数字图像处（总 ）第三版

1北京航空航天大学仪器科学与光电工程学院SchoolofInstrumentationScience&OptoelectronicsEngineering数字图像处理第三版DigitalImageProcessing课程简介本课程为仪器类、光学类以及遥感类专业高年级本科生的核心专业课，也可以作为其他相关专业的选修课程。课程的主要目的是使学生了解和掌握数字图像处理的基本概念和方法，能够运用所学知识和方法解决部分实际问题，为深入研究数字图像处理和目标识别打下基础。通过本课程的学习使得学生了解和掌握从事计算机视觉、图像识别和人工智能等行业所需的图像处理基础理论与专业知识。23参考教材-1教育部高等教育司推荐：国外电子与通信教材系列。《数字图像处理（第三版）》，冈萨雷斯等著，阮秋琦等译，电子工业出版社，2011年6月。可以从网上购买纸质版教材，或者从网上下载本书的电子版PDF文件。4参考教材-2《数字图像处理（第四版）》（英文版），冈萨雷斯等著，2018年。可以从网上下载本书的电子版PDF文件。56参考教材-3国外电子与通信教材系列。《数字图像处理的MATLAB实现(第2版)》，冈萨雷斯等著，阮秋琦等译，清华大学出版社，2013年4月。78本课程的考核方式期末考试（60%）+综合实验（30%）+平时考核（10%）。6个综合设计实验的方案设计及编程实现。（可以独立完成，也可以以组（1~3人）为单位发送实验报告、源程序、所用图像电子版至spzhu@163.com；占总成绩的30%）；平时表现和考核（占总成绩的10%）；期末考试（占总成绩的60%）。如有修改，再另行通知。9第一章绪论10引言11数字图像处理方法的重要性源于两个主要应用领域：改善图示信息以便人们解释；为存储、传输和表示而对图像数据进行处理，以便于机器自动理解。12本章有几个主要目的定义我们称之为图像处理领域的范围；从历史观点回顾图像处理的起源；通过考察一些主要的应用领域，给出图像处理技术状况的概念；简要讨论数字图像处理中所用的主要方法；概述通用目的的典型图像处理系统的组成。131.1什么是数字图像处理14一幅图像可定义为一个二维函数f(x,y)，其中x和y是空间（平面）坐标，而在任何一对空间坐标(x,y)处的幅值f称为图像在该点处的强度或灰度。当x,y和灰度值f是有限的离散数值时，我们称该图像为数字图像。15数字图像处理是指借助于计算机来处理数字图像。数字图像是由有限数量的元素组成的，每个元素都有一个特定的位置和幅值。这些元素称为图像元素或像素。像素是广泛用于表示数字图像元素的术语。

16人类的感知仅限于电磁波谱的视觉波段。成像机器几乎可以覆盖从伽马射线到无线电波的整个电磁波谱。它们可以对非人类所习惯的那些图像源进行加工。因而，数字图像处理涉及很宽泛的各种各样的应用领域。171.2

数字图像处理的起源18数字图像处理最早的应用之一是在报纸业。借助电报打印机进行数字图像传输甚至可以追溯到上世纪20年代。早在上世纪20年代曾引入电缆图片传输系统，把横跨大西洋传送一幅图片所需的时间从一个多星期减少到3个小时。19为了用电缆传输图片，首先使用特殊的打印设备对图片编码，然后，在接收端重构这些图片。下图就是用这种方法传送并利用装有打印机字体的电报打印机模拟中间色调还原出来的图像。201921年由电报打印机采用特殊字体在编码纸带中产生的数字图片21这些早期数字图片视觉质量的改进工作，涉及到打印过程的选择和亮度等级的分布等问题。用于得到上图的打印方法到1921年底就被彻底淘汰了，转而支持一种基于照相还原的技术，该技术在电报接收端使用穿孔纸带来还原图片。22右图就是用这种方法得到的图像，对比上图，它在色调质量和分辨率方面的改进都很明显。

1922年在信号两次穿越大西洋后，由穿孔纸带得到的数字图片。23早期的系统用5个灰度等级对图像编码，到1929年已增加到15个等级。在这一时期，由于引入了一种使用编码图片纸带调制光束而使底片感光的系统，明显地改善了还原过程。24

