第1章 引言 1
1．1 图像的基本概念 1
1．2 数字图像处理系统 3
1．2．1 静态数字图像处理 3
1．2．2 三维成像 4
1．2．3 数字视频处理 5
1．3 数字图像处理的主要研究内容 6
1．4 本书的结构安排 9
第2章 图像的增强与去噪 10
2．1 图像的灰度增强 10
2．1．1 线性对比度展宽 10
2．1．2 直方图均衡化 11
2．1．3 伪彩色增强 14
2．1．4 Retinx图像增强方法 16
2．2 图像的噪声抑制 18
2．2．1 图像质量的客观评价指标 18
2．2．2 均值滤波 18
2．2．3 中值滤波 20
2．2．4 基于小波变换的阈值去噪 21
2．2．5 基于维纳滤波的图像去噪 23
2．2．6 基于偏微分方程的图像去噪 24
2．3 图像的锐化 26
2．3．1 一阶锐化算法 27
2．3．2 二阶锐化算法 32
2．4 应用示例1：大雾天气下的图像清晰化 34
2．4．1 雾况的建模 34
2．4．2 光学厚度的确定与分害 35
2．4．3 清晰化处理 36
2．5 应用示例2：具有高光抑制的夜间图像清晰化 37
2．5．1 亮度分量的估计与处理 37
2．5．2 反射分量的处理 38
2．5．3 高光抑制 39
第3章 图像的几何变换 41
3．1 齐次坐标与图像的仿射变换 41
3．2 三维图像的投影变换 42
3．2．1 投影与投影变换 43
3．2．2 透视投影 43
3．2．3 平行投影 46
3．3 图像几何畸变的校正 51
3．3．1 几何畸变的描述 51
3．3．2 畸变关系已知情况下的畸变校正 51
3．3．3 畸变关系未知情况下的畸变校正 52
3．4 应用示例1：基于内容感知的图像非等比例缩放 53
3．4．1 能量函数的定义 53
3．4．2 低能量线的选取 53
3．4．3 敏感区域的能量提升 54
3．5 应用示例2：QR码图像的几何畸变校正 55
第4章 图像的分割 57
4．1 阈值法 57
4．1．1 类间类内最大方差比法 57
4．1．2 最大熵法 58
4．1．3 聚类法 59
4．2 区域提取法 60
4．2．1 区域生长法 60
4．2．2 分裂－合并法 61
4．3 基于色彩特征的图像分割方法 62
4．3．1 RGB色系下的图像分割 63
4．3．2 YCbCr色系下的图像分割 63
4．3．3 HSV色系下的图像分割 64
4．4 神经元网络在图像分割中的应用 65
4．4．1 基于BP神经元网络的图像分割 65
4．4．2 基于SOFM神经元网络的图像分割 70
4．5 应用示例1：肾小球区域的分割 72
4．5．1 基于遗传算法的肾小球区域定位 72
4．5．2 基于分水岭算法的肾小球边缘提取 73
4．5．3 肾小球区域的分割 74
4．6 应用示例2：具有黑白混叠的二维条码的条空分割 74
4．6．1 明显白区域的提取与分割 75
4．6．2 明显黑区域的提取与分割 76
4．6．3 边缘过渡区域与小骨架区域的确定 76
4．6．4 边缘过渡区域的处理 76
4．6．5 小骨架区域的处理 77
第5章 图像的数学形态学处理 79
5．1 二值图像中的基本概念 79
5．1．1 连接关系 79
5．1．2 内部点与边界点 80
5．1．3 连接数与交叉数 80
5．1．4 几何特征 81
5．2 贴标签 82
5．3 细线化 83
5．3．1 距离变换 84
5．3．2 骨架线的提取 85
5．4 二值图像的腐蚀与膨胀 86
5．4．1 腐蚀 86
5．4．2 膨胀 88
5．5 灰度图像的腐蚀与膨胀 90
5．5．1 灰度值腐蚀 90
5．5．2 灰度值膨胀 91
5．6 二值图像的开运算与闭运算 92
5．6．1 开运算 92
5．6．2 闭运算 93
5．7 灰度图像的开运算与闭运算 94
5．8 应用示例1：基于灰度腐蚀、膨胀的断层插值图像 96
5．9 应用示例2：印章图像的预处理 98
5．9．1 采用贴、删标签的方法去除噪声与空穴 98
5．9．2 采用闭运算弥补印鉴中的断裂 99
5．9．3 利用圆形度对印鉴进行分类 99
第6章 图像的傅里叶变换与小波变换 101
6．1 图像的傅里叶变换 101
6．1．1 二维离散傅里叶变换 101
6．1．2 快速傅里叶变换 102
6．1．3 傅里叶变换在图像处理中的应用 103
6．2 图像的小波变换 105
6．2．1 小波分析的基本概念 105
6．2．2 信号的小波变换 106
6．2．3 离散小波变换与二迸小波变换 107
6．2．4 二维小波变换 108
6．3 图像的多分辨率分析与Mallat算法 108
6．3．1 信号的多分辨率分析 108
6．3．2 一维Mallat算法 110
6．3．3 二维Mallat算法 111
