数字图像处理（第4版）

目 录
第1章 绪论 1
1．1 图像、像素及数字图像处理 1
1．2 数字图像处理发展简史 3
1．3 图像处理的目的、任务与特点 4
1．3．1 图像处理的目的 4
1．3．2 图像处理的任务 5
1．3．3 数字图像处理的特点 8
1．4 数字图像处理的应用 10
1．5 图像处理与相关技术 14
本章小结 15
思考题与习题 15
第2章 图像处理基本知识 16
2．1 人类视觉与色度学基础 16
2．1．1 人眼的结构与功能 16
2．1．2 人类的基本视觉特性 18
2．1．3 三基色原理 18
2．1．4 光度学基本知识 20
2．2 连续图像的数学描述 20
2．3 基本的图像处理系统 22
2．3．1 图像处理硬件 22
2．3．2 图像处理软件 25
2．4 图像的统计特征 29
2．5 实验：图像的基本操作和基本统计
指标计算 31
本章小结 33
思考题与习题 33
第3章 图像的数字化与显示 35
3．1 图像数字化的基本过程 35
3．1．1 图像的采样和量化 35
3．1．2 数字图像的数据量 38
3．1．3 采样和量化参数的选择 38
3．1．4 二维采样定理 39
3．2 图像的量化方法 40
3．2．1 量化方法分类 40
3．2．2 标量量化 41
3．2．3 向量量化 42
3．3 图像输入/输出设备 43
3．3．1 图像输入设备 43
3．3．2 图像输出设备 49
3．4 实验：图像的数字化 50
本章小结 52
思考题与习题 52
第4章 图像变换与二维数字滤波 53
4．1 二维离散傅里叶变换（DFT） 53
4．1．1 二维连续傅里叶变换 54
4．1．2 二维离散傅里叶变换 55
4．1．3 二维离散傅里叶变换的性质 55
4．2 二维离散余弦变换（DCT） 59
4．2．1 一维离散余弦变换 59
4．2．2 二维离散余弦变换 60
4．2．3 二维DCT的应用 60
4．3 二维离散沃尔什-哈达玛变换
（DHT） 61
4．3．1 沃尔什变换 61
4．3．2 哈达玛变换 63
4．4 卡胡南-列夫变换（K-L变换） 65
4．5 二维离散小波变换 66
4．5．1 小波分析的思想来源 67
4．5．2 连续小波变换 68
4．5．3 一维离散小波变换 69
4．5．4 二维离散小波变换 69
4．6 二维数字滤波器 73
4．7 离散变换在数字水印上的应用 74
4．7．1 概述 74
4．7．2 数字水印的衡量标准 75
4．7．3 数字水印的分类 75
4．7．4 实现数字水印的一般步骤 75
4．7．5 图像水印举例 76
4．8 实验：图像变换与二维数字滤波 78
本章小结 79
思考题与习题 79
第5章 图像编码与压缩 82
5．1 概述 82
5．1．1 数据压缩的基本概念 83
5．1．2 图像编码压缩的必要性 83
5．1．3 图像编码压缩的可能性 84
5．1．4 图像编码压缩的技术指标 85
5．1．5 数据压缩方法的分类 87
5．2 统计编码 87
5．2．1 霍夫曼（Huffman）编码 88
5．2．2 算术编码 90
5．3 预测编码 91
5．3．1 预测编码基本原理 91
5．3．2 线性预测编码 92
5．3．3 自适应预测编码 93
5．4 变换编码 93
5．4．1 变换编码的基本原理 93
5．4．2 变换编码的系统结构 94
5．4．3 变换编码方案的选取 94
5．4．4 整数小波变换与图像压缩 96
5．5 二值图像编码 98
5．5．1 跳跃空白编码 98
5．5．2 游程长度编码 98
5．6 图像压缩编码标准 99
5．6．1 彩色与灰度图像压缩标准
JPEG 99
5．6．2 二值图像压缩标准JBIG 102
5．6．3 JPEG2000静态图像压缩
标准 103
5．7 基于分类KLT的高光谱图像
压缩 105
5．8 实验：图像编码与压缩 106
本章小结 108
思考题与习题 109
第6章 图像增强 110
6．1 概述 110
6．1．1 图像增强的目的 110
6．1．2 图像增强技术的分类 111
6．1．3 直方图的概念 111
6．2 灰度修正 113
6．2．1 灰度级校正 113
6．2．2 灰度变换 114
6．2．3 灰度直方图变换 117
6．3 同态增晰 120
6．3．1 问题的由来 120
6．3．2 增晰原理 120
6．3．3 增晰算法 121
6．4 平滑 122
6．4．1 图像噪声 122
6．4．2 邻域平均法 123
6．4．3 中值滤波 125
6．4．4 边界保持类滤波 127
6．5 锐化 128
6．5．1 空间域差分法 128
6．5．2 频率域高通滤波法 133
6．6 实验：图像增强 133
本章小结 135
思考题与习题 135
第7章 图 像 复 原 138
7．1 图像退化原因与复原技术分类 139
7．1．1 连续图像退化的数学模型 139
7．1．2 离散图像退化的数学模型 141
7．2 逆滤波复原 142
7．3 约束复原 143
7．3．1 约束复原的基本原理 143
7．3．2 维纳滤波方法 143
7．3．3 平滑度约束最小平方滤波 145
