《MATLAB圖像與視頻處理實用案例詳解》詳細講解了25個MATLAB圖像與視頻處理實用案例（含可運行程序），涉及霧霾去噪、答題卡自動閱卷、肺部圖像分割、小波數(shù)字水印、圖像檢索、人臉二維碼識別、車牌定位及識別、霍夫曼圖像壓縮、手寫數(shù)字識別、英文字符文本識別、眼前節(jié)組織提取、全景圖像拼接、小波圖像融合、基于語音識別的音頻信號模擬燈控、路面裂縫檢測識別、視頻運動估計追蹤、Simulink圖像處理等多項重要技術，涵蓋了數(shù)字圖像處理中幾乎所有的基本模塊。

工欲善其事，必先利其器，《MATLAB圖像與視頻處理實用案例詳解》對每個數(shù)字圖像處理的知識點都提供了豐富生動的案例素材，并詳細講解了其MATLAB實驗的核心程序，通過對這些示例程序的閱讀理解和仿真運行，讀者可以更加深刻地理解圖像處理的內容，并且更加熟練地掌握MATLAB中各種函數(shù)在圖像處理領域中的用法。

目錄
 

第1章 基于直方圖優(yōu)化的圖像去霧技術 1
1.1 案例背景 1
1.2 理論基礎 1
1.2.1 空域圖像增強 1
1.2.2 直方圖均衡化 1
1.3 程序實現(xiàn) 3
1.3.1 設計GUI界面 3
1.3.2 全局直方圖處理 4
1.3.3 局部直方圖處理 5
1.3.4 Retinex增強處理 7
1.4 延伸閱讀 10
1.5 參考文獻 11
第2章 基于形態(tài)學的權重自適應圖像去噪 12
2.1 案例背景 12
2.2 理論基礎 12
2.2.1 圖像去噪方法 12
2.2.2 數(shù)學形態(tài)學原理 13
2.2.3 權重自適應的多結構形態(tài)學去噪 14
2.3 程序實現(xiàn) 14
2.4 延伸閱讀 20
2.5 參考文獻 21
第3章 基于多尺度形態(tài)學提取眼前節(jié)組織 22
3.1 案例背景 22
3.2 理論基礎 22
3.3 程序實現(xiàn) 25
3.3.1 多尺度邊緣 25
3.3.2 主處理函數(shù) 26
3.3.3 形態(tài)學處理 28
3.4 延伸閱讀 29
3.5 參考文獻 30
第4章 基于Hough變化的答題卡識別 31
4.1 案例背景 31
4.2 理論基礎 31
4.2.1 圖像二值化 31
4.2.2 傾斜校正 32
4.2.3 圖像分割 35
4.3 程序實現(xiàn) 37
4.4 延伸閱讀 47
4.5 參考文獻 47
第5章 基于閾值分割的車牌定位識別 48
5.1 案例背景 48
5.2 理論基礎 48
5.2.1 車牌圖像處理 49
5.2.2 車牌定位原理 52
5.2.3 車牌字符處理 52
5.2.4 字符識別 54
5.3 程序實現(xiàn) 55
5.4 延伸閱讀 63
5.5 參考文獻 63
第6章 基于分水嶺分割進行肺癌診斷 64
6.1 案例背景 64
6.2 理論基礎 64
6.2.1 模擬浸水的過程 64
6.2.2 模擬降水的過程 65
6.2.3 過度分割問題 65
6.2.4 標記分水嶺分割算法 65
6.3 程序實現(xiàn) 66
6.4 延伸閱讀 71
6.5 參考文獻 71
第7章 基于主成分分析的人臉二維碼識別 72
7.1 案例背景 72
7.2 理論基礎 72
7.2.1 QR編碼簡介 72
7.2.2 QR編碼譯碼 74
7.2.3 主成分分析方法 76
7.3 程序實現(xiàn) 77
7.3.1 人臉建庫 77
7.3.2 人臉識別 78
7.3.3 人臉二維碼 79
7.4 延伸閱讀 83
7.5 參考文獻 84
第8章 基于知識庫的手寫體數(shù)字識別 85
8.1 案例背景 85
8.2 理論基礎 85
8.2.1 算法流程 85
8.2.2 特征提取 85
8.2.3 模式識別 86
8.3 程序實現(xiàn) 87
8.3.1 圖像處理 87
8.3.2 特征提取 88
8.3.3 模式識別 91
8.4 延伸閱讀 91
8.4.1 識別器選擇 91
8.4.2 提高識別率 92
8.5 參考文獻 92
第9章 基于特征匹配的英文印刷字符識別 93