1929年从伦敦到纽约用15级色调设备通过电缆传送的未经修饰的照片25计算机图像处理技术的历史可以追溯到1946年世界上第一台电子计算机诞生。但在上世纪50年代计算机主要还是用于数值计算，满足不了处理大数据量图像的要求。26在上世纪60年代，第3代计算机的研制成功，以及快速傅里叶变换算法的发现和应用使得对图像的某些计算得以实现。人们从而逐步开始利用计算机对图像进行加工利用。27从20世纪60年代至今，数字图像处理技术领域一直在生机勃勃地发展，迅速地发展成为一门独立的具有强大生命力的学科。数字图像处理技术得到极大的重视和长足的发展，出现了许多新理论、新方法、新算法、新手段、新设备。281.3

使用数字图像处理领域的实例29今天，几乎不存在与数字图像处理无关的技术领域。这里讨论的范围只能覆盖其应用领域的一小部分。30一、遥感技术以前，需要大量的人力对侦察飞机拍摄的空中摄影照片进行分析。现在利用图像处理系统进行判读分析，既可以提高效率，又可以从照片中提取人工所不能发现的大量的有用情报。31遥感技术分为飞机遥感和卫星遥感技术。从遥感卫星所获得的图像的图像质量有时不是很好，如果仍采用简单的直观判读如此昂贵代价所获取的的图像是不合算的，因此必须采用图像处理技术。

立体航拍图像上叠加的地形等高线图32移动样本或视角得到的用于测量两幅不同图像中物体间垂直高度差的几何（通常用于航拍）d1-d2为同一地面点在两幅图像中的视差33飞机飞行或相机移动的距离工作距离或高度

当d1和d2远小于S时，简化关系为：34南极洲臭氧层空洞的卫星照片

NASA的Nimbus7号卫星拍摄Dobson（多布森）单位是用于臭氧含量测绘中测量臭氧含量的标准单位，正常值大约是300Dobson单位。35这里TOMS是臭氧总含量测绘光谱议（TotalOzoneMappingSpectrometer）的缩写，Dobson单位是用于臭氧含量测绘中测量臭氧含量的标准单位，正常值大约是300Dobson单位，因此可以看出这些图片中的臭氧层损耗是明显的。36NASA的LANDSAT卫星的主要波段

波段号名称波长(m)特征和用途1234567可见蓝光可见绿光可见红光近红外光中红外光热红外光中红外光0.45～0.520.52～0.600.63～0.690.76～0.901.55～1.7510.4～12.52.08～2.35对水体有最大的穿透性适用于度量植物活力植被辨别生物团和海岸线测绘土壤和植被含水量土壤温度，热量测绘矿物测绘37多光谱遥感图像需要进行融合配准，以期获得单独每个谱段所不能获得的更为丰富的信息，这就必须采用数字图像处理技术。

38加拿大舍布鲁克大学的全色波段高分辨率（1m）卫星遥感图像

Thepanchromaticband(525.8–928.5μm)ofthe1-mhigh-resolutionpanchromaticimage39加拿大舍布鲁克大学的多谱段低分辨率（4m）卫星遥感图像

Thered(631.9–697.7μm),green(506.4–595.0μm),blue(444.7–516.0μm)andNIR(757.3–852.7μm)bandsofthe4-mlow-resolutionmultispectralimages40Intensity–hue–saturation(IHS)

图像融合算法41Broveytransform(BT)

图像融合算法42Principalcomponentanalysis(PCA)图像融合算法43High-passfiltering(HPF)

图像融合算法44High-passmodulation(HPM)

图像融合算法45àtrousalgorithm-baseddyadicwavelettransform(ATW)图像融合算法46Multiresolutionanalysis-basedintensitymodulation(MRAIM)图像融合算法47原始的LRMI图像以及通过IHS,BT,PCA,HPF,HPM,ATW和MRAIM方法融合后的HRMI图像48二、医学图像处理医学上不管是基础科学还是临床应用，都是图像处理应用种类极多的领域。生物医学的显微图像的处理分析，例如红白细胞、细菌和染色体的分析。

