VisualC++數字圖像模式識別典型案例詳解（簡體書）

《Visual C++數字圖像模式識別典型案例詳解》詳解了數字圖像模式識別中部分典型案例，全書共分3篇14章，第一篇分2章介紹了數字圖像模式識別基礎知識及其經典實現方法；第二篇分10章從不同角度介紹了多個典型的數字圖像模式識別案例；第三篇則系統全面地介紹了2個數字圖像模式識別案例的詳細設計思路及其實現過程。《Visual C++數字圖像模式識別典型案例詳解》打破了傳統程序類書籍的講解方法，將編程思路和編程過程與所附代碼有機結合在一起，分層次分模塊地予以講解。同時，以圖解的方式講解程序的運行過程和結果，並配有適當的文字說明，從而使讀者迅速理解所講述的內容。《Visual C++數字圖像模式識別典型案例詳解》內容翔實、結構清晰、圖解清楚、講解透徹、案例豐富實用，能夠使讀者快速、全面地掌握數字圖像模式識別的各種應用技術。它既可作為高等院校的數字圖像模式識別相關學科的教材，也可作為工程技術人員及讀者自學的參考書。·

鄧凡平，資深Android開發工程師和系統工程師，熱衷於Android源代碼的研究，對Android的架構設計和實現原理有非常深刻的認識和理解，經驗十分豐富。《深入理解Android：卷I》的作者，同時也是“深入理解Android”系列圖書的總策劃。目前就職於國內領先的Android企業中科創達（ThunderSoft），負責Android Framework的開發和維護。喜歡鑽研，樂於分享，活躍於CSDN、51CTO和開源中國等專業技術社區，撰寫的Android Framework源碼分析的系列文章深受讀者歡迎。此外，他對Linux內核、C/C++/Python相關的技術，以及高性能網絡服務器和多核並行開發等也有一定的研究。·

《Visual C++數字圖像模式識別典型案例詳解》內容翔實、結構清晰、圖解清楚、講解透徹、案例豐富實用，能夠使讀者快速、全面地掌握數字圖像模式識別的各種應用技術。它既可作為高等院校的數字圖像模式識別相關學科的教材，也可作為工程技術人員及讀者自學的參考書。

前言第一篇 基礎篇 第1章 數字圖像模式識別1.1 數字圖像處理概述1.1.1 數字圖像獲取1.1.2 圖像顯示與存儲1.1.3 數字圖像文件1.1.4 數字圖像處理1.2 模式識別基本概念1.2.1 模式和模式識別的概念1.2.2 模式空間、特徵空間和類別空間1.2.3 模式識別系統的組成1.2.4 數字圖像模式識別的基本過程1.3 VisualC++數字圖像處理類1.3.1 VisualC++編程方法1.3.2 VisualC++數字圖像處理類第2章 模式識別實現方法2.1 統計模式識別2.1.1 特徵的提取與選擇2.1.2 模式分類2.1.3 模式聚類2.2 經典模式識別決策方法及實現2.2.1 人工神經網絡2.2.2 隱馬爾可夫模型2.2.3 決策樹2.2.4 模板匹配2.2.5 支持向量機第二篇 案例篇 第3章 一維條形碼識別系統3.1 系統介紹3.2 核心技術原理3.2.1 常用的條形碼編碼規則3.2.2 預處理過程——二值化3.2.3 譯碼過程——平均值法3.3 系統結構與流程3.3.1 系統總體結構3.3.2 二值化算法流程3.3.3 平均值法算法流程3.4 編程實現3.4.1 二值化算法3.4.2 平均值法3.5 運行效果第4章 基於模糊聚類的圖形識別系統4.1 系統介紹4.2 核心技術原理4.2.1 圖像的標識及特徵提取4.2.2 模式相似性測量4.2.3 模糊理論基本概念4.2.4 