本書系統(tǒng)介紹了智能圖像處理所需的基本知識與核心算法,主要包括四部分內(nèi)容:第一部分是數(shù)字圖像處理的理論基礎(chǔ),包括數(shù)字圖像處理概述和圖像采集系統(tǒng);第二部分是數(shù)字圖像處理的基本方法和實(shí)例,包括數(shù)字圖像基礎(chǔ)、圖像預(yù)處理、圖像變換和圖像復(fù)原;第三部分是圖像特征提取與分析的理論、方法和實(shí)例,包括圖像分割、圖像特征提取與選擇、圖像匹配和圖像智能識別方法;第四部分是數(shù)字圖像處理的工程應(yīng)用案例,包括米粒分類識別、多氣泡上升軌跡跟蹤、血細(xì)胞圖像檢測、手寫字符識別和汽車牌照識別。
本書基礎(chǔ)理論知識覆蓋面較全,講解過程深入淺出,可以促進(jìn)學(xué)生對圖像處理知識的理解和學(xué)習(xí);案例的設(shè)計(jì)思路和開發(fā)經(jīng)驗(yàn)講解詳細(xì),引導(dǎo)讀者進(jìn)行圖像處理技術(shù)實(shí)際工程能力的鍛煉及開拓創(chuàng)新意識的培養(yǎng);提供電子教案、二維碼操作視頻、教學(xué)大綱、習(xí)題與解答及完整源代碼電子資源,對從事圖像處理領(lǐng)域項(xiàng)目開發(fā)的讀者有很好的借鑒作用,讀者可登錄wwwcmpeducom免費(fèi)注冊、審核通過后下載使用,或聯(lián)系編輯索取(微信13146070618,電話010-88379739);融入了科技創(chuàng)新、文化自信、愛國主義等思政元素,全方位培養(yǎng)學(xué)生的家國情懷。
本書可作為高校人工智能、計(jì)算機(jī)科學(xué)與技術(shù)、機(jī)器人工程、控制科學(xué)與工程、通信與信息工程、電子科學(xué)與技術(shù)、生物醫(yī)學(xué)工程等相關(guān)專業(yè)的本科生和研究生教材,也可供從事圖像處理、分析和識別等相關(guān)領(lǐng)域的科技工作者參考。
本書以知識的系統(tǒng)性和應(yīng)用的典型性為切入點(diǎn),全面系統(tǒng)的介紹了智能圖像處理的基本思想、方法和理論。既可以應(yīng)用于本科和研究生的教學(xué),還可以為從事人工智能專業(yè)和數(shù)字圖像處理的工程技術(shù)人才提供豐富的程序開發(fā)樣例,助力學(xué)生和工程技術(shù)人才快速了解智能圖像處理技術(shù)的開發(fā)要點(diǎn)。本書提供了豐富的程序開發(fā)源代碼,無須使用付費(fèi)開發(fā)工具就可以完成具有自主知識產(chǎn)權(quán)的數(shù)字圖像處理案例開發(fā),助力學(xué)生和工程技術(shù)人才快速完成相關(guān)的工程研究項(xiàng)目,提升動手實(shí)踐和科研自主創(chuàng)新能力。
本書注重實(shí)用,重視理論與實(shí)踐的結(jié)合。在介紹基本理論的同時(shí),盡量與當(dāng)前的實(shí)際應(yīng)用結(jié)合,使學(xué)生學(xué)起來有的放矢。通過新增加的視頻信息處理技術(shù)在“車牌識別” “米粒質(zhì)量缺陷檢測”“血細(xì)胞識別”和“手寫字符識別”,學(xué)生可以了解視頻技術(shù)在實(shí)際工作中的具體運(yùn)用。本書可提供全部源代碼以及部分代表性案例實(shí)操教學(xué)視頻。
進(jìn)入21世紀(jì),隨著計(jì)算機(jī)技術(shù)、人工智能和思維科學(xué)研究的迅速發(fā)展,圖像處理正向著高速化、高分辨率化、立體化、多媒體化、智能化和標(biāo)準(zhǔn)化的方向發(fā)展。數(shù)字圖像處理技術(shù)在航空航天、生物醫(yī)學(xué)、工業(yè)制造、公共安全、軍事、農(nóng)業(yè)、通信、遙感等許多工程領(lǐng)域受到廣泛重視,并取得了重大的開拓性成就,從事數(shù)字圖像處理領(lǐng)域的人才也日益受到企業(yè)、研究所、高校等單位的重視。
