当前位置:首页 > 电子书 > 电子书下载 > >
数字图像处理与机器视觉:Visual C++与Matlab实现 数字图像处理与机器视觉:Visual C++与Matlab实现
码农之家

码农之家 提供上传

资源
25
粉丝
27
喜欢
138
评论
19

    数字图像处理与机器视觉:Visual C++与Matlab实现 PDF 清晰扫描第2版

    数字图像电子书
    • 发布时间:2019-04-17 10:04:49

    给大家带来的一篇关于数字图像相关的电子书资源,介绍了关于数字图像处理、机器视觉、VisualC++、Matlab方面的内容,本书是由人民邮电出版社出版,格式为PDF,资源大小232 MB,张铮编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.3。

  • 数字图像处理与机器视觉:Visual C++与Matlab实现 PDF 下载
  • 下载地址:https://pan.baidu.com/s/1jcaaNfP2NwSPZdSqLjSzo
  • 提取码:01x2
  • 数字图像处理与机器视觉:Visual C++与Matlab实现

    数字图像处理与机器视觉:Visual C++与Matlab实现 电子书封面

    读者评价

    大概翻过一遍,内容挺不错的,对于学习机器视觉的同学是一本不错的书籍,融合了C++和matlab
    使用C++和matlab两种语言实现数字图像处理,非常有利于相关知识的学习,书籍内容也充实,很不错,但存在印刷错误
    还行,matlab和VC++两者的完美结合啊,是我看到的最好的一本图像处理合成书籍,值得学习!图像处理算法工程师大力推荐
    使用C++和Matlab两种方法实现数字图像处理,还不错的一本书

    内容介绍

    《数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)》将理论知识、科学研究和工程实践有机结合起来,内容涉及数字图像处理和识别技术的方方面面,包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、彩色图像处理、形态学处理、图像分割、图像压缩以及图像特征提取等;同时对机器视觉进行了前导性的探究,重点介绍了3种目前在工程技术领域非常流行的分类技术——人工神经网络(ANN)、支持向量机(SVM)和AdaBoost,并在配套给出的识别案例中直击光学字符识别(OCR)、人脸识别和性别分类等热点问题。

    《数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)》结构紧凑,内容深入浅出,讲解图文并茂,适合于计算机、通信和自动化等相关专业的本科生、研究生,以及工作在图像处理和识别领域一线的广大工程技术人员阅读参考。