9.1 案例背景 93
9.2 理論基礎 93
9.2.1 圖像預處理 93
9.2.2 圖像識別技術 94
9.3 程序實現(xiàn) 96
9.4 延伸閱讀 101
9.5 參考文獻 101
第10章 基于不變矩的數(shù)字驗證碼識別 102
10.1 案例背景 102
10.2 理論基礎 102
10.3 程序實現(xiàn) 103
10.3.1 設計GUI界面 103
10.3.2 載入驗證碼圖像 103
10.3.3 驗證碼圖像去噪 104
10.3.4 驗證碼數(shù)字定位 106
10.3.5 驗證碼歸一化 108
10.3.6 驗證碼數(shù)字識別 109
10.3.7 手動確認并入庫 111
10.3.8 重新生成模板庫 112
10.4 延伸閱讀 115
10.5 參考文獻 115
第11章 基于小波技術進行圖像融合 116
11.1 案例背景 116
11.2 理論基礎 116
11.3 程序實現(xiàn) 118
11.3.1 GUI設計 118
11.3.2 圖像載入 119
11.3.3 小波融合 120
11.4 延伸閱讀 123
11.5 參考文獻 123
第12章 基于塊匹配的全景圖像拼接 124
12.1 案例背景 124
12.2 理論基礎 124
12.2.1 圖像匹配 125
12.2.2 圖像融合 127
12.3 程序實現(xiàn) 127
12.3.1 設計GUI 127
12.3.2 載入圖片 128
12.3.3 圖像匹配 129
12.3.4 圖像拼接 133
12.4 延伸閱讀 137
12.5 參考文獻 138
第13章 基于霍夫曼圖像壓縮重建 139
13.1 案例背景 139
13.2 理論基礎 139
13.2.1 霍夫曼編碼的步驟 139
13.2.2 霍夫曼編碼的特點 140
13.3 程序實現(xiàn) 141
13.3.1 設計GUI 141
13.3.2 壓縮重構 142
13.3.3 效果對比 147
13.4 延伸閱讀 149
13.5 參考文獻 149
第14章 基于主成分分析的圖像壓縮和重建 150
14.1 案例背景 150
14.2 理論基礎 150
14.2.1 主成分降維分析原理 150
14.2.2 由得分矩陣重建樣本 151
14.2.3 主成分分析數(shù)據(jù)壓縮比 151
14.2.4 基于主成分分析的圖像壓縮 152
14.3 程序實現(xiàn) 152
14.3.1 主成分分析源代碼 152
14.3.2 圖像和樣本間轉換 153
14.3.3 基于主成分分析的圖像壓縮 154
14.4 延伸閱讀 157
14.5 參考文獻 157
第15章 基于小波的圖像壓縮技術 158
15.1 案例背景 158
15.2 理論基礎 158
15.3 程序實現(xiàn) 161
15.4 延伸閱讀 167
15.5 參考文獻 168
第16章 基于Hu不變矩的圖像檢索技術 169
16.1 案例背景 169
16.2 理論基礎 169
16.3 程序實現(xiàn) 170
16.3.1 圖像預處理 170
16.3.2 計算不變矩 171
16.3.3 圖像檢索 172
16.3.4 結果分析 174
16.4 延伸閱讀 177
16.5 參考文獻 178
第17章 基于Harris的角點特征檢測 179
17.1 案例背景 179
17.2 理論基礎 179
17.2.1 Harris基本原理 179
17.2.2 Harris算法流程 181
17.2.3 Harris角點性質 181
17.3 程序實現(xiàn) 182
17.3.1 Harris算法代碼 182
17.3.2 角點檢測實例 184
17.4 延伸閱讀 184
17.5 參考文獻 185
第18章 基于GUI搭建通用視頻處理工具 186
18.1 案例背景 186
18.2 理論基礎 186
18.3 程序實現(xiàn) 187
18.3.1 GUI設計 187
18.3.2 GUI實現(xiàn) 188
18.4 延伸閱讀 195
18.5 參考文獻 195
第19章 基于語音識別的信號燈圖像模擬控制技術 196