科技興則民族興,科技強(qiáng)則國家強(qiáng)。黨的二十大報(bào)告指出,必須堅(jiān)持科技是第一生產(chǎn)力、人才是第一資源、創(chuàng)新是第一動力,深入實(shí)施科教興國戰(zhàn)略、人才強(qiáng)國戰(zhàn)略、創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略,開辟發(fā)展新領(lǐng)域新賽道,不斷塑造發(fā)展新動能新優(yōu)勢。數(shù)字圖像處理涉及信號處理、模式識別、人工智能和光電子學(xué)等領(lǐng)域,是一門交叉學(xué)科,也是目前人工智能、自動化、計(jì)算機(jī)、電子信息、生物醫(yī)學(xué)等專業(yè)的重要課程,有助于提升學(xué)生探索科研創(chuàng)新的能力。
數(shù)字圖像是一門快速發(fā)展的學(xué)科,由于最近幾年來的研究成果在一些教材中體現(xiàn)的不是特別充分,尤其對工程應(yīng)用的關(guān)注度不夠。因此,建設(shè)理論與工程應(yīng)用相結(jié)合的圖像處理教材,對解決工程研究問題的重要性不言而喻。本書匯集了多年來在數(shù)字圖像處理領(lǐng)域的科研和教學(xué)成果,是一本面向人工智能、電子信息、自動化和計(jì)算機(jī)等專業(yè)的典型應(yīng)用技術(shù)型教材,既囊括了數(shù)字圖像處理的基礎(chǔ)理論知識,又包含了新穎的智能圖像處理案例,同時(shí)還配備了完整的源代碼,能夠?yàn)榻虒W(xué)提供豐富可靠的數(shù)字資源和工程實(shí)踐經(jīng)驗(yàn)。
本書的主要特點(diǎn)是:基礎(chǔ)理論知識覆蓋面較全,講解過程深入淺出,可以促進(jìn)學(xué)生對圖像處理知識的理解和學(xué)習(xí),提升學(xué)生和相關(guān)專業(yè)人員對圖像處理技術(shù)的應(yīng)用能力;圖像處理案例均由編寫團(tuán)隊(duì)教學(xué)及科研成果凝練而成,案例的設(shè)計(jì)思路和開發(fā)經(jīng)驗(yàn)講解詳細(xì),引導(dǎo)讀者進(jìn)行圖像處理技術(shù)實(shí)際工程能力的鍛煉及開拓創(chuàng)新意識的培養(yǎng);源代碼完整且與知識點(diǎn)聯(lián)系緊密,便于讀者開發(fā)應(yīng)用時(shí)參考,對從事圖像處理領(lǐng)域項(xiàng)目開發(fā)的讀者有良好的借鑒作用;教材融入了科技創(chuàng)新、文化自信、愛國主義等思政元素,充分展現(xiàn)了工匠精神和家國情懷。
全書共15章,第1章數(shù)字圖像處理概述,主要介紹數(shù)字圖像處理的發(fā)展歷史、基本內(nèi)容和應(yīng)用背景等。第2章圖像采集系統(tǒng),主要針對圖像采集裝置進(jìn)行介紹,包括相機(jī)、鏡頭、光源等硬件設(shè)施。第3章為數(shù)字圖像基礎(chǔ),主要介紹數(shù)字圖像處理過程中用到的一些基本概念,如圖像采樣與量化、像素間的基本關(guān)系、灰度直方圖、圖像的代數(shù)運(yùn)算等。第4章圖像預(yù)處理技術(shù),包括圖像的灰度變換、圖像的幾何變換、空間濾波增強(qiáng)、形態(tài)學(xué)處理。第5章圖像變換,主要介紹基于變換域的圖像濾波方法。第6章圖像復(fù)原,主要介紹了典型的圖像復(fù)原方法。第7章圖像分割技術(shù),包括圖像閾值分割、邊緣檢測、Hough變換、區(qū)域分割和形態(tài)學(xué)分水嶺分割。