本书是以MATLAB R2020a为平台编写的，概括地介绍了计算机视觉在各领域中的应用。每章均先对相关概念进行介绍，然后通过实例巩固概念，做到理论与实践相结合，使读者可以举一反三，领略计算机视觉在各领域中的广泛应用。 全书共9章，第1章简单介绍了MATLAB R2020a软件；第2章引出了计算机视觉的相关概念；第3～9章分别介绍了计算机视觉在图像处理、形态学、字符识别、拼接、目标匹配、遥感、人脸识别中的应用。

前言 美国MathWorks公司的MATLAB软件是一款用于算法开发、数据可视化、数据分析、数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB软件和Mathematica、Maple并称为三大数学软件。MATLAB的基本单位是矩阵，其指令表达式与数学、工程中常用的形式十分相似，故用MATLAB实现计算机视觉更为方便。 计算机视觉是一门研究如何使机器“看”的科学，更进一步说，就是指用摄像机和计算机代替人眼对目标进行识别、跟踪和测量等，并进一步做图形处理，成为更适合人眼观察的图像。作为一门科学学科，计算机视觉研究相关的理论和技术，其中，视图的建立能够从图像或多维数据中获取“信息”，形成人工智能系统。 目前，非常火的VR（Virtual Reality，虚拟现实）、AR（Augmented Reality，增强现实），3D（3 Dimensions，三维）处理等都是计算机视觉的一部分。计算机视觉的主要应用领域如下。 ? 无人驾驶。 ? 无人安防。 ? 人脸识别。 ? 车辆车牌识别。 ? 以图搜图。 ? VR/AR。 ? 3D重构。 ? 医学图像分析。 ? 无人机。 因为计算机视觉应用的广泛性，MATLAB软件的灵活简单性，所以在目前市场上还没有较全面利用MATLAB平台实现计算机视觉在各领域中应用的书籍的情况下，本书应市场需求而编写。本书的编写特点如下。 ? 跟时代步伐，应市场需求。 无人驾驶、无人安防、人脸识别、车辆车牌识别、VR/AR等技术是社会发展的趋势，而利用计算机视觉可实现这些技术，但目前市场上与此相关的参考书是非常紧缺的，因此，应市场需求编写了本书。 ? 内容由浅入深，易学易用。 本书在简单介绍MATLAB软件和计算机视觉相关概念的基础上，介绍了计算机视觉在图像处理、形态学、字符识别等领域的应用，每章的概念都是通过通俗易懂的语言叙述的，并通过实例进行巩固，做到理论与实践相结合，让读者易学易用、举一反三。 ? 实例典型，图文并茂。 全书涉及的例子非常多，而且有一些例子使用的数据比较具有代表性。另外，对于抽象概念及实例结果，在许多地方都用图形来直观表示，使概念更直观、结果更明显、内容更丰富，从而使读者更易理解。 全书共9章，主要介绍的内容如下。 第1章：MATLAB R2020a入门与提升，主要介绍MATLAB R2020a的功能特点、运行界面、命令行窗口、数据类型等内容。 第2章：计算机视觉概述，主要介绍计算机视觉的概念、发展、应用、相关学科等内容。 第3章：计算机视觉在图像处理中的应用，主要介绍图像处理基础、图像抖动、图像的镜像变换、图像的空间变换、图像退化等内容。 第4章：计算机视觉在形态学中的应用，主要介绍形态学去噪处理、形态学的原理、权值自适应的多结构形态学、形态学去噪的实现、边缘检测等内容。 第5章：计算机视觉在字符识别中的应用，主要介绍卷积神经网络实现图像分类、测手写数字的旋转角度、卷积自编码、残差网络等内容。 第6章：计算机视觉在拼接中的应用，主要介绍全景拼接、ICP拼接。 第7章：计算机视觉在目标匹配中的应用，主要介绍点特征匹配目标、未标定立体图像校正、高斯混合模型。 第8章：计算机视觉在遥感中的应用，主要介绍多光谱技术分割图像、K均值聚类算法、纹理滤波和空间信息、测量图像中的距离。 第9章：计算机视觉在人脸识别中的应用，主要介绍KLT算法、CAMShift算法。 本书提供PPT和实例源程序配套资源，读者可以登录www.hxedu.com.cn（华信教育资源网）查找本书并下载（需要先注册成为会员）。 本书由佛山科学技术学院的丁伟雄编著，张德丰也参与了少量编写工作。由于时间仓促，加之编著者水平有限，书中难免存在不足之处，希望广大读者批评指正。 编著者 2021年10月

