Gonzalez R., Woods R., Eddins S. Цифрова обработка на изображения в MATLAB

Би било полезно материалът, представен в следващите глави, да се раздели на двете широки категории, споменати в раздел 1.1: методи, които имат изображения като вход и изход, и методи, които приемат изображения като входни и изходни характеристики и атрибути, които се извличат от изображението. въз основа на тези изображения. Тази организация на материала на книгата е обобщена в диаграмата, показана на фиг. 1.23. Тази диаграма не означава, че всеки от описаните процеси се прилага към изображение; напротив, целта е да се предадат принципите на всички методи за обработка, които могат да бъдат приложени към изображения за различни цели и, евентуално, с различни получени резултати. Дискусията в този раздел може да се разглежда като кратък прегледматериал, представен в останалата част от книгата.

Регистрация на изображение- първият от процесите, показани на фиг. 1.23. Дискусията в раздел 1.3 дава някои указания за възможните източници на цифрови изображения, но темата е разгледана много по-подробно в глава 2, която също въвежда редица основни понятия, свързани с цифровите изображения, които ще бъдат използвани в цялата книга. Имайте предвид, че регистрацията на изображението може да бъде изключително проста, какъвто е случаят, когато оригиналното изображение вече е в цифрова форма. Като цяло, етапът на регистриране на изображението включва известна предварителна обработка, като например мащабиране.

Подобрение на изображениетое една от най-простите и впечатляващи области на цифрова обработка на изображения. По същество техниките за подобряване на изображението включват идеята за извеждане на трудни за виждане детайли или просто подчертаване на интересни характеристики в изображението. оригинално изображение. Добре известен пример за подобряване е увеличаването на контраста на изображение, защото резултатът е „изглежда по-добре“. Важно е да имате предвид, че подобряването на качеството е силно субективна област при обработката на изображения. Ние посвещаваме две глави на тази тема, не защото подобряването на изображението е по-важно от другите теми, обхванати в книгата, а защото използваме тази тема, за да запознаем читателя с методологията, която ще следваме в следващите глави. По този начин, вместо да представим в специална глава цялата предварителна първоначална информация от гледна точка на математиката, ние въвеждаме редица необходими математически концепции, илюстрирайки ги във връзка с подобряването на изображението. Този подход ще запознае читателя с тези концепции в контекста на обработката на изображения. Добър пример за това е трансформацията на Фурие, която е въведена в глава 4, но принципът се използва и в други глави на книгата.

Възстановяване на изображениее област, свързана и с подобряването на визуалното качество на изображението, но за разлика от самото подобрение, чиито критерии са субективни, възстановяването на изображението е обективно в смисъл, че методите за възстановяване на изображение разчитат на математически или вероятностни модели на изкривяване на изображението. За разлика от това, подобряването на изображението се основава на субективни предпочитания на човешкото възприятие, които се отнасят до това, което се счита за „добър“ резултат от подобрение.

Обработка на цветни изображениястана особено важен поради значителното увеличаване на използването на цветни изображения в Интернет. Глава 5 въвежда редица основни понятия, свързани с цветни моделии основните видове цифрово преобразуване на цветовете. Цветът се използва и в по-късните глави като основа за подчертаване на определени интересни характеристики от изображение.

Вълничките формират основата за представяне на изображения с множество степени на разделителна способност едновременно. По-специално тази техника се използва в книгата във връзка с компресирането на данни за изображения, както и за изграждането на пирамидално представяне, при което изображението постепенно се разделя на все по-малки и по-малки фрагменти.

Компресия, както подсказва името, се отнася до методи за намаляване на количеството памет, необходимо за съхраняване на изображение или стесняване на честотната лента на канала, необходима за предаването му. Въпреки че технологията за съхранение се подобри значително през последното десетилетие, не може да се каже същото честотна лентакомуникационни линии. Това е особено вярно по отношение на информацията в Интернет, където визуалният компонент е съществен елемент от съдържанието. Повечето компютърни потребители са запознати с компресирането на изображения (може би без да го осъзнават) и виждат графични файловенякои разширения; например jpg се използва в стандарта за компресиране на изображения, разработен от Joint Photographic Experts Group (JPEG).

