《MATLAB图像与视频处理实用案例详解》详细讲解了25个MATLAB图像与视频处理实用案例（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。

工欲善其事，必先利其器，《MATLAB图像与视频处理实用案例详解》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图像与视频处理实用案例详解》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。

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 1

1.3 程序实现 3

1.3.1 设计GUI界面 3

1.3.2 全局直方图处理 4

1.3.3 局部直方图处理 5

1.3.4 Retinex增强处理 7

1.4 延伸阅读 10

1.5 参考文献 11

第2章 基于形态学的权重自适应图像去噪 12

2.1 案例背景 12

2.2 理论基础 12

2.2.1 图像去噪方法 12

2.2.2 数学形态学原理 13

2.2.3 权重自适应的多结构形态学去噪 14

2.3 程序实现 14

2.4 延伸阅读 20

2.5 参考文献 21

第3章 基于多尺度形态学提取眼前节组织 22

3.1 案例背景 22

3.2 理论基础 22

3.3 程序实现 25

3.3.1 多尺度边缘 25

3.3.2 主处理函数 26

3.3.3 形态学处理 28

3.4 延伸阅读 29

3.5 参考文献 30

第4章 基于Hough变化的答题卡识别 31

4.1 案例背景 31

4.2 理论基础 31

4.2.1 图像二值化 31

4.2.2 倾斜校正 32

4.2.3 图像分割 35

4.3 程序实现 37

4.4 延伸阅读 47

4.5 参考文献 47

第5章 基于阈值分割的车牌定位识别 48

5.1 案例背景 48

5.2 理论基础 48

5.2.1 车牌图像处理 49

5.2.2 车牌定位原理 52

5.2.3 车牌字符处理 52

5.2.4 字符识别 54

5.3 程序实现 55

5.4 延伸阅读 63

5.5 参考文献 63

第6章 基于分水岭分割进行肺癌诊断 64

6.1 案例背景 64

6.2 理论基础 64

6.2.1 模拟浸水的过程 64

6.2.2 模拟降水的过程 65

6.2.3 过度分割问题 65

6.2.4 标记分水岭分割算法 65

6.3 程序实现 66

6.4 延伸阅读 71

6.5 参考文献 71

第7章 基于主成分分析的人脸二维码识别 72

7.1 案例背景 72

7.2 理论基础 72

7.2.1 QR编码简介 72

7.2.2 QR编码译码 74

7.2.3 主成分分析方法 76

7.3 程序实现 77

7.3.1 人脸建库 77

7.3.2 人脸识别 78

7.3.3 人脸二维码 79

7.4 延伸阅读 83

7.5 参考文献 84

第8章 基于知识库的手写体数字识别 85

8.1 案例背景 85

8.2 理论基础 85

8.2.1 算法流程 85

8.2.2 特征提取 85

8.2.3 模式识别 86

8.3 程序实现 87

8.3.1 图像处理 87

8.3.2 特征提取 88

8.3.3 模式识别 91

8.4 延伸阅读 91

8.4.1 识别器选择 91

8.4.2 提高识别率 92

8.5 参考文献 92

第9章 基于特征匹配的英文印刷字符识别 93

9.1 案例背景 93

9.2 理论基础 93

9.2.1 图像预处理 93

9.2.2 图像识别技术 94

9.3 程序实现 96

9.4 延伸阅读 101

9.5 参考文献 101

第10章 基于不变矩的数字验证码识别 102

10.1 案例背景 102

10.2 理论基础 102

10.3 程序实现 103

10.3.1 设计GUI界面 103

10.3.2 载入验证码图像 103

10.3.3 验证码图像去噪 104

10.3.4 验证码数字定位 106

10.3.5 验证码归一化 108

10.3.6 验证码数字识别 109

10.3.7 手动确认并入库 111

10.3.8 重新生成模板库 112

10.4 延伸阅读 115

10.5 参考文献 115

第11章 基于小波技术进行图像融合 116

11.1 案例背景 116

11.2 理论基础 116

11.3 程序实现 118

11.3.1 GUI设计 118

11.3.2 图像载入 119

11.3.3 小波融合 120

11.4 延伸阅读 123

11.5 参考文献 123

第12章 基于块匹配的全景图像拼接 124

12.1 案例背景 124

12.2 理论基础 124

12.2.1 图像匹配 125

12.2.2 图像融合 127

12.3 程序实现 127

12.3.1 设计GUI 127

12.3.2 载入图片 128

12.3.3 图像匹配 129

12.3.4 图像拼接 133

12.4 延伸阅读 137

12.5 参考文献 138

第13章 基于霍夫曼图像压缩重建 139

13.1 案例背景 139

13.2 理论基础 139

13.2.1 霍夫曼编码的步骤 139

13.2.2 霍夫曼编码的特点 140

13.3 程序实现 141

13.3.1 设计GUI 141

13.3.2 压缩重构 142

13.3.3 效果对比 147

13.4 延伸阅读 149

13.5 参考文献 149

第14章 基于主成分分析的图像压缩和重建 150

14.1 案例背景 150

14.2 理论基础 150

14.2.1 主成分降维分析原理 150

