MATLAB计算机视觉与深度学习实战

《MATLAB 计算机视觉与深度学习实战》详细讲解了30个 MATLAB 计算机视觉与深度学习案例（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等多项重要技术，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的理论及其应用方面。

工欲善其事，必先利其器，《MATLAB 计算机视觉与深度学习实战》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，并详细讲解了其 MATLAB 实验的核心程序，通过对这些示例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 MATLAB 中各种函数在图像处理领域中的用法。

《MATLAB计算机视觉与深度学习实战》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。

　　刘衍琦，硕士，计算机视觉算法工程师，毕业于大连理工大学数学科学学院计算几何与图形图像实验室。长期从事图像、声纹、视频检索及其大数据应用，对以图搜图、图文识别等进行过深入研究并成功应用于工程项目中，曾主编和参与编写多套书籍。

　　詹福宇，博士，飞行控制算法工程师，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 M ATLAB/Sim ulink 开发使用经验，熟悉 Sim ulink 基于模型设计的流程。于 2008 年创建m atlabsky.com ，编写教程数百篇，解决问题数万个，积累了丰富的相关经验。

　　蒋献文，硕士，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。从事医学图像处理、放射线射影技术、手术房计算机断层与血管摄影技术，针对临床放射技术学与图像处理进行过深入研究并发表相关医学论文。

　　周华英，硕士，新能源汽车技术专业讲师，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套书籍。

适读人群 ：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。

《MATLAB计算机视觉与深度学习实战》详细讲解了30个MATLAB计算机视觉与深度学习实战案例，提供源码及在线支持。

几乎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的理论及其应用方面。

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。

推荐序

在当今的信息化社会，图像是人类赖以获取信息的最重要来源之一。随着计算机技术的迅猛发展，图像技术与计算机技术不断融合，产生了一系列图像处理软件如 MATLAB 等，这些软件的广泛应用为图像技术的发展提供了强大的支持。

MATLAB 已成为国际公认的最优秀的科技应用软件之一，具有编程简单、数据可视化功能强、可操作性强等特点，而且配有功能强大、专业函数丰富的图像处理工具箱，是进行图像处理必备的软件工具。

现有的 MATLAB 图像处理著作多是讲解图像处理中的经典理论与算法，鲜有解决实际问题的案例。而在《MATLAB 计算机视觉与深度学习实战》中，作者将自己在多年的实践中积累的案例与读者分享，其中关于图像去雾、图像去噪、图像识别等方面的相关内容都紧跟图像研究热点，对于刚开始接触相关领域的研究者来说，是很好的入门教程。

《MATLAB 计算机视觉与深度学习实战》的一大特点是，它对于每个案例都有详细的理论基础介绍，并配备了实例代码和注释，不仅可以让初学者很快学习到代码编写方面的知识，还可以让读者在动手实践的过程中深入理解所研究的相关问题。

《MATLAB 计算机视觉与深度学习实战》将代码讲解融入实际的案例中，相比其他基础书籍更加生动形象，解决了读者在实践过程中遇到的具体、实际的技术难点，为读者提供了直接的技术支持。

《MATLAB 计算机视觉与深度学习实战》案例贴近实际研究，兼顾中高级读者。相信读者在仔细研读和实践的过程中，能更深刻地体会到 MATLAB 在图像处理方面带来的极大便利。这是一本值得相关领域研究人员与高校学生认真品读的好书，非常值得推荐。

刘日升

大连理工大学国家示范性软件学院副教授

香港理工大学计算科学系香江学者

2017 年 5 月 11 日

MATLAB 是 MathWorks 公司推出的一款应用于科学计算和工程仿真的交互式编程软件，近几年已经发展成为集数值分析、数学建模、图像处理、控制系统、信号处理、经济金融、计算生物学、动态仿真等于一体的科学工程软件。数字图像处理技术涉及计算机科学、模式识别、人工智能、生物工程等学科，是一门综合性的技术。

自从电子计算机诞生以来，通过计算机仿真来模拟人类视觉便成为一项非常热门且颇具挑战性的研究课题，随着数码相机、智能手机等硬件设备的普及，图像以其易于采集、信息相关性多、抗干扰能力强的特点得到了越来越广泛的应用。信息化和数字化时代已经来临，随着国家对人工智能领域的不断投入，图像处理的需求量也会越来越大，应用也将越来越广泛。

