第一部分 數字圖像處理基礎
第1章 概述 1
1.1 數字圖像處理及特點 1
1.1.1 數字圖像及數字圖像處理 1
1.1.2　數字圖像處理的特點 2
1.2 數字圖像處理系統 2
1.3 數字圖像處理的研究內容 3
1.4 數字圖像處理的應用及發展 4
1.4.1 數字圖像處理的應用 4
1.4.2 數字圖像處理的發展 7
1.5 全書內容簡介 8
習題 9
第2章 數字圖像處理基礎 10
2.1 人類視覺系統 10
2.1.1 視覺系統的基本構造 10
2.1.2 亮度適應及鑒別 11
2.2 數字圖像基礎知識 14
2.2.1 圖像的數字化及表達 14
2.2.2 圖像獲取 16
2.2.3 像素間的基本關系 18
2.2.4 圖像分類 20
習題 24
第3章 數字圖像處理基本運算 25
3.1 點運算 25
3.1.1 線性點運算 25
3.1.2 非線性點運算 27
3.2 代數運算及邏輯運算 28
3.2.1 加法運算 29
3.2.2 減法運算 30
3.2.3 乘法運算 32
3.2.4 除法運算 32
3.2.5 邏輯運算 33
3.3 幾何運算 34
3.3.1 圖像的平移 34
3.3.2 圖像的鏡像 35
3.3.3 圖像的旋轉 37
3.3.4 圖像的縮放 38
3.3.5 灰度重采樣 41
習題 44
第4章 圖像變換 45
4.1 連續傅里葉變換 45
4.2 離散傅里葉變換 46
4.3　快速傅里葉變換 47
4.4 傅里葉變換的性質 48
4.4.1 可分離性 48
4.4.2 平移性質 49
4.4.3 周期性及共軛對稱性 51
4.4.4 旋轉性質 52
4.4.5 分配律 53
4.4.6 尺度變換 53
4.4.7 平均值 54
4.4.8 卷積定理 55
4.5 圖像傅里葉變換實例 56
4.6 其他離散變換 58
4.6.1 離散余弦變換 58
4.6.2 二維離散沃爾什-哈達瑪變換 61
4.6.3 卡胡南-拉維變換 65
4.6.4 小波變換 67
習題 71
第二部分 數字圖像處理技術
第5章 圖像增強 73
5.1 圖像增強的概念及分類 73
5.2 空間域圖像增強 74
5.2.1 基于灰度變換的圖像增強 74
5.2.2 基于直方圖處理的圖像增強 77
5.2.3 空間域濾波增強 82
5.3 頻率域圖像增強 89
5.3.1 頻率域圖像增強基本理論 89
5.3.2 頻率域平滑濾波器 90
5.3.3 頻率域銳化濾波器 94
5.3.4 同態濾波器 96
習題 98
第6章 圖像復原 100
6.1 圖像復原及退化模型基礎 100
6.1.1 圖像退化的原因及退化模型 100
6.1.2 圖像退化的數學模型 103
6.1.3 復原技術的概念及分類 104
6.2 噪聲模型 104
6.2.1 一些重要噪聲的概率密度函數 105
6.2.2 噪聲參數的估計 108
6.3 空間域濾波復原 109
6.3.1 均值濾波器 109
6.3.2 順序統計濾波器 112
6.3.3 自適應濾波器 115
6.4 頻率域濾波復原 118
6.4.1 帶阻濾波器 118
6.4.2 帶通濾波器 121
6.4.3 其他頻率域濾波器 121
6.5 估計退化函數 122
6.5.1 觀察估計法 123
6.5.2 試驗估計法 123
6.5.3 模型估計法 123
6.6 逆濾波 125
6.7 最小均方誤差濾波——維納濾波 126
6.8 幾何失真校正 129
6.8.1 空間變換 130
6.8.2 灰度插值 132
6.8.3 實現 132
習題 135
第7章 圖像壓縮編碼 137
7.1 概述 137
7.1.1 圖像的信息量及信息熵 137
7.1.2 圖像數據冗余 138
7.1.3 圖像壓縮編碼方法 141
7.1.4 圖像壓縮技術的性能指標 141
7.1.5 保真度準則 143
7.2 無失真圖像壓縮編碼 144
7.2.1 哈夫曼編碼 144
7.2.2 游程編碼 146
7.2.3 算術編碼 148
7.3 有限失真圖像壓縮編碼 151
7.3.1 率失真函數 151
7.3.2 預測編碼及變換編碼 153
7.3.3 矢量量化編碼 160
7.4 圖像編碼新技術 162
7.4.1 子帶編碼 162
7.4.2 模型基編碼 163
7.4.3 分形編碼 164
7.5 圖像壓縮技術標準 164
7.5.1 概述 165
7.5.2 JPEG壓縮 165
