第一章 绪论 1
1.1 何谓计算机图像处理 1
1.1.1 图像的概念 1
1.1.2 图像处理 1
1.2 图像处理学的内容和其他相关学科的关系 2
1.2.1 图像处理学的内容 2
1.2.2 图像处理学与相关学科的关系 3
1.3 计算机图像处理系统概述 3
1.3.1 图像采集模块 4
1.3.2 图像显示模块 4
1.3.3 图像存储模块 4
1.3.4 图像通信模块 5
1.3.5 图像处理和分析模块 5
1.4 数字图像处理的特点及其应用 5
1.4.1 数字图像处理的特点 6
1.4.2 计算机图像处理的应用 6
习题 7
第二章 数字图像处理的基本概念 8
2.1 人眼的视觉原理 8
2.1.1 人眼的构造 8
2.1.2 图像的形成 9
2.1.3 视觉范围和分辨力 9
2.1.4 视觉适应性和对比灵敏度 10
2.1.5 亮度感觉 10
2.1.6 马赫带 10
2.2 图像模型 11
2.3 图像数字化 12
2.3.1 采样 13
2.3.2 量化 13
2.3.3 像素数、量化参数与数字化所得到的数字图像间的关系 13
2.3.4 图像数字化设备的组成及性能 15
2.4 图像灰度直方图 16
2.4.1 定义 16
2.4.2 直方图的性质 16
2.4.3 直方图的应用 17
2.5 图像处理算法的形式 18
2.5.1 图像处理的基本功能形式 19
2.5.2 图像处理的几种具体算法形式 19
2.6 图像的数据结构与特征 22
2.6.1 图像的数据结构 22
2.6.2 图像的特征 23
习题 26
第三章 图像变换 27
3.1 图像变换的预备知识 27
3.1.1 点源和狄拉克函数 27
3.1.2 二维线性位移不变系统 28
3.2 傅立叶变换 29
3.2.1 连续函数的傅立叶变换 29
3.2.2 离散函数的傅立叶变换 31
3.2.3 二维离散傅立叶变换的若干性质 33
3.3 其他可分离图像变换 37
3.3.1 通用公式 37
3.3.2 沃尔什变换 38
3.3.3 哈达玛变换 39
3.3.4 离散余弦变换 42
3.4 小波变换简介 43
3.4.1 连续小波变换 44
3.4.2 离散小波变换 47
习题 47
第四章 图像增强 49
4.1 图像增强的点运算 49
4.1.1 灰度级校正 50
4.1.2 灰度变换 50
4.1.3 直方图修正法 51
4.1.4 局部统计法 57
4.2 图像的空间域平滑 58
4.2.1 局部平滑法(邻域平均法或移动平均法) 59
4.2.2 超限像素平滑法 59
4.2.3 灰度最相近的K个邻点平均法 59
4.2.4 梯度倒数加权平滑法 60
4.2.5 最大均匀性平滑 61
4.2.6 有选择保边缘平滑法 61
4.2.7 空间低通滤波法 62
4.2.8 多幅图像平均法 62
4.2.9 中值滤波 63
4.3 图像空间域锐化 65
4.3.1 梯度锐化法 65
4.3.2 Laplace增强算子 68
4.3.3 高通滤波法 68
4.4 图像的频率域增强 68
4.4.1 频率域平滑 69
4.4.2 频率域锐化 71
4.4.3 同态滤波增强 73
4.5 彩色增强技术 74
4.5.1 伪彩色增强 74
4.5.2 假彩色增强 76
4.5.3 彩色变换及其应用 77
4.6 图像的代数运算 79
4.6.1 加运算 79
4.6.2 减运算 79
4.6.3 乘运算 79
4.6.4 除运算 79
习题 80
第五章 图像复原与重建 83
5.1 图像退化模型 83
5.1.1 图像退化 83
5.1.2 图像退化的数学模型 83
5.2 代数恢复方法 85
5.2.1 无约束复原 85
5.2.2 有约束最小二乘复原 85
5.3 频率域恢复方法 87
5.3.1 逆滤波恢复法 87
5.3.2 去除由匀速运动引起的模糊 88
5.3.3 维纳滤波复原方法 90
5.4 图像的几何校正 91
5.4.1 空间坐标变换 91
5.4.2 像素灰度内插方法 93
5.5 图像重建 94
5.5.1 计算机断层扫描的二维重建 95
5.5.2 三维形状的复原 96
习题 98
第六章 图像编码与压缩 99
6.1 概述 99
6.1.1 图像数据压缩的必要性与可能性 99
6.1.2 图像编码压缩的分类 100
6.2 图像保真度准则 100
6.2.1 客观保真度准则 100
6.2.2 主观保真度准则 101