MATLAB 图像处理工具箱可为用户提供诸如图像变换、图像增强、图像特征检测、图像复原、图像分割、图像去噪、图像配准、视频处理等功能研发的技术支撑。同时，借助于MATLAB 方便的编程及调试技巧，用户可以根据需要进一步拓展图像处理工具箱，实现定制的图像处理需求。

本书目的

本书以案例的形式展现，力求为读者提供最便捷、直接的技术支持，解决读者在研发过程中遇到的最具体、实际的技术难点，争取与广大读者分享研发过程中所涉及的功能模块及某些成熟的系统框架，为读者进行科学实验、项目开发提供一定的技术支持。

通过对书中案例的阅读、理解、运行和仿真，读者可以有针对性地进行算法调试，这样可以更加深刻地理解图像与视频处理的含义，并且更加熟练地掌握 MATLAB 图像处理工具箱的用法。

本书特点

作者阵容强大，经验相当丰富

在实际的科研工作中，本书作者刘衍琦（论坛 ID：lyqmath）是 MATLAB 技术论坛图版主，通过运用 MATLAB 进行图像处理、视频分析等项目实践，积累了较为丰富的项目实战经验；本书作者詹福宇（论坛 ID：dynamic）长期与国内外会员进行技术交流，积极解答会员疑问并进行经验总结，积累了丰富的 MATLAB/Simulink 图像处理经验；本书作者蒋献文多年从事医学影像处理工作，多次参加影像处理相关研讨会；本书作者周华英从事新能源汽车的教学和科研工作，曾率队获得全国新能源汽车大赛二等奖，具备丰富的教学实践经验。

案例丰富、实用、拓展性强

本书以案例的形式进行编写，充分强调“案例的实用性、程序的可拓展性”，所选案例均来自于 MATLAB 技术论坛会员的切身需求，每个案例都与实际课题相结合。另外，书中的每个案例都经过作者在 MATLAB 上进行程序调试，作者也为此编写了大量的测试代码。书中某些部分的内容描述是作者根据图像处理实验过程进行归纳总结的结果，多数案例的程序实现具有一定的原创性。

理论知识扎实，集众家之长

本书编写过程中参考了大量的 MATLAB 帮助文档、MATLAB 相关书籍及 MATLAB 技术论坛等方面的资源，同时引用了部分参考文献的最新图像相关技术和理论。

点面完美结合，兼顾中高级用户

本书点面兼顾，涵盖了数字图像处理中几乎所有的基本模块，并涉及视频处理、配准拼接、数字水印、生物识别等高级图像处理方面的内容，全面讲解了基于 MATLAB 进行计算机视觉及深度学习应用的原理及方法。

配套资源丰富，交流资源绝佳

本书作者和编辑联合 MATLAB 技术论坛，为广大读者提供“在线交流，有问必答”网络互动答疑服务，您可以与作者一对一地探讨相关知识点，以及下载书籍的辅助资料，让您获得最佳的阅读体验。您的建议将是我们创作精品的最大动力和源泉。

书码验证：http://www.matlabsky.com/plugin.php?id=vipbook:list

在线交流：http://www.matlabsky.com/forum-53-1.html

程序源码：http://www.matlabsky.com/thread-45343-1-1.html

答疑汇总：http://www.matlabsky.com/thread-45344-1-1.html

错误勘正‍‍‍‍：http://www.matlabsky.com/thread-45346-1-1.html‍‍‍‍

本书作者会尽量每周登录网站 2～3 次，集中回复读者的疑难问题，但由于工作和时间等原因，作者可能无法及时回答读者的所有问题，敬请大家谅解。只要您愿意交流和学习，MATLAB 技术论坛有足够优秀的会员帮您解答。