49X射线成像的实例胸部X射线图像主动脉造影图像X射线是最早用于成像的电磁辐射源之一。

50大家最熟悉的X射线在医学成像中的应用是计算机轴向断层术（CT）。通过CT，可以产生人体的大量“切片”，这些剖面图合在一起就构成了病人体内的三维图，使得肌体病变特别是肿瘤诊断起到了革命性的变化。早在20世纪70年代发明的计算机轴向断层术(CT)，是图像处理在医学诊断领域最重要的应用之一。511、检测器环围绕着一个物体(或病人)。2、并且一个与该环同心的X射线源(与检测器环同心)绕着物体旋转。通过图像重建算法，由感知到的X射线数据来重建通过物体的“切片”图像。这些切片组成该物体内部的三维再现。3、X射线穿过物体并由环中对面的检测器进行收集。4、当X射线源旋转时，重复这一过程。52CT断层摄影术是由GodfreyN.Hounsfield和AllanM.Cormack分别发明的。由于这项发明，他们共同获得了1979年的诺贝尔医学奖。有趣的是X射线是1895年由WilhelmConradRoentgen（威廉·康拉德·伦琴）发现的，由于这一发现，他获得了1901年的诺贝尔物理学奖。今天，这两个相差近90年的发明引领着图像处理的一些最重要的应用。53头部CT每幅CT图像都是垂直穿过病人的一个“切片”，当病人纵向移动时可产生大量的“切片”，这些图像组合在一起就构成了人体内部的三维描绘图像。其纵向分辨率与切片数量成正比。通过人体头部的多个切片组成的三维空间5455基于CT扫描数据的肺部支气管血管解剖结构的三维可视化56超声波成像的实例甲状腺肌肉层有损害57基于活动轮廓模型（Snake）的

心内膜超声图像分割585960在医学中，无线电波可以用于核磁共振成像（MRI），是继CT后医学影像学的又一重大进步。相对于X-射线透视技术和放射造影技术，MRI对人体没有辐射影响，相对于超声探测技术，核磁共振成像更加清晰，能够显示更多细节。61MRI图像膝盖脊椎62膝盖骨MRI图像的分割幅值分割相位分割幅值+相位分割手工分割基于活动轮廓模型（Snake）的大脑MRI图像中胼胝体的分割6364大脑MRI图像的分割65将头部MRI图像三维数字化后用于面相识别66三、工业领域中的应用基于机器视觉技术的物体二维或三维坐标精密测量、深度方向的距离测量和空间定位。机器人视觉是机器人应用中一个非常关键的核心技术。67工业产品的无损探伤、表面和外观的自动检查和识别、装配和生产线的自动化、印刷电路板的视觉检查、机械零件的自动识别分类和几何尺寸测量等。68电路板：检测丢失元件丸剂胶囊：寻找缺少药丸瓶子：寻找没有达到要求液位的瓶子塑料中气泡分析谷物分析：颜色、异常目镜图像：检测是否存在缺陷69三维在线视觉检测系统组成70汽车白车身激光视觉检测站71ATOS三维光学扫描仪德国GOM公司生产的ATOS流动式光学扫描仪是目前市场上最为先进的非接触式三坐标扫描设备。72该设备采用可见光，将特定的光栅条纹投影到测量工件表面，借助两个高分辨率工业CCD摄像机对光栅干涉条纹进行拍照。利用光学拍照定位技术、立体视觉技术和光栅测量原理，可在极短的时间获得复杂工件表面的完整点云。73其独特的流动式设计和不同视角点云的自动拼合技术，使扫描不需要借助于机床的驱动，扫描范围可达10m，而扫描大型工件则变得高效、轻松和容易。其高质量的完美扫描点云可用于产品开发、逆向工程、快速成型、质量控制，甚至可实现直接加工。