Морфологична обработкае свързан с инструменти за извличане на такива компоненти на изображението, които могат да бъдат полезни за представяне и описание на форма. Материалът, представен в тази глава, осигурява основата за прехода от процеси, които имат изход от изображение, към процеси, които имат изход от атрибути на изображение, както е посочено в раздел 1.1.

Сегментиранеразделя изображение на съставни части или обекти. Като цяло автоматичната сегментация е един от най-трудните проблеми при обработката на цифрови изображения. Прекалено подробното сегментиране отвежда процеса на решаване на проблем с обработката на изображения по сложен път, ако трябва да идентифицирате обекти поотделно. От друга страна, недостатъчно подробното или погрешно сегментиране почти неизбежно ще доведе до грешки на последния етап от обработката. Като цяло, колкото по-точно е сегментирането, толкова по-голям е шансът за успех на разпознаването.

производителностИ описаниепочти винаги непосредствено следва стъпка на сегментиране, изходът от която обикновено е само необработени данни за пикселите, които или формират границата на региона (тоест даден набор от пиксели, разделящи един регион на изображението от друг), или представляват всички точки на самите региони. И в двата случая е необходимо данните да се преобразуват във вид, подходящ за компютърна обработка. Първото решение, което трябва да се вземе, е дали тези данни да бъдат представени под формата на граници на региони или цели региони. Представянето на границите е подходящо за случаи, когато фокусът е върху външните характеристики на формата на региони, като ъгли и криви. Регионалното представяне е по-подходящо, когато акцентът е върху вътрешните свойства на обектите, като текстура или скелетна форма. В някои приложения тези изгледи се допълват взаимно. Изборът на метод за представяне е само част от решението за трансформиране на необработените пикселни данни във форма, подходяща за по-нататъшна компютърна обработка. Трябва също така да има метод за описание на данните, който извежда на преден план характеристиките, представляващи интерес. Изграждането на описание, иначе наричано избор на характеристики, е свързано с избора на атрибути, които биха изразили количествена информация от интерес или биха могли да послужат като основа за разграничаване на класове обекти.

Признаниее процес, който присвоява идентификатор на някакъв обект (например „превозно средство“) въз основа на неговите дескриптори. Както е обяснено подробно в раздел 1.1, ние вярваме, че областта на цифровата обработка на изображения завършва с разработването на методи за разпознаване на отделни обекти.

Досега нищо не е казано за необходимостта от априорно знание или, по отношение на фиг. 1.23, относно връзката между базата знания и модулите за обработка. Всъщност знанието за проблемната област, т.е. база от знания, по някакъв начин кодирана в самата система за обработка на изображения. Това знание може да бъде толкова просто, колкото подробно посочване на областите на изображението, където трябва да се намира интересуващата ни информация, което ще ограничи областта на нейното търсене. Базата от знания може да бъде много сложна, като например взаимосвързан списък на всички най-вероятни дефекти в задача за проверка на материали или база данни от сателитни изображения на определена област с с висока резолюцияв приложни проблеми за откриване на промени, настъпващи в тази област. В допълнение към насочването на работата на всеки модул за обработка, базата знания управлява и взаимодействието между модулите. Тази отличителна черта е показана на фиг. 1.23 използване на двупосочни стрелки между модулите за обработка и базата знания, за разлика от еднопосочните стрелки, които свързват модулите за обработка един с друг.