模糊聚類分析4.3 系統結構與流程4.3.1 系統總體結構4.3.2 圖像標識及特徵提取算法流程4.3.3 計算模糊距離算法流程4.3.4 模糊聚類算法流程4.4 編程實現4.4.1 圖像的標識及特徵提取4.4.2 計算模糊距離4.4.3 模糊聚類4.5 運行效果第5章 人臉檢測系統5.1 系統介紹5.2 核心技術原理5.2.1 彩色圖像空間5.2.2 人臉膚色相似度計算5.2.3 人臉識別與分割5.3 系統結構與流程5.3.1 系統總體結構5.3.2 人臉膚色相似度算法流程5.3.3 人臉識別與分割算法流程5.4 編程實現5.4.1 人臉膚色相似度比較5.4.2 人臉識別與分割5.5 運行效果第6章 人臉定位系統6.1 系統介紹6.2 核心技術原理6.2.1 人臉輪廓提取6.2.2 眼睛識別與定位6.2.3 鼻子識別與定位6.2.4 嘴部識別與定位6.3 系統結構與流程6.3.1 系統總體結構6.3.2 人臉定位6.3.3 人臉內輪廓提取6.3.4 眼睛定位6.3.5 鼻子定位6.3.6 嘴部定位6.4 編程實現6.4.1 人臉位置定位6.4.2 人臉內輪廓提取6.4.3 眼睛定位6.4.4 鼻子定位6.4.5 嘴部定位6.5 運行效果第7章 灰度車牌定位系統7.1 系統介紹7.2 核心技術原理7.2.1 車牌圖像預處理7.2.2 車牌定位7.3 系統結構與流程7.3.1 系統總體結構7.3.2 圖像灰度化算法流程7.3.3 直方圖均衡化算法流程7.3.4 圖像平滑算法流程7.3.5 圖像二值化算法流程7.3.6 圖像小顆粒去噪算法流程7.3.7 車牌定位算法流程7.4 編程實現7.4.1 圖像預處理7.4.2 車牌定位7.5 運行效果第8章 腦部CT圖像輔助診斷系統8.1 系統介紹8.2 核心技術原理8.2.1 腦部CT圖像特點分析8.2.2 腦部CT圖像預處理——分段線性拉伸8.2.3 醫學CT圖像特徵提取8.2.4 腦部CT圖像分類與輔助診斷8.3 系統結構與流程8.3.1 系統總體結構8.3.2 分段線性拉伸算法流程8.3.3灰度共生矩陣算法流程8.3.4 BP神經網絡算法流程8.4 編程實現8.4.1 分段線性拉伸8.4.2 特徵提取8.4.3 分類器訓練8.5 運行效果8.5.1 系統操作步驟8.5.2 實驗結果及分析第9章 手寫體數字識別系統9.1 系統介紹9.2 核心技術原理9.2.1 手寫體數字圖像校正9.2.2 手寫體數字網格特徵9.2.3 手寫體數字識別9.3 系統結構與流程9.3.1 系統總體結構9.3.2 手寫體數字圖像校正9.3.3 手寫體數字網格特徵9.3.4 手寫體數字識別9.4 編程實現9.4.1 手寫體數字圖像校正9.4.2 手寫體數字網格特徵9.4.3 手寫體數字識別9.5 運行效果第10章 指紋識別的預處理10.1 系統介紹10.2 核心技術原理10.2.1 指紋圖像場及其計算10.2.2 指紋圖像的分割10.2.3 指紋圖像的均衡10.2.4 指紋圖像的收斂10.2.5 指紋圖像的平滑10.2.6 指紋圖像的智能增強10.2.7 指紋圖像骨架的提取準備10.2.8 指紋圖像骨架的細化提取10.3 系統結構與流程10.3.1 系統總體結構10.3.2 指紋圖像方向場計算算法流程10.3.3 指紋圖像的分割算法流程10.3.4 指紋圖像的均衡算法流程10.3.5 指紋圖像的收斂算法流程10.3.6 指紋圖像的平滑算法流程10.3.7 指紋圖像的智能增強算法流程10.3.8 指紋圖像的骨架提取準備算法流程10.3.9 