刘衍琦，机器学习算法专家及视觉AI课程讲师，擅长视觉智能分析、多源异构数据采集和挖掘等工程化应用，并长期从事视觉大数据工程相关工作，涉及互联网海量图像、声纹、视频检索，以及OCR图文检索、手绘草图智能识别、特殊通道数据分析等应用的算法架构与研发，对图文识别、大规模以图搜图、数据感知和采集等进行过深入研究，并结合行业背景推动了一系列工程化应用。曾主编和参与编写多本书籍。

 

詹福宇，博士，资深飞行控制算法专家，毕业于西北工业大学航空学院飞行器设计专业。拥有近10年仿真控制开发经验，熟悉Simulink基于模型设计的流程，曾主编和参与编写多本书籍。

 

王德建，档案管理副研究馆员，毕业于西安建筑科技大学系统工程专业，从事档案数字化、智能化分类、OCR图文检索、图像智能识别相关工作。

 

陈峰蔚，熟悉机器学习、深度学习及计算机视觉在智能交通、智能驾驶领域的应用，长期从事汽车品牌识别、车型细粒度分类、目标检测与分割方面的相关工作，精通MATLAB、Python编程及TensorFlow深度学习框架，参与了多项专利的设计与开发。

 

蒋献文，资深专业医事放射师，毕业于中国医药大学医学院临床医学研究所。擅长医学图像处理技术、放射线射影技术及手术房计算机断层与血管摄影技术，在临床放射技术学与图像处理方面进行过深入研究并发表了相关医学论文。

 

周华英，新能源汽车高级工程师，毕业于北京交通大学交通运输规划与管理专业。长期进行纯电动及混合动力汽车系统建模与控制、汽车动力系统与控制、电动汽车能量管理和控制优化等研究，曾主编和参与编写多本书籍。

本书详细讲解了36个计算机视觉与深度学习实战案例（含可运行程序），涉及雾霾去噪、答题卡自动阅卷、肺部图像分割、小波数字水印、图像检索、人脸二维码识别、车牌定位及识别、霍夫曼图像压缩、手写数字识别、英文字符文本识别、眼前节组织提取、全景图像拼接、小波图像融合、基于语音识别的音频信号模拟灯控、路面裂缝检测识别、视频运动估计追踪、Simulink图像处理、胸片及肝脏分割、基于深度学习的汽车目标检测、基于计算机视觉的自动驾驶应用、基于深度学习的视觉场景识别、基于深度特征的以图搜画、基于CNN的字符识别、基于CNN的物体识别、基于CNN的图像矫正、基于LSTM的时间序列分析、基于深度学习的以图搜图技术、基于YOLO的智能交通目标检测等多项重要技术及应用，涵盖了数字图像处理中几乎所有的基本模块，并延伸到了深度学习理论及其应用方面。

工欲善其事，必先利其器，本书对每个数字图像处理的知识点都提供了丰富、生动的案例素材，并以MATLAB、Python为工具详细讲解了实验的核心程序。通过对这些程序的阅读、理解和仿真运行，读者可以更加深刻地理解图像处理的内容，并且更加熟练地掌握计算机视觉及深度学习在不同实际领域中的用法。

本书以案例为基础，结构布局紧凑，内容深入浅出，实验简捷高效，适合计算机、信号通信和自动化等相关专业的教师、本科生、研究生，以及广大从事数字图像处理的工程研发人员阅读参考。