内容架构

本书共有 30 个 MATLAB 图像与视频处理案例（含可运行程序），其内容架构如下所述。

第 1 章：讲述基于直方图优化的图像去雾技术，通过直方图增强技术的相关研究，引入对雾霾图像进行优化的应用。

第 2 章：讲述基于形态学的权重自适应图像去噪，通过形态学的图像去噪效果，引入加权形态学去噪的应用。

第 3 章：讲述基于多尺度形态学提取眼前节组织，通过形态学的图像边缘提取效果，引入多尺度形态学的应用。

第 4 章：讲述基于 Hough 变化的答题卡识别，通过对答题卡自动阅卷的研究，引入图像分割、目标定位等领域的应用。

第 5 章：讲述基于阈值分割的车牌定位识别，通过对车牌定位、分割、识别的研究，引入图像处理在车牌识别领域的应用。

第 6 章：讲述基于分水岭分割进行肺癌诊断，通过分水岭算法在肺部图像分割的研究，引入分水岭及医学图像处理的应用。

第 7 章：讲述基于主成分分析的人脸二维码识别，通过对主成分分析、人脸识别、QR二维码的研究，引入 QR 人脸识别的应用。

第 8 章：讲述基于知识库的手写体数字识别，通过对手写数字特征的提取，引入模式识别在手写数字方面的应用。

第 9 章：讲述基于特征匹配的英文印刷字符识别，通过对英文片段图像的分割、识别，引入在 MATLAB 中生成自定义标准字符库、GUI 交互等领域的应用。

第 10 章：讲述基于不变矩的数字验证码识别，通过对验证码生成特点、分割定位、检测识别的研究，引入对某特定类型验证码从获取到识别的应用。

第 11 章：讲述基于小波技术进行图像融合，通过对图像融合的研究，引入小波分解、图像多分辨率处理的应用。

第 12 章：讲述基于块匹配的全景图像拼接，通过对全景图像生成方法的研究，引入块匹配、加权融合等的应用。

第 13 章：讲述基于霍夫曼图像压缩重建，通过对霍夫曼编码的研究，引入图像压缩重建的应用。

第 14 章：讲述基于主成分分析的图像压缩和重建，通过对主成分分析的研究，引入不同压缩参数下重建效果调优的应用。

第 15 章：讲述基于小波的图像压缩技术，通过对小波图像处理的研究，引入多分辨率图像压缩重建的应用。

第 16 章：讲述基于 Hu 不变矩的图像检索技术，通过对图像库 Hu 矩特征提取的研究，引入图像检索的应用。

第 17 章：讲述基于 Harris 的角点特征检测，通过对 Harris 检测算法的研究，引入图像角点检测的应用。

第 18 章：讲述基于 GUI 搭建通用视频处理工具，通过对 GUI、视频图像处理工具箱的使用，搭建 MATLAB 图像视频处理框架的应用。

第 19 章：讲述基于语音识别的信号灯图像模拟控制技术，通过对语音特征及建库的研究，引入一个语音控制光信号的应用。

第 20 章：讲述基于帧间差法进行视频目标检测，通过对视频跟踪的研究，引入在视频中多目标跟踪的应用。

第 21 章：讲述路面裂缝检测识别系统设计，通过对裂缝图像特征、识别的研究，引入路面裂缝检测和提取的应用。

第 22 章：讲述基于 K-means 聚类算法的图像区域分割，通过对 K 均值聚类算法的研究，引入其在图像分割方面的应用。

第 23 章：讲述基于光流场的汽车检测跟踪，通过对汽车视频跟踪的研究，引入光流场在跟踪检测方面的应用。

第 24 章：讲述基于 Simulink 进行图像和视频处理，通过对 Simulink 模块的简介，引入其在图像视频处理领域的应用。

第 25 章：讲述基于小波变换的数字水印技术，通过对图像水印的相关研究，引入图像水印嵌入、提取等的应用。

第 26 章：讲述基于最小误差法的胸片分割技术，通过对肺部影像的分割算法对比，介绍最小误差分割算法及其应用。

第 27 章：讲述基于区域生长的肝影像分割技术，通过对区域生长的相关研究，介绍了如何自动定义种子点并将其应用到肝脏影像的分割方面。

第 28 章：讲述基于深度学习的汽车目标检测应用，介绍深度学习的相关知识，基于MATLAB 的 CNN 工具箱实现汽车目标检测的应用。

第 29 章：讲述基于计算机视觉的自动驾驶应用，介绍自动驾驶的相关技术，从计算机视觉的角度分析相关应用。

第 30 章：讲述基于深度学习的视觉场景识别应用，对深度学习进行深入研究，基于经典的 matconvnet 工具箱讲解如何进行图像分类识别应用。

关于 MATLAB 技术论坛

MATLAB 技术论坛（Simulink 仿真论坛，http://www.matlabsky.com）是国内两大 MATLAB技术学习和交流平台之一，致力于为大家提供专业、权威的 MathWorks 新闻资讯，丰富、免费的 MATLAB 教学资源，以及强大、全面的 MATLAB 技术支持。