第8章圖像特征提取與選擇,主要介紹幾何特征、顏色特征和紋理特征的提取方法以及基于主成分分析和基于判據(jù)的特征選擇方法。第9章圖像匹配,主要介紹了基于灰度相關(guān)的模板匹配方法、基于變換域的模板匹配方法和基于特征相關(guān)的模板匹配方法。第10章圖像智能識別方法,主要介紹了聚類識別、支持向量機(jī)識別、人工神經(jīng)網(wǎng)絡(luò)識別和卷積神經(jīng)網(wǎng)絡(luò)識別。第11至15章為數(shù)字圖像處理工程應(yīng)用案例,應(yīng)用內(nèi)容包括米粒分類識別、多氣泡上升軌跡跟蹤、血細(xì)胞圖像檢測、手寫字符識別和汽車牌照識別。
第3至10章中所涉及的圖像處理方法都配有詳細(xì)分析過程及程序?qū)崿F(xiàn)代碼。第11至15章以工程應(yīng)用為導(dǎo)向,對工程應(yīng)用案例進(jìn)行理論分析、特征歸納、給出解決方案,細(xì)化解決問題的過程,每個(gè)關(guān)鍵步驟均配有程序代碼及運(yùn)行效果,深化讀者對圖像處理算法的理解,有助于增強(qiáng)讀者對圖像處理方法應(yīng)用的掌握。克服了以往教材中應(yīng)用案例解決方案不完善,解決問題思路不清晰,脫離工程實(shí)際等缺陷。
本書由天津工業(yè)大學(xué)宋麗梅和王紅一任主編,湯春明和賈興丹任副主編,天津工業(yè)大學(xué)向中浩、于佳立、楊陽、顏迪、張宗陽、李安靜、梁浩東、石亞芳、張浩等參與了本書的編寫工作。其中,第1章由宋麗梅和王紅一編寫,第2章由宋麗梅和張宗陽編寫,第3章由王紅一和顏迪編寫,第4章由王紅一和楊陽編寫,第5章由王紅一和張浩編寫,第6章由湯春明編寫,第7章由王紅一和楊陽編寫,第8章由賈興丹和于佳立編寫,第9章由宋麗梅和石亞芳編寫,第10章由王紅一和楊陽編寫,第11章由王紅一和李安靜編寫,第12章王紅一和梁浩東編寫,第13章宋麗梅和向中浩編寫,第14章由宋麗梅和顏迪編寫,第15章由王紅一和顏迪編寫。另外,本書還附有相應(yīng)的C++代碼(電子資源),由張宗陽、向中浩和于佳立共同完成。
本書獲得了2021年度天津市教育科學(xué)規(guī)劃課題-重點(diǎn)課題《“人工智能+X”產(chǎn)教融合的人才培養(yǎng)模式研究》(BIE210025)的資助。
由于編者水平有限,書中難免存在不妥之處,敬請讀者批評指正。
前言
第1章數(shù)字圖像處理概述
1.1數(shù)字圖像處理的產(chǎn)生與發(fā)展
1.2數(shù)字圖像的基本概念
1.2.1圖像與數(shù)字圖像
1.2.2數(shù)字圖像的存儲格式
1.3數(shù)字圖像處理的基本內(nèi)容和
基本步驟
1.3.1基本內(nèi)容
1.3.2基本步驟
1.4數(shù)字圖像處理的工程應(yīng)用
1.5數(shù)字圖像處理的機(jī)遇與挑戰(zhàn)
【本章小結(jié)】
【課后習(xí)題】
第2章圖像采集系統(tǒng)
2.1光源
2.1.1光源的類型
2.1.2光源的顏色
2.1.3照明方式
2.1.4光源的選擇
2.2鏡頭
2.2.1鏡頭的成像原理
2.2.2鏡頭的主要參數(shù)
2.2.3鏡頭的類型
2.2.4鏡頭的選擇
2.3相機(jī)
2.3.1相機(jī)芯片的主要參數(shù)
2.3.2相機(jī)的主要參數(shù)
2.3.3相機(jī)的類型
2.3.4相機(jī)的選擇
【本章小結(jié)】
【課后習(xí)題】
第3章數(shù)字圖像基礎(chǔ)
3.1圖像采樣和量化
3.1.1采樣
3.1.2量化
3.1.3采樣與量化參數(shù)的選擇
3.2像素間的基本關(guān)系
3.2.1像素的鄰接
3.2.2鄰接性、連通性、區(qū)域和邊界
3.2.3距離度量
3.3灰度直方圖
3.3.1直方圖的定義
3.3.2直方圖的特性
3.3.3直方圖的作用
3.4圖像質(zhì)量評價(jià)
3.4.1圖像質(zhì)量評價(jià)方法