74ATOS三维光学扫描仪主要由扫描头、三脚架、计算机、控制器等组成。其中扫描头由两个高分辨率工业CCD摄像机、镜头、光栅投射器组成。75ATOS三维扫描仪性能参数76扫描物体尺寸:大至10m支持多种单幅测量范围：150×150mm2~2000×2000mm2高分辨率：0.03mm–0.5mm高精度：5µm–50µm使用方便，轻便和流动式设计具有自我监测功能77ATOS系统采用结构光测量方式，利用光栅投影单元将一组具有相位信息的光栅条纹投影到测量工件表面。利用左右两个高分辨率工业CCD相机进行同步拍照，利用立体视觉测量原理，可以在极短的时间内获得物体表面大量的三维数据。78ATOS系统测量原理示意图79投射在被测物上的光栅条纹80TRITOP数码相机定位系统Tritop定位系统由高分辨率数码相机、比例尺、数码参考点、计算机等组成。81由于受测量范围的限制，要完成对一个物体的整体扫描，ATOS系统必须在不同视点对各个局部区域分别进行测量。然而ATOS系统在不同视点所获得的三维点云数据均是在不同视点坐标系下的三维数据。82因此必须将各个坐标系下的三维点云数据统一到同一个坐标系下，即三维拼接。为了扫描一个整体零件，ATOS系统利用首创的参考点技术将每幅点云拼接起来，以得到一个完整的点云数据模型。为防止利用参考点技术拼接点云数据造成累积误差，超出技术要求，GOM公司发明了数码相机定位技术，即TRITOP系统。利用特有的数码点和参考点来构建一个完整的坐标定位系统，即全局坐标系。8384ATOS系统在不同视点扫描的数据则自动根据参考点的坐标自动对齐到全局坐标系下。采用TRITOP系统，使扫描大到10米的大型被测物成为可能。基于ATOS的工业光学三维测量技术85利用ATOS扫描大型零件8687ATOS应用实例：X-38（成员返回飞行器）的测量外表面测量88翼内表面测量89X-38局部表面的三维图90X-38整体的三维图91ATOS应用实例：泰迪熊的彩色三维数字化模型92四、航空航天方面“嫦娥一号”卫星月球三维地形的获取。常规的航空航天对地摄影只获取正视（星下点）二维图像，而要获得立体图像，通常需要用三台线阵相机。CE-1上的中科院西安光机所CCD立体相机采用了一个广角物镜和1024×1024面阵CCD的独特设计，实现了上述功能。93利用三线阵方式拍摄月面图像的

原理示意图94北京密云和云南昆明数据接收地面站接收CE-1卫星下传数据示意图95相机工作时，CCD立体相机采用线阵推扫的方式获取月面同一目标的前视、正视和后视三条线阵的影像。即利用1024行中的第1行、第512行和第1023行分别对月面同一目标进行三次扫描拍摄。96第1行数据为前视17°获取的图像，第512行数据为正视图像，第1023行为后视17°获取的图像。形象地说就是，当相机与拍摄目标连线与垂直方向成前视17°时，CCD立体相机探测器的第1行获取目标的前视图像。97经过大约42秒（卫星运行了约66km）后，当相机与拍摄目标连线与月面垂直时，CCD立体相机探测器的第512行获取该目标的正视图像。再经过大约42秒后，当相机与拍摄目标连线与垂直方向成后视17°时，探测器的第1023行获取该目标的后视图像。98这样，月面同一目标就在84秒的时间内被CCD立体相机拍摄了三幅照片，即地面目标的前视、正视和后视图像。CCD立体相机成像过程示意图99100模拟生成的前视图像真正的正视图像模拟生成的后视图像101等高线和三维景观图等高线和三维景观图102地形等高线平面图103地形等高线立体图104月面三维地形模拟105参考书《三线阵CCD影像卫星摄影测量原理》作者：王任享院士出版社：测绘出版社出版日期：2016年5月106“嫦娥一号”携带的部分仪器107图像拼接-嫦娥四号着陆器地形地貌相机环拍全景图摄像机拍摄的角度和幅度都是有限的，通过拍摄多张照片，然后通过图像拼接算法，可以把多张图片拼接成一张全景图片。108109五、军事公安方面运动目标的图像自动跟踪技术，例如巡航导弹的三维自动地形识别与匹配。公安业务图片的判读分析，如指纹识别、不完整图片的复原等。公安中的跟踪、窃视、交通监控、事故分析。110指纹识别111中科院自动化所“基于大形变和低质量的指纹加密方法与应用”荣获2012年度国家技术发明二等奖中科院自动化所完成的项目“基于大形变和低质量的指纹加密方法与应用”荣获2012年度国家技术发明二等奖。“基于大形变和低质量的指纹加密方法与应用”研究了基于生物特征的加密技术，重点解决了对大形变、低质量指纹鲁棒且适合于生物特征加密的指纹特征提取方法；并以这些指纹特征为基础，结合模式识别与密码技术，发明了安全实用的指纹加密方法，并在新型指纹特征提取、密钥生成算法等方面提出了系列创新方法。112113该项目的发明有效地提高了生物特征识别系统的安全性和隐私性，真正做到物理身份和数字身份的统一。基于本项目发明点研发的银行身份认证系统，为电子政务、电子商务以及个人信息安全提供更为安全、便捷、高效的身份认证方式。114虹膜识别虹膜是位于人眼表面黑色瞳孔和白色巩膜之间的圆环状区域，在红外光下呈现出丰富的纹理信息，如斑点、条纹、细丝、冠状、隐窝等细节特征。虹膜识别技术通过对比虹膜图像特征之间的相似性来确定人们的身份。虹膜识别的精确度是各种生物认证技术中最高的。具有非接触式采集、生物特征稳定等优点。115虹膜识别的优势116中科院自动化所“虹膜图像获取与识别技术”荣获2005年度国家技术发明二等奖。虹膜身份识别系统基本流程117虹膜识别118红外摄像机拍摄的人眼图像

