第1章 緒論 1
引言 1
學習目標 1
1.1 什么是數(shù)字圖像處理 1
1.2 數(shù)字圖像處理的起源 2
1.3 數(shù)字圖像處理技術應用領域?qū)嵗?5
1.3.1 伽馬射線成像 5
1.3.2 X射線成像 6
1.3.3 紫外波段成像 8
1.3.4 可見光和紅外波段成像 8
1.3.5 微波波段成像 14
1.3.6 無線電波段成像 14
1.3.7 其他成像方式 15
1.4 數(shù)字圖像處理的基本步驟 18
1.5 圖像處理系統(tǒng)的組成 20
小結、參考文獻和延伸讀物 22
第2章 數(shù)字圖像基礎 23
引言 23
學習目標 23
2.1 視覺感知要素 23
2.1.1 人眼的結構 24
2.1.2 人眼的成像方式 25
2.1.3 亮度適應與辨別 25
2.2 光和電磁波譜 28
2.3 圖像感知與獲取 30
2.3.1 使用單個傳感器獲取圖像 31
2.3.2 使用條帶傳感器獲取圖像 31
2.3.3 使用陣列傳感器獲取圖像 32
2.3.4 一個簡單的成像模型 33
2.4 圖像取樣和量化 34
2.4.1 取樣和量化的基本概念 34
2.4.2 數(shù)字圖像表示 36
2.4.3 線性索引和坐標索引 39
2.4.4 空間分辨率和灰度分辨率 40
2.4.5 圖像內(nèi)插 44
2.5 像素間的一些基本關系 45
2.5.1 像素的相鄰像素 45
2.5.2 鄰接、連通、區(qū)域和邊界 46
2.5.3 距離測度 47
2.6 數(shù)字圖像處理所用的基本數(shù)學工具介紹 48
2.6.1 對應元素運算和矩陣運算 48
2.6.2 線性運算與非線性運算 49
2.6.3 算術運算 50
2.6.4 集合運算和邏輯運算 54
2.6.5 空間運算 59
2.6.6 向量與矩陣運算 66
2.6.7 圖像變換 67
2.6.8 圖像灰度和隨機變量 69
小結、參考文獻和延伸讀物 70
習題 70
第3章 灰度變換與空間濾波 75
引言 75
學習目標 75
3.1 背景 75
3.1.1 灰度變換和空間濾波基礎 76
3.1.2 關于本章中例子的說明 77
3.2 一些基本的灰度變換函數(shù) 77
3.2.1 圖像反轉(zhuǎn) 77
3.2.2 對數(shù)變換 78
3.2.3 冪律（伽馬）變換 79
3.2.4 分段線性變換函數(shù) 82
3.3 直方圖處理 86
3.3.1 直方圖均衡化 87
3.3.2 直方圖匹配（規(guī)定化） 93
3.3.3 精確直方圖匹配（規(guī)定化） 99
3.3.4 局部直方圖處理 105
3.3.5 使用直方圖統(tǒng)計量增強圖像 106
3.4 空間濾波基礎 108
3.4.1 線性空間濾波的原理 108
3.4.2 空間相關與卷積 109
3.4.3 可分離濾波器核 114
3.4.4 空間域濾波和頻率域濾波的一些
重要比較 115
3.4.5 如何構建空間濾波器核 116
3.5 平滑（低通）空間濾波器 116
3.5.1 盒式濾波器核 117
3.5.2 低通高斯濾波器核 118
3.5.3 順序統(tǒng)計（非線性）濾波器 124
3.6 銳化（高通）空間濾波器 125
3.6.1 基礎 125
3.6.2 使用二階導數(shù)銳化圖像——拉普
拉斯算子 127
3.6.3 鈍化掩蔽和高提升濾波 130
3.6.4 使用一階導數(shù)銳化圖像——梯度 131
3.7 低通、高通、帶阻和帶通濾波器 134
3.8 組合使用空間增強方法 136
小結、參考文獻和延伸閱讀 139
習題 140
第4章 頻率域濾波 145
引言 145
學習目標 145
4.1 背景 145
4.1.1 傅里葉級數(shù)和變換簡史 146
4.1.2 關于本章中的例子 147
4.2 基本概念 147
4.2.1 復數(shù) 148
4.2.2 傅里葉級數(shù) 148
4.2.3 沖激函數(shù)及其取樣性質(zhì) 148
4.2.4 單連續(xù)變量函數(shù)的傅里葉變換 150
4.2.5 卷積 152
4.3 取樣和取樣函數(shù)的傅里葉變換 153
