第1章 绪论 1
1.1 数字图像处理的发展 1
1.1.1 数字图像处理的发展历史 1
1.1.2 数字图像处理的研究现状 2
1.2 数字图像处理的概念 2
1.2.1 图像 2
1.2.2 数字图像 3
1.2.3 彩色图像、灰度图像与二值图像 4
1.3 数字图像处理的内容、基本步骤和特点 5
1.3.1 数字图像处理的内容 5
1.3.2 数字图像处理的基本步骤 6
1.3.3 数字图像处理的方法 7
1.3.4 数字图像处理的基本特点 8
1.4 数字图像处理系统的组成 8
1.5 数字图像处理的应用 10
1.6 图像处理与相关学科的介绍 14
习题 14
第2章 数字图像处理基础 15
2.1 视觉感知原理 15
2.1.1 视觉系统 15
2.1.2 图像质量评价 18
2.2 颜色常识 20
2.2.1 颜色基础 20
2.2.2 三基色与颜色匹配 20
2.3 彩色模型 22
2.3.1 RGB模型 22
2.3.2 HSI模型 23
2.3.3 YUV模型 25
2.4 模拟图像的获取和数字化 26
2.4.1 模拟图像的获取 27
2.4.2 采样 27
2.4.3 量化和编码 33
2.5 像素空间关系 35
2.5.1 像素邻域 35
2.5.2 邻接性、连通性、区域和边界 36
2.5.3 像素间距离 37
2.6 图像数据结构 38
2.6.1 图像模式 38
2.6.2 图像文件格式 42
2.7 用VC实现BMP图像文件的处理 46
2.7.1 DIB访问函数 46
2.7.2 构造自己的DIB函数库 51
2.7.3 用VC＋＋实现BMP图像的显示 53
习题 55
第3章 图像的基本运算 56
3.1 图像基本运算概述 56
3.2 图像的代数运算和逻辑运算 57
3.2.1 代数运算 57
3.2.2 集合运算与逻辑运算 61
3.3 图像的几何变换 64
3.3.1 几何变换的基础知识 64
3.3.2 齐次坐标 64
3.3.3 基本几何变换 65
3.4 图像的插值运算 77
3.4.1 最近邻插值法 77
3.4.2 双线性插值法 77
3.4.3 双三次插值法 78
习题 79
第4章 图像的正交变换 80
4.1 图像的傅立叶变换 80
4.1.1 傅立叶变换的定义 80
4.1.2 图像的傅立叶变换的性质 83
4.2 图像的离散余弦变换 88
4.2.1 离散余弦变换的基本概念 88
4.2.2 离散余弦变换的计算 90
4.3 图像的沃尔什变换 91
4.3.1 一维离散沃尔什变换 91
4.3.2 二维离散沃尔什变换 91
4.3.3 哈达玛变换 93
4.4 离散K－L变换 94
4.4.1 离散K－L变换的基本思想 94
4.4.2 离散K－L变换的步骤 95
4.4.3 离散K－L变换的性质和特点 95
4.4.4 综合案例——基于K－L变换的人脸识别 95
习题 100
第5章 图像增强 101
5.1 图像增强的概念和分类 101
5.2 灰度变换 102
5.2.1 灰度变换的基础知识 102
5.2.2 线性灰度变换 103
5.2.3 分段线性灰度变换 104
5.2.4 非线性灰度变换 105
5.3 直方图处理 107
5.3.1 直方图基本概念 107
5.3.2 直方图均衡化 109
5.3.3 直方图规定化 113
5.4 图像的平滑 117
5.4.1 图像噪声 117
5.4.2 局部统计法 118
5.4.3 空域平滑法 118
5.4.4 中值滤波 122
5.4.5 频域低通滤波 123
5.5 图像的锐化 126
5.5.1 一阶微分算子法 126
5.5.2 拉普拉斯算子法 129
5.5.3 高通滤波法 130
5.6 图像的伪彩色增强 132
习题 134
第6章 图像复原 136
6.1 图像退化模型 136
6.1.1 图像退化的原因 136
6.1.2 图像退化的数学模型 137
6.1.3 图像退化模型的离散形式 138
6.2 噪声模型 143
6.2.1 噪声的空间和频率特性 143
6.2.2 一些重要的噪声介绍 143
6.3 无约束复原 147
6.3.1 无约束复原的代数方法 147
6.3.2 逆滤波方法 148
6.4 有约束复原 152
6.4.1 维纳滤波 152
6.4.2 有约束最小平方滤波 155
6.5 运动模糊图像的复原 158
6.5.1 目标相对运动造成的图像模糊 159
6.5.2 运动模糊图像复原 160
6.6 其他的图像恢复方法 163
6.6.1 几何畸变校正 163
6.6.2 盲目图像复原 167
习题 167
第7章 图像重建 168
7.1 图像重建概述 168
7.1.1 图像重建的方法 168