MATLAB 技术论坛由西北工业大学航空学院 dynamic 同学于 2008 年 09 月 14 日创建，并在 2010 年 8 月 1 日对论坛管理结构进行了扩充和重组，新加入 6 名 MATLAB 高级爱好者（yaksa、matsuper、yangzijiang、faruto、rocwoods、xiezhh）！目前 MATLAB 技术论坛有注册会员 30 多万，管理成员 30 多名，专业版块 80 多个，高质量主题 20000+；举办过编程竞赛、线下研讨会和数模竞赛等多项活动；与多个出版单位和科研机构有合作关系！

特别致谢

本书由刘衍琦、詹福宇、蒋献文、周华英编著，在本书的编写过程中，得到了电子工业出版社博文视点编辑张国霞的大力支持，在此对其表示衷心的感谢。作者对本书所引用参考文献、博客的作者表示感谢，同时对各位 MATLAB 技术论坛的会员朋友给予的启发和帮助表示感谢。最后，感谢我的家人的默默支持！感谢女儿刘沛萌每天给我带来的欢乐，她鼓励我在计算机视觉应用案例方面进行积累和整理，也祝天下的小朋友们都能健康快乐地成长！

由于时间仓促，加之作者水平和经验有限，书中难免存在疏漏及错误之处，希望广大读者批评指正。

刘衍琦

2017 年 5 月

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 7

1.3.4 Retinex 增强处理 9

1.4 延伸阅读 13

1.5 参考文献 13

第 2 章 基于 形态学的权重自适应图像去噪 14

2.1 案例背景 14

2.2 理论基础 15

2.2.1 图像去噪方法 15

2.2.2 数学形态学原理 16

2.2.3 权重自适应的多结构形态学去噪 16

2.3 程序实现 17

2.4 延伸阅读 22

2.5 参考文献 23

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 多尺度边缘 28

3.3.2 主处理函数 29

3.3.3 形态学处理 31

3.4 延伸阅读 33

3.5 参考文献 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

4.4 延伸阅读 51

4.5 参考文献 51

第 5 章 基于阈值分割的车牌定位识别 52

5.1 案例背景 52

5.2 理论基础 52

5.2.1 车牌图像处理 53

5.2.2 车牌定位原理 57

5.2.3 车牌字符处理 57

5.2.4 字符识别 59

5.3 程序实现 61

5.4 延伸阅读 69

5.5 参考文献 69

第 6 章 基于分水岭分割进行肺癌诊断 70

6.1 案例背景 70

6.2 理论基础 70

6.2.1 模拟浸水的过程 71

6.2.2 模拟降水的过程 71

6.2.3 过度分割问题 71

6.2.4 标记分水岭分割算法 71

6.3 程序实现 72

6.4 延伸阅读 77

6.5 参考文献 78

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

7.2.1 QR 编码简介 80

7.2.2 QR 编码译码 82

7.2.3 主成分分析方法 84

7.3 程序实现 86

7.3.1 人脸建库 86

7.3.2 人脸识别 87

7.3.3 人脸二维码 88

7.4 延伸阅读 93

7.5 参考文献 93

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 提高识别率 102

8.5 参考文献 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

9.4 延伸阅读 112

9.5 参考文献 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 117

10.3.4 验证码数字定位 118

10.3.5 验证码归一化 121

10.3.6 验证码数字识别 122

10.3.7 手动确认并入库 125

10.3.8 重新生成模板库 127

10.4 延伸阅读 129

10.5 参考文献 130

第 11 章 基于小波技术进行图像融合 131

11.1 案例背景 131

11.2 理论基础 132

11.3 程序实现 134

11.3.1 GUI 设计 134

11.3.2 图像载入 135

11.3.3 小波融合 136

11.4 延伸阅读 139

11.5 参考文献 139

第 12 章 基于块匹配的全景图像拼接 140

12.1 案例背景 140

12.2 理论基础 140

12.2.1 图像匹配 141

