数字图像处理 MATLAB版PDF电子书下载

第1章　数字图像处理学习方法 1

1.1　数字图像处理技术学习对策 1

1.2　新知识和技术进展学习攻守策略 2

1.3　工程训练或研究课题推荐学习方式 3

1.4　数字图像处理技术的应用前景 4

第2章　小波分析基本理论 6

2.1　Fourier变换到小波分析 6

2.2　积分小波变换和时间-频率分析 7

2.3　小波的多分辨分析与分解重构 8

2.4　Mallat算法 11

2.5　用提升方法构造的整数小波 13

第3章　图像处理中的压缩编码／解码 16

3.1　标量量化的JPEG压缩编码 17

3.2　矢量量化编码 19

3.3　基于小波变换的图像压缩 20

3.3.1　编码原理 21

3.3.2 图像统计特性和适合图像数据压缩小波基的确定 23

3.3.3　基于小波变换的零树编码和集复合树编码压缩 24

3.3.3.1　零树编码（EZW） 24

3.3.3.2　集分割复合树（SPIHT）编码 27

3.3.4　基于小波变换的对块零树编码压缩 30

3.3.4.1　对块零树编码原理 30

3.3.4.2　实验结果和结论 32

3.4　小波树结构快速矢量量化编码方法 34

3.4.1　小波树及其树结构矢量量化 35

3.4.2　小波树结构矢量量化压缩编码 37

3.4.3　小波树结构矢量量化编码快速算法实现 37

3.5　码矢量激励预测编码 39

3.5.1　预测图 40

3.5.2　块截短编码 42

3.5.3　改进块截短编码 43

3.6　WT+IBTC压缩研究实验和结论 44

3.7　三维多光谱数据压缩 45

3.7.1　多光谱遥感图像KLT及其统计特征分析 46

3.7.2　KLT码流分配的方法设计 47

3.7.3.1　KLT+JPEG压缩 49

3.7.3　实验结果和讨论 49

3.7.3.2　基于KLT/WT+SFCVQ三维谱像数据压缩 50

3.7.3.3　SFCVQ压缩编码 51

3.7.3.4　实验结果与讨论 52

3.8　本章部分程序 54

习题 62

第4章　空间域内图像增强 63

4.1　均值滤波 63

4.1.1　均值滤波的基本理论 63

4.1.2　均值滤波器 65

4.2　线性加权滤波 66

4.3　梯度倒数加权滤波 67

4.4.2　Digital TV线性滤波器 69

4.4　基于Digital TV模型的线性滤波器 69

4.4.1　TV模型 69

4.5　边缘检测和噪声分类相结合的线性滤波器 72

4.5.1　图像边缘检测算子 72

4.5.1.1　灰度梯度算子 72

4.5.1.2　Roberts交叉算子 73

4.5.1.3　Sobel算子 73

4.5.1.4　Kirsch算子 74

4.5.1.5　Laplace算子 74

4.5.1.6　分块平均的边缘检测方法 74

4.5.2　分块平均边缘检测和噪声分类相结合的滤波器 76

4.6　中值滤波器 78

4.7　基于个数判断脉冲噪声的中值滤波器 79

4.8 自适应门限的中值滤波器 82

4.9　图像增强 83

4.10　直方图处理 85

4.10.1　直方图均衡化 85

4.10.2　直方图规定化 86

小结 87

习题 87

第5章　频率域内图像增强 88

5.1　用巴特沃斯（Butterworth）滤波器进行图像滤波设计 88

5.1.1　点阵图像的频谱特性及滤波方案 88

5.1.2　模拟巴特沃斯低通滤波器设计 89

5.1.4　数字低通、高通、带通滤波器 90

5.1.3　模拟低通滤波器转变为数字低通滤波器 90

5.1.5　巴特沃斯滤波器实验结果 91

5.2　同态滤波 92

5.2.1　图像形成模型 92

5.2.2　同态滤波器 92

小结 94

习题 94

第6章　小波域去噪滤波器 95

6.1　门限相关的小波去噪滤波器 95

6.1.1　Donoho软门限去噪滤波器 95

6.1.2　硬门限去噪滤波器 97

6.1.3　GCV阈值和SURE阈值软门限去噪滤波器 98

6.1.4　Bayes估计阈值软门限去噪滤波器 100

6.2　基于Context模型的空间自适应小波去噪滤波器 101

6.3　基于尺度和空间混合模型的小波图像去噪滤波器 104

6.4　基于隐马尔可夫树模型的小波去噪滤波器 107

6.5　基于尺度空间和Context模型相结合的自适应小波去噪滤波器 111

6.6　SAR图像处理 116

6.6.1　SAR图像增强系统结构设计 117

6.6.2　实验结果和结论 118

小结 121

习题 121

7.1.1　基于像素的运动估计 122