14.2.2 由得分矩阵重建样本 151

14.2.3 主成分分析数据压缩比 151

14.2.4 基于主成分分析的图像压缩 152

14.3 程序实现 152

14.3.1 主成分分析源代码 152

14.3.2 图像和样本间转换 153

14.3.3 基于主成分分析的图像压缩 154

14.4 延伸阅读 157

14.5 参考文献 157

第15章 基于小波的图像压缩技术 158

15.1 案例背景 158

15.2 理论基础 158

15.3 程序实现 161

15.4 延伸阅读 167

15.5 参考文献 168

第16章 基于Hu不变矩的图像检索技术 169

16.1 案例背景 169

16.2 理论基础 169

16.3 程序实现 170

16.3.1 图像预处理 170

16.3.2 计算不变矩 171

16.3.3 图像检索 172

16.3.4 结果分析 174

16.4 延伸阅读 177

16.5 参考文献 178

第17章 基于Harris的角点特征检测 179

17.1 案例背景 179

17.2 理论基础 179

17.2.1 Harris基本原理 179

17.2.2 Harris算法流程 181

17.2.3 Harris角点性质 181

17.3 程序实现 182

17.3.1 Harris算法代码 182

17.3.2 角点检测实例 184

17.4 延伸阅读 184

17.5 参考文献 185

第18章 基于GUI搭建通用视频处理工具 186

18.1 案例背景 186

18.2 理论基础 186

18.3 程序实现 187

18.3.1 GUI设计 187

18.3.2 GUI实现 188

18.4 延伸阅读 195

18.5 参考文献 195

第19章 基于语音识别的信号灯图像模拟控制技术 196

19.1 案例背景 196

19.2 理论基础 196

19.3 程序实现 197

19.4 延伸阅读 207

19.5 参考文献 207

第20章 基于帧间差法进行视频目标检测 208

20.1 案例背景 208

20.2 理论基础 208

20.2.1 帧间差分法 208

20.2.2 背景差分法 209

20.2.3 光流法 210

20.3 程序实现 211

20.4 延伸阅读 218

20.5 参考文献 218

第21章 路面裂缝检测识别系统设计 219

21.1 案例背景 219

21.2 理论基础 219

21.2.1 图像灰度化 220

21.2.2 图像滤波 221

21.2.3 图像增强 223

21.2.4 图像二值化 224

21.3 程序实现 226

21.4 延伸阅读 236

21.5 参考文献 236

第22章 基于K-means聚类算法的图像区域分割 237

22.1 案例背景 237

22.2 理论基础 237

22.2.1 K-means聚类算法原理 237

22.2.2 K-means聚类算法的要点 238

22.2.3 K-means聚类算法缺点 238

22.2.4 基于K-means图像分割 239

22.3 程序实现 239

22.3.1 样本之间距离 239

22.3.2 提取特征向量 240

22.3.3 图像聚类分割 241

22.4 延伸阅读 243

22.5 参考文献 243

第23章 基于光流场的交通汽车检测跟踪 244

23.1 案例背景 244

23.2 理论基础 244

23.2.1 光流法检测运动原理 244

23.2.2 光流的主要计算方法 245

23.2.3 梯度光流场约束方程 246

23.2.4 Horn-Schunck光流算法 247

23.3 程序实现 248

23.3.1 计算视觉系统工具箱简介 248

23.3.2 基于光流场检测汽车运动 250

23.3.3 搭建Simulink运动检测模型 253

23.4 延伸阅读 255

23.5 参考文献 256

第24章 基于Simulink进行图像和视频处理 257

24.1 案例背景 257

24.2 模块介绍 257

24.2.1 分析和增强模块库（Analysis & Enhancement） 258

24.2.2 转化模块库（Conversions） 258

24.2.3 滤波模块库（Filtering） 259

24.2.4 几何变换模块库（Gemetric Transformations） 259

24.2.5 形态学操作模块库（Morphological Operations） 260

24.2.6 输入模块库（Sources） 260

24.2.7 输出模块库（Sinks） 260

24.2.8 统计模块库（Statistics） 261

24.2.9 文本和图形模块库（Text & Graphic） 261

24.2.10 变换模块库（Transforms） 262

24.2.11 其他工具模块库（Utilities） 262

24.3 仿真案例 262

24.3.1 搭建组织模型 262

24.3.2 仿真执行模型 264

24.3.3 代码自动生成 265

24.4 延伸阅读 270

24.5 参考文献 271

第25章 基于小波变换的数字水印技术 272

25.1 案例背景 272

25.2 理论基础 272

25.2.1 数字水印技术原理 273

25.2.2 典型的数字水印算法 274

25.2.3 数字水印攻击和评价 276

25.2.4 基于小波的水印技术 277

25.3 程序实现 279

25.3.1 准备载体和水印图像 279

25.3.2 小波数字水印的嵌入 280

25.3.3 小波数字水印的提取 283

25.3.4 小波水印的攻击试验 286

25.4 延伸阅读 289

25.5 参考文献 290