第1章MATLAB图像处理入门 1
1.1数字图像处理概述 1
1.1.1数字图像处理的发展与应用 1
1.1.2数字图像处理的特点 2
1.1.3数字图像处理的研究内容 3
1.1.4数字图像处理系统的开发工具 5
1.2 MATLAB语言简介 6
1.2.1 MATLAB编程基础 6
1.2.2 MATLAB帮助系统 9
1.2.3 M文件介绍 11
1.3 MATLAB图像处理简介 16
1.3.1 MATLAB图像处理工具箱 17
1.3.2 MATLAB R2010图像处理工具箱的新特性 19
1.3.3噪声模型 19
1.3.4在MATLAB中使用函数imnoise添加噪声 23
1.4 MATLAB图像处理入门实例 24
1.4.1图像文件的信息查询 25
1.4.2图像文件的读取 26
1.4.3图像文件的显示 26
1.4.4图像文件的保存 31
1.5本章小结 32
第2章 图像运算 33
2.1图像的点运算 33
2.1.1点运算定义 33
2.1.2点运算的种类 33
2.1.3点运算和直方图 37
2.1.4直方图均衡化 39
2.2图像的代数运算 42
2.2.1图像代数运算的定义 42
2.2.2图像加法 43
2.2.3图像减法 46
2.2.4图像乘法 49
2.2.5图像除法 51
2.3图像的几何运算 53
2.3.1灰度级插值 53
2.3.2空间变换 57
2.3.3几何畸变校正和图像配准 60
2.4本章小结 63
第3章 图像变换 64
3.1线性变换 64
3.1.1标量表达式 64
3.1.2矢量表示 64
3.1.3矩阵表示 65
3.1.4可逆变换 65
3.1.5基平面 65
3.2离散傅里叶变换（DFT） 65
3.2.1离散傅里叶变换的定义 65
3.2.2傅里叶变换的性质 66
3.2.3傅里叶变换在图像处理中的应用 70
3.3离散余弦变换（DCT） 72
3.3.1 DCT的定义 72
3.3.2 DCT在图像处理中的应用 74
3.4哈尔变换（HT） 76
3.4.1 Haar函数的定义 76
3.4.2 Haar矩阵与Haar变换 77
3.5沃尔什-哈达玛变换 78
3.5.1 Walsh函数 78
3.5.2沃尔什-哈达玛变换定义 79
3.6 Hough变换 82
3.6.1基本原理 82
3.6.2扩展应用 86
3.7 Radon变换 86
3.7.1平行数据Radon变换 86
3.7.2扇形数据Radon变换 89
3.7.3 Radon逆变换 89
3.8本章小结 92
第4章 图像增强 93
4.1对比度增强 93
4.1.1线性变换 93
4.1.2非线性变换 94
4.2直方图增强 96
4.3图像锐化 99
4.3.1边缘提取和锐化 99
4.3.2拉普拉斯（Laplacian）算子 100
4.3.3 Wallis算子 102
4.4图像伪彩色增强 103
4.5图像频域增强 106
4.5.1低通滤波 107
4.5.2高通滤波器 118
4.5.3周期底纹清除滤波 124
4.5.4同态滤波 125
4.6本章小结 128
第5章 图像编码与压缩 130
5.1图像编码压缩概述 130
5.1.1图像编码压缩的必要性和可能性 130
5.1.2图像编码压缩方法简介 132
5.1.3图像编码质量的评价 133
5.2统计编码 134
5.2.1哈夫曼编码 134
5.2.2算术编码 138
5.2.3行程编码 142
5.3预测编码 143
5.3.1差分脉冲编码调制（DPCM）编码 143
5.3.2运动补偿 147
5.3.3增量调制编码 147
5.4变换编码 148
5.4.1主成分变换（KLT） 148
5.4.2离散余弦变换（DCT） 152
5.4.3离散沃尔什-哈达玛变换（DWHT） 154
5.4.4小波变换 156
5.5本章小结 157
第6章 图像恢复 159
6.1图像退化的原因 159
6.2图像退化模型 160
6.2.1点扩展函数 160
6.2.2退化的数学模型 160
6.3图像恢复方法 162
6.3.1维纳滤波方法 162
6.3.2约束最小二乘算法 166
6.3.3 Lucy-Richardson迭代方法 170
6.3.4盲卷积算法 174
6.4本章小结 178
第7章 边缘检测和图像分割 179
7.1图像分割原理与方法 179
7.2边缘检测 180
7.2.1基本原理 180
7.2.2边缘检测算子 181
7.2.3边缘检测的MATLAB实现 185
7.3边界跟踪与直线检测 188
7.3.1基本原理 189
7.3.2边界跟踪的MATLAB实现 189
7.3.3直线提取算法 194
7.4基于灰度的分割 199
7.4.1基本原理 199
7.4.2图像灰度分割的MATLAB实现 200
7.5本章小结 204
第8章 数学形态学图像处理 205
8.1数学形态学基本理论 205
8.2膨胀和腐蚀 206
8.2.1膨胀和腐蚀简介 206
8.2.2结构元素 207
8.2.3膨胀的MATLAB实现 211
8.2.4腐蚀的MATLAB实现 213
8.2.5 膨胀和腐蚀的组合运算 214
8.2.6基于膨胀和腐蚀的形态学运算 217
8.3形态学重建 220
8.3.1标记图像和掩模图像 221
8.3.2像素的连通性 223
8.3.3填充操作 224
8.3.4寻找峰值和谷值 225
8.4距离变换 230
8.5本章小结 233
第9章 彩色图像处理与分析 234
9.1彩色图像技术概述 234
9.2彩色视觉与彩色图像 234
9.2.1彩色视觉 235
9.2.2三色成像原理 235
9.2.3彩色图像格式 238
9.2.4彩色坐标变换 239
9.2.5彩色图像处理的MATLAB实现 240
9.3彩色图像处理 244
9.3.1彩色平衡 244
9.3.2彩色图像增强 245
9.3.3彩色补偿 246
