本书系统介绍了智能图像处理所需的基本知识与核心算法,主要包括四部分内容:第一部分是数字图像处理的理论基础,包括数字图像处理概述和图像采集系统;第二部分是数字图像处理的基本方法和实例,包括数字图像基础、图像预处理、图像变换和图像复原;第三部分是图像特征提取与分析的理论、方法和实例,包括图像分割、图像特征提取与选择、图像匹配和图像智能识别方法;第四部分是数字图像处理的工程应用案例,包括米粒分类识别、多气泡上升轨迹跟踪、血细胞图像检测、手写字符识别和汽车牌照识别。
本书基础理论知识覆盖面较全,讲解过程深入浅出,可以促进学生对图像处理知识的理解和学习;案例的设计思路和开发经验讲解详细,引导读者进行图像处理技术实际工程能力的锻炼及开拓创新意识的培养;提供电子教案、二维码操作视频、教学大纲、习题与解答及完整源代码电子资源,对从事图像处理领域项目开发的读者有很好的借鉴作用,读者可登录wwwcmpeducom免费注册、审核通过后下载使用,或联系编辑索取(微信13146070618,电话010-88379739);融入了科技创新、文化自信、爱国主义等思政元素,全方位培养学生的家国情怀。
本书可作为高校人工智能、计算机科学与技术、机器人工程、控制科学与工程、通信与信息工程、电子科学与技术、生物医学工程等相关专业的本科生和研究生教材,也可供从事图像处理、分析和识别等相关领域的科技工作者参考。
本书以知识的系统性和应用的典型性为切入点,全面系统的介绍了智能图像处理的基本思想、方法和理论。既可以应用于本科和研究生的教学,还可以为从事人工智能专业和数字图像处理的工程技术人才提供丰富的程序开发样例,助力学生和工程技术人才快速了解智能图像处理技术的开发要点。本书提供了丰富的程序开发源代码,无须使用付费开发工具就可以完成具有自主知识产权的数字图像处理案例开发,助力学生和工程技术人才快速完成相关的工程研究项目,提升动手实践和科研自主创新能力。
本书注重实用,重视理论与实践的结合。在介绍基本理论的同时,尽量与当前的实际应用结合,使学生学起来有的放矢。通过新增加的视频信息处理技术在“车牌识别” “米粒质量缺陷检测”“血细胞识别”和“手写字符识别”,学生可以了解视频技术在实际工作中的具体运用。本书可提供全部源代码以及部分代表性案例实操教学视频。
进入21世纪,随着计算机技术、人工智能和思维科学研究的迅速发展,图像处理正向着高速化、高分辨率化、立体化、多媒体化、智能化和标准化的方向发展。数字图像处理技术在航空航天、生物医学、工业制造、公共安全、军事、农业、通信、遥感等许多工程领域受到广泛重视,并取得了重大的开拓性成就,从事数字图像处理领域的人才也日益受到企业、研究所、高校等单位的重视。
科技兴则民族兴,科技强则国家强。党的二十大报告指出,必须坚持科技是第一生产力、人才是第一资源、创新是第一动力,深入实施科教兴国战略、人才强国战略、创新驱动发展战略,开辟发展新领域新赛道,不断塑造发展新动能新优势。数字图像处理涉及信号处理、模式识别、人工智能和光电子学等领域,是一门交叉学科,也是目前人工智能、自动化、计算机、电子信息、生物医学等专业的重要课程,有助于提升学生探索科研创新的能力。
数字图像是一门快速发展的学科,由于最近几年来的研究成果在一些教材中体现的不是特别充分,尤其对工程应用的关注度不够。因此,建设理论与工程应用相结合的图像处理教材,对解决工程研究问题的重要性不言而喻。本书汇集了多年来在数字图像处理领域的科研和教学成果,是一本面向人工智能、电子信息、自动化和计算机等专业的典型应用技术型教材,既囊括了数字图像处理的基础理论知识,又包含了新颖的智能图像处理案例,同时还配备了完整的源代码,能够为教学提供丰富可靠的数字资源和工程实践经验。