    内容节选

    之前写过写给matlab新手的几句话,接下来我要写的虽然没有直接谈到matlab的学习,但我想,任何学习都是相通的,它对matlab的学习也是会有帮助的。本人水平有限,所谈的是自己的一些体会和见解,希望不要误导到您。
    学生时代即将结束,夜已深,在这样一个寂静的夜晚,和学弟学妹们说点什么呢。在多年的学习过程中,我取得了一些成绩,也走过不少弯路,我始终认为,学习没有捷径,少走或不不走弯路就是捷径。
    我大学毕业后直接读研,大四那时候,我还不知道有论坛,在论坛里大家可以互相交流,研一的时候,一个偶然的机会,我接触了几个学术论坛,在这里,作为一个普通会员,我积极的与其它朋友分享资料,分享我对某些问题的看法,大家能聚集在这里,也是一种缘分,我们理应互相关心,互相帮助,共同创造美好佳园。
    1.对于资料,切记不要盲目的下载,一般来说,真正吃透一两本书对于了解某一方面的基础知识也就够了,资料下载下来是拿来研读的,而不是收藏,如果一份资料你两个月以上都没看的话,我给你的建议是,删除,不要舍不得删除,担心可能以后还会用到,不删除造成的后果是太多的资料造成混乱,一些有用的资料放在一堆基本没用的资料当中,也变得没用了,你要从一大堆资料中找出你需要的,非常困难。所以现在我宁愿先删除一些基本用不上的资料,到以后真要用的时候,再去找好了。
    2.凡事主要靠自己,要给自己充裕的时间处理事情。不要等到快要交毕业设计了,快要答辩了,才想起来要做毕业设计,那时就会手忙脚乱,叫天不应,叫地不灵。只能祈求哪位老师或大哥大姐给个例子或写个程序吧。贵人相助其实就是一两句话,不能把太多的希望都寄托在别人身上,也不是每次都会那么幸运,有问题的时候别人总会及时的帮你解决的。
    3.你手头有一本好的入门教程吗
    如果你还没有好好的读完一本入门教程,我建议你最好还是不要到论坛来问问题。现在有很多很多的人都比较浮躁,很多很多的人都不能安安心心的静下心来学习,他们不想看书,一本入门教程,才看几页,就幻想着做课题,做项目,当然没多久就遇到问题了,遇到问题就来论坛问问题了,当没人回答的时候,有的素质差点就在论坛里叫骂,这样的情况现在好象越来越多了。请先好好的静下心来读一本入门教程吧,基础不牢,到时,你会走很多弯路的。也许,你会说,我做课题,项目都来不及,哪有时间看入门教程呀。这就好比你是用很钝的刀砍柴,别人问你,你为什么不先磨一下刀,再砍柴呢,你说我砍柴都来不及哪有时间磨刀,请记住磨刀不误砍柴工的道理。在初学阶段,不要随便在论坛上发问,多看书,多实践是根本,即使真的遇到非问不可的问题,也要先自己动手查资料解决,实在不行再来问,高手不会鄙视菜鸟,因为每一个高手都是从菜鸟过来的,他们都知道菜鸟的苦衷,但是高手会看不起那些自己不愿意动手动脑不会学习解决问题而只想得到现成答案的人,这样的人,一次两次别人也许还会帮你,但次数多了也就不想帮你了。
    4.遇到问题了,怎么办
    遇到问题了,这很正常,首先,不要慌,不要怕麻烦,因为问题就是机会,问题来了,也就意味着机会来了,通过解决问题,你的能力将得到锻炼,遇到问题没什么好怕的。
    如何解决问题?
    1)现在是网络时代,当然先搜索一下类,很多时候,你遇到的问题别人也遇到了,并且已经有很好的解决方式,真是幸运哦,你可以先用Google和 baidu等搜索引擎搜索,也可以在一些比较专业的学术论坛里搜索,这里提一下,你需要花一些时间研究搜索技巧,搜索还需要学习研究吗?当然,这里面的学问大的呢,花一些时间在学习搜索技巧上面是很值得的,你将会得到百倍甚至千倍的回报,此话非虚。
    2)通过研读搜索到的一些信息,资料,很可能你仍然找不到你问题的答案,但在这过程中,你将会获取一些知识,这些将比你一页一页的看书获取的知识深刻的多
    3)如果还没有解决问题,那么你可以向别人请教,希望大家多讨论解决问题的思路,而不是仅仅为了找一个问题的答案,在我看来,解决问题的过程,远比一个答案要来的重要。你可以向你的导师,你学校里其他老师或同学请教,很多人可能不愿意向身边的老师,同学请教,估计是怕问了什么比较低级的问题丢面子,其实也不要太顾虑这个,是你的面子比较重要,还是将问题圆满解决比较重要呢。再说,对于老师而言,是比较喜欢爱学习的学生,即使你问了比较低级的问题,老师也不会因此认定你比较笨而看不起你的。
    4)如果仍然没有解决问题的话,可以在论坛里发帖提问
    关于求助,提些建议:
    (1)在自己得到了别人的帮助以后,一定在最后总结一下,请不要一声不吭的走人。
    总结的内容包括:
    1、问题到底出在哪里。
    2、通过第几楼的方法解决的。
    这种总结,其他人很有用,通过看总结他们可以知道第几楼的方法是对的。
    在自己的求助帖最后做总结是对其他人的奉献,是对高手最好的回报。
    如果嫌总结浪费自己的时间,麻烦您最后简短的说声“谢谢”吧。
    (2)请把帖子的主要内容在标题中表述出来(直接关系到别人对帖子的兴趣)
    “求助”“急”“请教高手”、“大侠救命”这些都是废话,到底要请教什么问题,哪个地方不懂都在标题中写出来,让别人一看就知道你的问题出在什么地方,这样才不至于没人回