9.3.4彩色图像恢复 247
9.3.5彩色图像处理的MATLAB实现 247
9.4彩色图像分析 251
9.4.1彩色图像分割 252
9.4.2彩色图像测量 252
9.4.3图像的伪彩色和假彩色处理 253
9.4.4伪彩色和假彩色处理的MATLAB实现 255
9.5本章小结 259
第10章MATLAB图形用户界面（GUI） 260
10.1 GUI基础 260
10.1.1 GUI基本概念 260
10.1.2 GUI如何工作 261
10.1.3如何创建MATLAB GUI 261
10.1.4 GUI简单示例 262
10.2菜单 264
10.2.1菜单的布置 265
10.2.2建立菜单和子菜单 266
10.2.3菜单示例 266
10.2.4菜单属性 268
10.2.5菜单快捷键 269
10.2.6菜单的外观 270
10.2.7菜单的颜色控制 274
10.2.8菜单项去能 275
10.2.9菜单的回调属性 277
10.2.10菜单的M文件示例 278
10.3控制框 282
10.3.1按钮键 282
10.3.2无线按钮 283
10.3.3复选框 284
10.3.4静态文本框 285
10.3.5可编辑文本框 286
10.3.6滚动条 287
10.3.7弹出式菜单 289
10.3.8框架 290
10.3.9控制框属性 291
10.3.10控制框布局的考虑 293
10.3.11控制框的M文件示例 293
10.4对话框 296
10.4.1公共对话框 297
10.4.2 MATLAB专用对话框 301
10.5图形用户界面设计工具 304
10.5.1布局编辑器（Layout Editor） 306
10.5.2对象位置调整工具（Align Objects） 307
10.5.3菜单编辑器（Menu Editor） 307
10.5.4 Tab顺序编辑器（Tab Order Editor） 308
10.5.5 M-file编辑器（M-file Editor） 309
10.5.6对象属性编辑器（Property Inspector） 309
10.5.7对象浏览器（Object Browser） 310
10.6本章小结 311
第11章 图像模式识别 312
11.1统计模式识别 312
11.1.1线性分类器及MATLAB实现 313
11.1.2贝叶斯分类器 315
11.2结构模式识别 319
11.2.1树分类法 319
11.2.2树分类示例 320
11.3模糊模式识别 321
11.3.1贴近度与模糊度 322
11.3.2最大隶属原则与择近原则 323
11.3.3 MATLAB在模糊模式识别中的应用示例 324
11.4工程实例 328
11.4.1基于字符串匹配的对象识别 328
11.4.2利用模式识别对多光谱图像进行分类 343
11.5本章小结 347
第12章 小波在图像处理中的应用 348
12.1小波分析基础知识 348
12.1.1小波变换简介 348
12.1.2二维小波变换和多分辨率分析 350
12.1.3小波图像工具箱的功能 354
12.2基于小波的图像降噪和压缩 360
12.2.1基于小波的图像降噪 361
12.2.2基于小波的图像压缩技术 363
12.3小波分析在图像增强中的应用 368
12.4基于小波的图像融合技术 370
12.5小波包在图像边缘检测中的应用 374
12.6工程实例 375
12.6.1基于小波的方向性和边缘检测 376
12.6.2基于小波的图像平滑和模糊 388
12.6.3基于小波的图像渐进重构 390
12.7本章小结 392
第13章 神经网络在图像处理中的应用 393
13.1常用的神经网络模型 393
13.1.1 BP网络 393
13.1.2 Hopfield网络 395
13.1.3自组织网络 396
13.1.4小波网络 396
13.1.5细胞神经网络 397
13.1.6模糊神经网络 397
13.2神经网络在图像压缩中的应用 397
13.2.1基于BP神经网络的图像压缩原理 397
13.2.2基于BP神经网络的图像压缩的MATLAB实现 399
13.3神经网络在图像识别中的应用 406
13.3.1基于神经网络的图像识别的基本原理 407
13.3.2基于神经网络的图像识别的MATLAB实现 408
13.4工程实例 413
13.4.1基于PCNN的图像分割 413
13.4.2几种不同的手写阿拉伯数字识别方法比较 417
13.5本章小结 420
第14章MATLAB GUI设计应用实例 421
14.1 MATLAB GUI的设计原则和一般步骤 421
14.1.1 GUI的设计原则 421
14.1.2 GUI设计的一般步骤 422
14.2工程实例 425
14.2.1基于MATLAB GUI的日历设计 425
14.2.2基于MATLAB GUI的串口通信编程 426
14.2.3基于MATLAB GUI的图形显示效果控制 438
14.2.4基于MATLAB GUI的图像边缘检测 440
14.3本章小结 455
第15章MATLAB图像处理综合实例 456
15.1在医学图像处理中的应用 456
15.1.1医学图像处理概述 456
15.1.2医学图像的灰度变换 457
15.1.3基于高频强调滤波和直方图均衡化的医学图像增强 463
15.2在汽车牌照识别系统中的应用 466
15.2.1汽车牌照自动识别系统概述 466
15.2.2汽车牌照定位MATLAB示例 466
15.2.3基于神经网络的字符识别在车牌识别系统中的应用 473
15.3在遥感图像处理中的应用 480
15.3.1遥感技术概述 480
15.3.2利用MATLAB对遥感图像进行直方图匹配 481
15.3.3对遥感图像进行滤波增强 485
15.3.4对遥感图像进行融合 487
15.3.5对遥感图像进行变化检测 492
15.4本章小结 505