2D 计算机视觉原理、算法及应用 PDF 下载_Java知识分享网-免费Java资源下载

2D 计算机视觉原理、算法及应用 PDF 下载

下载地址：

版权归出版社和原作者所有，链接已删除，请购买正版

用户下载说明：

电子版仅供预览，下载后24小时内务必删除，支持正版，喜欢的请购买正版书籍：

https://product.dangdang.com/29302771.html

相关截图：

资料简介：
本书主要内容围绕2D计算机视觉展开，介绍了相关的基础概念、基本原理、典型算法、实用技术和应用成果。本书可在其姊妹篇《3D计算机视觉：原理、算法及应用》前学习。本书将从客观场景出发到后提取出目标信息的全过程分为4 个部分进行介绍。第1 部分是图像采集，介绍了基础的图像采集表达技术；第2 部分是图像（预）处理，介绍了一些基本的图像处理技术；第3 部分是目标提取，介绍了从图像处理到图像分析的转换技术；第4 部分是目标分析，介绍了扩展的图像分析技术。书中除提供大量应用示例外，还针对每章的内容提供了自我检测题（含提示并附有答案），并且给出了相关的参考文献和术语索引（包括英文）。

资料目录：

第1章计算机视觉基础 1
1.1 视觉基础 1
1.1.1 视觉 1
1.1.2 视感觉和视知觉 2
1.1.3 视觉过程 3
1.2 视觉和图像 5
1.2.1 图像和数字图像 6
1.2.2 图像和像素表示 7
1.2.3 图像存储与文件格式 8
1.2.4 图像显示和打印方法 12
1.3 视觉系统和图像技术 14
1.3.1 视觉系统流程 15
1.3.2 图像技术层次 15
1.3.3 图像技术类别 16
1.4 本书架构和内容概况 17
1.4.1 结构框架和主要内容 17
1.4.2 各章概况 18
1.4.3 先修基础 19
1.5 各节要点和进一步参考 20
第2章 2D图像采集 22
2.1 采集装置和性能指标 23
2.1.1 CCD传感器 23
2.1.2 CMOS传感器 24
2.1.3 常用性能指标 25
2.1.4 图像采集流程 25
2.2 图像亮度成像模型 26
2.2.1 光度学基础 26
2.2.2 均匀照度 27
2.2.3 简单亮度成像模型 29
2.3 图像空间成像模型 30
2.3.1 投影成像几何 30
2.3.2 基本成像模型 32
2.3.3 一般成像模型 34
2.4 采样和量化 37
2.4.1 空间和幅度分辨率 37
2.4.2 图像数据量与质量 39
2.5 像素之间的关系 43
2.5.1 像素邻域及连通 43
2.5.2 像素间距离 44
2.6 各节要点和进一步参考 46
第3章空域增强 47
3.1 图像间运算 47
3.1.1 算术运算 48
3.1.2 逻辑运算 50
3.2 图像灰度映射 51
3.2.1 图像求反 51
3.2.2 对比度拉伸 52
3.2.3 动态范围压缩 53
3.3 直方图均衡化 53
3.3.1 图像直方图 53
3.3.2 原理和步骤 55
3.4 直方图规定化 57
3.4.1 原理和步骤 57
3.4.2 单映射规则和组映射规则 59
3.5 空域卷积增强 62
3.5.1 模板卷积 62
3.5.2 空域滤波 63
3.6 各节要点和进一步参考 67
第4章频域增强 69
4.1 傅里叶变换和频域增强 70
4.1.1 傅里叶变换 70
4.1.2 傅里叶变换特性 71
4.1.3 频域增强 72
4.2 频域低通滤波器 73
4.2.1 理想低通滤波器 73
4.2.2 巴特沃斯低通滤波器 74
4.3 频域高通滤波器 75
4.3.1 理想高通滤波器 76
4.3.2 巴特沃斯高通滤波器 76
4.4 带通带阻滤波器 77
4.4.1 带通滤波器 78
4.4.2 带阻滤波器 79
4.4.3 带通滤波器和带阻滤波器的联系 80
4.4.4 陷波滤波器 81
4.4.5 交互消除周期噪声 82
4.5 同态滤波器 84
4.5.1 同态滤波流程 84