指紋圖像的骨架細化算法流程10.4 編程實現10.4.1 指紋圖像方向場計算10.4.2 指紋圖像的分割10.4.3 指紋圖像的均衡10.4.4 指紋圖像的收斂10.4.5 指紋圖像的平滑10.4.6 指紋圖像的智能增強10.4.7 指紋圖像的智能二值化10.4.8 指紋圖像的骨架細化10.5 運行效果第11章 指紋圖像特徵提取系統11.1 系統介紹11.2 核心技術原理11.2.1 指紋特徵定義及分類11.2.2 指紋特徵點的提取11.2.3 指紋偽特徵點及其去除方法11.3 系統結構與流程11.3.1 系統總體結構11.3.2 指紋特徵端點、叉點的提取算法流程11.3.3 指紋特徵奇異點提取算法流程11.3.4 去除偽指紋特徵點算法流程11.4 編程實現11.4.1 指紋圖像端點提取11.4.2 指紋圖像叉點提取11.4.3 指紋圖像奇異點提取11.4.4 指紋圖像偽特徵點去除11.5 運行效果第12章 指紋圖像比對系統12.1 系統介紹12.2 核心技術原理12.2.1 指紋圖像“柔性”配准12.2.2 指紋圖像匹配12.3 系統結構與流程12.3.1 系統總體結構12.3.2 指紋圖像配准算法流程12.3.3 指紋圖像匹配算法流程12.3.4 指紋圖像比對算法流程12.4 編程實現12.4.1 指紋圖像匹配12.4.2 指紋圖像全域比對12.5 運行效果第三篇 拓展篇 第13章 彩色汽車牌照識別系統13.1 系統概述13.1.1 汽車牌照定位13.1.2 汽車牌照字符分割13.1.3 汽車牌照字符識別13.2 系統結構與流程13.3 汽車牌照定位13.3.1 汽車牌照特徵13.3.2 汽車牌照區域識別思路13.3.3 汽車牌照區域粗定位13.3.4 汽車牌照區域精定位13.3.5 汽車牌照傾斜校正13.3.6 汽車牌照提取13.4 汽車牌照分割13.4.1 汽車牌照二值化13.4.2 去除邊框13.4.3 字符分割13.5 汽車牌照字符識別13.5.1 字符圖像預處理13.5.2 字符模板匹配第14章 中文印刷體文檔識別系統14.1 系統概述14.1.1 中文印刷體文檔識別研究現狀14.1.2 中文印刷體文檔識別結構與流程14.1.3 中文印刷體文檔識別中的難點14.2 中文印刷體文檔圖像預處理14.2.1 中文印刷體文檔圖像特點14.2.2 二值化處理14.2.3 平滑去噪14.2.4 傾斜校正14.3 版面分析14.3.1 版面結構14.3.2 版面分析方法14.3.3 版面理解14.3.4 版面重構14.4 印刷體漢字識別14.4.1 文本區域預處理14.4.2 印刷體漢字的特徵提取14.4.3 印刷體漢字的識別14.5 公式的定位與提取14.5.1 印刷體文檔公式的特點14.5.2 基於投影的公式定位和提取14.5.3 基於Parzen窗的獨立行公式定位和提取14.5.4 基於字符寬度中心矩的公式定位和提取14.5.5 基於漢字拒識的內嵌公式定位和提取14.6 公式字符分割與識別14.6.1 公式字符的特點14.6.2 公式字符的分割14.6.3 公式字符的識別14.7 公式結構分析與表示14.7.1 公式結構分析的難點14.7.2 公式結構分析前的字符預處理14.7.3 公式結構分析方法14.7.4 公式結構表示方法14.8 圖表處理14.8.1 文檔中圖形圖像的表示與處理14.8.2 文檔中表格的分析與識別參考文獻·