Въпреки че тук не обсъждаме проблема визуализацияизображения, важно е да имате предвид, че изходът на който и да е от показаните на фиг. 1.23 етапи могат да се използват за показване на резултатите от обработката. Обърнете внимание също, че не всички приложения за обработка на изображения изискват цялата сложност на взаимодействието, загатнато от фиг. 1.23. Всъщност в някои случаи дори не са необходими всички тези модули. Например, подобряването на изображения за човешка визуална интерпретация рядко изисква други стъпки освен тези, показани на Фиг. 1.23. Като цяло обаче, колкото по-висока е сложността на задачата за обработка на изображения, толкова повече процеси са необходими за решаването на този проблем.

• СЪДЪРЖАНИЕ:
  Предговор от научния редактор на превода (12).
  Предговор към английското издание (15).
  Благодарности (19).
  За авторите (20).
  ГЛАВА 1. ВЪВЕДЕНИЕ (23).
  1.1. Какво е цифрова обработка на изображения? (23).
  1.2. Произход на цифровата обработка на изображения (26).
  1.3. Примери за приложения за обработка на цифрови изображения (31).
  1.3.1. Изобразяване с помощта на гама лъчи (33).
  1.3.2. Рентгенови снимки (35).
  1.3.3. Ултравиолетови изображения (37).
  1.3.4. Видими и инфрачервени изображения (38).
  1.3.5. Микровълнови изображения (48).
  1.3.6. Радиовълнови изображения (48).
  1.3.7. Примери, илюстриращи други техники за изобразяване (49).
  1.4. Основни етапи на цифрова обработка на изображения (56).
  1.5. Компоненти на системата за обработка на изображения (60).
  Заключение (64).
  Препратки и литература за по-нататъшно проучване (65).
  ГЛАВА 2. ОСНОВИ НА ПРЕДСТАВЯНЕТО НА ЦИФРОВО ИЗОБРАЖЕНИЕ (73).
  Въведение (73).
  2.1. Елементи на зрителното възприятие (74).
  2.1.1. Устройство на човешкото око (74).
  2.1.2. Формиране на изображение в окото (78).
  2.1.3. Адаптиране на яркостта и контрастна чувствителност (79).
  2.2. Светлина и електромагнитен спектър (85).
  2.3. Четене и запис на изображения (89).
  2.3.1. Регистриране на изображение с помощта на един сензор (90).
  2.3.2. Регистриране на изображение с помощта на линия от сензори (92).
  2.3.3. Регистриране на изображение с помощта на матрица от сензори (94).
  2.3.4. Опростен моделизображения (96).
  2.4. Извадка и квантуване на изображения (98).
  2.4.1. Основни понятия, използвани при вземане на проби и квантуване (99).
  2.4.2. Представяне на цифрово изображение (102).
  2.4.3. Пространствена и яркостна разделителна способност (105).
  2.4.4. Ефекти на моаре и алиасинг (112).
  2.4.5. Увеличаване и намаляване на цифрови изображения (114).
  2.5. Някои фундаментални връзки между пикселите (117).
  2.5.1. Съседи на отделен елемент (117).
  2.5.2. Съседство, свързаност, области и граници (118).
  2.5.3. Мерки за разстояние (120).
  2.5.4. Елементни операции върху изображения (122).
  2.6. Линейни и нелинейни трансформации (123).
  Заключение (123).
  Препратки и литература за по-нататъшно проучване (124).
  Задачи (125).
  ГЛАВА 3. ПРОСТРАНСТВЕНИ МЕТОДИ ЗА ПОДОБРЯВАНЕ НА ИЗОБРАЖЕНИЕ (131).
  Въведение (131).
  3.1. Предпоставки (132).
  3.2. Някои основни градационни трансформации (135).
  3.2.1. Преобразуване на изображение в негатив (135).
  3.2.2. Логаритмична трансформация (137).
  3.2.3. Силови трансформации (138).
  3.2.4. Функции на частично линейно преобразуване (143).
  3.3. Модификация на хистограмата (148).
  3.3.1. Изравняване на хистограма (150).
  3.3.2. Намаляване на хистограма (хистограма задача) (158).
  3.3.3. Местно подобрение (167).
  3.3.4. Използване на статистически данни за хистограма за подобряване на изображения (169).
  3.4. Подобрение на базата на аритметично-логически операции (175).
  3.4.1. Изваждане на изображение (177).
  3.4.2. Осредняване на изображението (180).
  3.5. Основи на пространственото филтриране (185).
  3.6. Изглаждащи пространствени филтри (189).
  3.6.1. Линейни изглаждащи филтри (190).
  3.6.2. Филтри въз основа на статистики за поръчки (194).
  3.7. Филтри за пространствено изостряне (196).
  3.7.1. Основи (197).
  3.7.2. Подобрение на изображението с помощта на втори производни: Laplacian (200).
  3.7.3. Подобрение на изображението с помощта на първи производни: градиент (209).
  3.8. Комбиниране на методи за пространствено подобряване (213).
  Заключение (219).
  Препратки и литература за по-нататъшно проучване (219).
  Проблеми (220).
  ГЛАВА 4 МЕТОДИ ЗА ПОДОБРЯВАНЕ НА ЧЕСТОТА НА ИЗОБРАЖЕНИЕ (228).
  4.1. Предварителни бележки (229).
  4.2. Въведение в анализа на Фурие. Преобразуване на Фурие и честотна област (231).
  4.2.1. Едномерно преобразуване на Фурие и неговото обръщане (231).
  4.2.2. Двумерно DFT и неговата инверсия (238).
  4.2.3. Филтриране на честотен домейн (242).
  4.2.4. Съответствие между филтриране в пространствена област и филтриране в честотна област (249).
  4.3. Изглаждащи честотни филтри (257).
  4.3.1. Идеални филтри ниски честоти (257).
  4.3.2. Нискочестотни филтри на Butterworth (265).
  4.3.3. Гаусови нискочестотни филтри (268).
  4.3.4. Допълнителни примери за нискочестотно филтриране (269).
  4.4. Честотни филтризаточване (273).
  4.4.1. Идеални филтри високи честоти (274).
  4.4.2. Високочестотни филтри на Butterworth (277).