第1章基于直方图优化的图像去雾技术1

1.1案例背景1

1.2理论基础1

1.2.1空域图像增强1

1.2.2直方图均衡化2

1.3程序实现3

1.3.1设计GUI界面4

1.3.2全局直方图处理4

1.3.3局部直方图处理6

1.3.4Retinex增强处理8

1.4延伸阅读12

第2章基于形态学的权重自适应图像去噪13

2.1案例背景13

2.2理论基础14

2.2.1图像去噪的方法14

2.2.2数学形态学的原理15

2.2.3权重自适应的多结构形态学去噪15

2.3程序实现16

2.4延伸阅读22

第3章基于多尺度形态学提取眼前节组织24

3.1案例背景24

3.2理论基础25

3.3程序实现28

3.3.1多尺度结构设计28

3.3.2多尺度边缘提取29

3.3.3多尺度边缘融合31

3.4延伸阅读33

第4章基于Hough变化的答题卡识别34

4.1案例背景34

4.2理论基础34

4.2.1图像二值化35

4.2.2倾斜校正35

4.2.3图像分割38

4.3程序实现40

4.3.1图像灰度化40

4.3.2灰度图像二值化41

4.3.3图像平滑滤波41

4.3.4图像矫正41

4.3.5完整性核查42

4.4延伸阅读51

第5章基于阈值分割的车牌定位识别53

5.1案例背景53

5.2理论基础53

5.2.1车牌图像处理54

5.2.2车牌定位原理58

5.2.3车牌字符处理58

5.2.4车牌字符识别60

5.3程序实现62

5.4延伸阅读69

第6章基于分水岭分割进行肺癌诊断71

6.1案例背景71

6.2理论基础71

6.2.1模拟浸水的过程72

6.2.2模拟降水的过程72

6.2.3过度分割问题72

6.2.4标记分水岭分割算法72

6.3程序实现73

6.4延伸阅读77

第7章基于主成分分析的人脸二维码识别79

7.1案例背景79

7.2理论基础79

7.2.1QR二维码简介80

7.2.2QR二维码的编码和译码流程82

7.2.3主成分分析方法84

7.3程序实现85

7.3.1人脸建库85

7.3.2人脸识别87

7.3.3人脸二维码87

7.4延伸阅读92

第8章基于知识库的手写体数字识别94

8.1案例背景94

8.2理论基础94

8.2.1算法流程94

8.2.2特征提取95

8.2.3模式识别96

8.3程序实现97

8.3.1图像处理97

8.3.2特征提取98

8.3.3模式识别101

8.4延伸阅读102

8.4.1识别器选择102

8.4.2特征库改善102

第9章基于特征匹配的英文印刷字符识别103

9.1案例背景103

9.2理论基础104

9.2.1图像预处理104

9.2.2图像识别技术105

9.3程序实现106

9.3.1界面设计106

9.3.2回调识别111

9.4延伸阅读112

第10章基于不变矩的数字验证码识别113

10.1案例背景113

10.2理论基础114

10.3程序实现114

10.3.1设计GUI界面114

10.3.2载入验证码图像115

10.3.3验证码图像去噪116

10.3.4验证码数字定位118

10.3.5验证码归一化120

10.3.6验证码数字识别121

10.3.7手动确认并入库124

10.3.8重新生成模板库125

10.4延伸阅读128

第11章基于小波技术进行图像融合129

11.1案例背景129

11.2理论基础130

11.3程序实现132

11.3.1设计GUI界面132

11.3.2图像载入133

11.3.3小波融合135

11.4延伸阅读137

第12章基于块匹配的全景图像拼接138

12.1案例背景138

12.2理论基础138

12.2.1图像匹配139

12.2.2图像融合141

12.3程序实现142

12.3.1设计GUI界面142

12.3.2载入图片143

12.3.3图像匹配144

12.3.4图像拼接148

12.4延伸阅读153

第13章基于霍夫曼图像编码的图像压缩和重建155

13.1案例背景155

13.2理论基础155

13.2.1霍夫曼编码的步骤156

13.2.2霍夫曼编码的特点157

13.3程序实现158

13.3.1设计GUI界面158

13.3.2压缩和重建159

13.3.3效果对比164

13.4延伸阅读167

第14章基于主成分分析的图像压缩和重建168

14.1案例背景168

14.2理论基础168

14.2.1主成分降维分析原理168

14.2.2由得分矩阵重建样本169

14.2.3主成分分析数据压缩比170

14.2.4基于主成分分析的图像压缩170

14.3程序实现171

14.3.1主成分分析的源代码171

14.3.2图像数组和样本矩阵之间的转换172

14.3.3基于主成分分析的图像压缩173

14.4延伸阅读176

第15章基于小波的图像压缩技术177

15.1案例背景177

15.2理论基础178

15.3程序实现180

15.4延伸阅读188

第16章基于融合特征的以图搜图技术189

16.1案例背景189

16.2理论基础189

16.3程序实现191

16.3.1图像预处理191

16.3.2计算特征191

16.3.3图像检索194

16.3.4结果分析194

16.4延伸阅读196

第17章基于Harris的角点特征检测198

17.1案例背景198

17.2理论基础199

17.2.1Harris的基本原理199

17.2.2Harris算法的流程201

17.2.3Harris角点的性质201

17.3程序实现202

17.3.1Harris算法的代码202

17.3.2角点检测实例204

17.4延伸阅读205

第18章基于GUI搭建通用视频处理工具206

18.1案例背景206

18.2理论基础206

18.3程序实现208

18.3.1设计GUI界面208

18.3.2实现GUI界面209

18.4延伸阅读220

第19章基于语音识别的信号灯图像

模拟控制技术221

19.1案例背景221

19.2理论基础221

19.3程序实现223

19.4延伸阅读232

第20章基于帧间差法进行视频目标检测234

20.1案例背景234

20.2理论基础234

20.2.1帧间差分法235

20.2.2背景差分法236

20.2.3光流法236

20.3程序实现237

20.4延伸阅读24

第21章路面裂缝检测系统设计247