3.4.2均方誤差
3.4.3信噪比與峰值信噪比
3.4.4結(jié)構(gòu)相似度
3.5圖像的點(diǎn)運(yùn)算
3.6圖像的代數(shù)運(yùn)算
3.6.1加法運(yùn)算
3.6.2減法運(yùn)算
3.6.3乘法運(yùn)算
3.6.4除法運(yùn)算
3.7圖像的幾何運(yùn)算
【本章小結(jié)】
【課后習(xí)題】
第4章圖像預(yù)處理技術(shù)
4.1圖像的灰度變換
4.1.1線性變換
4.1.2分段線性變換
4.1.3灰度對數(shù)變換
4.1.4直方圖均衡化
4.2圖像的幾何變換
4.2.1平移
4.2.2旋轉(zhuǎn)
4.2.3鏡像
4.2.4比例放縮
4.2.5插值
4.3空間濾波增強(qiáng)
4.3.1空間濾波機(jī)理
4.3.2均值濾波
4.3.3中值濾波
4.4形態(tài)學(xué)處理
4.4.1腐蝕
4.4.2膨脹
4.4.3開運(yùn)算
4.4.4閉運(yùn)算
4.4.5細(xì)化
4.4.6填充
【本章小結(jié)】
【課后習(xí)題】
第5章圖像變換
5.1傅里葉變換
5.1.1一維和二維傅里葉變換基本
原理
5.1.2傅里葉變換的性質(zhì)
5.1.3頻率域?yàn)V波(低通、高通、高斯、
帶通及帶阻濾波器)
5.1.4基于傅里葉變換的圖像頻域?yàn)V波
實(shí)現(xiàn)
5.2小波變換
5.2.1圖像二維離散小波變換
5.2.2基于小波變換的圖像去噪
5.2.3基于小波變換的圖像融合
【本章小結(jié)】
【課后習(xí)題】
第6章圖像復(fù)原
6.1圖像復(fù)原的理論模型
6.2噪聲模型
6.2.1噪聲的分類
6.2.2一些重要噪聲的概率密度函數(shù)
6.2.3周期噪聲
6.2.4估計(jì)噪聲參數(shù)
6.3幾種較經(jīng)典的圖像復(fù)原方法
6.3.1逆濾波復(fù)原
6.3.2維納濾波復(fù)原
6.3.3有約束最小二乘復(fù)原
6.3.4盲去卷積圖像復(fù)原
6.4圖像復(fù)原案例:PLSMS模型
夜間霧霾圖像的復(fù)原
6.4.1多散射成分
6.4.2PLSMS模型的描述
【本章小結(jié)】
【課后習(xí)題】
第7章圖像分割技術(shù)
7.1閾值分割
7.1.1極小值點(diǎn)閾值法
7.1.2最小均方誤差閾值法
7.1.3迭代選擇閾值法
7.1.4雙峰閾值法
7.1.5最大類間方差閾值法
7.2邊緣檢測
7.2.1Roberts邊緣算子
7.2.2Prewitt邊緣算子
7.2.3Sobel邊緣算子
7.2.4Laplacian邊緣算子
7.2.5LoG邊緣算子
7.2.6Canny邊緣算子
7.2.7邊緣檢測算子MATLAB實(shí)現(xiàn)及
主要特性分析
7.3Hough變換
7.3.1Hough變換概述
7.3.2基于Hough變換的直線檢測
7.3.3基于Hough變換的曲線檢測
7.4基于區(qū)域的圖像分割
7.4.1區(qū)域生長算法
7.4.2區(qū)域分裂合并算法
7.5形態(tài)學(xué)分水嶺分割
7.5.1距離變換
7.5.2分水嶺建壩
7.5.3分水嶺分割算法
【本章小結(jié)】
【課后習(xí)題】
第8章圖像特征提取與選擇
8.1幾何特征
8.1.1位置
8.1.2方向
8.1.3周長
8.1.4面積
8.1.5矩形度
8.1.6長寬比
8.1.7圓形度
8.1.8偏心率
8.2顏色特征
8.2.1顏色模型
8.2.2顏色直方圖
8.2.3顏色矩
8.2.4顏色聚合向量
8.2.5顏色相關(guān)圖
8.3紋理特征
8.3.1基于灰度共生矩陣的紋理
特征構(gòu)建
8.3.2基于灰度-梯度共生矩陣的
紋理特征構(gòu)建
8.4基于主成分分析的特征選擇
8.4.1KL變換
8.4.2PCA的基本原理
