《Visual C++数字图像处理技术详解》以数字图像处理技术为主线，全面地介绍在Visual C++环境下进行数字图像处理程序设计的方法。内容涵盖了数字图像的变换、增强、复原、重建、形态学处理、分割、匹配、压缩编码、特效处理等，各种方法均给出基本原理、典型算法、Visual C++源码及综合应用案例。同时，《Visual C++数字图像处理技术详解》还介绍了Visual C++与VTK、OpenCV和MATLAB等开发平台相结合进行数字图像处理的程序设计技术。
　　《Visual C++数字图像处理技术详解》内容全面，讲解深入浅出，层次分明，注重知识的系统性、针对性和先进性，注重理论结合实践，培养工程应用能力。另外，《Visual C++数字图像处理技术详解》配套光盘中有综合实例的完整源程序，便于学习和在实际开发中使用。
　　《Visual C++数字图像处理技术详解》适合作为数字图像处理与分析、计算机视觉和多媒体信息处理等相关领域的研究人员、工程技术人员、教师和学生的技术参考手册，也适合作为数字图像处理程序设计初学者的教材。

　　Visual C++开发环境是当前主流的应用程序开发环境之一，功能强大，开发的程序执行速度快、效率高，但在科学计算方面的函数库显得不够丰富，读取、显示图形数据不方便。MATLAB则是将数值分析、矩阵计算、信号处理和图形显示结合在一起，包含大量高度集成的函数可供调用，是科学研究及工程设计等众多学科领域的一种简洁、高效的编程工具。不过，由于MATLAB使用的是解释性语言，其执行速度和应用场合受到限制。因此，使用Visual C++结合MATLAB进行混合编程，是很多既熟悉Visual C++编程，而又需要进行科学计算、数据仿真的科研人员常用的一种方式。
　　本章首先介绍一些有关MATLAB的基础知识，特别是有关图像处理方面的内容，以使读者对MATLAB有所了解，不至于在讲解混合编程时不知所云。然后，将重点介绍VC结合MATLAB进行混合编程的3种方式，并给出了相应的开发实例。最后，本章给出一个综合实例，使用两种混合开发方式实现一个运动物体跟踪程序，以引导读者综合运用所学的图像处理编程知识。
　　MPTLAB是由Math Works公司开发的一种主要用于数值计算和可视化图形处理的工程语言，是当今最优秀的科技应用软件之一。它将数值分析、矩阵运算、图形图像处理、信号处理和仿真等诸多强大的功能集成在较易使用的交互式计算机环境中，为科学研究和工程应用提供了一种功能强、效率高的编程工具。它不但拥有强大的科学计算、可视化功能与开放式可扩展的环境，而且它所附带的30多种面向不同领域的工具箱支持，使得其在许多科学领域中成为计算机辅助设计和分析、算法研究与应用开发的基本工具及首选平台。
　　MATLAB语言通俗地称为演算纸式科学算法语言，在控制、通信、信号处理及科学计算领域中得到了广泛应用，已经被认可为能够有效提高工作效率和改善设计手段的工具软件。

前言
第一篇 数字图像处理编程基础
第1章 Visual C++图像处理基础
1.1 visual C++概述
1.2 数字图像处理的研究内容及应用领域
1.3 颜色模式和调色板
1.3.1 颜色模式
1.3.2 Windows调色板
1.4 数字图像文件格式
1.4.1 BMP文件格式
1.4.2 其他文件格式
1.5 使用visual C++处理数字图像的基本方法
1.5.1 使用GDI+处理数字图像
1.5.2 使用DIB处理数字图像
1.5.3 使用自定义类CDib处理数字图像
1.6 综合实例——图像浏览器
1.7 实践拓展

第二篇 数字图像处理核心技术
第2章 图像几何变换
2.1 图像位置变换
2.1.1 图像平移
2.1.2 图像旋转
2.1.3 图像镜像
2.1.4 图像转置
2.2 图像尺度变换
2.2.1 图像缩放
2.2.2 插值算法
2.3 综合实例——魔镜
2.4 实践拓展

第3章 图像正交变换
3.1 基本正交变换
3.1.1 离散傅里叶变换
3.1.2 离散余弦变换
3.1.3 离散沃尔什变换
3.2 特征变换
3.2.1 K－L变换
3.2.2 SVD变换
3.2.3 小波变换
3.3 综合实例——特征提取
3.4 实践拓展

第4章 图像增强
4.1 灰度变换增强
4.1.1 线性灰度增强
4.1.2 分段线性灰度增强
4.1.3 非线性灰度增强
4.2 直方图增强
4.2.1 直方图统计
4.2.2 直方图均衡化
4.2.3 直方图规定化
4.3 图像平滑
4.3.1 邻域平均法
4.3.2 加权平均法
4.3.3 选择式掩膜平滑
4.3.4 中值滤波法
4.4 图像锐化
4.4.1 梯度锐化
4.4.2 拉普拉斯掩膜锐化
4.5 频域增强
4.5.1 低通滤波
4.5.2 高通滤波
4.5.3 带阻滤波
4.5.4 同态滤波
4.6 彩色增强
4.6.1 真彩色增强
4.6.2 假彩色增强
4.6.3 伪彩色增强
4.7 综合实例——照片处理器
4.8 实践拓展

