 279
例17-4 檢測運動的汽車。 282
例17-5 在多解析度圖像中檢測植被。 286
例17-6 標記分水嶺分割演算法。 290
例17-7 利用紋理濾波器進行
例17-7 圖像分割。 295
第18章 MATLAB圖像特徵
第18章 提取實戰 299
例18-1 計算運動中的擺長。 299
例18-2 粒度測定。 302
例18-3 確定圓形目標。 305
例18-4 測量兩條直線的夾角。 307
例18-5 灰度圖像的屬性計算。 311
例18-6 計算磁帶滾動軸的半徑。 313

⑹ 做圖像處理演算法研究需要哪些數學

可以用閾值化技術、邊緣檢測、邊界跟蹤等等至於演算法，有分水嶺演算法、各種門限運算元灰度門限法（最大類間方差、最大後驗概率、最小風險法）

⑺ 二維碼可以修復一下，識別出來嗎

不可能修復，圖像靠的是像素，每個二維碼都不一樣就是因為每個細節都不一樣，修復的也可能變成其他的二維碼了或者錯誤的二維碼

⑻ 車牌識別系統的研究背景意義及國內外研究現狀

中國車牌的格式與國外有較大差異，所以國外關於識別率的報道只具有參考價值，其在中國的應用效果可能沒有在其國內的應用效果好，但其識別系統中採用的很多演算法具有很好的借鑒意義。

從車牌識別系統進入中國以來，國內有大量的學者在從事這方面的研究，提出了很多新穎快速的演算法。中國科學院自動化所的劉智勇等開發的系統在一個樣本量為3180的樣本集中，車牌定位準確率為99.42%，切分准確率為94.52%，這套系統後來應用於漢王公司的車牌識別系統，取得了不錯的效果。但是包括其他研究人員提出的演算法，都存在計算量和存儲量大的問題，難以滿足實時性的要求。此外，當車輛區域的顏色和附近顏色相近時，定位失誤率會增加。國內還有許多學者一直在進行這方面的研究，並且取得了大量的研究成果。

（2）國外研究現狀

國外在這方面的研究工作開展較早，在上世紀70年代，英國就在實驗室中完成了「實時車牌檢測系統」的廣域檢測和開發。同時代，誕生了面向被盜車輛的第一個實時自動車牌監測系統。進入20世紀90年代後，車牌自動識別的系統化研究開始起步。典型的如特徵提取、模板構造和字元識別等三個部分，完成車牌的自動識別。字元識別分析技術分析所獲得的圖像，首先在二值化圖像中找到車牌，然後用邊界跟蹤技術提取字元特徵，再利用統計最鄰近分類器與字元庫中的字元比較，得出一個或幾個車牌候選號碼，再對這些號碼進行核實檢查，確定是否為該車牌號碼，最終確定車牌號碼。這個時期的應用在識別正確率方面有所突破。

發展到今日，國外對車牌檢測的研究已經取得了一些令人矚目的成就，識別率都在80%以上，甚至有高於90%。並且已經實現了產品化，並在實際的交通系統中得到了廣泛的應用。

⑼ 四近的意思

四近的意思：周圍鄰近的地方。

四近，讀音sì jìn，漢語詞語，指指君王周圍的近臣。周圍鄰近的地方、形容距離不遠之處四近有許多商店。

造句

1、他眼光向四近橫掃一遍，就連忙來到她跟前。

2、晴空萬里，太陽火辣辣的，四近樹子上的知了一個勁聒噪著。

3、沒想僅使如此還不算完，一陣馬蹄紛響，早有兩隊騎兵埋伏在四近，等候著這些落網之魚。

4、而覃鳴珂一不做二不休，率苗兵四處燒殺搶掠，弄得四近雞飛狗跳，百姓攜家帶口，四處逃難。

5、分別就八近鄰圖像和四近鄰圖像給出了邊界跟蹤、頂點鏈碼抽取及圍線樹結構的生成演算法。

6、趙家往年都在四近縣域接濟，不少人都認得趙家少爺，更有甚者是相鄰，算是趙斗的舊識。

7、門口一個警察，立在那兒，邱飛揚正欲使眼色，祝東堯覷得四近無人，一個狠拳砸在了那個警察的後腦勺上。

8、但金兵大名也非幸致，一個二流將領，又在占盡優勢的情況下圍城，依然不忘派出一波波游騎，偵探四近情況。

9、如果說無論是過去還是現在，在這個離太陽第四近的行星上都沒有找到確實的生命痕跡，那是很令人驚訝和失望的。