Резюме на издателя:Монографията разкрива основните концепции и методологията на компютърната обработка на изображения и дава основа за по-нататъшно изучаване на тази многостранна и бързо развиваща се област. Книгата е един от най-популярните, световноизвестни и завършени учебници в областта на теорията и методите на обработката на цифрово видео. Много от алгоритмите, представени в него, са реализирани в добре познати компютърни пакети за обработка на изображения.
Разглеждат се всички основни области на обработка и анализ на изображения, включително основите на теорията за възприемане и запис на видео информация, методи за филтриране, вълнова трансформация, подобряване, възстановяване и компресиране на черно-бели и цветни изображения. Обсъждат се също въпроси на сегментирането, разпознаването на образи, описанието и представянето на детайлите и морфологичния анализ на изображенията. Всички раздели са придружени от голям брой примери и илюстрации.
Книгата е предназначена за изследователи и професионални програмисти, специалисти по компютърен дизайн, студенти и преподаватели.

Монографията е предназначена за тези. който иска бързо да овладее методите за обработка на изображения с помощта на пакета MATLAB.
Книгата е разделена на 12 глави, обхващащи най-важните области на обработка на изображения: градационни трансформации, линейно и нелинейно пространствено филтриране, вълни, филтриране на честотен домейн, възстановяване, регистрация, компресия, морфологична обработка, сегментиране, представяне и описание на области и граници на изображението и разпознаване на обекти и обработка на цветни изображения.
Книгата ще бъде полезна на всеки, който иска да придобие практически умения за работа с изображения, особено на специалистите по дистанционно наблюдение, цифрова телевизия, компютърна микроскопия, системи за сигурност, програмисти и дизайнери.

