第1章　数字图像与图像处理　1 1.1　数字图像相关概念　1 1.1.1　数字图像　1 1.1.2　图像处理　2 1.1.3 　图像识别　2 1.1.4　图像理解　3 1.2　图像的获取、显示与表示　3 1.2.1　图像的获取　3 1.2.2　图像显示　4 1.2.3　图像表示　4 1.3　数字图像处理系统的基本组成结构　9 第2章　相关的图像处理技术　10 2.1 　图像分割技术　10 2.1.1　阈值与图像分割　10 2.1.2　梯度与图像分割　11 2.1.3　边界提取与轮廓跟踪　11

下面是我的代码：写了2天的时间才完善点不过还有一下问题?: 1.在一些极值的情况下，例如边界刚好和边缘重合的情况。 在这种情况下，需要对边缘方向进行判断。 如果只是想刚才那样进行极值处理，肯定只会在远处循环 2.对于北京比较暗、边界亮度也不太高的图片需要预处理的图片的检测，如果还是用上面的处理方法，检测不到点的。要进行预处理才行 3.增加4邻域 8邻域 左右看 4.需改BOOL ImgDrawTrace(BITMAPINFO* pbmpinfo,BYTE* pbmpdata,int *code

第1章　数字图像与图像处理　1 1.1　数字图像相关概念　1 1.1.1　数字图像　1 1.1.2　图像处理　2 1.1.3 　图像识别　2 1.1.4　图像理解　3 1.2　图像的获取、显示与表示　3 1.2.1　图像的获取　3 1.2.2　图像显示　4 1.2.3　图像表示　4 1.3　数字图像处理系统的基本组成结构　9 第2章　相关的图像处理技术　10 2.1 　图像分割技术　10 2.1.1　阈值与图像分割　10 2.1.2　梯度与图像分割　11 2.1.3　边界提取与轮廓跟踪　11

目录 第1章最优的FIR滤波器设计 1.1频率取样的FIR滤波器设计 1.1.1约束条件 1.1.2设计误差 1.2最优的FIR滤波器设计 1.2.1一般最优滤波器 1.2.2加权最优滤波器 1.2.3反对称FIR滤波器 1.2.4微分FIR滤波器 1.3IIR与FIR数字滤波器的比较 第2章基于神经网络的案例分析与实现 2.1农作物虫情预测 2.1.1基于神经网络的虫情预测原理 2.1.2BP网络设计 2.2模型参考控制 2.2.1模型参考控制概念 2.2.2模型参考控制实例分析 2.3神经

本基于MATLAB图像处理的疲劳驾驶检测提出了一种基于视觉信息和人工智能的驾驶员睡意自动检测模块。该系统的目的是对驾驶员的面部和眼睛进行定位、跟踪和分析，计算睡意指数，以防止事故的发生。人脸和眼睛的检测都是通过AdaBoost分类器来实现的。为了提高人脸跟踪的精度，提出了一种检测与目标跟踪相结合的方法。提出的人脸跟踪方法，还具有自校正能力。在找到眼睛区域后，利用局部二值模式（LBP）提取眼睛特征。利用这些特征，训练一个支持向量机分类器（SVM）进行眼睛状态分析。