6.3 统计编码方法 102
6.3.1 图像冗余度和编码效率 102
6.3.2 霍夫曼编码 102
6.3.3 费诺-仙侬编码 103
6.3.4 算术编码 104
6.4 预测编码 106
6.4.1 线性预测编码 106
6.4.2 非线性预测编码 107
6.5 正交变换编码 108
6.5.1 变换编码原理 108
6.5.2 正交变换的性质 108
6.5.3 变换编码的数学分析 109
6.5.4 最佳变换与准最佳变换 110
6.5.5 各种准最佳变换的性能比较 112
6.5.6 编码 113
6.6 图像压缩的标准 114
6.6.1 静止图像压缩标准 114
6.6.2 运动图像压缩标准 114
6.6.3 二值图像压缩标准 115
习题 115
第七章 图像分割 116
7.1 概述 116
7.2 几种常用的边缘检测算子 117
7.2.1 梯度算子 118
7.2.2 Roberts梯度算子 118
7.2.3 Prewitt和Sobel算子 119
7.2.4 方向算子 119
7.2.5 Laplace算子 121
7.2.6 马尔算子 121
7.2.7 曲面拟合法 123
7.3 边缘跟踪 123
7.3.1 光栅跟踪 124
7.3.2 全向跟踪 125
7.4 Hough变换检测直线 126
7.4.1 Hough变换定义 126
7.4.2 Hough变换检测直线的算法 127
7.4.3 广义Hough变换 127
7.5 区域分割法 129
7.5.1 最简单图像的区域分割法 129
7.5.2 复杂图像的区域分割法 132
7.5.3 特征空间聚类法 132
7.6 区域增长 133
7.6.1 简单区域扩张法 133
7.6.2 质心型增长 134
7.6.3 混合型增长 134
7.7 分裂、合并混合法 135
习题 138
第八章 二值图像处理与形状分析 139
8.1 二值图像的连接性和距离 139
8.1.1 邻域和邻接 139
8.1.2 像素的连接 140
8.1.3 连接成分 140
8.1.4 欧拉数 141
8.1.5 像素的可删除性和连接数 141
8.1.6 距离 143
8.2 二值图像连接成分的变形操作 144
8.2.1 连接成分的标记 144
8.2.2 膨胀和收缩 144
8.2.3 线图形化 146
8.3 形状特征提取与分析 149
8.3.1 区域内部形状特征提取与分析 149
8.3.2 区域外部形状特征提取与分析 153
8.4 关系描述 158
8.4.1 字符串描述 158
8.4.2 树结构描述 159
习题 160
第九章 影像纹理分析 162
9.1 概述 162
9.2 影像纹理的直方图分析法 162
9.3 Laws纹理能量测量法 163
9.4 影像纹理的自相关函数分析法 164
9.5 灰度共生矩阵分析法 165
9.5.1 灰度共生矩阵的定义 165
9.5.2 灰度共生矩阵特征的提取 166
9.5.3 灰度-梯度共生矩阵法 168
9.6 行程长度统计法 170
9.7 傅立叶频谱分析法 171
9.8 马尔柯夫随机场分析法 173
9.8.1 马尔柯夫随机场的定义和基本性质 173
9.8.2 纹理MRF模型参数提取与分析 174
9.9 影像纹理的小波分析 175
9.10 影像纹理的分形分析法 176
9.10.1 分形的定义 176
9.10.2 分维 176
9.10.3 影像纹理的分维特征提取与分析 177
9.11 影像纹理的句法结构分析法 177
9.12 影像纹理区域分割与边缘检测 179
9.12.1 纹理区域分割 179
9.12.2 纹理边缘检测 179
习题 179
第十章 模板匹配与模式识别技术 181
10.1 模板匹配 181
10.1.1 模板匹配方法 181
10.1.2 模板匹配方法的改进 182
10.2 统计模式识别 183
10.2.1 特征处理 184
10.2.2 统计分类方法 185
10.3 结构模式识别法 188
10.3.1 结构模式识别原理 188
10.3.2 树分类法 190
10.4 人工神经网络识别法 191
10.4.1 神经网络的结构 191
10.4.2 神经元 191
10.4.3 神经网络的工作过程 192
10.4.4 神经网络的性能 192
10.4.5 BP神经网络 193
习题 195
参考文献 196
附录 英汉专业术语对照 198