4.5.2 同态滤波消噪 86
4.6 各节要点和进一步参考 86
第5章图像恢复 88
5.1 图像退化模型 88
5.1.1 图像退化模型 89
5.1.2 图像退化模型性质 90
5.2 逆滤波 91
5.2.1 无约束恢复 91
5.2.2 逆滤波模型 92
5.3 维纳滤波 93
5.3.1 有约束恢复 93
5.3.2 维纳滤波器 94
5.4 几何失真校正 95
5.4.1 空间变换 95
5.4.2 灰度插值 97
5.5 图像修补 99
5.5.1 图像修补原理 99
5.5.2 图像修补示例 100
5.6 各节要点和进一步参考 103
第6章彩色增强 105
6.1 彩色视觉 105
6.1.1 三基色和颜色表示 106
6.1.2 色度图 107
6.2 彩色模型 109
6.2.1 RGB模型 109
6.2.2 HSI模型 110
6.2.3 从RGB转换到HSI 111
6.2.4 从HSI转换到RGB 111
6.3 伪彩色增强 113
6.3.1 亮度切割 113
6.3.2 从灰度到彩色的变换 114
6.3.3 频域滤波 115
6.4 真彩色增强 115
6.4.1 单分量真彩色增强 116
6.4.2 全彩色增强 118
6.5 各节要点和进一步参考 119
第7章图像分割 121
7.1 定义和算法分类 122
7.1.1 图像分割定义 122
7.1.2 图像分割算法分类 123
7.2 微分边缘检测 124
7.2.1 微分边缘检测原理 124
7.2.2 空域微分算子 125
7.3 主动轮廓模型 129
7.3.1 主动轮廓 129
7.3.2 能量函数 130
7.4 阈值化分割 134
7.4.1 原理步骤 134
7.4.2 阈值选取 135
7.5 基于过渡区选取阈值 138
7.5.1 过渡区和有效平均梯度 138
7.5.2 有效平均梯度的极值点和过渡区边界 139
7.5.3 阈值选取 140
7.6 区域生长 141
7.6.1 基本方法 141
7.6.2 问题和改进 143
7.7 各节要点和进一步参考 144
第8章基元检测 146
8.1 兴趣点检测 146
8.1.1 利用二阶导数检测角点 147
8.1.2 哈里斯兴趣点算子 148
8.1.3 积分角点检测 150
8.2 椭圆目标检测 155
8.2.1 直径二分法 155
8.2.2 弦?切线法 156
8.2.3 椭圆的其他参数 156
8.3 哈夫变换 158
8.3.1 点?线对偶性 158
8.3.2 计算步骤 159
8.3.3 极坐标方程 162
8.4 广义哈夫变换 164
8.4.1 推广原理 164
8.4.2 完整广义哈夫变换 166
8.5 各节要点和进一步参考 168
第9章目标表达 170
9.1 轮廓的链码表达 170
9.1.1 链码表达 171
9.1.2 链码归一化 172
9.2 轮廓标志 173
9.2.1 距离?角度标志 173
9.2.2 切线角?弧长标志 174
9.2.3 斜率?密度标志 174
9.2.4 距离?弧长标志 175
9.3 轮廓的多边形近似 175
9.3.1 小周长多边形 176
9.3.2 聚合多边形 176
9.3.3 分裂多边形 177
9.4 目标的层次表达 178
9.4.1 四叉树表达法 178
9.4.2 二叉树表达法 180
9.5 目标的围绕区域 180
9.5.1 外接盒 181
9.5.2 小包围长方形 182
9.5.3 凸包 182
9.6 目标的骨架表达 183
9.6.1 骨架和骨架点 183
9.6.2 骨架算法 184
9.7 各节要点和进一步参考 186
第10章目标描述 188
10.1 轮廓基本描述参数 189
10.1.1 轮廓长度 189
10.1.2 轮廓直径 190
10.1.3 斜率、曲率和角点 190
10.2 区域基本描述参数 191
10.2.1 区域面积 191
