数字图像处理及MATLAB实现

　　《数字图像处理及MATLAB实现（第2版）》是在2010年出版的教材基础上做了修改、补充和完善。书中主要介绍了数字图像处理的基础知识、基本方法、程序实现和典型实践应用。全书分3部分共10章。第1部分（第1～4章）介绍数字图像处理的基础知识；第2部分（第5～8章）介绍数字图像处理的各种技术；第3部分（第9～10章）介绍数字图像处理的扩展内容。在每章的内容安排上，都是从介绍问题的背景开始，接着讲述基本内容和方法，然后介绍实践应用（通过MATLAB软件编程），最后进行结果分析。
　　《数字图像处理及MATLAB实现（第2版）》内容系统性强，重点突出，理论、应用与实际编程紧密结合，理论与实例并重，同时也能满足双语教学的部分要求和对本课程的专业英语词汇的学习。

第1章 概述
1.1 数字图像处理及特点（Characteristics and Processing of Digital Image）
1.1.1 数字图像与数字图像处理（Digital Images and Digital Image Processing）
1.1.2 数字图像处理的特点（Characteristics of Digital Image Processing）
1.2 数字图像处理系统（System of Digital Image Processing）
1.2.1 数字图像处理系统的结构（Structure of Digital Image Processing System）
1.2.2 数字图像处理的优点（Advantages of Digital Image Processing）
1.3 数字图像处理的主要研究内容（Research Content in Digital Image Processing）
1.4 数字图像处理的应用和发展
（Applications and Development of Digital Image Processing）
1.4.1 数字图像处理的应用（Applications of Digital Image Processing）
1.4.2 数字图像处理领域的发展动向（Future Direction in the
Field of Digital Image Processing）
1.5 全书内容简介（Brief Introduction of This Book）
小结（Summary）
习题（Exercises）

第2章 数字图像处理的基础
2.1 人类的视觉感知系统（Visual System of Human Beings）
2.1.1 视觉系统的基本构造（Basic Structure of Visual System）
2.1.2 亮度适应和鉴别（Intensity Adaption and Identification）
2.2 数字图像的基础知识（Basics of Digital Image）
2.2.1 图像的数字化及表达（Image Digitalization and Representation）
2.2.2 图像的获取（Image Acquisition）
2.2.3 像素间的基本关系（Basic Relationships between Pixels）
2.2.4 图像的分类（Image Classification）
小结（Summary）
习题（Exercises）


第3章 图像基本运算
3.1 概述（Introduction）
3.2 点运算（Point Operation）
3.2.1 线性点运算（Linear Point Operation）
3.2.2 非线性点运算（Non-Linear Point Operation）
3.3 代数运算与逻辑运算（Algebra and Logical Operation）
3.3.1 加法运算（Addition）
3.3.2 减法运算（Subtraction）
3.3.3 乘法运算（Multiplication）
3.3.4 除法运算（Division）
3.3.5 逻辑运算（Logical Operation）
3.4 几何运算（Geometric Operation）
3.4.1 图像的平移（Image Translation）
3.4.2 图像的镜像（Image Mirror）
3.4.3 图像的旋转（Image Rotation）
3.4.4 图像的缩放（Image Zoom）
3.4.5 灰度重采样（Gray Resampling）
小结（Summary）
习题（Exercises）

第4章 图像变换
4.1 连续傅里叶变换（Continuous Fourier Transform）
4.2 离散傅里叶变换（Discrete Fourier Transform）
4.3 快速傅里叶变换（Fast Fourier Transform）
4.4 傅里叶变换的性质（Properties of Fourier Transform）
4.4.1 可分离性（Separability）
4.4.2 平移性质（Translation）
4.4.3 周期性和共轭对称性（Periodicity and Conjugate Symmetry）
4.4.4 旋转性质（Rotation）
4.4.5 分配律（Distribution Law）
4.4.6 尺度变换（Scaling）
4.4.7 平均值（Average Value）
4.4.8 卷积定理（Convolution Theorem）
4.5 图像傅里叶变换实例（Examples of Image Fourier Transform）
4.6 其他离散变换（Other Discrete Transform）
4.6.1 离散余弦变换（Discrete Cosine Transform）
4.6.2 二维离散沃尔什-哈达玛变换（Walsh-Hadamard Transform）
4.6.3 卡胡楠-列夫变换（Kahunen-Loeve Transform）
小结（Summary）
习题（Exercises）

第5章 图像增强
5.1 图像增强的概念和分类（Concepts and Categories of Image Enhancement）
5.2 空间域图像增强（Image Enhancement in the Spatial Domain）
5.2.1 基于灰度变换的图像增强（Image Enhancement based on Gray Levels）
5.2.2 基于直方图处理的图像增强（Image Enhancement based
on Histogram Processing）
5.2.3 空间域滤波增强（Spatial Filtering Enhancement）
5.3 频率域图像增强（Image Enhancement in the Frequency Domain）
5.3.1 频率域图像增强基本理论（Fundamentals of Image Enhancement
in the Frequency Domain）
5.3.2 频率域平滑滤波器（Frequency Smoothing Filters）
5.3.3 频率域锐化滤波器（Frequency Sharpening Filters）
5.3.4 同态滤波器（Homomorphic Filters）
小结（Summary）
习题（Exercises）

