数字图像处理算法典型实例与工程案例 夸克云 txt pdf umd tct 百度云 kindle 下载

本书是数字图像处理实验教材，内容包含图像增强、图像还原和图像分割等图像处理技术的基本原理、典型算法以及实验程序代码。除了基础知识外，书中还加入了实际的工程案例章节，提供了相关的原理分析、算法描述和程序代码实现。

本书共9章，分别是调试软件的使用、图像增强、图像还原、图像分割、图像压缩、图像采集、静态视频监视下运动目标的检测、手写数字图像的识别和织物疵点检测。每章都包含相关知识介绍、典型实验及程序编码，以及对程序编码的必要说明，使读者能够掌握基于OpenCV的图像处理编程技术和方法，这也是本书的特色。

本书可作为高等学校计算机、通信和自动化等相关专业本科生、研究生的教材，或者作为工作在图像处理、识别领域一线的广大技术人员的参考资料，也可作为数字图像处理课程设计的素材。

第1章 调试软件的使用 1 1.1 实验目的 1 1.2 关于OpenCV 1 1.3 OpenCV在VS2010中的环境配置及程序开发步骤 2 1.4 OpenCV的常用数据类型与常用操作 6 1.5 OpenCV的常用函数 8 1.6 程序在编译、链接、运行中常见错误的处理 12 1.7 实验内容 15 1.8 实验报告要求 16 第2章 图像增强 17 2.1 实验目的 17 2.2 相关基础知识 17 2.2.1 空域增强原理 17 2.2.2 频域增强原理 18 2.2.3 图像增强的典型方法 18 2.3 实验内容 23 2.4 实验报告要求 32 思考题 32 第3章 图像还原 33 3.1 实验目的 33 3.2 相关基础知识 33 3.2.1 图像退化模型 33 3.2.2 图像还原方法 34 3.3 实验内容 36 3.4 实验报告要求 47 思考题 47 第4章 图像分割 48 4.1 实验目的 48 4.2 相关基础知识 48 4.2.1 数字图像边缘检测方法 48 4.2.2 分水岭图像分割方法 50 4.2.3 基于形态学的图像分割方法 51 4.2.4 基于区域增长的分割算法 52 4.3 实验内容 52 4.4 实验报告要求 68 思考题 68 第5章 图像压缩 69 5.1 实验目的 69 5.2 相关基础知识 69 5.2.1 图像压缩基本原理 69 5.2.2 经典的图像压缩编码方法 71 5.2.3 图像压缩技术标准 72 5.3 实验内容 74 5.4 实验报告要求 86 思考题 86 第6章 图像采集 87 6.1 实验目的 87 6.2 相关实验环境设施介绍 87 6.3 实验内容 89 6.4 实验报告要求 92 思考题 92 第7章 静态视频监视下运动目标的检测 93 7.1 实验目的 93 7.2 相关基础知识 93 7.2.1 相邻帧间差法 93 7.2.2 背景减除法 95 7.3 实验内容 95 7.4 相关函数与程序阅读 102 7.5 实验报告要求 102 思考题 103 第8章 手写数字图像的识别 104 8.1 实验目的 104 8.2 相关基础知识 104 8.2.1 模式识别的基本原理 104 8.2.2 手写数字图像识别的基本原理 105 8.3 实验内容 107 8.4 实验报告要求 111 思考题 111 第9章 织物疵点检测 112 9.1 实验目的 112 9.2 相关基础知识 112 9.2.1 背景 112 9.2.2 疵点的概念 112 9.2.3 疵点的检测方法 113 9.2.4 织物疵点的检测流程 114 9.2.5 纺织工业领域的疵点检测硬件系统 115 9.2.6 相关实验环境设施介绍 116 9.3 实验内容 116 9.4 相关函数和程序阅读 121 9.5 实验报告要求 127 思考题 127 参考文献 128

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：数字图像处理算法典型实例与工程案例在线阅读

在线听书地址：数字图像处理算法典型实例与工程案例在线收听

在线购买地址：数字图像处理算法典型实例与工程案例在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

本书是数字图像处理实验教材，内容包含图像增强、图像还原和图像分割等图像处理技术的基本原理、典型算法以及实验程序代码。除了基础知识外，书中还加入了实际的工程案例章节，提供了相关的原理分析、算法描述和程序代码实现。

本书共9章，分别是调试软件的使用、图像增强、图像还原、图像分割、图像压缩、图像采集、静态视频监视下运动目标的检测、手写数字图像的识别和织物疵点检测。每章都包含相关知识介绍、典型实验及程序编码，以及对程序编码的必要说明，使读者能够掌握基于OpenCV的图像处理编程技术和方法，这也是本书的特色。

本书可作为高等学校计算机、通信和自动化等相关专业本科生、研究生的教材，或者作为工作在图像处理、识别领域一线的广大技术人员的参考资料，也可作为数字图像处理课程设计的素材。