4.3.1 取樣 153
4.3.2 取樣后的函數(shù)的傅里葉變換 154
4.3.3 取樣定理 156
4.3.4 混疊 158
4.3.5 由取樣后的數(shù)據(jù)重構（復原）函數(shù) 160
4.4 一元函數(shù)的離散傅里葉變換 161
4.4.1 由取樣后的函數(shù)的連續(xù)變換得到DFT 161
4.4.2 取樣和頻率間隔的關系 163
4.5 二元函數(shù)的傅里葉變換 164
4.5.1 二維沖激及其取樣性質(zhì) 164
4.5.2 二維連續(xù)傅里葉變換對 164
4.5.3 二維取樣和二維取樣定理 165
4.5.4 圖像中的混疊 166
4.5.5 二維離散傅里葉變換及其反變換 171
4.6 二維DFT和IDFT的一些性質(zhì) 171
4.6.1 空間間隔和頻率間隔的關系 171
4.6.2 平移和旋轉(zhuǎn) 171
4.6.3 周期性 172
4.6.4 對稱性 173
4.6.5 傅里葉譜和相角 177
4.6.6 二維離散卷積定理 181
4.6.7 二維離散傅里葉變換性質(zhì)的小結 184
4.7 頻率域濾波基礎 185
4.7.1 頻率域的其他特性 185
4.7.2 頻率域濾波基礎 186
4.7.3 頻率域濾波步驟小結 190
4.7.4 空間域和頻率域濾波之間的對應性 192
4.8 使用低通頻率域濾波器平滑圖像 195
4.8.1 理想低通濾波器 195
4.8.2 高斯低通濾波器 198
4.8.3 巴特沃斯低通濾波器 199
4.8.4 低通濾波的其他例子 201
4.9 使用高通濾波器銳化圖像 203
4.9.1 由低通濾波器得到理想、高斯和巴特沃
斯高通濾波器 203
4.9.2 頻率域中的拉普拉斯算子 207
4.9.3 鈍化掩蔽、高提升濾波和高頻強調(diào)
濾波 208
4.9.4 同態(tài)濾波 210
4.10 選擇性濾波 212
4.10.1 帶阻濾波器和帶通濾波器 212
4.10.2 陷波濾波器 214
4.11 快速傅里葉變換 217
4.11.1 二維DFT的可分離性 217
4.11.2 使用DFT算法計算IDFT 218
4.11.3 快速傅里葉變換（FFT） 218
小結、參考文獻和延伸讀物 220
習題 221
第5章 圖像復原與重構 228
引言 228
學習目標 228
5.1 圖像退化/復原處理的一個模型 228
5.2 噪聲模型 229
5.2.1 噪聲的空間性質(zhì)和頻率性質(zhì) 229
5.2.2 一些重要的噪聲概率密度函數(shù) 229
5.2.3 周期噪聲 234
5.2.4 估計噪聲參數(shù) 234
5.3 只出現(xiàn)噪聲的復原——空間濾波 235
5.3.1 均值濾波器 235
5.3.2 順序統(tǒng)計濾波器 238
5.3.3 自適應濾波器 242
5.4 使用頻率域濾波降低周期噪聲 245
5.4.1 陷波濾波深入介紹 245
5.4.2 最優(yōu)陷波濾波 248
5.5 線性位置不變退化 252
5.6 估計退化函數(shù) 253
5.6.1 采用觀察法估計退化函數(shù) 253
5.6.2 采用試驗法估計退化函數(shù) 254
5.6.3 采用建模法估計退化函數(shù) 254
5.7 反濾波 257
5.8 最小均方誤差（維納）濾波 258
5.9 約束最小二乘濾波 261
5.10 幾何平均濾波 264
5.11 根據(jù)投影重構圖像 265
5.11.1 引言 265
5.11.2 X射線計算機斷層成像（CT）
原理 267
5.11.3 投影和雷登變換 269
5.11.4 反投影 272
5.11.5 傅里葉切片定理 273
5.11.6 使用平行射線束濾波反投影重構 274
5.11.7 使用扇形射線束濾波反投影重構
圖像 278
小結、參考文獻和延伸讀物 282
習題 283
第6章 彩色圖像處理 287
引言 287
學習目標 287
6.1 彩色基礎 288
6.2 彩色模型 292
6.2.1 RGB彩色模型 293
6.2.2 CMY和CMYK彩色模型 294
