數位影像處理
活動訊息
內容簡介
本書介紹數位影像處理的應用，為了應對影像處理領域近年來的蓬勃發展，範疇廣泛。我們先專注於核心概念，並引導讀者建立扎實的基礎外，且同時結合實務應用，幫助他們踏入這個迅速變遷的領域。書中先從取樣與量化、鄰域處理及轉換法介紹，幫助學生打好基礎，接著介紹影像增強、影像復原、影像壓縮、影像分割、表示與描述等核心內容，最後結合實用並應用在圖樣辨別及影像系統的評估。
目錄
第一章 簡介
1.1 背景
1.2 影像的表示
1.3 數位影像處理
1.4 數位影像處理系統
1.5 本書架構
第二章 取樣與量化
2.1 取樣
2.2 量化
2.3 向量量化
習題
第三章 鄰域處理
3.1 簡介
3.2 低通與高通濾波器
3.3 排序濾波器
3.4 高斯濾波器
3.5 雙邊濾波器
3.6 邊緣偵測濾波器
習題
第四章 轉換法
4.1 簡介
4.2 KL轉換
4.3 主成份分析
4.4 好轉換的特性
4.5 正交轉換
4.6 傅立葉轉換
4.7 離散餘弦轉換
4.8 Walsh-Hadamard轉換
4.9 Haar轉換
4.10 SVD轉換
4.11 小波轉換
習題
第五章 影像增強
5.1 點處理增強
5.2 直方圖修整
5.3 局部增強
5.4 空間濾波
5.5 頻域的影像增強法
5.6 色彩模型
5.7 彩色影像增強
習題
第六章 影像復原
6.1 影像降質系統
6.2 降質系統的矩陣描述
6.3 代數復原方法
6.4 反濾波法
6.5 最小平方濾波器
6.6 限制性最小平方復原
6.7 盲目影像還原技術
6.8 非線性偏移不變降質系統的一個實例(除霧)
習題
第七章 影像壓縮
7.1 資料編碼與資料壓縮
7.2 影像壓縮模型
7.3 訊息理論基礎
7.4 無失真壓縮
7.5 有損耗壓縮
7.6 影像壓縮標準 JPEG
7.7 動態視訊壓縮
7.8 以小波轉換壓縮之實例
習題
第八章 影像分割
8.1 導論
8.2 影像分割處理
8.3 以門檻值法實現影像分割
8.4 以區域法實現影像分割
8.5 以邊界法實現影像分割
8.6 以邊緣法實現影像分割
8.7 分割影像之儲存
8.8 影像分割前置處理 --- LUM濾波器
習題
第九章 表示與描述
9.1 基本表示方法
9.2 B-樣條函數曲線表示法
9.3 邊界描述子
9.4 一般區域描述子
9.5 紋理區域描述子
9.6 形態學
9.7 特徵檢測、描述與匹配簡介
9.8 角點檢測器
9.9 尺度不變特徵轉換
9.10 加速強健特徵
9.11 隨機樣本一致性
9.12 影像對齊
習題
第十章 圖樣識別
10.1 分類
10.2 支持向量機
10.3 AdaBoost機器學習算法
10.4 隨機森林分類演算法
10.5 統計決策圖樣辨識
10.6 特徵選取
10.7 聚類
10.8 利用類神經網路做圖樣識別
10.9 深度學習網路
習題
第十一章 影像系統評估
11.1 影像品質評估
11.2 一般辨識器效能評估
11.3 不平衡測試集的分類器性能度量
11.4 新分類器性能測量方法：A-means
11.5 其他系統評估準則
習題
(附錄及參考文獻採QRcode掃描方式呈現)
附錄
附錄A 數學基礎
附錄B 四類DCT 的產生
附錄C JPEG-LS 部份程式實現說明
附錄D 支持向量機的公式推導
附錄E 核空間和最佳化理論簡介
參考文獻
1.1 背景
1.2 影像的表示
1.3 數位影像處理
1.4 數位影像處理系統
1.5 本書架構
第二章 取樣與量化
2.1 取樣
2.2 量化
2.3 向量量化
習題
第三章 鄰域處理
3.1 簡介
3.2 低通與高通濾波器
3.3 排序濾波器
3.4 高斯濾波器
3.5 雙邊濾波器
3.6 邊緣偵測濾波器
習題
第四章 轉換法
4.1 簡介
4.2 KL轉換
4.3 主成份分析
4.4 好轉換的特性
4.5 正交轉換
4.6 傅立葉轉換
4.7 離散餘弦轉換
4.8 Walsh-Hadamard轉換
4.9 Haar轉換
4.10 SVD轉換
4.11 小波轉換
習題
第五章 影像增強
5.1 點處理增強
5.2 直方圖修整
5.3 局部增強
5.4 空間濾波
5.5 頻域的影像增強法
5.6 色彩模型
5.7 彩色影像增強
習題
第六章 影像復原
6.1 影像降質系統
6.2 降質系統的矩陣描述
6.3 代數復原方法
6.4 反濾波法
6.5 最小平方濾波器
6.6 限制性最小平方復原
6.7 盲目影像還原技術
6.8 非線性偏移不變降質系統的一個實例(除霧)
習題
第七章 影像壓縮
7.1 資料編碼與資料壓縮
7.2 影像壓縮模型
7.3 訊息理論基礎
7.4 無失真壓縮
7.5 有損耗壓縮
7.6 影像壓縮標準 JPEG
7.7 動態視訊壓縮
7.8 以小波轉換壓縮之實例
習題
第八章 影像分割
8.1 導論
8.2 影像分割處理
8.3 以門檻值法實現影像分割
8.4 以區域法實現影像分割
8.5 以邊界法實現影像分割
8.6 以邊緣法實現影像分割
8.7 分割影像之儲存
8.8 影像分割前置處理 --- LUM濾波器
習題
第九章 表示與描述
9.1 基本表示方法
9.2 B-樣條函數曲線表示法
9.3 邊界描述子
9.4 一般區域描述子
9.5 紋理區域描述子
9.6 形態學
9.7 特徵檢測、描述與匹配簡介
9.8 角點檢測器
9.9 尺度不變特徵轉換
9.10 加速強健特徵
9.11 隨機樣本一致性
9.12 影像對齊
習題
第十章 圖樣識別
10.1 分類
10.2 支持向量機
10.3 AdaBoost機器學習算法
10.4 隨機森林分類演算法
10.5 統計決策圖樣辨識
10.6 特徵選取
10.7 聚類
10.8 利用類神經網路做圖樣識別
10.9 深度學習網路
習題
第十一章 影像系統評估
11.1 影像品質評估
11.2 一般辨識器效能評估
11.3 不平衡測試集的分類器性能度量
11.4 新分類器性能測量方法：A-means
11.5 其他系統評估準則
習題
(附錄及參考文獻採QRcode掃描方式呈現)
附錄
附錄A 數學基礎
附錄B 四類DCT 的產生
附錄C JPEG-LS 部份程式實現說明
附錄D 支持向量機的公式推導
附錄E 核空間和最佳化理論簡介
參考文獻
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價