119人眼虹膜、眼睑及睫毛分割结果Windows10的新解锁技术—WindowsHello120“WindowsHello”为生物特征授权带来系统支持——通过使用你的脸部、虹膜或指纹等生物特征来解锁你的设备——这种技术比传统密码更加安全。英特尔®实感™技术3D摄像头（F200）将能够支持通过脸部和虹膜特征来解锁“WindowsHello”。支付宝推出的“刷脸支付”2015年3月15日在德国汉诺威消费电子、信息及通信博览会(CeBIT)开幕式上，阿里巴巴集团执行主席马云发布并现场演示了一种支付认证技术：人脸识别支付技术。121支付宝“刷脸”用户已超过1.5亿人_蚂蚁金服生物识别技术2017年2月21日，蚂蚁金服的“刷脸支付（PayingwithYourFace）”被世界权威《麻省理工科技评论》（MITTechnologyReview）评为“2017年全球十大突破性技术”。。而实际上，依托于人脸识别的“刷脸支付”相关应用，中国已经远远的走在了世界的前列，拉开了与包括美国在内的其他国家的距离。122实际上，刷脸支付是由蚂蚁金服与Face++合作研发。而在人脸识别核心比对算法的基础上，蚂蚁金服开发了具有专利的活体检测技术，并结合其风控防攻击安全策略等多个维度的核心技术，能够提供金融级的准确度和安全性。123总体来说，刷脸支付诞生于支付宝比较独特的金融业务场景。这一突破性技术是蚂蚁金服与Face++合作研发的，其解决方案由：1、Face++的人脸比对算法；2、蚂蚁金服的活体识别算法；3、整套风控防攻击的策略体系三部分组成。124iPhone8配备“革命性”前置3D深度镜头苹果知名供应商大立光电宣布，旗下的3D深度感应摄像头将成为“iPhone8”的一部分。该组件所拥有的深度传感摄像头可对用户面部和人眼虹膜进行扫描识别，将允许iPhone用户通过虹膜扫描来解锁设备，以及做脸部识别。125iPhone8中将包含3D前置摄像头系统，由3个模块组成：包括现有前置摄像头、可以感知摄像头前方3D空间的红外发射模块以及红外接收模块。有了这一配置升级，新部件将能融合景深信息和前置摄像头的2D图像，应用于脸部识别、虹膜识别和3D自拍等领域。126有了深度数据，可以有效的提高面部识别的精准度，同时在暗光的场景下也可以做到精准识别。同时利用这个深度数据，也可以使iPhone8拍摄的照片有景深的效果，可以自由的切换拍照聚焦。127深度感知还可以用在后置摄像头，用于AR／VR应用。AR／VR应用中往往需要对周围环境和手势做3D建模，因此也需要深度感知。也可以实现背景抠图功能，如今火热的主播视频，有了这个新功能之后，可以灵活的切换不同背景。128129车牌识别识别结果识别结果智能停车系统130人脸探测131人脸探测及模糊化用于隐私保护132画面风格转换133134视频跟踪135车脸识别车脸识别又叫车辆重识别，也称为车辆检索，旨在找到不同监控场景下的同一辆车。数据显示，65%以上的犯罪案件都与车辆有关。而在涉车案件中，嫌疑车辆的车牌通常是假牌、套牌，无法通过识别车牌号码来锁定车辆身份，因此基于视觉表观的“车辆重识别技术”具有重大研究意义和实用价值。136不同于车型分类，车脸识别更精细，更具挑战性。它不仅要判断两辆车是否属于同一个精细车型，还需要确定两辆同一年款相同颜色的车是不是同一辆车。137138基于结构化特征度量学习的车脸识别方法139140六、文化艺术方面图像、视频的压缩编码和解码。电视画面的数字编辑。绘画等艺术作品的三维重建。文物资料照片和旧电影拷贝的修复。141基于图像的三维重建