    目录

    • 第0章初识数字图像处理与机器视觉
    • 0.1数字图像
    • 0.1.1什么是数字图像
    • 0.1.2数字图像的显示
    • 0.1.3数字图像的分类
    • 0.1.4数字图像的实质
    • 0.1.5数字图像的表示
    • 0.1.6图像的空间和灰度级分辨率
    • 0.2数字图像处理与机器视觉
    • 0.2.1从图像处理到图像识别
    • 0.2.2什么是机器视觉
    • 0.2.3数字图像处理和识别的应用实例
    • 0.3数字图像处理的预备知识
    • 0.3.1邻接性、连通性、区域和边界
    • 0.3.2距离度量的几种方法 第0章初识数字图像处理与机器视觉
    • 0.1数字图像
    • 0.1.1什么是数字图像
    • 0.1.2数字图像的显示
    • 0.1.3数字图像的分类
    • 0.1.4数字图像的实质
    • 0.1.5数字图像的表示
    • 0.1.6图像的空间和灰度级分辨率
    • 0.2数字图像处理与机器视觉
    • 0.2.1从图像处理到图像识别
    • 0.2.2什么是机器视觉
    • 0.2.3数字图像处理和识别的应用实例
    • 0.3数字图像处理的预备知识
    • 0.3.1邻接性、连通性、区域和边界
    • 0.3.2距离度量的几种方法
    • 0.3.3基本的图像操作
    • dy 章MATLAB数字图像处理编程基础
    • 1.1MATLABR2011a简介
    • 1.1.1MATLAB软件环境
    • 1.1.2文件操作
    • 1.1.3在线帮助的使用
    • 1.1.4变量的使用
    • 1.1.5矩阵的使用
    • 1.1.6细胞数组(CellArray)和结构体(Structure)
    • 1.1.7关系运算与逻辑运算
    • 1.1.8常用图像处理数学函数
    • 1.1.9MATLAB程序流程控制
    • 1.1.10M文件编写
    • 1.1.11MATLAB函数编写
    • 1.2MATLAB图像类型及其存储方式
    • 1.3MATLAB的图像转换
    • 1.4读取和写入图像文件
    • 1.5图像的显示
    • 第2章VisualC++图像处理编程基础
    • 2.1位图文件及其C++操作
    • 2.1.1设备无关位图
    • 2.1.2BMP图像文件数据结构
    • 2.2认识CImg类
    • 2.2.1主要成员函数列表
    • 2.2.2公有成员
    • 2.3CImg类基础操作
    • 2.3.1加载和写入图像
    • 2.3.2获得图像基本信息
    • 2.3.3检验有效性
    • 2.3.4按像素操作
    • 2.3.5改变图像大小
    • 2.3.6重载的运算符
    • 2.3.7在屏幕上绘制位图图像
    • 2.3.8新建图像
    • 2.3.9图像类型的判断与转化
    • 2.4DIPDemo工程
    • 2.4.1DIPDemo主界面
    • 2.4.2图像操作和处理类——CImg和CImgProcess
    • 2.4.3文档类——CDIPDemoDoc
    • 2.4.4视图类——CDIPDemoView
    • 2.5CImg应用示例
    • 2.5.1打开图像
    • 2.5.2清空图像
    • 2.5.3像素初始化方法
    • 2.5.4保存图像
    • 第3章图像的点运算
    • 3.1灰度直方图
    • 3.1.1理论基础
    • 3.1.2MATLAB实现
    • 3.1.3VisualC++实现
    • 3.2灰度的线性变换
    • 3.2.1理论基础
    • 3.2.2MATLAB程序的实现
    • 3.2.3VisualC++实现
    • 3.3灰度对数变换
    • 3.3.1理论基础
    • 3.3.2MATLAB实现
    • 3.3.3VisualC++实现
    • 3.4伽玛变换
    • 3.4.1理论基础
    • 3.4.2MATLAB编程实现
    • 3.4.3VisualC++实现
    • 3.5灰度阈值变换
    • 3.5.1理论基础
    • 3.5.2MATLAB编程实现
    • 3.5.3VisualC++实现
    • 3.6分段线性变换
    • 3.6.1理论基础
    • 3.6.2MATLAB编程实现
    • 3.6.3VisualC++编程实现
    • 3.7直方图均衡化
    • 3.7.1理论基础