6.2.3 HSI彩色模型 295
6.2.4 設備無關彩色模型 301
6.3 偽彩色圖像處理 302
6.3.1 灰度分層和彩色編碼 302
6.3.2 灰度到彩色的變換 305
6.4 全彩色圖像處理基礎 309
6.5 彩色變換 310
6.5.1 公式 310
6.5.2 補色 313
6.5.3 彩色分層 314
6.5.4 色調(diào)和彩色校正 315
6.5.5 彩色圖像的直方圖處理 318
6.6 彩色圖像平滑和銳化 319
6.6.1 彩色圖像平滑 319
6.6.2 彩色圖像銳化 321
6.7 使用彩色分割圖像 322
6.7.1 HSI彩色空間中的分割 322
6.7.2 RGB空間中的分割 323
6.7.3 彩色邊緣檢測 325
6.8 彩色圖像中的噪聲 328
6.9 彩色圖像壓縮 330
小結、參考文獻和延伸讀物 331
習題 332
第7章 小波變換和其他圖像變換 335
引言 335
學習目標 335
7.1 背景 335
7.2 基于矩陣的變換 337
7.3 相關 345
7.4 時間-頻率平面的基函數(shù) 346
7.5 基圖像 349
7.6 傅里葉相關的變換 351
7.6.1 離散哈特利變換 351
7.6.2 離散余弦變換 353
7.6.3 離散正弦變換 356
7.7 沃爾什-哈達瑪變換 359
7.8 斜變換 362
7.9 哈爾變換 363
7.10 小波變換 365
7.10.1 尺度函數(shù) 365
7.10.2 小波函數(shù) 367
7.10.3 小波級數(shù)展開 369
7.10.4 一維離散小波變換 370
7.10.5 二維小波變換 376
7.10.6 小波包 382
小結、參考文獻和延伸讀物 387
習題 387
第8章 圖像壓縮和水印 392
引言 392
學習目標 392
8.1 基礎 392
8.1.1 編碼冗余 393
8.1.2 空間冗余和時間冗余 395
8.1.3 無關信息 395
8.1.4 度量圖像信息 396
8.1.5 保真度準則 398
8.1.6 圖像壓縮模型 399
8.1.7 圖像格式、容器和壓縮標準 400
8.2 霍夫曼編碼 402
8.3 Golomb編碼 404
8.4 算術編碼 407
8.4.1 自適應上下文相關概率估計 408
8.5 LZW編碼 409
8.6 行程編碼 411
8.6.1 一維CCITT壓縮 412
8.6.2 二維CCITT壓縮 412
8.7 基于符號的編碼 415
8.7.1 JBIG2壓縮 416
8.8 比特平面編碼 417
8.9 塊變換編碼 421
8.9.1 變換的選擇 421
8.9.2 子圖像尺寸選擇 423
8.9.3 比特分配 424
8.10 預測編碼 432
8.10.1 無損預測編碼 432
8.10.2 運動補償預測殘差 435
8.10.3 有損預測編碼 441
8.10.4 最優(yōu)預測器 443
8.10.5 最優(yōu)量化 445
8.11 小波編碼 446
8.11.1 小波的選擇 447
8.11.2 分解層數(shù)的選擇 448
8.11.3 量化器設計 449
8.11.4 JPEG-2000 450
8.12 數(shù)字圖像水印 454
小結、參考文獻和延伸讀物 459
習題 460
第9章 形態(tài)學圖像處理 463
引言 463
學習目標 463
9.1 預備知識 463
9.2 腐蝕和膨脹 466
9.2.1 腐蝕 466
9.2.2 膨脹 468
9.2.3 對偶性 470
9.3 開運算與閉運算 470
9.4 擊中-擊不中變換 474
9.5 一些基本的形態(tài)學算法 476
9.5.1 邊界提取 477
9.5.2 孔洞填充 477
9.5.3 提取連通分量 479
9.5.4 凸殼 480
9.5.5 細化 482
9.5.6 粗化 483
9.5.7 骨架 484
9.5.8 裁剪 486
9.6 形態(tài)學重構 487
9.6.1 測地膨脹和腐蝕 488
9.6.2 膨脹和腐蝕形態(tài)學重構 489
9.6.3 應用實例 490
