第一章 引言 1
1.1 图像处理的应用领域 1
1.2 不同的图像处理方法 1
1.3 图像的表达 2
1.3.1 图像的矩阵与向量表达 3
1.3.2 图像的统计表达 3
1.3.3 均值向量与相关矩阵 5
1.3.4 均匀随机场 6
1.3.5 纹理 7
1.4 图像处理的步骤 7
思考题 8
第二章 图像处理的数学基础 9
2.1 卷积和相关 9
2.2 δ函数 10
2.3 傅里叶变换 10
2.4 傅里叶变换实例 14
2.5 离散傅里叶变换 16
2.6 小波变换 16
2.7 抽样和量化 22
2.8 基本形态学 25
2.8.1 击中-击不中变换 27
2.8.2 腐蚀和扩展 27
2.8.3 开和闭 28
思考题 29
第三章 图像处理的光学和视觉基础 30
3.1 部分相干 30
3.2 Van Cittert-Zernike定理 31
3.3 基本衍射理论 33
3.4 薄透镜的位相变换和傅里叶变换性质 34
3.5 光学卷积和相关 37
3.5.1 非相干光卷积和相关 37
3.5.2 相干光卷积和相关 37
3.6 基本色度学 39
3.7 立体视觉 43
思考题 44
第四章 光电图像处理元件 46
4.1 胶片 46
4.2 空间光调制器 47
4.2.1 声光调制器 48
4.2.2 磁光调制器 49
4.2.3 液晶调制器 50
4.2.4 光折变调制器 51
4.2.5 Pockels效应器件 52
4.2.6 变形镜调制器 53
4.2.7 量子阱调制器 53
4.2.8 电子阱材料 54
4.3 固体成像器件 54
4.3.1 电荷耦合器件 55
4.3.2 自扫描光电二极管阵列 56
思考题 57
第五章 图像的形成 59
5.1 X射线计算机断层成像 59
5.2 核磁共振成像 61
5.3 共焦扫描成像和光相干层析 63
5.4 光子扫描隧道显微成像和近场扫描显微成像 64
5.5 动态全息 65
思考题 66
第六章 图像预处理 68
6.1 数字图像显示 68
6.2 增强 72
6.2.1 用灰度变换增强对比度 72
6.2.2 直方图均衡化 73
6.2.3 平滑 75
6.2.4 锐化 77
6.2.5 同态图像增强 78
6.2.6 钝掩模法 78
6.2.7 伪彩色增强和假彩色增强 79
6.3 恢复 80
6.3.1 图像退化模型 80
6.3.2 图像恢复中的病态性质和空间滤波 80
6.3.3 逆滤波恢复 81
6.3.4 Wiener滤波恢复 81
6.3.5 点扩展函数的确定 82
思考题 82
第七章 区域分割 83
7.1 区域分割的集合定义 83
7.2 基于像素的分割 84
7.2.1 边缘点检测 84
7.2.2 边界的形成 88
7.3 基于区域的分割 88
7.4 阈值化分割 90
7.5 从小波变换的角度看边缘检测 91
思考题 93
第八章 目标识别 94
8.1 联合变换相关 94
8.2 Mellin变换 95
8.3 圆谐变换 96
8.4 三维联合变换相关 98
8.5 光学小波变换和光学小波变换匹配滤波 100
8.6 光学防伪 102
思考题 103
第九章 神经网络图像处理 105
9.1 人工神经元 105
9.2 人工神经网络类型 106
9.3 前馈型网络 107
9.4 反馈型网络 109
9.4.1 Hopfield网络 111
9.4.2 细胞神经网络 113
9.5 自组织竞争网络 115
9.5.1 竞争 116
9.5.2 自组织网络的学习规律 116
9.6 光联想记忆 116
9.7 基于全息技术的光互连 117
9.8 光互连神经网络用于旋转不变图像识别 119
思考题 119
附录 121
附录一 图像显示函数和函数包含文件tif.h 121
附录二 seeimage.c文件 123
附录三 显示tif图像主函数 132
附录四 tif文件向最简格式文件转换 132
附录五 显示最简格式图像 133
附录六 边缘检测 134
参考文献 150