第6章 图像复原
6.1 图像复原及退化模型基础（Fundamentals of Image Restoration
and Degradation Model）
6.1.1 图像退化的原因及退化模型（Causes of Image Degradation
and Degradation Model）
6.1.2 图像退化的数学模型（Mathematic Model of Image Degradation）
6.1.3 复原技术的概念及分类（Concepts and Categories of Restoration）
6.2 噪声模型（Noise Models）
6.2.1 一些重要噪声的概率密度函数（Some Important Noise
Probability Density Functions）
6.2.2 噪声参数的估计（Estimation of Noise Parameters）
6.3 空间域滤波复原（Restoration with Spatial Filtering）
6.3.1 均值滤波器（Mean Filters）
6.3.2 顺序统计滤波器（Order-Statistics Filters）
6.4 频率域滤波复原（Restoration with Frequency Domain Filtering）
6.4.1 带阻滤波器（Bandreject Filters）
6.4.2 带通滤波器（Bandpass Filters）
6.4.3 其他频率域滤波器（Other Filters in Frequency Domain）
6.5 估计退化函数（Estimating the Degradation Function）
6.5.1 图像观察估计法（Estimation by Image Observation）
6.5.2 试验估计法（Estimation by Experimentation）
6.5.3 模型估计法（Estimation by Modeling）
6.6 逆滤波（Inverse Filtering）
6.7 最小均方误差滤波-维纳滤波（Minimum Mean Square Error
Filtering-Wiener Filtering）
6.8 几何失真校正（Geometric Distortion Correction）
6.8.1 空间变换（Spatial Transformation）
6.8.2 灰度插值（Gray-Level Interpolation）
6.8.3 实现（Implementation）
小结（Summary）
习题（Exercises）

第7章 图像压缩编码
7.1 概述（Introduction）
7.1.1 图像的信息量与信息熵（Information Content and Entropy）
7.1.2 图像数据冗余（Image Data Redundancy）
7.1.3 图像压缩编码方法（Coding Methods of Image Compression）
7.1.4 图像压缩技术的性能指标（Evaluation Index of Image
Compression Approaches）
7.1.5 保真度准则（Fidelity Criteria）
7.2 无失真图像压缩编码（Lossless Image Compression）
7.2.1 哈夫曼编码（Huffman Coding）
7.2.2 游程编码（Run-Length Coding）
7.2.3 算术编码（Arithmetic Coding）
7.3 有限失真图像压缩编码（Lossy Image Compression）
7.3.1 率失真函数（Rate Distortion Function）
7.3.2 预测编码和变换编码（Prediction Coding and Transform Coding）
7.3.3 矢量量化编码（Vector Quantification Coding）
7.4 图像编码新技术（New Image Coding Technology）
7.4.1 子带编码（Subband Coding）
7.4.2 模型基编码（Model-Based Coding）
7.4.3 分形编码（Fractal Coding）
7.5 图像压缩技术标准（Image Compression Standards）
7.5.1 概述（Introduction）
7.5.2 JPEG压缩（JPEG Compression）
7.5.3 JPEG
7.5.4 H.26x标准（H.26x Standards）
7.5.5 MPEG标准（MPEG Standards）
小结（Summary）
习题（Exercises）


第8章 图像分割
8.1 概述（Introduction）
8.2 边缘检测和连接（Edge Detection and Connection）
8.2.1 边缘检测（Edge Detection）
8.2.2 边缘连接（Edge Connection）
8.3 阈值分割（Image Segmentation using Threshold）
8.3.1 基础（Foundation）
8.3.2 全局阈值（Global Threshold）
8.3.3 自适应阈值（Adaptive Threshold）
8.3.4 最佳阈值的选择（Optimal Threshold）
8.3.5 分水岭算法（Watershed Algorithm）
8.4 区域分割（Region Segmentation）
8.4.1 区域生长（Region Growing）
8.4.2 区域分裂合并法（Region Splitting and Merging）
8.5 二值图像处理（Binary Image Processing）
8.5.1 数学形态学图像处理（Mathematical Morphology Image Processing）
8.5.2 开运算和闭运算（Open Operation and Close Operation）
8.5.3 一些基本形态学算法（Some Basic Morphological Algorithms）
8.6 分割图像的结构（Construction of Image Segmentation）
8.6.1 物体隶属关系图（Relationships between Objects）
8.6.2 边界链码（Edge Chain Code）
小结（Summary）
习题（Exercises）