本书的主要特点是:基础理论知识覆盖面较全,讲解过程深入浅出,可以促进学生对图像处理知识的理解和学习,提升学生和相关专业人员对图像处理技术的应用能力;图像处理案例均由编写团队教学及科研成果凝练而成,案例的设计思路和开发经验讲解详细,引导读者进行图像处理技术实际工程能力的锻炼及开拓创新意识的培养;源代码完整且与知识点联系紧密,便于读者开发应用时参考,对从事图像处理领域项目开发的读者有良好的借鉴作用;教材融入了科技创新、文化自信、爱国主义等思政元素,充分展现了工匠精神和家国情怀。
全书共15章,第1章数字图像处理概述,主要介绍数字图像处理的发展历史、基本内容和应用背景等。第2章图像采集系统,主要针对图像采集装置进行介绍,包括相机、镜头、光源等硬件设施。第3章为数字图像基础,主要介绍数字图像处理过程中用到的一些基本概念,如图像采样与量化、像素间的基本关系、灰度直方图、图像的代数运算等。第4章图像预处理技术,包括图像的灰度变换、图像的几何变换、空间滤波增强、形态学处理。第5章图像变换,主要介绍基于变换域的图像滤波方法。第6章图像复原,主要介绍了典型的图像复原方法。第7章图像分割技术,包括图像阈值分割、边缘检测、Hough变换、区域分割和形态学分水岭分割。第8章图像特征提取与选择,主要介绍几何特征、颜色特征和纹理特征的提取方法以及基于主成分分析和基于判据的特征选择方法。第9章图像匹配,主要介绍了基于灰度相关的模板匹配方法、基于变换域的模板匹配方法和基于特征相关的模板匹配方法。第10章图像智能识别方法,主要介绍了聚类识别、支持向量机识别、人工神经网络识别和卷积神经网络识别。第11至15章为数字图像处理工程应用案例,应用内容包括米粒分类识别、多气泡上升轨迹跟踪、血细胞图像检测、手写字符识别和汽车牌照识别。
第3至10章中所涉及的图像处理方法都配有详细分析过程及程序实现代码。第11至15章以工程应用为导向,对工程应用案例进行理论分析、特征归纳、给出解决方案,细化解决问题的过程,每个关键步骤均配有程序代码及运行效果,深化读者对图像处理算法的理解,有助于增强读者对图像处理方法应用的掌握。克服了以往教材中应用案例解决方案不完善,解决问题思路不清晰,脱离工程实际等缺陷。
本书由天津工业大学宋丽梅和王红一任主编,汤春明和贾兴丹任副主编,天津工业大学向中浩、于佳立、杨阳、颜迪、张宗阳、李安静、梁浩东、石亚芳、张浩等参与了本书的编写工作。其中,第1章由宋丽梅和王红一编写,第2章由宋丽梅和张宗阳编写,第3章由王红一和颜迪编写,第4章由王红一和杨阳编写,第5章由王红一和张浩编写,第6章由汤春明编写,第7章由王红一和杨阳编写,第8章由贾兴丹和于佳立编写,第9章由宋丽梅和石亚芳编写,第10章由王红一和杨阳编写,第11章由王红一和李安静编写,第12章王红一和梁浩东编写,第13章宋丽梅和向中浩编写,第14章由宋丽梅和颜迪编写,第15章由王红一和颜迪编写。另外,本书还附有相应的C++代码(电子资源),由张宗阳、向中浩和于佳立共同完成。
本书获得了2021年度天津市教育科学规划课题-重点课题《“人工智能+X”产教融合的人才培养模式研究》(BIE210025)的资助。
由于编者水平有限,书中难免存在不妥之处,敬请读者批评指正。
前言
第1章数字图像处理概述
1.1数字图像处理的产生与发展
1.2数字图像的基本概念
1.2.1图像与数字图像
1.2.2数字图像的存储格式