第7章　数字视频处理 122

7.1　运动估计 122

7.1.2　基于块的运动估计 123

7.1.2.1　相位相关算法 123

7.1.2.2　块匹配算法 123

7.1.3　多分辨率运动估计 127

7.1.4　几种运动估计方法的比较 128

7.2　运动补偿 130

7.2.1　运动补偿方式 131

7.2.2　多假设运动补偿 132

7.2.4　重叠可变块运动补偿 133

7.2.3　重叠块运动补偿 133

7.3　去隔行算法 135

7.3.1　非运动补偿的去隔行算法 135

7.3.1.1　线性滤波去隔行 135

7.3.1.2　非线性滤波去隔行 136

7.3.2　运动补偿的去隔行算法 137

7.3.2.1　时域反向投影算法 137

7.3.2.2　时间递归算法 138

7.3.3　其他去隔行算法 139

7.3.3.1　GAH去隔行算法 139

7.3.3.2　MADM去隔行算法 140

7.3.3.3　AMMC算法 142

7.3.4　仿真结果 146

7.4 去隔行算法FPGA实现 149

7.4.1　VLSI设计方法简介 150

7.4.2　去隔行算法FPGA实现 150

7.4.2.1　运动检测模块 151

7.4.2.2　插值系数计算模块 152

7.4.2.3　帧内插值模块 153

7.4.2.4　帧间插值模块 154

7.4.2.5 自适应插值模块 154

7.4.2.6　输出控制模块 155

7.4.2.7　系统仿真综合结果 156

7.5.1　SPIHT编码的C语言实现 157

7.5　小波SPIHT编码方法C语言及DSP实现 157

7.5.2 小波SPIHT编码在C6701评估板上实现 159

7.5.2.1　WT6701PA DSP评估板介绍 159

7.5.2.2　TMS320C6701 DSP结构 160

7.5.2.3　流水线性能考虑事项 162

7.5.2.4　C6701 DSP程序开发流程和CCS简介 164

7.5.2.5　在WT6701PA板上实现图像高速小波变换 166

7.5.2.6　SPIHT编码在WT6701PA板上实现 170

7.5.2.7　WT6701PA板和主机之间的通信 175

第8章　图像融合算法 180

8.1　图像融合技术的发展过程 180

8.2　基于小波变换图像融合的基本原理 181

8.3.1　均值和标准差 182

8.3　融合效果性能评价指标 182

8.3.2 熵 183

8.3.3　平均梯度 183

8.3.4　互信息 183

8.3.5　归一化指标 184

8.4　高频域融合算法研究 184

8.4.1　均值法 185

8.4.2　最大值法 185

8.4.3　基于区域的最大值法 186

8.4.4　基于区域能量的图像融合算法 187

8.4.5　基于边缘强度的自适应融合法 189

8.4.6.1　PCNN的基本模型 190

8.4.6　基于PCNN的图像融合算法 190

8.4.6.2　图像融合中的PCNN设计 191

8.4.6.3　基于PCNN的高频域融合算法实现 192

8.4.7 改进的PCNN图像融合算法 195

8.4.8　高频域内不同融合算法的比较 196

8.5　低频域融合方法 202

8.5.1　低频平均法 203

8.5.2　基于低频域边缘的选择方案 203

8.5.3　基于PCNN的低频域融合算法 204

8.5.4　低频域内不同融合算法的比较 205

8.6　最终融合结果 208

第9章　计算机图形学基本实践 212

9.1　立方体上贴图片及3D动画显示 213

9.1.1　原理、设计和算法 214

9.1.1.1　立方体建模，视-屏坐标系建模 214

9.1.1.2　立方体的3D显示 215

9.1.1.3　模型变换 215

9.1.1.4　观察变换 216

9.1.1.5　消隐处理 216

9.1.1.6　投影变换 217

9.1.1.7　屏平面至视区的变换 217

9.1.2　表面图案纹理的粘贴及光照效果的添加 218

9.1.2.1　纹理映射 218

9.1.2.2　添加光照效果 219

9.1.3　实验过程 220

9.1.4　结果和讨论 223

9.2　棋盘上放置透明球的阴影和透明效果 224

9.2.1　原理、设计和算法 224

9.2.2　算法和程序的总体设计 225

9.2.3　实验过程 229

9.2.4　结果及讨论 230

小结 231

习题 232

附录1　MATLAB中图像工具箱基本技巧 233

附录2　练习题参考答案和部分应用程序 276

参考文献 304