第9章 彩色图像处理
9.1 彩色图像基础（Fundamentals of Color Image）
9.1.1 彩色图像的概念（Concepts of Color Image）
9.1.2 彩色基础（Color Fundamentals）
9.2 彩色模型（Color Models）
9.2.1 RGB模型（RGB Color Model）
9.2.2 CMY和CMYK模型（CMY and CMYK Color Model）
9.2.3 HSI模型（HSI Color Model）
9.3 伪彩色处理（Pseudocolor Image Processing）
9.3.1 背景（Background）
9.3.2 强度分层（Intensity Slicing）
9.3.3 灰度级到彩色变换（Transformation of Gray Levels to Color）
9.3.4 假彩色处理（False-Color Image Processing）
9.4 全彩色图像处理（Full-Color Image Processing）
9.4.1 全彩色图像处理基础（Basics of Full-Color Image Processing）
9.4.2 彩色平衡（Color Balance）
9.4.3 彩色图像增强（Color Image Enhancement）
9.4.4 彩色图像平滑（Color Image Smoothing）
9.4.5 彩色图像锐化（Color Image Sharpening）
9.5 彩色图像分割（Color Image Segmentation）
9.5.1 HSI彩色空间分割（Segmentation in HSI Color Space）
9.5.2 RGB彩色空间分割（Segmentation in RGB Color Space）
9.5.3 彩色边缘检测（Color Edge Detection）
9.6 彩色图像处理的应用（Applications of Color Image Processing）
小结（Summary）
习题（Exercises）

第10章 图像表示与描述
10.1 背景（Background）
10.2 颜色特征（Color Feature）
10.2.1 灰度特征（Intensity Feature）
10.2.2 直方图特征（Histogram Feature）
10.2.3 颜色矩（Color Moments）
10.3 纹理特征（Representation of Image Texture）
10.3.1 自相关函数（Autocorrelation Function）
10.3.2 灰度差分统计（Statistics of Intensity Difference）
10.3.3 灰度共生矩阵（Gray-Level Co-occurrence Matrix）
10.3.4 频谱特征（Spectrum Features）
10.4 边界特征（Boundary Feature）
10.4.1 边界表达（Boundary Representation）
10.4.2 边界特征描述（Boundary Description）
10.5 区域特征（Region Feature）
10.5.1 简单的区域描述（Simple Region Descriptors）
10.5.2 拓扑描述（Topological Descriptors）
10.5.3 形状描述（Shape Descriptors）
10.5.4 矩（Moment）
10.6 运用主成分进行描述（Use of Principal Components for Description）
10.6.1 主成分基础（Fundamentals of Principal Components Analysis）
10.6.2 主成分描述（Description by Principal Components Analysis）
10.7 特征提取的应用（Application of Feature Extraction）
10.7.1 粒度测定（Granularity Mensuration）
10.7.2 圆形目标判别（Circle Shape Recognition）
10.7.3 运动目标特征提取（Feature Extraction of Moving Object）
小结（Summary）
习题（Exercises）
参考文献

　　1．1．2数字图像处理的特点（Char．acteristicsofDigitalImageProcessing）
　　数字图像处理与模拟图像处理的根本不同在于，它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化，所以数字图像处理具有很好的再现性。按目前的技术，几乎可将一幅模拟图像数字化为任意大小的二维数组，现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高，这意味着图像的数字化精度可以达到满足任一应用需求的处理精度：所处理的图像可以来自多种信息源，它们可以是可见光图像，也可以是不可见的波谱图像（如X射线图像、超声波图像或红外图像等），具有较宽的适用面；从图像反映的客观实体尺度看，可以小到电子显微镜图像，大到航空照片、遥感图像甚至天文望远镜图像。
　　图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每一部分均包含丰富的内容。由于图像的光学处理从原理上讲只能进行线性运算，这极大地限制了光学图像处理能实现的目标。而数字图像处理不仅能完成线性运算，而且能实现非线性处理，即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现，具有很高的灵活性。除此以外，数字图像处理还有以下特点。
　　处理信息量很大。数字图像处理的信息大多是二维信息，如一幅256x256低分辨率黑白图像，要求约64：Kb的数据量；对中等分辨率真彩色640x480图像，则要求7．37Mb数据量：如果要处理25fps电视图像序列，则每秒要求184Mb数据量。因此对计算机的计算速度、存储容量等要求较高。
　　数字图像处理占用的频带较宽。与语音信息相比，占用的频带要大几个数量级。如电视图像的带宽约5．6MHz，而语音带宽仅为4kHz左右．所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本也高，这就对频带压缩技术提出了更高的要求。
　　数字图像中各个像素相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0．9以上，而相邻两帧之间的相关性比帧内相关性还要大些。因此，图像处理中信息压缩的潜力很大．
　　另外，由于图像是三维景物的二维投影，一幅图像本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。因此，要分析和理解三维景物就必须做合适的假设或附加新的测量，例如，双目图像或多视点图像。在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。
　　……