    • 3.7.2MATLAB编程实现
    • 3.7.3VisualC++实现
    • 3.8直方图规定化(匹配)
    • 3.8.1理论基础
    • 3.8.2MATLAB编程实现
    • 3.8.3VisualC++实现
    • 第4章图像的几何变换
    • 4.1解决几何变换的一般思路
    • 4.2图像平移
    • 4.2.1图像平移的变换公式
    • 4.2.2图像平移的实现
    • 4.3图像镜像
    • 4.3.1图像镜像的变换公式
    • 4.3.2图像镜像的实现
    • 4.4图像转置
    • 4.4.1图像转置的变换公式
    • 4.4.2图像转置的实现
    • 4.5图像缩放
    • 4.5.1图像缩放的变换公式
    • 4.5.2图像缩放的实现
    • 4.6图像旋转
    • 4.6.1以原点为中心的图像旋转
    • 4.6.2以任意点为中心的图像旋转
    • 4.6.3图像旋转的实现
    • 4.7插值算法
    • 4.7.1 近邻插值
    • 4.7.2双线性插值
    • 4.7.3高阶插值
    • 4.8图像配准简介
    • 4.8.1图像配准
    • 4.8.2人脸图像配准的MATLAB实现
    • 4.9VisualC++高级应用实例——汽车牌照的投影失真校正
    • 4.9.1系统分析与设计
    • 4.9.2系统实现
    • 4.9.3功能测试
    • 第5章空间域图像增强
    • 5.1图像增强基础
    • 5.2空间域滤波
    • 5.3图像平滑
    • 5.3.1平均模板及其实现
    • 5.3.2高斯平滑及其实现
    • 5.3.3通用平滑滤波的VisualC++实现
    • 5.3.4自适应平滑滤波
    • 5.4中值滤波
    • 5.4.1性能比较
    • 5.4.2一种改进的中值滤波策略
    • 5.4.3中值滤波的工作原理
    • 5.5图像锐化
    • 5.5.1理论基础
    • 5.5.2基于一阶导数的图像增强——梯度算子
    • 5.5.3基于二阶微分的图像增强——拉普拉斯算子
    • 5.5.4基于一阶与二阶导数的锐化算子的比较
    • 5.5.5高提升滤波及其实现
    • 5.5.6高斯-拉普拉斯变换(LaplacianofaGaussian,LoG)
    • 第6章频率域图像增强
    • 6.1频率域滤波——与空间域滤波殊途同归
    • 6.2傅里叶变换基础知识
    • 6.2.1傅里叶级数
    • 6.2.2傅里叶变换
    • 6.2.3幅度谱、相位谱和功率谱
    • 6.2.4傅里叶变换的实质——基的转换
    • 6.3快速傅里叶变换及实现
    • 6.3.1FFT变换的 要性
    • 6.3.2常见的FFT算法
    • 6.3.3按时间抽取的基-2FFT算法
    • 6.3.4离散反傅里叶变换的快速算法
    • 6.3.5N维快速傅里叶变换
    • 6.3.6MATLAB实现
    • 6.3.7VisualC++实现
    • 6.4频域滤波基础
    • 6.4.1频域滤波与空域滤波的关系
    • 6.4.2频域滤波的基本步骤
    • 6.4.3频域滤波的MATLAB实现
    • 6.4.4频域滤波的VisualC++实现
    • 6.5频率域低通滤波器
    • 6.5.1理想低通滤波器及其实现
    • 6.5.2高斯低通滤波器及其实现
    • 6.6频率域高通滤波器
    • 6.6.1高斯高通滤波器及其实现
    • 6.6.2频域拉普拉斯滤波器及其实现
    • 6.7MATLAB综合案例——利用频域滤波消除周期噪声
    • 6.7.1频域带阻滤波器
    • 6.7.2带阻滤波器消除周期噪声
    • 6.8频域滤波器与空域滤波器之间的内在联系
    • 附录
    • 第7章小波变换
    • 7.1多分辨率分析
    • 7.1.1多分辨率框架
    • 7.1.2分解与重构的实现
    • 7.1.3图像处理中分解与重构的实现
    • 7.2Gabor多分辨率分析
    • 7.3常见小波分析
    • 7.3.1Haar小波
    • 7.3.2Daubechies小波
    • 7.4高维小波
    • 第8章图像复原
    • 8.1图像复原的理论模型
    • 8.1.1图像复原的基本概念
    • 8.1.2图像复原的一般模型
    • 8.2噪声模型
    • 8.2.1噪声种类
    • 8.2.2MATLAB实现