第5章 图像复原
5.1 图像退化模型
5.2 线性复原
5.2.1 无约束逆滤波
5.2.2 有约束维纳滤波
5.2.3 有约束最小平方滤波
5.2.4 运动模糊图像复原
5.3 非线性复原
5.3.1 最大后验复原
5.3.2 最大熵复原
5.3.3 投影复原
5.4 盲目复原与几何复原
5.4.1 盲目图像复原
5.4.2 图像几何畸变的校正
5.5 综合实例——模糊照片复原
5.6 实践拓展

第6章 图像重建
6.1 图像重建与可视化工具VTK
6.1.1 图像重建
6.1.2 可视化工具VTK
6.2 VTK的安装与配置
6.2.1 安装前的准备
6.2.2 开始实施安装
6.2.3 Visual Studio 2005环境的配置
6.2.4 测试开发环境
6.3 传统重建算法
6.3.1 傅里叶反投影重建
6.3.2 卷积反投影重建
6.3.3 代数重建
6.3.4 超分辨率重建
6.4 三维重建数据可视化
6.4.1 三维图像的面绘制
6.4.2 三维图像的体绘制
6.5 综合实例——CT图像重建
6.6 实践拓展

第7章 形态学处理
7.1 形态学基本概念
7.2 二值图像形态学处理
7.2.1 图像腐蚀
7.2.2 图像膨胀
7.2 -3开运算和闭运算
7.2.4 击中击不中变换
7.2.5 骨架提取
7.3 灰度图像形态学处理
7.3.1 灰值腐蚀和膨胀
7.3.2 灰值开运算和闭运算
7.3.3 灰值形态学梯度
7.3.4 Top-Hat变换
7.4 综合实例——白细胞检测
7.5 实践拓展

第8章 图像分割
8.1 边缘检测法
8.1.1 Roberts算子
8.1.2 Sobel算子
8.1.3 Prewitt算子
8.1.4 Krisch算子
8.1.5 Laplacian算子
8.1.6 Gauss-Laplacian算子
8.2 阈值分割法
8.2.1 最大方差阈值分割
8.2.2 自适应阈值分割
8.3 边界分割法
8.3.1 轮廓提取
8.3.2 边界跟踪
8.4 其他分割法
8.4.1 区域生长法
8.4.2 彩色分割法
8.4.3 分水岭分割法
8.4.4 水平集分割法
8.5 综合实例——指纹提取
8.6 实践拓展

第9章 图像匹配
9.1 基于像素的匹配
9.1.1 归一化积相关灰度匹配
9.1.2 序贯相似性检测法匹配
9.2 基于特征的匹配
9.2.1 不变矩匹配法
9.2.2 距离变换匹配法
9.2.3 最小均方误差匹配法
9.3 综合实例——遥感图像匹配
9.4 实践拓展

第三篇 数字图像媒体处理技术
第10章 图像压缩编码
10.1 无损压缩
10.1.1 Huffman编码
10.1.2 Shannon-Fano编码
10.1.3 算术编码
10.1.4 游程编码
10.1.5 线性预测编码
10.1.6 位平面编码
10.2 有损压缩
10.2.1 有损预测编码
10.2.2 变换编码
10.3 JPEG 2000编码
10.3.1 JPEG 2000概述
10.3.2 JPEG 2000编码过程
10.3.3 JPEG 2000图像压缩码流格式
10.4 综合实例——图像编码解码器
10.5 实践拓展

第11章 图像特效
11.1 显示特效
11.1.1 扫描特效
11.1.2 移动特效
11.1.3 百叶窗特效
11.1.4 栅条特效
11.1.5 马赛克特效
11.1.6 雨滴特效
11.2 滤镜效果
11.2.1 底片效果
11.2.2 雕刻效果
11.2.3 黑白效果
11.2.4 雾化效果
11.2.5 素描效果
11.3 综合实例——图像特效编辑器
11.4 实践拓展

第四篇 数字图像编程高级应用
第12章 Visual C++结合Open CV编程
12.1 OpenCV概述
12.2 OpenCV编程环境
12.2.1 OpenCV的获取
12.2.2 0penCV的安装和Visual C++的配置
12.3 OpenCV编程基础
12.3.1 OpenCV编程规范
12.3.2 0penCV基础数据结构
12.3.3 OpenCV动态数据结构
12.3.4 OpenCV常用函数
12.3.5 在Vsual C++环境下使用OpenCV
12.4 综合实例——人脸检测
12.5 实践拓展

第13章 Visual C++结合MATLAB编程
13.1 MATLAB概述
13.2 MATLAB图像处理
13.2.1 MATLAB程序设计基础
13.2.2 MAⅡAB图像处理工具箱
13.2.3 Simulink视频和图像处理模块
13.3 在Visual C++中调用MATLAB
13.3.1 使用MATLAB引擎
13.3.2 使用MATLAB编译器
13.3.3 使用MATCOM
13.3.4 在VC中调用Simulink模型
13.4 综合实例-运动物体跟踪
13.5 实践拓展

第14章 车牌识别系统综合应用
14.1 车牌识别系统概述
14.2 车牌识别系统架构
14.2.1 系统硬件平台
14.2.2 系统软件平台
14.3 车牌定位
14.3.1 车辆图像采集与预处理
14.3.2 车牌区域定位
14.4 字符分割
14.4.1 图像二值化
14.4.2 倾斜校正
14.4.3 分割字符
14.5 车牌识别
14.5.1 字符特征提取
14.5.2 分类器设计
14.5.3 字符识别
14.6 实践拓展
参考文献