1.3数字图像处理的基本内容和
基本步骤
1.3.1基本内容
1.3.2基本步骤
1.4数字图像处理的工程应用
1.5数字图像处理的机遇与挑战
【本章小结】
【课后习题】
第2章图像采集系统
2.1光源
2.1.1光源的类型
2.1.2光源的颜色
2.1.3照明方式
2.1.4光源的选择
2.2镜头
2.2.1镜头的成像原理
2.2.2镜头的主要参数
2.2.3镜头的类型
2.2.4镜头的选择
2.3相机
2.3.1相机芯片的主要参数
2.3.2相机的主要参数
2.3.3相机的类型
2.3.4相机的选择
【本章小结】
【课后习题】
第3章数字图像基础
3.1图像采样和量化
3.1.1采样
3.1.2量化
3.1.3采样与量化参数的选择
3.2像素间的基本关系
3.2.1像素的邻接
3.2.2邻接性、连通性、区域和边界
3.2.3距离度量
3.3灰度直方图
3.3.1直方图的定义
3.3.2直方图的特性
3.3.3直方图的作用
3.4图像质量评价
3.4.1图像质量评价方法
3.4.2均方误差
3.4.3信噪比与峰值信噪比
3.4.4结构相似度
3.5图像的点运算
3.6图像的代数运算
3.6.1加法运算
3.6.2减法运算
3.6.3乘法运算
3.6.4除法运算
3.7图像的几何运算
【本章小结】
【课后习题】
第4章图像预处理技术
4.1图像的灰度变换
4.1.1线性变换
4.1.2分段线性变换
4.1.3灰度对数变换
4.1.4直方图均衡化
4.2图像的几何变换
4.2.1平移
4.2.2旋转
4.2.3镜像
4.2.4比例放缩
4.2.5插值
4.3空间滤波增强
4.3.1空间滤波机理
4.3.2均值滤波
4.3.3中值滤波
4.4形态学处理
4.4.1腐蚀
4.4.2膨胀
4.4.3开运算
4.4.4闭运算
4.4.5细化
4.4.6填充
【本章小结】
【课后习题】
第5章图像变换
5.1傅里叶变换
5.1.1一维和二维傅里叶变换基本
原理
5.1.2傅里叶变换的性质
5.1.3频率域滤波(低通、高通、高斯、
带通及带阻滤波器)
5.1.4基于傅里叶变换的图像频域滤波
实现
5.2小波变换
5.2.1图像二维离散小波变换
5.2.2基于小波变换的图像去噪
5.2.3基于小波变换的图像融合
【本章小结】
【课后习题】
第6章图像复原
6.1图像复原的理论模型
6.2噪声模型
6.2.1噪声的分类
6.2.2一些重要噪声的概率密度函数
6.2.3周期噪声
6.2.4估计噪声参数
6.3几种较经典的图像复原方法
6.3.1逆滤波复原
6.3.2维纳滤波复原
6.3.3有约束最小二乘复原
6.3.4盲去卷积图像复原
6.4图像复原案例:PLSMS模型
夜间雾霾图像的复原
6.4.1多散射成分
6.4.2PLSMS模型的描述
【本章小结】
【课后习题】
第7章图像分割技术
7.1阈值分割
7.1.1极小值点阈值法
7.1.2最小均方误差阈值法
7.1.3迭代选择阈值法
7.1.4双峰阈值法
7.1.5最大类间方差阈值法
7.2边缘检测
7.2.1Roberts边缘算子
7.2.2Prewitt边缘算子
7.2.3Sobel边缘算子
7.2.4Laplacian边缘算子
7.2.5LoG边缘算子
7.2.6Canny边缘算子
7.2.7边缘检测算子MATLAB实现及
主要特性分析
7.3Hough变换
7.3.1Hough变换概述
7.3.2基于Hough变换的直线检测
7.3.3基于Hough变换的曲线检测
7.4基于区域的图像分割
7.4.1区域生长算法
