1 绪论 1
1.1图像处理 1
1.2数字图像的表示方法 2
1.3数字图像处理 3
1.3.1数字图像处理与计算机视觉 3
1.3.2数字图像处理的基本特点 5
1.3.3数字图像处理主要研究的内容 5
1.4数字图像处理的发展和应用 6
1.4.1数字图像处理的发展概况 6
1.4.2数字图像处理的主要应用 8
1.5全书内容简介 9
习题 10
2 图像信息的基本知识 11
2.1图像信息技术中的视觉研究 11
2.1.1视觉研究与图像技术的关系 11
2.1.2人眼的构造 13
2.1.3视觉信息的产生、传递和处理 14
2.1.4视觉特性 15
2.1.5视觉的认知过程 19
2.1.6视觉模型 22
2.2图像数字化 25
2.2.1图像数字化过程 25
2.2.2点阵采样 26
2.2.3图像量化 30
2.3图像的噪声分析 31
2.3.1图像噪声 31
2.3.2图像噪声分类 32
2.3.3图像噪声的统计模型 33
2.4图像质量评价 35
2.4.1图像质量 35
2.4.2图像质量评价的保真度准则 36
2.5彩色图像的基本知识 37
2.5.1三基色原理 37
2.5.2颜色的基本属性 39
2.5.3彩色模型 39
2.5.4彩色视觉模型 44
习题 45
3 图像变换 47
3.1概述 47
3.2图像的线性运算 47
3.2.1二维连续线性系统 47
3.2.2二维连续傅立叶变换 49
3.3二维离散傅立叶变换及其性质 52
3.3.1概述 52
3.3.2二维离散傅立叶变换（DFT） 52
3.3.3二维离散傅立叶变换的性质 54
3.3.4二维傅立叶变换小结 59
3.4离散图像变换的一般表达式 61
3.4.1图像变换的代数表达式 61
3.4.2图像变换的矩阵表示式 62
3.5 离散沃尔什-哈达玛变换（DWT-DHT） 63
3.5.1一维离散沃尔什变换 63
3.5.2二维离散沃尔什变换 64
3.5.3快速沃尔什变换（FWT） 65
3.5.4离散哈达玛变换（DHT） 66
3.6 离散余弦变换（DCT） 67
3.6.1一维离散余弦变换 67
3.6.2二维离散余弦变换 68
3.6.3二维快速DCT 68
3.7离散哈尔变换 69
3.8离散K-L变换 71
3.8.1K-L变换式 71
3.8.2K-L变换与其他图像变换的比较 72
3.9小波变换 73
3.9.1小波变换的来源及发展概况 73
3.9.2连续小波变速 74
3.9.3离散（二进）小波变换 80
3.9.4多分辨分析和马拉特（Mallat）算法 80
3.9.5二维离散小波变换 85
3.9.6双正交小波变换 88
3.9.7小波的选择原则 90
习题 91
4图像压缩编码 93
4.1 概述 93
4.2熵编码方法 95
4.2.1基本概念 95
4.2.2哈夫曼（Huffman）编码方法 98
4.2.3香农（Shannon）编码法 99
4.2.4算术编码方法 100
4.2.5游程长度编码（RLC） 101
4.3预测法编码 103
4.3.1 DPCM的基本原理 103
4.3.2最佳线性预测 104
4.3.3最佳量化器 107
4.3.4DPCM系统中的图像降质 108
4.3.5自适应预测编码 109
4.4变换编码方法 111
4.4.1正交变换压缩图像编码率的物理概念 112
4.4.2变换编码原理框图 113
4.4.3二维傅立叶变换编码 113
4.4.4二维沃尔什-达玛变换编码 114
4.4.5离散余弦变换编码和JPEG基本系统 115
4.5图像压缩编码的开发研究 119
4.5.1概述 119
4.5.2小波变换图像压缩编码 120
4.5.3分形编码 123
4.5.4三维物体模型参数编码 128
4.5.5 自适应网络编码 129
4.6 图像压缩编码主要国际标准 130
4.6.1支持分层传递的二值图像压缩编码技术标准JBIG 130
4.6.2静止图像压缩标准JPEG和JPEG2000 131
4.6.3运动图像压缩编码标准MPEG 134
4.6.4支持通信业务视听视频编解码技术标准H.261和H.263 138
习题 141
5 图像增强和复原 143
5.1 概述 143
5.2灰度修正 144
5.2.1灰度变换 144
5.2.2直方图修正 146
5.3 图像的同态增晰 152
5.4平滑 154
5.4.1 图像中信号与噪声的关系 154
5.4.2平均 155
5.4.3中值滤波 157
5.4.4顺序统计滤波器 160
5.5锐化 161
5.5.1微分法 162
5.5.2高通滤波器 166
5.6几何校正 167