12.2.2 图像融合 143

12.3 程序实现 144

12.3.1 设计 GUI 144

12.3.2 载入图片 145

12.3.3 图像匹配 147

12.3.4 图像拼接 150

12.4 延伸阅读 156

12.5 参考文献 156

第 13 章 基于霍夫曼图像压缩重建 157

13.1 案例背景 157

13.2 理论基础 157

13.2.1 霍夫曼编码的步骤 158

13.2.2 霍夫曼编码的特点 158

13.3 程序实现 160

13.3.1 设计 GUI 160

13.3.2 压缩重构 161

13.3.3 效果对比 166

13.4 延伸阅读 168

13.5 参考文献 169

第 14 章 基于主成分分析的图像压缩和重建 170

14.1 案例背景 170

14.2 理论基础 170

14.2.1 主成分降维分析原理 170

14.2.2 由得分矩阵重建样本 171

14.2.3 主成分分析数据压缩比 172

14.2.4 基于主成分分析的图像压缩 172

14.3 程序实现 173

14.3.1 主成分分析源代码 173

14.3.2 图像和样本间转换 174

14.3.3 基于主成分分析的图像压缩 175

14.4 延伸阅读 178

14.5 参考文献 179

第 15 章 基于小波的图像压缩技术 180

15.1 案例背景 180

15.2 理论基础 181

15.3 程序实现 183

15.4 延伸阅读 191

15.5 参考文献 191

第 16 章 基于 Hu 不变矩的图像检索技术 192

16.1 案例背景 192

16.2 理论基础 192

16.3 程序实现 194

16.3.1 图像预处理 194

16.3.2 计算不变矩 194

16.3.3 图像检索 196

16.3.4 结果分析 198

16.4 延伸阅读 201

16.5 参考文献 202

第 17 章 基于 Harris 的角点特征检测 203

17.1 案例背景 203

17.2 理论基础 204

17.2.1 Harris 基本原理 204

17.2.2 Harris 算法流程 206

17.2.3 Harris 角点性质 206

17.3 程序实现 208

17.3.1 Harris 算法代码 208

17.3.2 角点检测实例 209

17.4 延伸阅读 210

17.5 参考文献 211

第 18 章 基于 GUI 搭建通用视频处理工具 212

18.1 案例背景 212

18.2 理论基础 212

18.3 程序实现 214

18.3.1 GUI 设计 214

18.3.2 GUI 实现 215

18.4 延伸阅读 226

18.5 参考文献 226

第 19 章 基于语音识别的信号灯图像模拟控制技术 227

19.1 案例背景 227

19.2 理论基础 227

19.3 程序实现 229

19.4 延伸阅读 239

19.5 参考文献 240

第 20 章 基于帧间差法进行视频目标检测 241

20.1 案例背景 241

20.2 理论基础 241

20.2.1 帧间差分法 242

20.2.2 背景差分法 243

20.2.3 光流法 243

20.3 程序实现 244

20.4 延伸阅读 253

20.5 参考文献 253

第 21 章 路面裂缝检测识别系统设计 254

21.1 案例背景 254

21.2 理论基础 254

21.2.1 图像灰度化 255

21.2.2 图像滤波 257

21.2.3 图像增强 259

21.2.4 图像二值化 260

21.3 程序实现 262

21.4 延伸阅读 274

21.5 参考文献 274

第 22 章 基于 K-means 聚类算法的图像区域分割 275

22.1 案例背景 275

22.2 理论基础 275

22.2.1 K-means 聚类算法原理 275

22.2.2 K-means 聚类算法的要点 276

22.2.3 K-means 聚类算法的缺点 277

22.2.4 基于 K-means 图像分割 278

22.3 程序实现 278

22.3.1 样本之间的巨鹿 278

22.3.2 提取特征向量 279

22.3.3 图像聚类分割 280

22.4 延伸阅读 282

22.5 参考文献 283

第 23 章 基于光流场的交通汽车检测跟踪 284

23.1 案例背景 284

23.2 理论基础 284

23.2.1 光流法检测运动原理 284

23.2.2 光流的主要计算方法 285

23.2.3 梯度光流场约束方程 287