“檢查和”字元：當信息數據傳到解碼器后，接著就得到“檢查和”信號。一般“檢查和”字元位于數據信息碼之后，終止符號碼之前。系統檢查解碼后的結果是否正確，如果正確，即可輸入系統中存儲并計算。如果不正確，則輸出警告信號給操作員，提示重新輸入。
2.條形碼的種類
條形碼按碼制分類可分為以下幾種：
UPC碼。UPC碼是一種長度固定的連續型數字式碼制，其字符集為數字0～9。它采用4種元素寬度，每個條或空是1、2、3或4倍單位元素寬度。
EAN碼。EAN碼又稱通用商品條形碼，由國際物品編碼協會制定，通用于世界各地，是目前國際上使用最廣泛的一種商品條形碼。EAN碼與UPC碼兼容，而且兩者具有相同的符號體系。EAN碼的字符編號結構與UPC碼相同，也是長度固定的、連續型的數字式碼制，其字符集是數字0～9。它采用4種元素寬度，每個條或空是1、2、3或4倍單位元素寬度。EAN碼有2種類型，即EAN—13碼和EAN—8碼。
交叉25碼。交叉25碼是一種長度可變的連續型自校驗數字式碼制，其字符集為數字O～9。它采用2種元素寬度，每個條和空是寬或窄元素。編碼字符個數為偶數，所有奇數位置上的數據以條編碼，偶數位置上的數據以空編碼。如果為奇數個數據編碼，則在數據前補一位0，以使數據為偶數個位數。
39碼。39碼是第一個字母數字式碼制。它是長度可比的離散型自校驗字母數字式碼制。其字符集為數字0～9、26個大寫字母和8個特殊字符（+、—、.、Space（空格符）、*、／、％、＄），共44組編碼。每個字符由9個元素組成，其中有5個條（2個寬條，3個窄條）和4個空（1個寬空，3個窄空）。它是一種離散碼。
庫德巴碼。庫德巴碼是一種長度可變的連續型自校驗數字式碼制。其字符集為數字0～9和6個特殊字符（—、：、／、.、+、￥），共16個字符。常用于倉庫、血庫和航空快遞包裹中。
128碼。128碼是一種長度可變的連續型自校驗數字式碼制。它采用4種元素寬度，每個字符有3個條和3個空，共11個單元元素寬度，又稱（113）碼。它有106個不同條形碼字符，每個條形碼字符有3種含義不同的字符集，分別為A、B、C。它使用這3個交替的字符集對128個ASCⅡ碼進行編碼。
93碼。93碼是一種長度可變的連續型字母數字式碼制。其字符集由數字0～9、26個大寫字母、7個特殊字符（—、.、Space（空格符）、，、+、％、￥）以及4個控制字符組成。
49碼。49碼是一種多行的連續型、長度可變的字母數字式碼制。采用多種元素寬度。其字符集為數字O～9、26個大寫字母、7個特殊字符（—、.、Space（空格符）、／、+、％、￥）、3個功能鍵和3個變換字符，共49個字符。
其他碼制。除上述碼外，還有其他的碼制，如25碼和Nixdorf碼等。
按維數分類，條形碼有以下幾種：
普通的一維條形碼。普通的一維條形碼自問世以來，很快得到了廣泛的應用。但由于一維條形碼的信息容量很小，如商品上的條形碼僅能容13位的阿拉伯數字，更多的描述商品的信息只能依賴數據庫的支持，這種條形碼的應用范圍因而受到一定的限制。
二維條形碼。除具有普通條形碼的優點外，二維條形碼還具有信息容量大、可靠性高、保密防偽性強、易于制作、成本低等優點。美國Symbol公司于1991年正式推出名為PDF417的二維條形碼，即“便攜式數據文件”。PDF4.17條形碼是一種高密度、高信息含量的便攜式數據文件，是實現證件及卡片等大容量、高可靠性信息自動存儲、攜帶并可用機器自動識讀的理想手段。
多維條形碼。進入20世紀80年代以來，人們圍繞如何提高條形碼符號的信息密度，進行了大量的研究工作。多維條形碼和集裝箱條形碼成為研究和應用的方向。128碼和93碼就是人們為提高信息密度而進行的成功的嘗試。