图像处理中的模糊逻辑：基于Java的导论 pdf下载

《图像处理中的模糊逻辑：基于Java的导论》是作者多年来在本科教学中讲授图像处理和模糊逻辑的成果汇总。书中所使用的大部分文档材料是与学生进行大量互动的结果，这些学生的案例研究对算法和方法的Java实现做出了很大贡献。该书可认为是对模糊逻辑方法在图像处理任务中应用的入门介绍。

《图像处理中的模糊逻辑：基于Java的导论》系统地介绍了模糊技术在图像处理中的应用，不但包括模糊图像处理的理论基础和模糊技术在图像处理中的应用，还为大部分算法提供了完整的Java代码。本书共9章，分别为基于Java的图像表示、低级图像处理、模糊逻辑基础、模糊图像处理、用于图像处理的Java、彩色对比度增强、图像分割、形态学分析和图像阈值化。读者可从书中了解模糊逻辑和图像处理的相关理论知识，并能据此解决实际图像应用中的一些具体问题。

第1部分 模糊图像处理基础知识

第1章 基于Java的图像表示 3

1.1 引言 3

1.2 灰度图像 4

1.3 颜色模型 5

1.4 基于Java的彩色图像表示 9

参考文献 13

第2章 低级图像处理 15

2.1 引言 15

2.2 对比度增强 18

2.2.1 灰度图像变换 20

2.2.2 阈值化 28

2.2.3 直方图变换 29

2.3 图像平滑 29

2.4 边缘检测 32

2.4.1 Canny算子 35

2.4.2 基于优化的算子 36

参考文献 37

第3章 模糊逻辑基础 39

3.1 引言 39

3.2 模糊集理论 39

3.3 模糊规则系统 41

3.3.1 模糊化 42

3.3.2 模糊规则库以及推理机 43

3.3.3 去模糊化 43

3.4 模糊模型 44

3.4.1 模糊规则系统的设计 45

3.4.2 模糊-神经模型 47

参考文献 49

第4章 模糊图像处理 53

4.1 引言 53

4.2 图像模糊化 54

4.3 图像去模糊化 58

4.4 模糊性测度 60

参考文献 62

第5章 用于图像处理的Java 63

5.1 基础概念 63

5.2 基于Java的图像处理 66

5.3 小应用程序（Applet） 68

5.4 ImageJ 72

5.4.1 宏 72

5.4.2 插件 73

5.5 基于Java的模糊系统 74

参考文献 79

第2部分 模糊图像处理的应用

第6章 彩色对比度增强 83

6.1 引言 83

6.2 多通道图像处理 83

6.3 针对图像增强的模糊技术 84

6.4 一个针对图像增强的模糊规则系统 84

6.5 应用实例：自然图像增强 85

参考文献 88

第7章 图像分割 91

7.1 引言 91

7.2 分割问题 91

7.3 分割方法 93

7.3.1 “干脆”聚类 93

7.3.2 模糊聚类 94

7.3.3 空间模糊聚类 95

7.4 应用实例：彩色分割 96

7.5 应用实例：纹理分割 99

参考文献 101

第8章 形态学分析 105

8.1 数学形态学 105

8.2 模糊形态学 108

8.3 应用实例：生物图像分割 110

参考文献 116

第9章 图像阈值化 117

9.1 引言 117

9.2 Otsu法 118

9.3 模糊阈值化 120

9.4 应用实例：文档图像分析 122

9.4.1 文件分割 123

9.4.2 区域分类 124

参考文献 126

附录A Java代码参考 129

成功的秘诀是开始行动。

—马克·吐温

本书是作者多年来在本科教学中讲授图像处理和模糊逻辑的成果汇总。书中所使用的大部分文档材料是与学生进行大量互动的结果，这些学生的案例研究对算法和方法的Java实现做出了很大贡献。该书可认为是对模糊逻辑方法在图像处理任务中应用的入门介绍。

本书首先从方法论的角度描述了基于模糊逻辑的图像处理算法，然后提供了一些应用实例（而并没有忽略其中的细节）。我们试图找出研究人员在模糊图像处理领域所做的最重要的工作，并通过Java例子加以描述和说明，这些例子对于感兴趣的读者而言，是很容易理解的。

本书涵盖了模糊技术在图像处理中的理论和实际应用。因此，本书可分为两部分：模糊图像处理基础知识和模糊图像处理的应用。

第1部分解释了在图像处理中如何利用模糊逻辑，并通过5章内容给出了模糊逻辑和图像处理的基本理论。第1章专门介绍使用Java进行图像表示的基础知识。第2章讨论低级图像处理。第3章为与模糊逻辑相关的从模糊集理论到模糊系统的基本概念。第4章讨论数字图像的模糊性问题，此亦是利用模糊技术处理图像的动机。第5章介绍Java语言及其在图像处理中的应用。

第2部分用4章内容涵盖不同的图像处理任务，即彩色对比度增强、图像分割、形态学分析和图像阈值化。每个任务均对应一个实例，并通过利用意大利那不勒斯菲里德里克第二大学内分泌与分子肿瘤学系提供的光学显微镜图像，展示了医学领域的一些例子。

最后，附录A提供了一些Java代码示例，读者可以很容易地运行它们，进一步强化对潜在的模糊图像处理的切身感知。

我们相信本书覆盖了与模糊图像处理有关的各个方面的先进内容，并展示了模糊技术在解决图像处理问题时的潜力。我们希望本书能对这一领域的科学家和学生起到参考作用，同时能激发研究者的一些新想法。

在这里，我们要感谢许多人，他们以不同的方式为本书的写作做出了贡献。特别感谢巴里阿尔多莫罗大学信息系CILab（计算智能实验室）的所有成员，感谢他们在恰当的时间回答了我们的问题。感谢Menina Di Gennaro阅读了本书第一稿中的若干章节，并在撰写初期提供了建设性建议。特别感谢Mara Basile和Vito Corsini，他们为医学领域的形态学和分割研究做出了贡献。感谢我们的学生Przemyslaw Gorecky博士将模糊方法应用于文档分析所做出的贡献。最后，感谢我们的学生Antonio Vergaro、Francesco Tangari、Gabriella Casalino、Marco Lucarelli和Massimo Minervini开发了本书中引用的一些Java示例。由衷感谢每一位的倾情贡献。

Laura Caponetti

Giovanna Castellano

意大利巴里