21.1案例背景247

21.2理论基础247

21.2.1图像灰度化248

21.2.2图像滤波250

21.2.3图像增强252

21.2.4图像二值化253

21.3程序实现255

21.4延伸阅读267

第22章基于K-means聚类算法的图像分割268

22.1案例背景268

22.2理论基础268

22.2.1K-means聚类算法的原理268

22.2.2K-means聚类算法的要点269

22.2.3K-means聚类算法的缺点270

22.2.4基于K-means聚类算法进行图像分割270

22.3程序实现271

22.3.1样本间的距离271

22.3.2提取特征向量272

22.3.3图像聚类分割273

22.4延伸阅读275

第23章基于光流场的车流量计数应用276

23.1案例背景276

23.2理论基础276

23.2.1基于光流法检测运动的原理276

23.2.2光流场的主要计算方法277

23.2.3梯度光流场约束方程278

23.2.4Horn-Schunck光流算法280

23.3程序实现281

23.3.1计算视觉系统工具箱简介281

23.3.2基于光流法检测汽车运动282

23.4延伸阅读287

第24章基于Simulink进行图像和视频处理289

24.1案例背景289

24.2模块介绍289

24.2.1分析和增强模块库（Analysis和Enhancement）290

24.2.2转化模块库（Conversions）291

24.2.3滤波模块库（Filtering）292

24.2.4几何变换模块库（GeometricTransformations）292

24.2.5形态学操作模块库（MorphologicalOperations）292

24.2.6输入模块库（Sources）293

24.2.7输出模块库（Sinks）293

24.2.8统计模块库（Statistics）294

24.2.9文本和图形模块库（Text和Graphic）295

24.2.10变换模块库（Transforms）295

24.2.11其他工具模块库（Utilities）295

24.3仿真案例296

24.3.1搭建组织模型296

24.3.2仿真执行模型298

24.3.3自动生成报告299

24.4延伸阅读302

第25章基于小波变换的数字水印技术304

25.1案例背景304

25.2理论基础304

25.2.1数字水印技术的原理305

25.2.2典型的数字水印算法307

25.2.3数字水印攻击和评价309

25.2.4基于小波的水印技术310

25.3程序实现312

25.3.1准备载体和水印图像312

25.3.2小波数字水印的嵌入313

25.3.3小波数字水印的提取317

25.3.4小波水印的攻击试验319

25.4延伸阅读323

第26章基于最小误差法的胸片分割技术325

26.1案例背景325

26.2理论基础325

26.2.1图像增强326

26.2.2区域选择326

26.2.3形态学滤波327

26.2.4基于最小误差法进行胸片分割328

26.3程序实现329

26.3.1设计GUI界面329

26.3.2图像预处理330

26.3.3基于最小误差法进行图像分割333

26.3.4形态学后处理335

26.4延伸阅读338

第27章基于区域生长的肝脏影像分割系统339

27.1案例背景339

27.2理论基础340

27.2.1阈值分割340

27.2.2区域生长340

27.2.3基于阈值预分割的区域生长341

27.3程序实现342

27.4延伸阅读346

第28章基于计算机视觉的自动驾驶应用347

28.1案例背景347

28.2理论基础348

28.2.1环境感知348

28.2.2行为决策348

28.2.3路径规划349

28.2.4运动控制349

28.3程序实现349

28.3.1传感器数据载入349

28.3.2追踪器创建351

28.3.3碰撞预警353

28.4延伸阅读358

第29章基于深度学习的汽车目标检测359

29.1案例背景359

29.2理论基础360

29.2.1基本架构360

29.2.2卷积层360

29.2.3池化层362

29.3程序实现362

29.3.1加载数据362

29.3.2构建CNN364

29.3.3训练CNN365

29.3.4评估训练效果367

29.4延伸阅读368

第30章基于深度学习的视觉场景

识别370

30.1案例背景370

30.2理论基础371

30.3程序实现371

30.3.1环境配置372

30.3.2数据集制作373

30.3.3网络训练375

30.3.4网络测试381

30.4延伸阅读383

第31章深度学习综合应用385

31.1应用背景385

31.2理论基础387

31.2.1分类识别387

31.2.2目标检测391

31.3案例实现1：基于CNN的数字识别395

31.3.1自定义CNN397

31.3.2AlexNet399

31.3.3基于MATLAB进行实验设计405

31.3.4基于TensorFlow进行实验设计413

31.3.5实验小结418

31.4案例实现2：基于CNN的物体识别418

31.4.1CIFAR-10数据集418

31.4.2VggNet421

31.4.3ResNet422

31.4.4实验设计424

31.4.5实验小结432

31.5案例实现3：基于CNN的图像矫正432

31.5.1倾斜数据集432

31.5.2自定义CNN回归网络434

31.5.3AlexNet回归网络436

31.5.4实验设计437

31.5.5实验小结445

31.6案例实现4：基于LSTM的时间序列分析445

31.6.1厄尔尼诺南方涛动指数数据446

31.6.2样条拟合分析446

31.6.3基于MATLAB进行LSTM分析448

31.6.4基于Keras进行LSTM分析451

31.6.5实验小结455

31.7案例实现5：基于深度学习的以图搜图技术455

31.7.1人脸的深度特征455

31.7.2AlexNet的特征460

31.7.3GoogleNet的特征461

31.7.4深度特征融合计算462

31.7.5实验设计462

31.7.6实验小结467

31.8案例实现6：基于YOLO的交通目标检测应用467

31.8.1车辆目标的YOLO检测468

31.8.2交通标志的YOLO检测475

31.9延伸阅读481