數位影像處理－活用 Matlab, 2/e (精裝本)

<內容簡介>

本書最大的特色是運用Matlab語言的優點來處理數位影像，全書分十章，包括數學基礎、取樣與量化、轉換法、影像增強、影像復原、影像壓縮、影像分割、圖樣識別，書末並附多個實驗。

<章節目錄>

PART 1　原理與技術
第一章　簡介
1.1　背景 1-1
1.2　影像的表示 1-4
1.3　數位影像處理 1-6
1.4　數位影像處理系統 1-9
1.5　本書架構 1-13
1.6　主要參考文獻 1-14
第二章　數學基礎
2.1　信號 2-1
2.2　線性與線性偏移不變系統 2-6
2.3　迴旋積 2-9
2.4　矩陣運算 2-12
2.5　純量值對向量參數的最佳化 2-20
2.6　隨機信號 2-22
第三章　取樣與量化
3.1　取樣 3-2
3.2　量化 3-11
3.3　向量量化 3-22
第四章　轉換法
4.1　正交轉換 4-2
4.2　傅立葉轉換 4-5
4.3　離散餘弦轉換 4-12
4.4　離散正弦轉換 4-19
4.5　Walsh-Hadamard轉換 4-20
4.6　Haar轉換 4-30
4.7　斜轉換 4-32
4.8　KL轉換 4-34
4.9　哈特萊轉換 4-37
4.10 SVD轉換 4-37
4.11 小波轉換 4-40
第五章　影像增強
5.1　點處理增強 5-1
5.2　空間濾波 5-14
5.3　頻域的影像增強法 5-18
5.4　彩色影像增強 5-21
第六章　影像復原
6.1　影像降質系統 6-1
6.2　代數復原方法 6-6
6.3　反濾波法 6-8
6.4　最小平方濾波器 6-9
6.5　限制性最小平方復原 6-12
6.6　盲目影像還原技術 6-19
第七章　影像壓縮
7.1　資料編碼與資料壓縮 7-2
7.2　影像壓縮模型 7-6
7.3　訊息理論基礎 7-7
7.4　無失真壓縮 7-16
7.5　有損耗壓縮 7-26
7.6　影像壓縮標準JPEG 7-27
7.7　動態視訊壓縮 7-39
7.8　以小波轉換壓縮之實例 7-46
第八章　影像分割
8.1　導論 8-2
8.2　影像分割處理 8-3
8.3　分割影像之儲存 8-15
8.4　影像分割前置處理－LUM濾波器 8-17
第九章　示與描述
9.1　表示方法 9-1
9.2　邊界描述子 9-9
9.3　區域描述子 9-12
9.4　形態學 9-23
第十章　圖樣識別
10.1　分類 10-1
10.2　統計決策圖樣識別 10-4
10.3　特徵選取 10-7
10.4　聚類 10-10
10.5　利用類神經網路做圖樣識別 10-17
PART 2　MATLAB實習
第一章　Matlab實驗常用函式簡介
第二章　實驗-數學基礎
L2.1　二維迴旋積 Lab2-1
L2.2　矩陣的直接乘積 Lab2-3
L2.3　馬可夫鏈的轉移機率 Lab2-5
第三章　實驗-量化
L3.1　純量量化器的設計 Lab3-1
L3.2　量化造成的假輪廓 Lab3-4
L3.3　向量量化器之碼簿的產生 Lab3-6
L3.4　向量量化的編解碼 Lab3-12
第四章　實驗-轉換法
L4.1　SVD轉換 Lab4-1
L4.2　影像轉換的能量集中能力 Lab4-4
L4.3　小波轉換 Lab4-6
第五章　實驗-影像增強
L5.1　直方圖等化法 Lab5-1
L5.2　平滑濾波器 Lab5-4
L5.3　同形濾波器 Lab5-7
第六章　實驗-影像復原
L6.1　最小平方濾波器 Lab6-1
L6.2　疊代盲目去迴旋積法 Lab6-5
第七章　實驗-影像壓縮
L7.1　同色長編碼 Lab7-1
L7.2　應用小波轉換與向量量化做影像壓縮 Lab7-4
第八章　實驗-影像分割
L8.1　像素聚積成長法 Lab8-1
L8.2　四分樹區域分割與合併法 Lab8-6
L8.3　Sobel邊緣偵測 Lab8-8
L8.4　拉氏邊界檢測法 Lab8-11
L8.5　LUM濾波器 Lab8-14
第九章　實驗-表示與描述
L9.1　不變矩 Lab9-1
L9.2　細線化 Lab9-5
L9.3　膨脹和侵蝕 Lab9-9
L9.4　斷開與閉合 Lab9-11
第十章　實驗-圖樣識別
L10.1　利用不變矩判定圖形類別 Lab10-1
L10.2　模糊聚類 Lab10-5
L10.3　利用類神經網路做圖樣識別 Lab10-8
L10.4　以倒傳遞網路做模糊分類 Lab10-16
附錄　光碟內容簡介及使用說明
參考文獻
索引