10.2.2 区域重心 192
10.2.3 区域灰度特性 192
10.3 轮廓的傅里叶描述 193
10.3.1 傅里叶轮廓描述符 193
10.3.2 傅里叶描述随轮廓的变化 195
10.4 轮廓的小波描述 196
10.4.1 小波变换基础 196
10.4.2 小波轮廓描述符 197
10.5 区域不变矩描述 199
10.5.1 中心矩 200
10.5.2 区域不变矩 201
10.5.3 区域仿射不变矩 202
10.6 目标关系描述 203
10.6.1 字符串描述 203
10.6.2 树结构描述 205
10.7 各节要点和进一步参考 206
第11章纹理描述 208
11.1 纹理的统计描述 208
11.1.1 共生矩阵 208
11.1.2 基于共生矩阵的纹理描述符 210
11.1.3 基于能量的纹理描述符 212
11.2 纹理的结构描述 213
11.2.1 结构法基础 213
11.2.2 纹理镶嵌 215
11.2.3 局部二值模式 216
11.3 纹理的频谱描述 218
11.3.1 傅里叶频谱 218
11.3.2 贝塞尔?傅里叶频谱 220
11.4 各节要点和进一步参考 222
第12章形状描述 223
12.1 形状紧凑性描述符 223
12.1.1 外观比 224
12.1.2 形状因子 224
12.1.3 偏心率 225
12.1.4 球状性 227
12.1.5 圆形性 228
12.1.6 描述符比较 228
12.2 形状复杂性描述符 229
12.2.1 形状复杂性的简单描述符 230
12.2.2 利用模糊图的直方图分析描述形状复杂度 230
12.2.3 饱和度 231
12.3 基于离散曲率的描述符 232
12.3.1 曲率与几何特征 232
12.3.2 离散曲率 233
12.3.3 离散曲率的计算 234
12.3.4 基于曲率的描述符 235
12.4 拓扑结构描述符 237
12.4.1 欧拉数 237
12.4.2 交叉数和连接数 238
12.5 各节要点和进一步参考 239
第13章目标分类 241
13.1 不变量交叉比 241
13.1.1 交叉比 241
13.1.2 非共线点的不变量 244
13.1.3 对称的交叉比函数 245
13.1.4 交叉比应用示例 246
13.2 统计模式分类 247
13.2.1 模式分类原理 248
13.2.2 小距离分类器 248
13.2.3 统计分类器 250
13.2.4 自适应自举 254
13.3 支持向量机 256
13.3.1 线性可分类 256
13.3.2 线性不可分类 258
13.4 各节要点和进一步参考 260
附录A 二值数学形态学 262
A.1 基本集合定义 262
A.2 二值数学形态学基本运算 264
A.2.1 二值膨胀和腐蚀 264
A.2.2 二值开启和闭合 268
A.3 二值数学形态学组合运算 270
A.3.1 击中?击不中变换 270
A.3.2 二值组合运算 272
A.4 二值数学形态学实用算法 277
A.4.1 噪声滤除 277
A.4.2 角点检测 278
A.4.3 轮廓提取 279
A.4.4 区域填充 279
A.4.5 目标检测和定位 280
A.4.6 连通组元抽取 280
A.4.7 区域骨架提取 281
A.5 各节要点和进一步参考 284
附录B 视觉恒常性 285
B.1 视觉恒常性理论 285
B.1.1 各种恒常性 285
B.1.2 视网膜皮层理论 287
B.2 图像增强应用 288
B.2.1 雾天图像增强 289
B.2.2 红外图像增强 290
B.3 各节要点和进一步参考 291
自我检测题 292
自我检测题答案 349

最新Java全栈就业实战课程(免费)

springcloud分布式电商秒杀实战课程

IDEA永久激活

66套java实战课程无套路领取

锋哥开始收Java学员啦！

Python学习路线图