19.1 案例背景 196
19.2 理論基礎 196
19.3 程序實現(xiàn) 197
19.4 延伸閱讀 207
19.5 參考文獻 207
第20章 基于幀間差法進行視頻目標檢測 208
20.1 案例背景 208
20.2 理論基礎 208
20.2.1 幀間差分法 208
20.2.2 背景差分法 209
20.2.3 光流法 210
20.3 程序實現(xiàn) 211
20.4 延伸閱讀 218
20.5 參考文獻 218
第21章 路面裂縫檢測識別系統(tǒng)設計 219
21.1 案例背景 219
21.2 理論基礎 219
21.2.1 圖像灰度化 220
21.2.2 圖像濾波 221
21.2.3 圖像增強 223
21.2.4 圖像二值化 224
21.3 程序實現(xiàn) 226
21.4 延伸閱讀 236
21.5 參考文獻 236
第22章 基于K-means聚類算法的圖像區(qū)域分割 237
22.1 案例背景 237
22.2 理論基礎 237
22.2.1 K-means聚類算法原理 237
22.2.2 K-means聚類算法的要點 238
22.2.3 K-means聚類算法缺點 238
22.2.4 基于K-means圖像分割 239
22.3 程序實現(xiàn) 239
22.3.1 樣本之間距離 239
22.3.2 提取特征向量 240
22.3.3 圖像聚類分割 241
22.4 延伸閱讀 243
22.5 參考文獻 243
第23章 基于光流場的交通汽車檢測跟蹤 244
23.1 案例背景 244
23.2 理論基礎 244
23.2.1 光流法檢測運動原理 244
23.2.2 光流的主要計算方法 245
23.2.3 梯度光流場約束方程 246
23.2.4 Horn-Schunck光流算法 247
23.3 程序實現(xiàn) 248
23.3.1 計算視覺系統(tǒng)工具箱簡介 248
23.3.2 基于光流場檢測汽車運動 250
23.3.3 搭建Simulink運動檢測模型 253
23.4 延伸閱讀 255
23.5 參考文獻 256
第24章 基于Simulink進行圖像和視頻處理 257
24.1 案例背景 257
24.2 模塊介紹 257
24.2.1 分析和增強模塊庫（Analysis & Enhancement） 258
24.2.2 轉化模塊庫（Conversions） 258
24.2.3 濾波模塊庫（Filtering） 259
24.2.4 幾何變換模塊庫（Gemetric Transformations） 259
24.2.5 形態(tài)學操作模塊庫（Morphological Operations） 260
24.2.6 輸入模塊庫（Sources） 260
24.2.7 輸出模塊庫（Sinks） 260
24.2.8 統(tǒng)計模塊庫（Statistics） 261
24.2.9 文本和圖形模塊庫（Text & Graphic） 261
24.2.10 變換模塊庫（Transforms） 262
24.2.11 其他工具模塊庫（Utilities） 262
24.3 仿真案例 262
24.3.1 搭建組織模型 262
24.3.2 仿真執(zhí)行模型 264
24.3.3 代碼自動生成 265
24.4 延伸閱讀 270
24.5 參考文獻 271
第25章 基于小波變換的數(shù)字水印技術 272
25.1 案例背景 272
25.2 理論基礎 272
25.2.1 數(shù)字水印技術原理 273
25.2.2 典型的數(shù)字水印算法 274
25.2.3 數(shù)字水印攻擊和評價 276
25.2.4 基于小波的水印技術 277
25.3 程序實現(xiàn) 279
25.3.1 準備載體和水印圖像 279
25.3.2 小波數(shù)字水印的嵌入 280
25.3.3 小波數(shù)字水印的提取 283
25.3.4 小波水印的攻擊試驗 286
25.4 延伸閱讀 289
25.5 參考文獻 290