    • 8.2.3VisualC++实现
    • 8.3空间滤波
    • 8.3.1空域滤波原理
    • 8.3.2MATLAB实现
    • 8.3.3VisualC++实现
    • 8.4逆滤波复原
    • 8.4.1逆滤波原理
    • 8.4.2MATLAB实现
    • 8.4.3VisualC++实现
    • 8.5维纳滤波复原
    • 8.5.1维纳滤波原理
    • 8.5.2MATLAB实现
    • 8.5.3VisualC++实现
    • 8.6有约束 小二乘复原
    • 8.7Lucky-Richardson复原
    • 8.8盲去卷积图像复原
    • 8.9MATLAB图像复原综合案例——去除照片的运动模糊
    • 第9章彩色图像处理
    • 9.1彩色基础
    • 9.2彩色模型
    • 9.2.1RGB模型
    • 9.2.2CMY、CMYK模型
    • 9.2.3HSI模型
    • 9.2.4HSV模型
    • 9.2.5YUV模型
    • 9.2.6YIQ模型
    • 9.2.7Lab模型简介
    • 9.3全彩色图像处理基础
    • 9.3.1彩色补偿及其MATLAB实现
    • 9.3.2彩色平衡及其MATLAB实现
    • dy 0章图像压缩
    • 10.1图像压缩理论
    • 10.1.1图像冗余
    • 10.1.2香农定理
    • 10.1.3保真度评价
    • 10.2DCT变换与量化
    • 10.2.1DCT变换原理
    • 10.2.2量化
    • 10.2.3DCT变换和量化的VisualC++实现
    • 10.3预测编码
    • 10.4霍夫曼编码
    • 10.4.1霍夫曼编码原理
    • 10.4.2霍夫曼编码的VisualC++实现
    • 10.5算术编码
    • 10.5.1算术编码原理
    • 10.5.2算术编码的VisualC++实现
    • 10.6游程编码
    • 10.7JPEG和JPEG2000压缩标准
    • 10.8VisualC++综合案例——类似JPEG的图像压缩
    • dy 1章形态学图像处理
    • 11.1预备知识
    • 11.2二值图像中的基本形态学运算
    • 11.2.1腐蚀及其实现
    • 11.2.2膨胀及其实现
    • 11.2.3开运算及其实现
    • 11.2.4闭运算及其实现
    • 11.3二值图像中的形态学应用
    • 11.3.1击中与击不中变换及其实现
    • 11.3.2边界提取与跟踪及其实现
    • 11.3.3区域填充及其VisualC++实现
    • 11.3.4连通分量提取及其实现
    • 11.3.5细化算法及其VisualC++实现
    • 11.3.6像素化算法及其VisualC++实现
    • 11.3.7凸壳及其VisualC++实现
    • 11.3.8bwmorph()函数
    • 11.4灰度图像中的基本形态学运算
    • 11.4.1灰度膨胀及其实现
    • 11.4.2灰度腐蚀及其实现
    • 11.4.3灰度开、闭运算及其实现
    • 11.4.4顶帽变换( -hat)及其实现
    • 小结
    • dy 2章图像分割
    • 12.1图像分割概述
    • 12.2边缘检测
    • 12.2.1边缘检测概述
    • 12.2.2常用的边缘检测算子
    • 12.2.3MATLAB实现
    • 12.2.4VisualC++实现
    • 12.3霍夫变换
    • 12.3.1直线检测
    • 12.3.2曲线检测
    • 12.3.3任意形状的检测
    • 12.3.4Hough变换直线检测的MATLAB实现
    • 12.3.5Hough变换直线检测的VisualC++实现
    • 12.4阈值分割
    • 12.4.1阈值分割方法
    • 12.4.2MATLAB实现
    • 12.4.3VisualC++实现
    • 12.5区域分割
    • 12.5.1区域生长及其实现
    • 12.5.2区域分裂与合并及其MATLAB实现
    • 12.6小结
    • dy 3章特征提取
    • 13.1图像特征概述
    • 13.2基本统计特征
    • 13.2.1简单的区域描绘子及其MATLAB实现
    • 13.2.2直方图及其统计特征
    • 13.2.3灰度共现矩阵及其VisualC++实现
    • 13.3特征降维
    • 13.3.1维度灾难