7．4 非线性复原方法 147
7．4．1 最大后验复原 147
7．4．2 最大熵复原 148
7．4．3 投影复原 149
7．4．4 同态滤波复原 150
7．5 盲图像复原 150
7．5．1 直接测量法 150
7．5．2 间接估计法 150
7．6 几何失真校正 153
7．6．1 典型的几何失真 153
7．6．2 空间几何坐标变换 154
7．6．3 校正空间像素点灰度值的
确定 155
7．6．4 鱼眼图像校正方法简介 157
7．7 图像修复技术简介 158
7．8 实验：图像复原 160
本章小结 161
思考题与习题 162
第8章 图 像 分 割 163
8．1 概述 163
8．1．1 图像分割的目的和任务 163
8．1．2 图像分割的集合定义 164
8．1．3 图像分割的分类 165
8．2 像素的邻域和连通性 165
8．3 图像的阈值分割技术 167
8．3．1 基本原理 167
8．3．2 全局阈值分割 168
8．3．3 局部阈值分割 171
8．4 图像的边缘检测 171
8．4．1 边缘检测的基本原理 171
8．4．2 梯度算子 172
8．4．3 拉普拉斯算子 173
8．4．4 拉普拉斯-高斯算子 173
8．4．5 坎尼边缘检测算子 174
8．4．6 方向算子 175
8．4．7 边缘跟踪 176
8．5 霍夫变换 178
8．5．1 直角坐标系中的霍夫
变换 178
8．5．2 极坐标系中的霍夫变换 179
8．6 区域生长法 180
8．7 图像分割方法的比较 182
8．7．1 边缘检测的优缺点 182
8．7．2 区域分割的优缺点 183
8．8 实验：图像分割 183
本章小结 184
思考题与习题 184
第9章 形态学图像处理 186
9．1 概述 186
9．1．1 数学形态学的发展简史及
基本思想 186
9．1．2 几个基本概念 187
9．2 二值形态学 189
9．2．1 二值腐蚀 189
9．2．2 二值膨胀 190
9．2．3 二值开运算 192
9．2．4 二值闭运算 193
9．3 灰值形态学 193
9．3．1 灰值腐蚀 193
9．3．2 灰值膨胀 194
9．3．3 灰值开运算 195
9．3．4 灰值闭运算 195
9．3．5 灰值形态学梯度 196
9．3．6 高帽变换和低帽变换 196
9．3．7 开-闭运算和闭-开运算 197
9．4 基于数学形态学的图像颗粒度分析
系统 197
9．4．1 概述 197
9．4．2 求图像中目标的面积和
颗粒度 198
9．4．3 实验结果与分析 199
9．4．4 小结 200
9．5 实验：形态学图像处理 200
本章小结 202
思考题与习题 202
第10章 彩色图像处理 203
10．1 彩色图像处理的基本问题 203
10．2 颜色空间的表示及其转换 204
10．2．1 RGB模型 204
10．2．2 Munsell模型 205
10．2．3 HSV模型 205
10．2．4 HSI模型 206
10．2．5 YUV模型 206
10．2．6 CMYK模型 207
10．2．7 L*a*b*模型 207
10．2．8 RGB与HSV空间的相互
转换 208
10．2．9 RGB与HSI空间的相互
转换 209
10．2．10 RGB与YUV空间的相互
转换 211
10．2．11 真彩色、索引色和灰度图像
转换成二值图像 211
10．3 颜色空间的量化 212
10．4 假彩色处理 213
10．5 彩色图像增强 213
10．5．1 真彩色增强 213
10．5．2 伪彩色增强 214
10．6 彩色图像形态学 218
10．6．1 彩色图像形态学的基本
方法 218
10．6．2 基于数学形态学的彩色
图像滤波 218
10．7 实验：彩色图像处理 220
本章小结 222
思考题与习题 222
第11章 数字图像处理的应用 224
11．1 基于压缩感知和重叠分块的
人脸识别 224
11．1．1 压缩感知理论 224
11．1．2 算法的主要流程 225
11．1．3 测量矩阵 226
11．1．4 信号重构 227
11．1．5 基于稀疏表示的人脸识别 227
11．2 基于内容的图像检索（CBIR） 230
11．2．1 概述 230
11．2．2 基于内容图像检索的发展 230
11．2．3 图像特征的概念 231
11．2．4 基于内容的图像检索系统
的框架 231
11．2．5 相似度测量公式 234
11．2．6 基于内容的图像检索系统
简介 235
11．2．7 基于内容的图像检索技术
的研究热点 235
11．2．8 一种基于深度学习的图像
检索 236
11．3 基于MATLAB GUI图像处理软件
的开发 242
11．3．1 GUIDE基本操作 242
11．3．2 GUIDE图像处理软件设计
实例 242
11．3．3 实验：基于GUIDE的图像
处理软件开发 246
11．4 数字图像处理的发展趋势 247
本章小结 248
思考题与习题 249
附录A 常用词汇中英文对照表 250
附录B 常用MATLAB图像处理工具箱
函数 257
参考文献 262