Глава 1 Въведение
1.1. Някои причини
1.2. Какво е цифрова обработка на изображения?
1.3. Система MATLAB и Кутия с инструменти за обработка на изображения
1.4. Задачи за обработка на изображения
1.5. Относно уебсайта на тази книга
1.6. Наименования
1.7. Работна среда MATLAB
1.7.1. MATLAB Desktop
1.7.2. Създаване на M-файлове в редактора MATLAB
1.7.3. Обаждане на помощ
1.7.4. Запазване и зареждане на работно пространство
1.8. Как са организирани връзките
заключения

Глава 2. Цифрови изображенияв MATLAB
Въведение
2.1. Представяне на цифрови изображения
2.1.1. Споразумение за координация
2.1.2. Изображение като матрица
2.2. Качване на изображения
2.3. Показване на изображение
2.4. Запазване на изображения
2.5. Класове данни
2.6. Типове изображения
2.6.1. Полутонови изображения
2.6.2. Бинарни изображения
2.6.3. Още веднъж за терминологията
2.7. Преобразуване на класове данни и типове изображения
2.7.1. Преобразуване на класове данни
2.7.2. Преобразуване на класове и типове изображения
2.8. Индексиране на масиви
2.8.1. Индексиращи вектори
2.8.2. Индексиращи матрици
2.8.3. Относно размерността на масивите
2.9. Някои важни стандартни масиви
2.10. Въведение в програмирането на M функции
2.10.1. М-файлове
2.10.2. Оператори
2.10.3. Управление на изчислителни нишки
2.10.4. Оптимизация на код на програми
2.10.5. Интерактивен I/O
2.10.6. Кратко въведение в смесените масиви и структури
заключения

Глава 3. Трансформации на яркостта на изображението и пространствено филтриране
Въведение
3.1. Някои основи
3.2. Преобразуване на яркостта на изображението
3.2.1. функция imadjust
3.2.2. Логаритмични и контрастни разтягащи трансформации
3.2.3. Някои полезни М-функции за преобразуване на яркостта
3.3. Обработка на хистограми и начертаване на графики на функции
3.3.1. Намиране и конструиране на хистограми
3.3.2. Изравняване на хистограмата
3.3.3. Напасване на хистограма (спецификация)
3.4. Пространствено филтриране
3.4.1. Линейно пространствено филтриране
3.4.2. Нелинейно пространствено филтриране
3.5. Стандартни пространствени филтри от IPT пакета
3.5.1. Линейни пространствени филтри
3.5.2. Нелинейни пространствени филтри
заключения

Глава 4: Обработка на честотен домейн
Въведение
4.1. Двумерно дискретно преобразуване на Фурие
4.2. Изчисляване и визуализиране на 2D DFT в MATLAB
4.3. Филтриране на честотен домейн
4.3.1. Основни понятия
4.3.2. Основни стъпки за филтриране на честотен домейн
4.3.3. М-функция за филтриране на честотен домейн
4.4. Конструиране на филтри в честотната област с помощта на пространствени филтри
4.5. Директно изграждане на филтри в честотната област
4.5.1. Конструиране на мрежови масиви за използване във филтри на честотна област
4.5.2. Нискочестотни филтри
4.5.3. Изчертаване на графики на телени контури и повърхности
4.6. Изостряне с честотно филтриране
4.6.1. Основи на високочестотното филтриране
4.6.2. Високочестотно филтриране
заключения

Глава 5. Възстановяване на изображение
Въведение
5.1. Симулация на процеса на изкривяване/възстановяване на изображението
5.2. Шумови модели
5.2.1. Добавяне на шум с функцията imnoise
5.2.2. Генериране на случаен пространствен шум със зададено разпределение
5.2.3. Периодичен шум
5.2.4. Оценка на параметрите на шума
5.3. Реконструкция само при наличие на шум - пространствено филтриране
5.3.1. Филтри за пространствен шум
5.3.2. Адаптивни пространствени филтри
5.4. Потискане на периодичния шум чрез филтриране на честотен домейн
5.5. Моделиране на функции на изкривяване
5.6. Обратно филтриране
5.7. Винер филтрация
5.8. Изглаждащо филтриране по метода на най-малките квадрати със свързване
5.9. Алгоритъм на Луси-Ричардсън за итеративна нелинейна реконструкция
5.10. Сляпа деконволюция
5.11. Геометрични трансформации и регистрация на изображения
5.11.1. Пространствени трансформации
5.11.2. Прилагане на пространствени трансформации към изображения
5.11.3. Регистрация на изображения
заключения

