第1章 绪论 1
1.1 数字图像处理的层次 1
1.2 数字图像处理的发展历程 2
1.3 数字图像处理的应用领域 3
1.4 数字图像处理的基本步骤 4
本章小结 5
习题 5
第2章 数字图像基础 6
2.1 图像的感知与获取 6
2.1.1 照明 6
2.1.2 镜头 12
2.1.3 图像传感器 21
2.2 数字图像 25
2.2.1 简单的图像形成模型 25
2.2.2 图像的采样与量化 26
2.2.3 数字图像的分辨率 26
2.2.4 数字图像的表示 26
2.2.5 像素间的若干基本关系 27
2.3 颜色 28
2.3.1 彩色基础 29
2.3.2 彩色模型 31
本章小结 34
习题 34
第3章 图像增强 36
3.1 空间域增强的基本知识 36
3.2 灰度变换 37
3.2.1 若干基本的灰度变换 37
3.2.2 直方图处理 41
3.3 噪声模型 46
3.3.1 若干重要的随机噪声 46
3.3.2 周期噪声 48
3.3.3 噪声参数的估计 48
3.4 空间滤波 49
3.4.1 空间滤波基础 49
3.4.2 平滑空间滤波器 50
3.4.3 锐化空间滤波器 55
3.5 频域滤波 58
3.5.1 频域滤波简介 59
3.5.2 频域平滑滤波器 61
3.5.3 频域锐化滤波器 63
3.5.4 带通／带阻滤波器与陷波滤波器 66
3.6 利用算术操作增强 67
3.6.1 加法运算 67
3.6.2 减法运算 67
3.6.3 乘法运算 68
3.6.4 除法运算 68
本章小结 69
习题 69
第4章 图像复原 72
4.1 图像退化／复原过程模型 72
4.2 退化函数的估计方法及典型退化系统的传递函数 74
4.2.1 估计退化函数 74
4.2.2 若干典型退化系统的传递函数 74
4.3 线性滤波图像复原方法 76
4.3.1 无约束复原 76
4.3.2 维纳滤波 77
4.3.3 平滑约束滤波器 77
4.4 非线性统计复原 78
4.4.1 最大后验估计 78
4.4.2 最大似然估计 79
4.5 几何变换 80
4.5.1 空间变换 80
4.5.2 灰度级插补 81
本章小结 82
习题 83
第5章 图像分割 84
5.1 阈值分割 84
5.1.1 固定阈值分割法 85
5.1.2 迭代法 85
5.1.3 最大类间方差法 85
5.1.4 最佳熵阈值分割法 86
5.1.5 最佳阈值分割 87
5.2 基于区域的分割 89
5.2.1 区域生长 89
5.2.2 区域分离与合并 90
5.3 边缘检测 91
5.3.1 边缘的基本知识 91
5.3.2 边缘检测的梯度算子 92
5.3.3 通过二阶微分零点穿越检测边缘 93
5.3.4 Canny边缘检测 94
5.4 边界跟踪与检测 97
5.4.1 局部边缘连接 97
5.4.2 Hough变换 97
5.4.3 边界跟踪 100
5.5 基于偏微分方程的分割 100
5.5.1 活动轮廓模型 101
5.5.2 无边缘活动轮廓模型 105
本章小结 106
习题 107
第6章 数学形态学图像处理 109
6.1 集合论的基础知识 109
6.2 膨胀和腐蚀 112
6.3 开操作与闭操作 114
6.4 击中或未击中变换 115
6.5 若干常见的二值图像形态学算法 116
6.5.1 边界提取 117
6.5.2 区域填充 117
6.5.3 连通分量的提取 118
6.5.4 细化 118
6.5.5 粗化 119
6.5.6 骨架 119
6.5.7 裁剪 122
6.6 在灰度级图像上的扩展 123
6.6.1 膨胀与腐蚀 123
6.6.2 开操作与闭操作 124
6.6.3 灰度图像形态学操作的若干应用 125
6.7 基于形态学的分水岭分割 127
6.7.1 基本概念 127
6.7.2 分水线的构造 128
6.7.3 分水岭分割算法 129
本章小结 131
习题 131
第7章 对象表示与描述 133
7.1 形状表示 133
7.1.1 链码 133
7.1.2 曲线近似与拟合 134
7.1.3 骨架 136
7.1.4 图像特征点 137
7.2 边界描述子 142
7.2.1 若干简单的边界描述子 142
7.2.2 傅里叶描述子 143
7.3 区域描述子 144
7.3.1 若干简单的区域描述子 144
7.3.2 二维函数的矩 145
7.4 纹理描述子 146
7.4.1 统计方法 146
7.4.2 频谱方法 147
7.4.3 LBP描述子 147
7.5 主元分析 149
本章小结 150
习题 150
第8章 对象识别 151
8.1 模式与模式识别的基本概念 151
8.2 基于图像相关的匹配 152
8.3 最小距离分类器与近邻分类器 153
8.3.1 最小距离分类器 153
8.3.2 最近邻分类器 154
8.3.3 k-近邻分类器 155
8.4 贝叶斯分类 155
8.4.1 最大后验概率分类 155
8.4.2 最小风险贝叶斯分类 156
8.5 BP神经网络分类器 157
8.5.1 BP网络的基本结构 157
8.5.2 BP网络的设计与训练 158
本章小结 159
习题 160
第9章 图像压缩 161
9.1 基本知识 161
9.1.1 图像中的数据冗余 161
9.1.2 保真度准则 165
9.1.3 图像压缩模型 166
9.1.4 图像的若干信息论基本知识 167
9.1.5 图像压缩编码的分类 169
9.2 无失真编码 170
9.2.1 行程编码 170
9.2.2 LZW编码 170
9.2.3 Huffman编码 172
9.2.4 算术编码 173
9.3 预测编码 174
9.4 变换编码 178
9.4.1 常见的图像变换 178
9.4.2 子图像的大小选择 182
9.4.3 系数选择和比特分配 182
9.5 JPEG静态图像压缩标准简介 183
本章小结 191
习题 191
第10章 摄像机标定与立体视觉 193
10.1 摄像机标定 193
10.1.1 摄像机模型 193
10.1.2 摄像机的标定过程 196
10.1.3 由单幅图像获取对象的实际尺寸 198
10.1.4 影响摄像机参数估计值准确性的因素 199
10.2 立体重构 199
10.2.1 一般双目视觉系统的立体几何结构 200
10.2.2 立体视觉中的匹配 200
10.2.3 标准外极线几何结构 201
10.2.4 深度重构 202
本章小结 203
习题 203
第11章 基于图像的检测应用实例 204
11.1 激光焊接对接接头间隙宽度测量 204
11.1.1 对接接头间隙测量视觉系统的结构 204
11.1.2 对接接头间隙测量的图像处理算法 205
11.2 细水雾液滴尺寸测量与分析 207
11.2.1 雾滴的采样与图像采集 207
11.2.2 雾滴图像的处理与分析 207
11.2.3 显微标尺标定 208
11.3 肉牛体形参数检测 209
11.3.1 肉牛图像的获取 209
11.3.2 肉牛图像分割 210
11.3.3 肉牛外形参数测量 211
11.4 成熟番茄的识别与定位 211
11.4.1 成熟番茄定位的双目立体视觉系统组成和标定 211
11.4.2 成熟番茄的识别 212
11.4.3 成熟番茄的定位 213
11.5 滚珠螺母形位误差检测 214
11.5.1 滚珠螺母形位误差检测系统组成 214
11.5.2 滚珠螺母图像的预处理与分割 215
11.5.3 形位误差测量 215
本章小结 216
习题 217
参考文献 218