23.2.4 Horn-Schunck 光流算法 288

23.3 程序实现 290

23.3.1 计算视觉系统工具箱简介 290

23.3.2 基于光流场检测汽车运动 291

23.3.3 搭建 Simulink 运动检测模型 295

23.4 延伸阅读 297

23.5 参考文献 298

第 24 章 基于 Simulink 进行图像和视频处理 299

24.1 案例背景 299

24.2 模块介绍 299

24.2.1 分析和增强模块库（Analysis & Enhancement）· 300

24.2.2 转化模块库（Conversions） 301

24.2.3 滤波 3 模块库（Filtering） 301

24.2.4 几何变换模块库（Geometric Transformations） 302

24.2.5 形态学操作模块库（Morphological Operations） 302

24.2.6 输入模块库（Sources） 303

24.2.7 输出模块库（Sinks）· 303

24.2.8 统计模块库（Statistics） 304

24.2.9 文本和图形模块库（Text & Graphic）· 304

24.2.10 变换模块库（Transforms） 305

24.2.11 其他工具模块库（Utilities） 305

24.3 仿真案例 306

24.3.1 搭建组织模型 306

24.3.2 仿真执行模型 308

24.3.3 代码自动生成 309

24.4 延伸阅读 314

24.5 参考文献 316

第 25 章 基于小波变换的数字水印技术 317

25.1 案例背景 317

25.2 理论基础 317

25.2.1 数字水印技术原理 318

25.2.2 典型的数字水印算法 320

25.2.3 数字水印攻击和评价 322

25.2.4 基于小波的水印技术 323

25.3 程序实现 326

25.3.1 准备载体和水印图像 326

25.3.2 小波数字水印的嵌入 327

25.3.3 小波数字水印的提取 331

25.3.4 小波水印的攻击试验 333

25.4 延伸阅读 337

25.5 参考文献 337

第 26 章 基于最小误差法的胸片分割 339

26.1 案例背景 339

26.2 理论基础 339

26.2.1 图像增强 340

26.2.2 区域选择 340

26.2.3 形态学滤波 341

26.2.4 最小误差法胸片分割 342

26.3 程序实现 343

26.3.1 设计 GUI 界面· 343

26.3.2 图像预处理 344

26.3.3 最小误差法分割 348

26.3.4 形态学后处理 350

26.4 延伸阅读 353

26.5 参考文献 353

第 27 章 基于区域生长的肝脏影像分割系统 354

27.1 案例背景 354

27.2 理论基础 355

27.2.1 阈值分割 355

27.2.2 区域生长 355

27.2.3 基于阈值预分割的区域生长 356

27.3 程序实现 357

27.4 延伸阅读 361

27.5 参考文献 361

第 28 章 基于深度学习的汽车目标检测 362

28.1 案例背景 362

28.2 理论基础 363

28.2.1 基本架构 363

28.2.2 卷积层 363

28.2.3 池化层 365

28.3 程序实现 365

28.3.1 加载数据 365

28.3.2 构建 CNN 网络 367

28.3.3 训练 CNN 网络 368

28.3.4 评估训练效果 370

28.4 延伸阅读 372

28.5 参考文献 372

第 29 章 基于计算机视觉的自动驾驶应用 374

29.1 案例背景 374

29.2 理论基础 375

29.2.1 环境感知 375

29.2.2 行为决策 375

29.2.3 路径规划 376

29.2.4 运动控制 376

29.3 程序实现 376

29.3.1 传感器数据载入 376

29.3.2 追踪器创建 378

29.3.3 碰撞预警 380

29.4 延伸阅读 385

29.5 参考文献 385

第 30 章 基于深度学习的视觉场景识别 386

30.1 案例背景 386

30.2 理论基础 387

30.2.1 发展历程 387

30.2.2 算法思想 387

30.3 程序实现 388

30.3.1 环境配置 388

30.3.2 数据集制作 389

30.3.3 网络训练 391

30.3.4 网络测试 397

30.4 延伸阅读 400

30.5 参考文献 400