Глава 6. Обработка на цветни изображения
Въведение
6.1. Представяне на цветни изображения в MATLAB
6.1.1. RGB изображения
6.1.2. Индексирани изображения
6.1.3. IPT функции за работа с RGB и индексирани изображения
6.2. Преобразувания в други цветови пространства
6.2.1. NTSC цветово пространство
6.2.2. Цветово пространство YCbCr
6.2.3. Цветово пространство HSV
6.2.4. CMY и CMYK цветови пространства
6.2.5. HSI цветово пространство
6-3. Основи на обработката на цветни изображения
6.4. Преобразуване на цветовете
6.5. Пространствено филтриране на цветни изображения
6.5.1. Изглаждане на цветни изображения
6.5.2. Изостряне на цветни изображения
6.6. Обработка във векторно RGB пространство директно
6.6.1. Откриване на ръбове в цветни изображения с помощта на градиент
6.6.2. Сегментация във векторно пространство RGB
заключения

Глава 7. Вълнички
Въведение
7.1. Някои основи
7.2. Бърза вълнова трансформация
7.2.1. FWT трансформации в Wavelet Toolbox
7.2.2. FWT преобразувания без използване на Wavelet Toolbox
7.3. Работа с Wavelet декомпозиционни структури
7.3.1. Редактиране на уейвлет коефициенти извън пакета Wavelet Tollbox
7.3.2. Показване на коефициенти на разлагане
7.4. Бърза обратна вълнова трансформация
7.5. Wavelets в обработката на изображения
заключения

Глава 8: Компресиране на изображение
Въведение
8.1. Някои основи
8.2. Излишък на кода
8.2.1. Кодове на Хъфман
8.2.2. Кодиране на Хъфман
8.2.3. Декодиране на Хъфман
8.3. Интерпикселно излишък
8.4. Визуална излишност
8.5. JPEG стандарти за компресиране
8.5.1. JPEG
8.5.2. JPEG 2000
заключения

Глава 9. Обработка на морфологични изображения
Въведение
9.1. Предварителна информация
9.1.1. Основни понятия на теорията на множествата
9.1.2. Двоични изображения, множества и логически операции
9.2. Дилатация и ерозия
9.2.1. Дилатация
9.2.2. Разлагане на структурообразуващите елементи
9.2.3. функция стрел
9.2.4. Ерозия
9.3. Комбинация от дилатация и ерозия
9.3.1. Отваряне и затваряне
9.3.2. Успех на трансформацията, провал
9.3.3. Използване на справочни таблици
9.3.4. bwmorph функция
9.4. Изолиране на свързани компоненти
9.5. Морфологична реконструкция
9.5.1. Откриване чрез преустройство
9.5.2. Запълване на дупки
9.5.3. Изчистване на гранични обекти
9.6. Морфология на полутона
9.6.1. Дилатация и ерозия
9.6.2. Отваряне и затваряне
9.6.3. Реконструкция
заключения

Глава 10: Сегментиране на изображение
Въведение
10.1. Откриване на точки, линии и ръбове
10.1.1. Откриване на точки
10.1.2. Откриване на линия
10.1.3. Откриване на ръбове с функция за ръбове
10.2. Откриване на линии с помощта на трансформация на Hough
10.2.1. Намиране на максимумите на трансформацията на Хаф
10.2.2. Трансформация на Hough за откриване на линии и свързване
10.3. Прагове
10.3.1. Обработка на глобален праг
10.3.2. Адаптивна обработка на прага
10.4. Сегментиране на отделни области
10.4.1. Формулиране на проблема
10.4.2. Площи за отглеждане
10.4.3. Разделяне и сливане на зони
10.5. Сегментиране чрез трансформация на водосбора
10.5.1. Сегментиране на водосбора с помощта на трансформация на разстояние
10.5.2. Сегментиране на водосбора с помощта на градиенти
10.5.3. Използване на маркери при сегментиране на водосбора
заключения