    • 13.3.2特征选择简介
    • 13.3.3主成分分析
    • 13.3.4快速PCA及其实现
    • 13.4综合案例——基于PCA的人脸特征抽取
    • 13.4.1数据集简介
    • 13.4.2生成样本矩阵
    • 13.4.3主成分分析
    • 13.4.4主成分脸可视化分析
    • 13.4.5基于主分量的人脸重建
    • 13.5局部二进制模式
    • 13.5.1基本LBP
    • 13.5.2圆形邻域的LBPPR算子
    • 13.5.3统一化LBP算子——UniformLBP及其MATLAB实现
    • 13.5.4MB-LBP及其MATLAB实现
    • 13.5.5图像分区及其MATLAB实现
    • dy 4章图像识别初步
    • 14.1模式识别概述
    • 14.2模式识别方法分类
    • 14.3 小距离分类器和模板匹配
    • 14.3.1 小距离分类器及其MATLAB实现
    • 14.3.2基于相关的模板匹配
    • 14.3.3相关匹配的计算效率
    • dy 5章人工神经网络
    • 15.1人工神经网络简介
    • 15.1.1仿生学动机
    • 15.1.2人工神经网络的应用实例
    • 15.2人工神经网络的理论基础
    • 15.2.1训练线性单元的梯度下降算法
    • 15.2.2多层人工神经网络
    • 15.2.3Sigmoid单元
    • 15.2.4反向传播(BackPropagation,BP)算法
    • 15.2.5训练中的问题
    • 15.3基于ANN的数字字符识别系统DigitRec——分析与设计
    • 15.3.1任务描述
    • 15.3.2数据集简介
    • 15.3.3设计要点
    • 15.4基于ANN的数字字符识别系统——DigitRec的实现
    • 15.4.1构建神经元结构——SNeuron
    • 15.4.2构建神经网络网络层——SNeuronLayer
    • 15.4.3神经网络信息头——NeuralNet_Header
    • 15.4.4神经网络类——CNeuralNet
    • 15.4.5神经网络的训练数据类——CNeuralData
    • 15.4.6误差跟踪类——CValueTrack
    • 15.4.7训练对话框类——CTrainDlg
    • 15.4.8测试对话框类——CTestDlg
    • 15.5基于ANN的数字字符识别系统——DigitRec的测试
    • 15.5.1训练
    • 15.5.2测试
    • 15.6改进的DigitRec
    • 15.6.1数字字符图像的预处理类——COCRImageProcess
    • 15.6.2输入图像的预处理——实现
    • 15.6.3输入图像的预处理——测试
    • 15.7神经网络参数对训练和识别的影响
    • 15.7.1隐藏层单元数目的影响
    • 15.7.2学习率的影响
    • 15.7.3训练时代数目的影响
    • dy 6章支持向量机
    • 16.1支持向量机的分类思想
    • 16.2支持向量机的理论基础
    • 16.2.1线性可分情况下的SVM
    • 16.2.2非线性可分情况下的C-SVM
    • 16.2.3需要核函数映射情况下的SVM
    • 16.2.4推广到多类问题
    • 16.3SVM的MATLAB实现
    • 16.3.1训练——svmtrain
    • 16.3.2分类——svmclassify
    • 16.3.3应用实例
    • 16.4综合案例——基于PCA和SVM的人脸识别系统
    • 16.4.1人脸识别简介
    • 16.4.2前期处理
    • 16.4.3数据规格化
    • 16.4.4核函数的选择
    • 16.4.5参数选择
    • 16.4.6构建多类SVM分类器
    • 16.4.7实验结果
    • 16.5SVM在线资源
    • 16.5.1MATLAB的SVM工具箱
    • 16.5.2LibSVM的简介
    • dy 7章AdaBoost
    • 17.1AdaBoost分类思想
    • 17.2AdaBoost理论基础
    • 17.3构建AdaBoost的MATLAB工具箱
    • 17.4MATLAB综合案例——基于AdaBoost的面部图像男女性别分类
    • 17.4.1关于数据集
    • 17.4.2数据的预处理
    • 17.4.3算法流程实现
    • 参考文献