7.4.2区域分裂合并算法
7.5形态学分水岭分割
7.5.1距离变换
7.5.2分水岭建坝
7.5.3分水岭分割算法
【本章小结】
【课后习题】
第8章图像特征提取与选择
8.1几何特征
8.1.1位置
8.1.2方向
8.1.3周长
8.1.4面积
8.1.5矩形度
8.1.6长宽比
8.1.7圆形度
8.1.8偏心率
8.2颜色特征
8.2.1颜色模型
8.2.2颜色直方图
8.2.3颜色矩
8.2.4颜色聚合向量
8.2.5颜色相关图
8.3纹理特征
8.3.1基于灰度共生矩阵的纹理
特征构建
8.3.2基于灰度-梯度共生矩阵的
纹理特征构建
8.4基于主成分分析的特征选择
8.4.1KL变换
8.4.2PCA的基本原理
8.4.3PCA代码实现
8.5基于分离判据的特征选择
【本章小结】
【课后习题】
第9章图像匹配
9.1模板匹配的概念
9.2基于灰度相关的模板匹配
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基于变换域的模板匹配
9.4基于特征相关的模板匹配
9.4.1基于SIFT算法的图像匹配
9.4.2基于SURF算法的图像匹配
9.4.3基于ORB算法的图像匹配
【本章小结】
【课后习题】
第10章图像智能识别方法
10.1聚类识别
10.1.1聚类算法主要思想
10.1.2KMeans聚类算法理论基础
10.1.3聚类算法的实现
10.2支持向量机(SVM)识别
10.2.1SVM的分类思想
10.2.2SVM的基本理论
10.2.3SVM算法的实现
10.3人工神经网络识别
10.3.1人工神经网络的主要思想
10.3.2BP神经网络的理论基础
10.3.3BP神经网络的实现
10.4卷积神经网络(CNN)识别
10.4.1CNN的主要思想
10.4.2CNN的理论基础
10.4.3CNN算法的实现
【本章小结】
【课后习题】
第11章工程应用——米粒分类
识别
11.1米粒图像预处理
11.1.1图像背景均匀化
11.1.2图像二值化
11.1.3图像去噪及米粒填充
11.2米粒图像轮廓提取
11.3米粒图像特征提取
11.4米粒分类
【本章小结】
第12章工程应用——多气泡上升
轨迹跟踪
12.1研究背景
12.2气泡图像的预处理
12.2.1气泡图像去噪
12.2.2气泡图像二值化
12.2.3气泡图像填充
12.3气泡运动轨迹跟踪方法
12.3.1基于互相关匹配的目标跟踪
12.3.2基于图像小波变换互相关
匹配的气泡轨迹跟踪实现
12.3.3基于MeanShift算法的目标
跟踪
【本章小结】
第13章工程应用——血细胞图像
检测
13.1血细胞图像形态学处理
13.1.1图像预处理
13.1.2细胞的形态学分割
13.1.3细胞图像边缘处理
13.2血细胞图像阈值分割处理
13.2.1全局阈值分割
13.2.2动态阈值分割
13.2.3目标提取
13.3血细胞图像霍夫圆检测
13.3.1图像去噪
13.3.2霍夫圆检测
13.4血细胞计数与面积计算
【本章小结】
第14章工程应用——手写字符识别
14.1手写字符定位与分割
14.2图像裁剪及标准化
14.3特征矩阵提取
14.4模板库建立
14.5字符匹配识别
14.6算法测试与应用
【本章小结】
第15章工程应用——汽车牌照
识别
15.1车牌图像采集
15.2车牌图像预处理及牌照定位
15.3汽车牌照区域的分割
15.4字符图像分割
15.5字符细化
15.6BP神经网络的训练和字符的
识别
【本章小结】
参考文献