（Image-based3Drendering）142七、体育方面运动员的训练、动作分析、评分等。143任正非：华为错过了语音时代、数据时代，不能再错过图像时代。2016年，任正非在誓师大会上再次表达了华为占领“图像时代”的雄心。他公开表示：“我们错过了语音时代、数据时代，世界的战略高地我们没有占据，我们再不能错过图像时代。”任正非表示，未来的信息社会将有90%以上的流量来自图像和视频。144“图像处理能力赋予了机器看世界的能力，这是人工智能的重要输入。”事实上，过去，图像处理技术已经被广泛地运用在工业相机、摄像机、扫描仪等设备中。未来，无论是新一代汽车、安防监控、机器人、移动与消费电子、智能建筑还是工业电子与零售，智能图像处理的需求将会进一步爆发。145146八、展望随着计算机技术的日益发展，数字图像处理技术的日益完备，数字图像处理的应用范围将更加深入和广泛。147图像处理、分析和理解的层次148解决图像理解问题的途径和步骤149

1.4数字图像处理的基本步骤150数字图像处理的基本步骤

数字图像处理的相关领域151图像处理、分析和理解的层次1521531541、图像获取图像获取是第一步处理。我们在第2章介绍数字图像基础及数字图像获取的基本概念。通常，图像获取阶段包括图像预处理。1552、图像增强图像增强是对一幅图像进行某种操作，使其结果在特定应用中比原始图像更适合进行处理。我们在第3章讲解空间域图像增强的内容。我们在第4章讲解频率域图像增强的内容。1563、图像复原图像复原也是改进图像外观的一个处理领域。与图像增强不同，图像增强是主观的，而图像复原是客观的。在某种意义上说，复原技术倾向于以图像退化的数学或概率模型为基础。157图像增强的增强效果以人的主观偏爱为基础。本书第5章是图像复原的内容，课堂上不讲。1584、彩色图像处理本书第6章的主要内容是彩色图像处理，包括彩色模型和彩色图像处理的基本概念。彩色也是提取图像中感兴趣特征的基础。1595、形态学处理形态学处理涉及提取图像分量的工具，这些分量在表示和描述形状方面很有用。我们在第9章讲解形态学处理的内容。这一章的内容将从输出图像处理到输出图像属性处理的转换开始。1606、图像分割分割过程将一幅图像划分为它的组成部分或目标。通常，自动分割是数字图像处理中最困难的任务之一。成功地把目标逐一识别出来是一个艰难的分割过程。通常，分割越准确，识别越成功。我们在第10章讲解图像分割。1617、表示与描述表示与描述几乎总是在分割阶段的输出之后。选择一种表示仅是解决把原始数据转换为适合计算机进行后续处理的形式的一部分。为了描述数据以使感兴趣的特征更明显，必须确定一种方法。描述又称为特征选择，涉及提取特征，它可得到某些感兴趣的定量信息，或是区分一组目标与其他目标的基础。我们在第11章讲解表示与描述。1628、目标识别识别是基于目标的描述给该目标赋予标志（譬如“车辆”）的过程。我们在第12章讲解目标识别。1631.5图像处理系统的组成164通用图像处理系统的组成165光电成像系统的基本构成场景光学成像系统图像传感器软、硬件处理系统显示166面阵图像传感器的成像过程1671.6图像处理常用工具软件OpenCV168OpenCVOpenCV的全称是OpenSourceComputerVisionLibrary，是一个跨平台的计算机视觉库。OpenCV是由英特尔公司发起并参与开发，可以在商业和研究领域中免费使用。OpenCV可用于开发实时的图像处理、计算机视觉以及模式识别程序。169编程语言：OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。OpenCV中文网站：/170参考书：学习OpenCV3（中文版）

学习OpenCV3（中文版）(美)AdrianKaehler;GaryBradski(著)阿丘科技(译)清华大学出版社2018-7-01出版1711.7图像处理常用工具软件MatlabMATLABToolbox2019年1月172MatlabR2018bDeepLearningToolbox173Matlab技术论坛《MATLAB图像与视频处理实用案例详解》17425个与实际课题相结合的案例及其程序实现图像处理和计算机视觉的主要国际期刊IEEETransactionsonPatternAnalysisandMachineIntelligenceIEEETransactio