    上一篇:Python基础教程

    下一篇:GPU与MATLAB混合编程

    展开 +

    收起 -

     
    数字图像 相关内容
    先进PID控制MATLAB仿真
    先进PID控制MATLAB仿真 扫描第4版

    本书是作者多年来从事控制系统教学和科研 工作的结晶,同时融入了国内外同行近年来所取得的新成果。本书各部分内容既相互联系又相互独立,读者可根据自己需要选择学习

    立即下载
    金融数量分析:基于MATLAB编程
    金融数量分析:基于MATLAB编程 高清第4版

    本书注重理论与实践相结合,通过实际案例和编程实现让读者理解理论在实践中的应用;同时还充分强调“案例的实用性、程序的可模仿性”,且在案例程序中附有详细的注释,感兴趣的可以了解一下

    立即下载
    数字图像处理与机器视觉:Visual C++与Matlab实现
    数字图像处理与机器视觉:Visual C++与Matlab实现 全书扫描第2版

    本书将理论知识、科学研究和工程实践有机结合起来,内容涉及数字图像处理和识别技术的方方面面,结构紧凑,内容深入浅出,讲解图文并茂,感兴趣的可以下载学习

    立即下载
    数值方法:MATLAB版
    数值方法:MATLAB版 超清第四版

    本书介绍了数值方法的理论及实用知识,并讲述了如何利用MATLAB软件实现各种数值算法,以便为读者今后的学习打下坚实的数值分析与科学计算基础。感兴趣的同学可以下载学习

    立即下载
    MATLAB图像处理:程序实现与模块化仿真
    MATLAB图像处理:程序实现与模块化仿真 影印第2版

    本书深入浅出地介绍了MATLAB 2012计算机视觉工具箱、数字图像处理工具箱的最新功能,并以此为编程工具阐述了数字图像/视频的基础理论、关键技术、应用实例、解决方案、发展前沿

    立即下载
    学习笔记
    网友NO.23991
    网友NO.23991

    这本书真的很不错,虽然没有图像恢复和压缩编码的部分,但是就其理论的详实,文字的简练易懂都是难能可贵的。而且书中的关于图像识别确实有一定的深度!

    网友NO.38929
    网友NO.38929

    工业界人士写的一本理论和工程结合的一本书。适合直接上手用的,无论是matlab代码还是C++的代码。短、平、快直入主题。前面图像处理部分还是不错的。后面机器学习部分,本来是理论是很强的章节,在作者的文笔下写的也算是通俗,能懂其原理。当然,真正要理解这些(ML)的理论,那每一章都可以找几本书来看。总的来说,这本书是实践为王的代表之一。

    电子书 编程教程 PC软件下载 安卓软件下载

    Copyright 2018-2020 xz577.com 码农之家

    本站所有电子书资源不再提供下载地址,只分享来路

    免责声明:网站所有作品均由会员网上搜集共同更新,仅供读者预览及学习交流使用,下载后请24小时内删除

    版权投诉 / 书籍推广 / 赞助:QQ:520161757