目录 第1章 MATLAB R2020a入门与提升 1 1.1 MATLAB R2020a的功能特点 1 1.2 MATLAB R2020a的新功能 2 1.3 MATLAB R2020a运行界面 5 1.4 MATLAB R2020a命令行窗口 5 1.5 帮助系统 7 1.6 数据类型 9 1.6.1 常量与变量 9 1.6.2 矩阵与数组 10 1.7 结构化程序设计 12 1.7.1 选择结构 12 1.7.2 循环结构 15 1.8 M文件 15 1.9 矩阵的操作 17 1.9.1 矩阵的扩展 17 1.9.2 索引扩展 20 1.9.3 改变形状 20 第2章 计算机视觉概述 24 2.1 计算机视觉是什么 24 2.2 计算机视觉的发展 25 2.3 计算机视觉的相关概念 26 2.3.1 图像和视频 26 2.3.2 摄像机 27 2.3.3 CPU和GPU 28 2.4 计算机视觉的应用 28 2.4.1 物体的识别和检测 29 2.4.2 语义分割 29 2.4.3 运动和跟踪 29 2.4.4 视觉问答 30 2.4.5 三维重建 31 2.5 计算机视觉的相关学科 32 第3章 计算机视觉在图像处理中的 应用 33 3.1 图像处理基础 33 3.1.1 图像表达式 33 3.1.2 MATLAB支持的图像 文件格式 35 3.1.3 图像的类型 35 3.2 图像抖动 38 3.3 图像去雾处理 39 3.3.1 空域图像增强 39 3.3.2 直方图均衡化 40 3.3.3 Retinex图像增强 42 3.3.4 平滑滤波 46 3.3.5 中值滤波器 48 3.3.6 自适应滤波 49 3.3.7 锐化滤波器 50 3.4 图像的镜像变换 68 3.5 图像的空间变换 70 3.5.1 仿射变换 70 3.5.2 投影变换 71 3.6 图像退化 72 3.7 图像复原 75 3.7.1 维纳滤波复原法 75 3.7.2 Lucy-Richardson复原法 77 3.8 图像识别 79 3.8.1 图像识别的大致流程 79 3.8.2 图像模糊识别的实现 80 第4章 计算机视觉在形态学中的应用 84 4.1 形态学去噪处理概述 84 4.1.1 形态学的权重实现 图像去噪 84 4.1.2 图像去噪的方法 84 4.2 形态学的原理 85 4.2.1 膨胀 86 4.2.2 腐蚀 87 4.2.3 开运算和闭运算 88 4.3 权值自适应的多结构形态学 89 4.4 形态学去噪的实现 90 4.5 结构元素 95 4.6 边缘检测 96 4.6.1 边缘检测算子概述 96 4.6.2 边缘检测的实现 97 4.7 多尺度形态学 98 第5章 计算机视觉在字符识别中的 应用 105 5.1 卷积神经网络 105 5.1.1 卷积神经网络的概念 105 5.1.2 卷积神经网络实现 图像分类 108 5.2 测手写数字的旋转角度 111 5.3 将分类网络转换为回归网络 117 5.4 卷积自编码 121 5.4.1 卷积自编码概述 121 5.4.2 卷积自编码实现 去噪处理 121 5.5 残差网络 127 5.5.1 残差网络概述 127 5.5.2 残差网络实现图像分类 129 5.6 LSTM网络实现字符嵌入 生成文本 136 5.7 LSTM网络逐单词生成文本 140 5.8 RNN网络 144 5.8.1 RNN概述 144 5.8.2 RNN实现文本分类 146 5.9 HOG特征与SVM分类器 152 5.9.1 HOG 152 5.9.2 SVM 155 5.9.3 HOG实现数据分类 158 5.10 OCR实现字符识别 163 5.10.1 OCR算法 163 5.10.2 OCR实现自然图像中 文本的识别 165 第6章 计算机视觉在拼接中的应用 172 6.1 全景拼接 172 6.1.1 理论部分 172 6.1.2 图像配准技术拼接 全景图 174 6.2 ICP拼接 178 6.2.1 ICP算法的原理与步骤 178 6.2.2 利用ICP算法实现图像 拼接 179 第7章 计算机视觉在目标匹配中的 应用 183 7.1 点特征匹配目标 183 7.1.1 点特征的概念 183 7.1.2 仿射变换 183 7.1.3 在一个杂乱的场景中实现 匹配目标检测 184 7.1.4 使用点特征匹配捕获 视频 190 7.2 未标定立体图像校正 197 7.2.1 外极线约束原理 197 7.2.2 平行光轴相机的极限 约束 198 7.2.3 立体匹配概述 198 7.2.4 立体匹配的具体步骤 199 7.2.5 立体匹配实现图像校正 200 7.3 高斯混合模型 205 7.3.1 高斯混合模型概述 205 7.3.2 高斯混合模型实现 车辆检测 210 第8章 计算机视觉在遥感中的应用 214 8.1 多光谱技术分割图像 214 8.2 K均值聚类算法 224 8.2.1 K均值聚类算法的原理 225 8.2.2 K均值聚类算法的要点 225 8.2.3 K均值聚类算法的缺点 226 8.2.4 K均值聚类算法实现 图像分割 226 8.3 纹理滤波和空间信息 228 8.3.1 纹理滤波概述 228 8.3.2 空间信息概述 230 8.3.3 纹理滤波和空间信息 实现图像分割 231 8.4 测量图像中的距离 234 第9章 计算机视觉在人脸识别中的 应用 240 9.1 KLT算法 240 9.1.1 光流的概念 240 9.1.2 KLT算法概述 241 9.1.3 KTL算法实现人脸追踪 241 9.1.4 在场景中追踪人脸 244 9.2 CAMShift算法 246 9.2.1 CAMShift算法概述 246 9.2.2 CAMShift算法实现人脸 检测与追踪 248 参考文献 251

http://www.hxedu.com.cn/hxedu/fg/book/bookinfo.html?code=TP424400