Глава 11. Представяне и описание
Въведение
11.1. Предварителна информация
11.1.1. Смесени масиви и структури
11.1.2. някои допълнителни функции MATLAB и IPT
11.1.3. Някои основни M помощни функции
11.2. производителност
11.2.1. Верижни кодове
11.2.2. Апроксимация с прекъсната линия с минимална дължина
11.2.3. Подписи
11.2.4. Гранични сегменти
11.2.5. Скелетни региони
11.3. Гранични дескриптори
11.3.1. Някои прости дескриптори
11.3.2. Номериране на фигури
11.3.3. Дескриптори на Фурие
11.3.4. Статистически характеристики
11.4. Дескриптори на области
11.4.1. функция regionprops
11.4.2. Текстура
11.4.3. Моментни инварианти
11.5. Използване на главни компоненти при описване на изображения
заключения

Глава 12. Разпознаване на обекти
Въведение
12.1. Някои основи
12.2. Изчисляване на разстояния в MATLAB
12.3. Разпознаване чрез теория на решенията
12.3.1. Формиране на признакови вектори
12.3.2. Съвпадение на шаблони с помощта на класификатори за минимално разстояние
12.3.3. Корелационно сравнение
12.3.4. Статистически оптимални класификатори
12.3.5. Адаптивни системи за обучение
12.4. Структурно разпознаване
12.4.1. Работа с низове в MATLAB
12.4.2. Съвпадение на низове
заключения

Приложение А
Въведение
А.1. Функции IPT и DIPUM
А.2. Функции на MATLAB

Приложение Б
Въведение
Б.1. Изграждане на ICE GUI
Б.2. ICE програмируем интерфейс
Б.2.1. Код за инициализация
Б.2.2. Отваряне на прозорец и показване на функции
Б.2.3. Функции за извикване на прозорец
B.2.4. Функции за извикване на обект

Приложение Б
Въведение

Това издание е резултат от основна ревизия на книгата Digital Image Processing (Gonzalez and Wintz, 1977 и 1978; Gonzalez and Woods, 1992 и 2002). Една от най-важните причини за популярността на книгата, която повече от 30 години е световен лидер в своята област, е високата степен на внимание на авторите към променящите се образователни потребности на читателя. Настоящото издание се основава на най-обширното проучване на читателската аудитория, правено някога. Както и досега, основните цели на книгата са да послужи като въведение в основните понятия и методи за обработка на цифрови изображения, както и да осигури основа за последващи проучвания и самостоятелни изследвания в тази област. Всички раздели са придружени от голям брой примери и илюстрации. Книгата е предназначена за изследователи, професионални програмисти, специалисти по компютърен дизайн, студенти и преподаватели. Книгата неизменно се нарежда на първо място в класациите за продажби на Amazon.com и се използва широко от разработчици и дизайнери.

Произведението принадлежи към жанра Компютри: други. Издадена е през 2012 г. от издателство Техносфера. Книгата е част от поредицата "Светът на цифровата обработка". От нашия уебсайт можете да изтеглите книгата "Цифрова обработка на изображения" във формат fb2, rtf, epub, pdf, txt или да четете онлайн. Оценката на книгата е 5 от 5. Тук, преди да прочетете, можете също да се обърнете към рецензии на читатели, които вече са запознати с книгата, и да разберете тяхното мнение. В онлайн магазина на нашия партньор можете да закупите и прочетете книгата в хартиен вариант.