5.6.1已知两坐标系关系h1、h2的校正方法 168
5.6.2不知两坐标系关系h1、h2的校正方法 169
5.7伪彩色图像增强 170
5.7.1强度分层——不连续的彩色处理 170
5.7.2灰度级——彩色变换 171
5.8图像线性滤波复原 172
5.8.1图像降质模型 173
5.8.2几个典型的降质系统的传递函数 176
5.8.3逆滤波图像复原 178
5.8.4最小均方误差滤波（维纳滤波）图像复原 179
5.9全彩色图像增强 181
5.9.1全彩色图像处理基础 181
5.9.2彩色图像的直方图均衡化 182
5.9.3彩色图像的平滑和锐化 183
习题 184
6 图像分割 189
6.1概述 189
6.2边缘检测算子 190
6.2.1简单边缘检测算子 190
6.2.2Marr边缘检测方法 194
6.2.3沈俊边缘检测方法 198
6.2.4用Facet模型检测边缘 199
6.2.5模板匹配法 201
6.2.6区域边缘的Hough变换和广义Hough变换 205
6.2.7小波变换检测边缘 208
6.3图像阈值分割 211
6.3.1直方图阈值分割 212
6.3.2类间方差阈值分割 215
6.3.3二维最大熵阈值分割 216
6.3.4模糊阈值分割 220
6.3.5共生矩阵阈值分割 222
6.3.6复杂图像多阈值分割 224
6.4 区域增长法和分开-合并区域方法 226
6.4.1 区域增长法 226
6.4.2分开-合并区域方法 229
6.5数学形态学在图像分割中的应用 230
6.5.1数学形态学的基本运算 231
6.5.2数学形态学的应用 234
6.6彩色图像分割 236
习题 238
7 图像描述 240
7.1 概述 240
7.2二值图像的几何特性 240
7.2.1简单的几何特性 240
7.2.2拓朴特性 243
7.3二维形状描述 247
7.3.1区域描述 247
7.3.2边界描述 257
7.4二维纹理描述 261
7.4.1纹理特征 262
7.4.2灰度共生矩阵法 263
7.4.3 马尔可夫随机场（MRF）模型分析纹理 265
7.4.4傅立叶功率谱纹理分析法 267
7.4.5纹理的结构分析 269
7.5小波矩 271
7.5.1旋转不变矩的一般表达式 272
7.5.2小波矩 272
7.6三维物体描述 274
7.6.1骨架描述法 274
7.6.2表面描述法 275
7.6.3体积描述法 276
7.6.4广义圆柱体描述法 277
习题 277
8 图像识别 279
8.1 图像（模式）识别的基本概念 279
8.1.1模式识别 279
8.1.2模式识别系统 280
8.1.3模式识别的主要理论和方法 282
8.2统计模式识别 284
8.2.1线性决策函数 284
8.2.2距离函数模式分类 287
8.2.3似然函数模式分类 292
8.3结构（或句法）模式识别 297
8.3.1模式的描述方法 297
8.3.2串文法 298
8.3.3语义的使用 301
8.3.4识别 301
8.3.5高维文法 302
8.4模糊模式识别 306
8.4.1引言 306
8.4.2模糊子集的基本概念 306
8.4.3模糊集的运算 308
8.4.4模糊关系 310
8.4.5模糊模式识别 312
8.5人工神经网络在模式识别中的应用 318
8.5.1概述 318
8.5.2反向传播学习算法（B-P算法） 318
8.5.3小波神经网络 321
8.5.4应用实例 323
8.6模式识别方法的比较 324
习题 325
9图像知识表示与应用 328
9.1 概述 328
9.2产生式系统 328
9.3语义网络 330
9.3.1语义网络表示方法 330
9.3.2语义网络推理 333
9.3.3连接词在语义网络中的表示方法 336
9.3.4语义网络的应用 337
9.4框架 340
9.4.1框架表示方法简介 341
9.4.2框架推理 343
9.5 图匹配 344
9.5.1 图匹配基本概念 344
9.5.2图匹配算法 346
习题 348
10图像处理和理解系统 349
10.1 概述 349
10.2通用数字图像处理系统 350
10.2.1系统基本组成 350
10.2.2图像输入设备 350
10.2.3图像输出设备 360
10.2.4微型计算机图像处理系统 360
10.3 多DSP组成的电视跟踪系统 364
10.4典型图像理解系统 366
10.4.1基于规则的景物解释系统 367
10.4.2VISIONS系统 368
10.5 图像处理中的并行处理结构 372
参考文献 375