第1章 绪论 1
1.1图像及其分类 1
1.1.1图像的特点 1
1.1.2图像的分类 1
1.2数字图像处理技术与应用 2
1.2.1数字图像处理的主要内容 2
1.2.2数字图像处理方法 3
1.2.3数字图像处理技术的应用 3
1.3数字图像处理系统 4
1.4 Matlab简介 4
习题 5
第2章 图像获取 6
2.1概述 6
2.2连续图像模型 6
2.2.1连续图像的表达式 6
2.2.2连续图像的随机表征 7
2.3连续图像的频谱 8
2.3.1一维连续傅里叶变换 8
2.3.2二维连续傅里叶变换 9
2.4图像采样 10
2.4.1采样定理 10
2.4.2图像采样 12
2.5图像量化 14
2.5.1量化器模型 14
2.5.2标量量化 14
2.5.3向量量化 17
2.6数字图像中的基本概念 19
2.6.1数字图像的表示 19
2.6.2空间与灰度级分辨率 20
2.6.3像素间的基本关系 21
小结 22
习题 23
第3章 图像变换 24
3.1概述 24
3.2一维离散傅里叶变换 24
3.2.1离散傅里叶变换 24
3.2.2离散傅里叶变换的性质 25
3.3一维快速傅里叶变换 26
3.3.1一维快速傅里叶变换的基本思想 26
3.3.2一维快速傅里叶变换算法 28
3.4二维离散傅里叶变换 30
3.4.1二维离散傅里叶变换 30
3.4.2二维离散傅里叶变换的性质 31
3.4.3二维快速离散傅里叶变换 32
3.4.4二维快速傅里叶变换的Matlab实现 33
3.4.5可分离图像变换的概念 35
3.5离散余弦变换 35
3.5.1一维离散余弦变换 35
3.5.2一维快速离散余弦变换算法 35
3.5.3二维离散余弦变换 37
3.5.4离散余弦变换的Matlab实现 37
3.5.5离散余弦变换的应用 38
3.6沃尔什变换和哈达玛变换 38
3.6.1离散沃尔什变换 38
3.6.2离散哈达玛变换 39
3.6.3快速哈达玛变换算法 40
3.7霍特林变换 43
3.8拉东变换 45
3.8.1什么是拉东变换 45
3.8.2拉东变换的Matlab实现 45
小结 47
习题 47
第4章 图像增强 48
4.1概述 48
4.2空域点处理增强 48
4.2.1直接灰度变换 49
4.2.2直方图修正 54
4.2.3图像间的运算 59
4.3空域滤波增强 62
4.3.1平滑滤波器 62
4.3.2锐化滤波器 65
4.4频域滤波增强 67
4.4.1低通滤波器 68
4.4.2高通滤波器 71
4.4.3同态滤波器 74
小结 76
习题 76
第5章 图像复原 77
5.1概述 77
5.2图像退化模型 77
5.2.1退化模型 77
5.2.2连续函数退化模型 78
5.2.3离散的退化模型 79
5.2.4循环矩阵对角化 80
5.3退化函数估计 81
5.3.1图像观察估计法 81
5.3.2试验估计法 82
5.3.3模型估计法 82
5.4逆滤波 84
5.4.1无约束复原 84
5.4.2逆滤波复原 84
5.4.3消除匀速运动模糊 85
5.5维纳滤波 86
5.5.1有约束滤波 86
5.5.2维纳滤波复原 87
5.5.3维纳滤波的Matlab实现 88
5.6约束最小二乘方滤波 89
5.6.1滤波模型 90
5.6.2约束最小二乘方滤波的Matlab实现 91
5.7从噪声中复原 92
5.7.1噪声模型 92
5.7.2空域滤波复原 93
5.7.3频域滤波复原 96
5.8几何失真校正 98
5.8.1空间变换 98
5.8.2灰度插值 98
5.8.3几何失真图像配准复原 99
小结 101
习题 101
第6章 彩色图像处理 102
6.1概述 102
6.2彩色基础 102
6.2.1人眼的构造 102
6.2.2三色成像 102
6.3颜色模型 103
6.3.1 RGB模型 103
6.3.2 CMY模型和CMYK模型 104
6.3.3 HSI模型 106
6.4全彩色图像处理 107
6.4.1彩色图像增强 108
6.4.2彩色图像复原 110
6.4.3彩色图像分析 111
6.5伪彩色处理 114
6.5.1密度分层法 114
6.5.2灰度级-彩色变换法 115
6.5.3频域滤波法 116
小结 117
习题 117
第7章 图像编码 118
7.1概述 118
7.1.1图像数据的冗余 118
7.1.2图像的编码质量评价 118
7.2信息理论基础与熵编码 121
7.2.1离散信源的熵表示 121
7.2.2离散信源编码定理 123
7.2.3赫夫曼编码 124
7.2.4香农-范诺编码 128
7.2.5算术编码 129
7.2.6行程编码 132
7.3 LZW算法 134
7.4预测编码 135
7.4.1无损预测编码 136
7.4.2有损预测编码 138
7.5变换编码 145
7.5.1变换选择 146
7.5.2子图像尺寸选择 150
7.5.3比特分配 151
7.5.4 DCT编码实例 153
7.6基于矢量量化技术的图像编码 158
7.6.1矢量量化原理 158
7.6.2矢量量化过程 158
小结 163
习题 164