7.1.2 图像重建在医学领域的应用 169
7.2 图像的投影 171
7.2.1 图像的投影过程 171
7.2.2 图像的投影定理 172
7.3 傅立叶投影重建 176
7.4 代数法重建 178
习题 181
第8章 图像形态学运算 182
8.1 形态学运算概述 182
8.1.1 数学形态学的历史 182
8.1.2 数学形态学的概念 183
8.1.3 数学形态学的数学基础和基本符号 183
8.2 二值图像的膨胀 185
8.2.1 基本原理 185
8.2.2 膨胀运算在计算机中的实现 186
8.3 二值图像的腐蚀 188
8.3.1 基本原理 188
8.3.2 腐蚀运算在计算机中的实现 189
8.4 膨胀、腐蚀运算的代数性质 191
8.5 击中／击不中变换 192
8.6 二值图像的开运算和闭运算 193
8.7 二值图像形态学应用 195
8.7.1 滤波 195
8.7.2 平滑 195
8.7.3 边缘提取 196
8.7.4 细化 197
8.7.5 粗化 199
8.8 灰度图像的形态学运算 200
8.8.1 灰度膨胀 200
8.8.2 灰度腐蚀 202
8.8.3 灰度图像开运算与闭运算 204
8.8.4 灰度图像形态学应用 204
8.9 彩色图像的形态学处理 206
习题 207
第9章 图像分割 208
9.1 图像分割的基本概念 208
9.2 图像的并行边界分割算法 209
9.2.1 一阶梯度算子 210
9.2.2 二阶梯度算子 212
9.2.3 Canny算子 215
9.2.4 霍夫变换 216
9.3 图像的并行区域算法 218
9.3.1 直方图阈值法 219
9.3.2 最优阈值法 220
9.3.3 其他经典的阈值确定方法 220
9.4 图像的串行边界算法 223
9.5 图像的串行区域算法 225
9.5.1 区域生长 225
9.5.2 区域分裂与合并 229
9.6 几种典型的图像分割算法 230
9.6.1 基于梯度增强的新闻字幕分割算法 230
9.6.2 光学乐谱分割算法 234
9.6.3 彩色图像的自适应模糊聚类算法 240
9.7 图像分割算法的评价方法 244
习题 246
第10章 小波变换的数字图像处理 247
10.1 概述 247
10.2 小波变换基础 247
10.2.1 序列展开 247
10.2.2 基于尺度函数的展开 248
10.2.3 基于小波函数的展开 249
10.2.4 尺度函数和小波函数的多分辨率分析 249
10.2.5 尺度函数和小波函数示例 250
10.3 一维小波变换 253
10.3.1 小波级数展开 253
10.3.2 离散小波变换 254
10.4 快速小波变换 254
10.5 二维小波变换 257
10.5.1 二维变换函数 257
10.5.2 二维变换实现 257
10.6 基于小波变换的图像压缩编码 259
10.6.1 图像压缩编码基础 259
10.6.2 图像压缩编码的基本方法 260
10.7 基于小波变换的图像融合 266
10.7.1 小波算法 266
10.7.2 常用的图像融合法则 274
10.7.3 融合图像评价 275
10.7.4 融合图像数据评价 275
习题 277
第11章 图像特征提取与分类 278
11.1 特征提取与分类概述 278
11.2 常用的图像特征提取方法 280
11.2.1 低层次特征提取 280
11.2.2 高层次特征提取 282
11.3 图像特征分类基础 287
11.3.1 距离分类器设计与应用 287
11.3.2 神经网络方法 288
11.3.3 统计学习理论和支持向量机识别方法 292
11.4 基于人脸图像的性别分类系统 294
11.4.1 基于Gabor滤波人眼定位算法 294
11.4.2 增强型PCA－SIFT特征提取 297
11.4.3 基于LVQ增强型FSVM人脸分类 299
11.4.4 人脸性别识别系统设计 302
11.5 基于步态的性别分类研究 302
11.5.1 IRIP步态数据库介绍 302
11.5.2 步态数据库预处理——ViBe算法步态分割 304
11.5.3 基于时间和空间GPCI特征融合的性别分类 306
11.5.4 基于步态的分类实验 312
11.6 手背静脉身份识别系统 314
11.6.1 手背静脉图像预处理 314
11.6.2 手背静脉图像的分割算法 319
11.6.3 基于SIFT的多模板分类器设计 321
11.6.4 基于局部二值模式的手背静脉特征提取 326
11.6.5 基于LBP特征算子的分类器设计 328
11.6.6 基于手背静脉的门禁系统设计 330
习题 333
参考文献 334