计算机图像处理技术与算法PDF电子书下载

第1章 绪论 1

1.1 图像处理技术的发展历史及现状 1

1.2 图像的数学模型 2

1.2.1 图像的正交模型 3

1.2.2 隐式马尔可夫模型 3

1.2.3 预测模型 10

1.3 图像的采样与亚采样 11

1.3.1 一维连续信号的采样 12

1.3.2 二维连续图像信号的采样 14

1.3.3 图像的亚采样 15

第2章 图像变换 17

2.1 正交变换 18

2.1.1 连续函数集合的正交性 18

2.1.2 二维离散正交变换 19

2.2 二维傅立叶变换 20

2.2.1 一维信号的傅立叶级数 20

2.2.2 一维信号的傅立叶变换 20

2.2.3 一维离散信号的频谱 22

2.2.4 一维信号有限离散傅立叶变换 23

2.2.5 二维傅立叶变换 24

2.3 离散 K-L 变换 25

2.3.1 正交变换的物理意义 25

2.3.2 离散 K-L 变换 26

2.4 离散余弦变换 28

2.4.1 离散余弦变换 28

2.4.2 快速 DCT 算法 29

2.5 小波变换 32

2.5.1 短时傅立叶变换 32

2.5.2 连续小波变换 34

2.5.3 离散小波变换 36

2.5.4 多分辨率分析 37

2.5.5 小波系数分解的快速算法——Mallat 算法 38

2.5.6 二维小波的多分辨率分析及 Mallat 算法 41

第3章 图像编码及文件格式 44

3.1 无损压缩技术 45

3.2 有损压缩技术 48

3.2.1 图像量化 48

3.2.2 预测编码 52

3.2.3 变换编码 53

3.2.4 分形编码 56

3.3 图像文件格式 61

3.3.1 BMP 文件格式 61

3.3.2 GIF 文件格式 64

3.3.3 JPEG 文件格式 69

3.3.4 TIFF 文件格式 72

第4章 图像增强和恢复 75

4.1 空域增强法 75

4.1.1 灰度变换 75

4.1.2 直方图变换 77

4.1.3 图像中的脉冲噪声模型 79

4.1.4 邻域平均法 79

4.1.5 中值滤波 81

4.1.6 图像锐化 82

4.2 频域增强法 86

4.2.1 低通滤波器 86

4.2.2 同态滤波 87

4.2.3 高通滤波器 88

4.3 图像退化模型 89

4.4 逆滤波 92

4.5 维纳滤波 93

4.6 卡尔曼滤波 94

第5章 图像分割 97

5.1 图像描述 97

5.1.1 区域边界的描述 98

5.1.2 区域的描述 102

5.2 灰度阈值分割法 104

5.3 基于纹理的分割方法 107

5.3.1 纹理分析的自相关函数方法 107

5.3.2 纹理分割——Hurst 系数 109

5.3.3 灰度共生矩阵的纹理分析 109

5.4 区域生长法 112

5.4.1 区域生长法 113

5.4.2 区域分割与合并 113

5.4.3 Hough 变换 114

5.5 数学形态学 115

5.5.1 基本运算 115

5.5.2 腐蚀和膨胀的衍生运算 117

第6章 彩色图像处理 119

6.1 颜色模型 119

6.1.1 RGB 颜色模型 120

6.1.2 CMY 颜色模型 120

6.1.3 HSV 颜色模型 121

6.1.4 CIE(国际照明委员会)颜色模型 122

6.1.5 照片 YCC(照片 CD)颜色模型 124

6.1.6 各种颜色模型之间的转换算法 125

6.2 色彩量化技术 127

6.2.1 LBG 127

6.2.2 DSQ 127

6.3 分色技术 128

6.3.1 四色分色技术 128

6.3.2 专色分色技术 131

6.4 色彩调和技术 134

6.4.1 SD 法 134

6.4.2 Ostwald 色彩调和论 135

6.4.3 Moon＆Spancer 色彩调和论 137

6.4.4 基于知识的色彩调和模型 140

6.5 彩色图像处理编程及技巧 142

6.5.1 百叶窗效果 142

6.5.2 Water paper(水彩画纸)效果 143

6.5.3 ZigZag 效果 144

第7章 基于内容的图像检索 145

7.1 引言 145

7.2 基于内容图像检索的内容分析和检索技术 146

7.2.1 颜色分析和检索技术 147

7.2.2 形状分析和检索技术 152

7.2.3 纹理分析和检索技术 157

7.2.4 空间关系分析和检索技术 163

7.3 知识和语义技术 166

7.4 人机交互学习技术 169

7.4.1 参数调整方法 170

7.4.2 聚类分析方法 171

7.4.3 概率学习方法 171

7.4.4 神经网络方法 173

7.5 相似性度量 173

7.5.1 相似心理学 173

7.5.2 向量相似性度量函数 175

7.5.3 特征集合相似性度量 178

7.5.4 EMD(Earth Mover’s Distance)距离 179

7.6 数据库中的特征索引技术 181

7.7 性能评价指标 183

7.8 典型系统介绍 184

7.8.1 系统构成 184

7.8.2 典型系统简介 186

7.9 现状和发展 189