8.4.3PCA代碼實(shí)現(xiàn)
8.5基于分離判據(jù)的特征選擇
【本章小結(jié)】
【課后習(xí)題】
第9章圖像匹配
9.1模板匹配的概念
9.2基于灰度相關(guān)的模板匹配
9.2.1MAD算法
9.2.2SAD算法
9.2.3SSD算法
9.2.4NCC算法
9.2.5SSDA算法
9.2.6SATD算法
9.3基于變換域的模板匹配
9.4基于特征相關(guān)的模板匹配
9.4.1基于SIFT算法的圖像匹配
9.4.2基于SURF算法的圖像匹配
9.4.3基于ORB算法的圖像匹配
【本章小結(jié)】
【課后習(xí)題】
第10章圖像智能識別方法
10.1聚類識別
10.1.1聚類算法主要思想
10.1.2KMeans聚類算法理論基礎(chǔ)
10.1.3聚類算法的實(shí)現(xiàn)
10.2支持向量機(jī)(SVM)識別
10.2.1SVM的分類思想
10.2.2SVM的基本理論
10.2.3SVM算法的實(shí)現(xiàn)
10.3人工神經(jīng)網(wǎng)絡(luò)識別
10.3.1人工神經(jīng)網(wǎng)絡(luò)的主要思想
10.3.2BP神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)
10.3.3BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)
10.4卷積神經(jīng)網(wǎng)絡(luò)(CNN)識別
10.4.1CNN的主要思想
10.4.2CNN的理論基礎(chǔ)
10.4.3CNN算法的實(shí)現(xiàn)
【本章小結(jié)】
【課后習(xí)題】
第11章工程應(yīng)用——米粒分類
識別
11.1米粒圖像預(yù)處理
11.1.1圖像背景均勻化
11.1.2圖像二值化
11.1.3圖像去噪及米粒填充
11.2米粒圖像輪廓提取
11.3米粒圖像特征提取
11.4米粒分類
【本章小結(jié)】
第12章工程應(yīng)用——多氣泡上升
軌跡跟蹤
12.1研究背景
12.2氣泡圖像的預(yù)處理
12.2.1氣泡圖像去噪
12.2.2氣泡圖像二值化
12.2.3氣泡圖像填充
12.3氣泡運(yùn)動軌跡跟蹤方法
12.3.1基于互相關(guān)匹配的目標(biāo)跟蹤
12.3.2基于圖像小波變換互相關(guān)
匹配的氣泡軌跡跟蹤實(shí)現(xiàn)
12.3.3基于MeanShift算法的目標(biāo)
跟蹤
【本章小結(jié)】
第13章工程應(yīng)用——血細(xì)胞圖像
檢測
13.1血細(xì)胞圖像形態(tài)學(xué)處理
13.1.1圖像預(yù)處理
13.1.2細(xì)胞的形態(tài)學(xué)分割
13.1.3細(xì)胞圖像邊緣處理
13.2血細(xì)胞圖像閾值分割處理
13.2.1全局閾值分割
13.2.2動態(tài)閾值分割
13.2.3目標(biāo)提取
13.3血細(xì)胞圖像霍夫圓檢測
13.3.1圖像去噪
13.3.2霍夫圓檢測
13.4血細(xì)胞計(jì)數(shù)與面積計(jì)算
【本章小結(jié)】
第14章工程應(yīng)用——手寫字符識別
14.1手寫字符定位與分割
14.2圖像裁剪及標(biāo)準(zhǔn)化
14.3特征矩陣提取
14.4模板庫建立
14.5字符匹配識別
14.6算法測試與應(yīng)用
【本章小結(jié)】
第15章工程應(yīng)用——汽車牌照
識別
15.1車牌圖像采集
15.2車牌圖像預(yù)處理及牌照定位
15.3汽車牌照區(qū)域的分割
15.4字符圖像分割
15.5字符細(xì)化
15.6BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和字符的
識別
【本章小結(jié)】
參考文獻(xiàn)