7.5.3 JPEG 2000 166
7.5.4 H.26x標準 168
7.5.5 MPEG標準 168
習題 169
第8章 圖像分割 171
8.1 概述 171
8.2 邊緣檢測及連接 172
8.2.1 邊緣檢測 172
8.2.2 邊緣連接 180
8.3 閾值分割 183
8.3.1 基礎 183
8.3.2 全局閾值 184
8.3.3 自適應閾值 189
8.3.4 最佳閾值的選擇 189
8.3.5 分水嶺算法 190
8.4 區域分割 192
8.4.1 區域生長法 192
8.4.2 區域分裂合并法 194
8.5 二值圖像處理 196
8.5.1 數學形態學圖像處理 197
8.5.2 開運算及閉運算 200
8.5.3 一些基本形態學算法 202
習題 205
第三部分 數字圖像處理擴展內容
第9章 彩色圖像處理 207
9.1 彩色圖像基礎 207
9.1.1 彩色圖像的概念 207
9.1.2 彩色基礎 208
9.2 彩色模型 212
9.2.1 RGB彩色模型 212
9.2.2 CMY彩色模型及CMYK彩色模型 214
9.2.3 HSI彩色模型 215
9.3 偽彩色處理 218
9.3.1 背景 218
9.3.2 強度分層 219
9.3.3 灰度級到彩色變換 221
9.3.4 假彩色處理 223
9.4 全彩色圖像處理 224
9.4.1 全彩色圖像處理基礎 224
9.4.2 彩色平衡 225
9.4.3 彩色圖像增強 227
9.4.4 彩色圖像平滑 229
9.4.5 彩色圖像銳化 231
9.5 彩色圖像分割 232
9.5.1 HSI彩色空間分割 233
9.5.2 RGB彩色空間分割 233
9.5.3 彩色邊緣檢測 235
9.6 彩色圖像處理的應用 238
9.6.1 去紅眼 239
9.6.2 膚色檢測 239
9.6.3 基于彩色的跟蹤 240
習題 241
第10章 圖像表示及描述 243
10.1 背景 243
10.2 顏色特征 244
10.2.1 灰度特征 244
10.2.2 直方圖特征 245
10.2.3 顏色矩 246
10.3 紋理特征 246
10.3.1 自相關函數 247
10.3.2 灰度差分統計 248
10.3.3 灰度共生矩陣 250
10.3.4 頻譜特征 253
10.4 邊界特征 255
10.4.1 邊界表達 255
10.4.2 邊界特征描述 259
10.5 區域特征 262
10.5.1 簡單的區域描述 262
10.5.2 拓撲描述 266
10.5.3 形狀描述 267
10.5.4 矩 268
10.6 主成分 271
10.6.1 主成分基礎 271
10.6.2 主成分描述 273
10.7 特征提取的應用 275
10.7.1 粒度測定 275
10.7.2 圓形目標判別 278
10.7.3 運動目標特征提取 279
習題 281
第11章 基于深度學習的數字圖像處理 283
11.1 深度學習概述 283
11.1.1 深度學習的基本思想 283
11.1.2 深度學習的優勢 284
11.2 卷積神經網絡 284
11.2.1 卷積神經網絡架構 285
11.2.2 卷積層 285
11.2.3 池化層 287
11.2.4 全連接層 287
11.3 基于深度學習的圖像分類 288
11.3.1 基本原理 288
11.3.2 經典圖像分類網絡 290
11.3.3 圖像分類網絡的MATLAB實現 292
11.4 基于深度學習的圖像去噪 295
11.4.1 基本原理 295
11.4.2 經典圖像去噪網絡 296
11.4.3 圖像去噪網絡的MATLAB實現 297
11.5 基于深度學習的圖像壓縮 300
11.5.1 基本原理 300
11.5.2 圖像壓縮網絡的MATLAB實現 301
11.6 基于深度學習的圖像分割 303
11.6.1 基本原理 304
11.6.2 經典圖像分割網絡 305
11.6.3 圖像分割網絡的MATLAB實現 306
習題 307
第12章 數字圖像處理的工程應用 308
12.1 基于圖像處理的紅細胞數目檢測 308
12.2 基于膚色分割及灰度積分算法的人眼定位 310
12.3 基于DCT的數字水印算法 315
12.4 基于BP神經網絡的手寫漢字識別 321
12.5 基于卡爾曼濾波的多目標檢測及跟蹤 329
參考文獻 338