第8章 小波图像编码 165
8.1概述 165
8.2小波变换 165
8.2.1一维连续小波变换 165
8.2.2小波变换性质 167
8.3离散小波变换 168
8.3.1离散小波变换简介 168
8.3.2框架理论 168
8.4多分辨分析和Mallat算法 170
8.4.1多分辨分析 170
8.4.2小波分解和重构 171
8.5 Matlab中常用小波基介绍 172
8.5.1常用小波函数介绍 172
8.5.2小波函数有关的Matlab函数 177
8.6小波变换在图像编码中的应用 178
8.6.1数字图像的小波分解 179
8.6.2小波基的选择 183
8.6.3小波变换域小波系数分析 184
8.6.4小波编码方法 186
小结 195
习题 195
第9章 图像检测与分割 196
9.1概述 196
9.2边缘检测 196
9.2.1梯度算子 197
9.2.2高斯-拉普拉斯算子 198
9.2.3 Canny边缘检测算子 199
9.3边界跟踪 200
9.3.1边界跟踪 200
9.3.2霍夫变换 204
9.4阈值分割 208
9.4.1人工选择法 208
9.4.2自动阈值法 209
9.4.3分水岭算法 211
9.5区域分割 213
9.5.1区域生长法 213
9.5.2区域分裂法 215
9.5.3区域合并法 215
9.5.4区域分裂合并法 216
9.6形变模型 218
9.6.1参数活动轮廓模型 218
9.6.2几何活动轮廓模型 223
9.6.3形变模型的扩展形式 225
9.7运动分割 227
9.7.1背景差值法 227
9.7.2图像差分法 228
9.7.3基于光流的分割方法 229
9.7.4基于块的运动分割方法 230
小结 230
习题 231
第10章 图像表示与描述 232
10.1概述 232
10.2图像表示 232
10.2.1链码 232
10.2.2边界分段 236
10.2.3多边形近似 237
10.2.4标记图 238
10.2.5骨架 239
10.3边界描述 240
10.3.1一些简单的描述子 240
10.3.2形状数 240
10.3.3傅里叶描述子 241
10.3.4统计矩 243
10.4区域描述 243
10.4.1一些简单的描述子 244
10.4.2纹理 244
10.4.3不变矩 248
10.5形态学描述 249
10.5.1膨胀和腐蚀 250
10.5.2开启和闭合 251
10.5.3形态学对图像的操作 252
小结 255
习题 256
第11章 图像特征优化 257
11.1概述 257
11.2基于选择的特征优化 258
11.2.1可分离性判据 258
11.2.2搜索选择策略 258
11.2.3基于遗传算法的特征选择 259
11.3基于统计分析的特征优化 260
11.3.1主成分分析 260
11.3.2独立分量分析 261
11.3.3线性判别分析 262
11.3.4多维尺度分析 262
11.4基于流形学习的特征优化 264
11.4.1流形学习的基本原理 264
11.4.2核主成分分析 264
11.4.3局部线性嵌入 265
11.4.4拉普拉斯特征映射 266
11.4.5等距映射 268
小结 271
习题 271
第12章 图像识别 272
12.1概述 272
12.2统计图像识别 272
12.2.1统计模式识别方法 272
12.2.2线性分类器 274
12.2.3贝叶斯分类器 275
12.2.4人工神经网络分类器 277
12.3句法图像识别 281
12.3.1句法模式识别方法 281
12.3.2形式语言简介 283
12.3.3模式文法 285
12.3.4句法分析 287
12.3.5句法结构的自动机识别 289
12.3.6有噪声、畸变模式的识别 292
12.4模糊图像识别 296
12.4.1模糊集合及其运算 296
12.4.2隶属函数确定方法 297
12.4.3模糊识别原则 301
12.4.4模糊句法识别 304
12.5 Web图像过滤系统 308
12.5.1皮肤检测 308
12.5.2基于人脸肤色的自动白平衡校正 309
12.5.3特征提取 311
12.5.4 Web图像分类 312
小结 315
习题 315
第13章 图像检索 316
13.1概述 316
13.2基于内容的图像检索 316
13.2.1 CBIR系统框架 316
13.2.2基于颜色特征的检索 317
13.2.3基于纹理特征的检索 318
13.2.4基于形状特征的检索 318
13.2.5检索效果评价方法 318
13.3基于语义的图像检索 319
13.3.1图像语义描述方法 319
13.3.2图像语义提取方法 320
13.3.3语义相似性测度 320
13.3.4语义检索系统设计 321
13.4基于多示例学习的语义图像检索 321
13.4.1多示例学习简介 321
13.4.2分层语义模型 322
13.4.3基于粗糙集的图像包生成 324
13.4.4语义提取 324
13.4.5语义图像检索 325
13.4.6检索效果 326
小结 327
习题 327
参考文献 328