6．4 应用示例：基于小波变换的图像融合 112
4．1 图像融合的概念 112
6．4．2 基于小波变换的图像融合 113
第7章 数字视频 115
7．1 数字视频的基本概念 115
7．1．1 数字视频的采样格式 115
7．1．2 数字视频的格式与应用 116
7．1．3 数字视频的数据形式 118
7．1．4 数字视频的表现特征 120
7．2 数字视频的常用处理技术 120
7．3 视频的镜头分割与关键帧的提取 121
7．3．1 镜头切变检测 123
7．3．2 镜头渐变检测 126
7．3．3 镜头分割方法性能的评价指标 127
7．3．4 关键帧的提取 128
7．4 视频运动目标的检测 128
7．4．1 帧间差分法 129
7．4．2 背景差分法 130
7．4．3 光流法 130
7．5 视频的背景建模方法 131
7．5．1 单高斯背景建模 132
7．5．2 混合高斯背景建模 133
7．5．3 灰度归并法的背景建模 134
7．5．4 基于码书的背景建模 135
7．6 单摄像头固定监视模式下的运动目标跟踪 138
7．6．1 目标特征的提取 139
7．6．2 运动目标的跟踪 141
7．7 多摄像头联合有重叠视场模式下的运动目标跟踪 142
7．7．1 基于单应性映射的全景图生成 143
7．7．2 运动目标的跟踪 145
7．8 多摄像头联合无重叠视场模式下的运动目标跟踪 145
7．8．1 颜色特征的描述与匹配 146
7．8．2 速度特征的描述与匹配 147
7．9 应用示例：基于视频序列的手语识别 149
7．9．1 关键帧的提取 150
7．9．2 手势区域的提取 150
7．9．3 静态手势特征的提取 151
7．9．4 手语识别 152
第8章 图像的三维重建 154
8．1 可视化与三维重建的概念 154
8．1．1 可视化技术 154
8．1．2 三维重建技术 155
8．2 面绘制方法 155
8．2．1 Marching Cubes算法 156
8．2．2 Marching Tetrahedra算法 161
8．2．3 连接轮廓线法 162
8．2．4 网格简化技术简介 163
8．3 体绘制方法 164
8．3．1 体绘制的基本原理 164
8．3．2 体绘制的算法步骤 165
8．3．3 体绘制方法的分类 169
8．3．4 体绘制算法的加速 170
8．4 应用示例1：三维虚拟人脸表情的生成（面绘制方法的应用） 170
8．4．1 通用中性人脸三维模型的确定 171
8．4．2 人脸特征点的确定及模型的调整 172
8．4．3 相位无关纹理图的生成 173
8．4．4 生成三维虚拟人脸表情 173
8．5 应用示例2：结肠的三维重建与虚拟内窥（体绘制方法的应用） 174
8．5．1 虚拟相机 174
8．5．2 路径规划 175
第9章 图像及视频数据压缩 177
9．1 图像数据的冗余 177
9．1．1 数据冗余的概念 177
9．1．2 图像及视频数据的冗余 177
9．2 无损压缩编码 178
9．2．1 行程编码 179
9．2．2 哈夫曼编码 180
9．2．3 静态二进制算术编码 181
9．2．4 自适应二进制算术编码 182
9．2．5 概率自适应二进制算术编码 183
9．3 有损压缩编码 184
9．3．1 离散余弦变换编码 184
9．3．2 小波变换编码 185
9．3．3 标量量化编码 187
9．3．4 压扩量化编码 188
9．3．5 矢量量化编码 189
9．3．6 预测编码 192
9．3．7 基于分形的图像压缩编码 194
9．4 静态图像的压缩编码标准 200
9．4．1 JPEG压缩编码标准 200
9．4．2 JPEG2000压缩编码标准简介 206
9．5 MPEG数字视频压缩编码标准 209
9．5．1 MPEG－1视频压缩编码标准 211
9．5．2 MPEG－2视频压缩编码标准 215
9．5．3 MPEG－4视频压缩编码标准 216
9．6 H.26X系列数字视频压缩编码标准 219
9．6．1 H.261视频压缩编码标准 219
9．6．2 H.263视频压缩编码标准 220
9．6．3 H.264视频压缩编码标准 221
第10章 图像的匹配与跟踪 224
10．1 图像的匹配 224
10．1．1 基于区域特征的匹配方法 224
10．1．2 基于特征点的匹配方法 225
10．1．3 基于抽象特征的匹配方法 226
10．2 图像的跟踪 229
10．2．1 基于块运动估计的运动目标跟踪 229
10．2．2 运动目标的快速搜索 232
10．3 应用示例1：车载摄像视频的稳像 235
10．4 应用示例2：变背景下的运动目标跟踪 237
参考文献 240