9.7 二值圖像形態(tài)學運算小結 493
9.8 灰度形態(tài)學 494
9.8.1 灰度腐蝕和膨脹 495
9.8.2 灰度開運算和閉運算 496
9.8.3 一些基本的灰度形態(tài)學算法 498
9.8.4 灰度形態(tài)學重構 502
小結、參考文獻和延伸讀物 505
習題 505
第10章 圖像分割 511
引言 511
學習目標 511
10.1 基礎知識 511
10.2 點、線和邊緣檢測 513
10.2.1 背景知識 513
10.2.2 孤立點的檢測 516
10.2.3 線檢測 517
10.2.4 邊緣模型 520
10.2.5 基本邊緣檢測 523
10.2.6 更先進的邊緣檢測技術 529
10.2.7 連接邊緣點 538
10.3 閾值處理 543
10.3.1 基礎知識 544
10.3.2 基本的全局閾值處理 546
10.3.3 使用Otsu方法的最優(yōu)全局閾值
處理 547
10.3.4 使用圖像平滑改進全局閾值處理 551
10.3.5 使用邊緣改進全局閾值處理 552
10.3.6 多閾值處理 555
10.3.7 可變閾值處理 557
10.4 使用區(qū)域生長、區(qū)域分離與聚合進行
分割 560
10.4.1 區(qū)域生長 560
10.4.2 區(qū)域分離與聚合 562
10.5 使用聚類和超像素的區(qū)域分割 564
10.5.1 用k均值聚類的區(qū)域分割 564
10.5.2 使用超像素的區(qū)域分割 566
10.6 使用圖割分割區(qū)域 571
10.6.1 作為圖的圖像 571
10.6.2 最小圖割 573
10.6.3 計算最小圖割 574
10.6.4 圖割分割算法 575
10.7 使用形態(tài)學分水嶺分割圖像 577
10.7.1 背景知識 577
10.7.2 構建水壩 579
10.7.3 分水嶺分割算法 581
10.7.4 標記的使用 583
10.8 在分割中使用運動 584
10.8.1 空間域技術 584
10.8.2 頻率域技術 587
小結、參考文獻和延伸讀物 589
習題 590
第11章 特征提取 595
引言 595
學習目標 595
11.1 背景 595
11.2 邊界預處理 597
11.2.1 邊界跟蹤（追蹤） 597
11.2.2 鏈碼 598
11.2.3 用最小周長多邊形近似邊界 602
11.2.4 標記圖 606
11.2.5 骨架、中軸和距離變換 608
11.3 邊界特征描述子 610
11.3.1 一些基本的邊界描述子 610
11.3.2 形狀數(shù) 611
11.3.3 傅里葉描述子 613
11.3.4 統(tǒng)計矩 615
11.4 區(qū)域特征描述子 616
11.4.1 一些基本的描述子 616
11.4.2 拓撲描述子 620
11.4.3 紋理 621
11.4.4 矩不變量 629
11.5 作為特征描述子的主分量 631
11.6 整體圖像特征 637
11.6.1 哈里斯-斯蒂芬斯角點檢測器 638
11.6.2 最大穩(wěn)定極值區(qū)域（MSER） 643
11.7 尺度不變特征變換（SIFT） 648
11.7.1 尺度空間 648
11.7.2 檢測局部極值 651
11.7.3 關鍵點方向 654
11.7.4 關鍵點描述子 655
11.7.5 SIFT算法小結 656
小結、參考文獻和延伸讀物 659
習題 660
第12章 圖像模式分類 663
引言 663
學習目標 663
12.1 背景 663
12.2 模式與模式類 665
12.2.1 模式向量 665
12.2.2 結構模式 668
12.3 原型匹配模式分類 669
12.3.1 最小距離分類器 669
12.3.2 對二維原型匹配使用相關 672
12.3.3 匹配SIFT特征 674
12.3.4 匹配結構原型 675
12.4 最優(yōu)（貝葉斯）統(tǒng)計分類器 678
12.4.1 貝葉斯分類器的推導 678
12.4.2 高斯模式類的貝葉斯分類器 679
12.5 神經(jīng)網(wǎng)絡與深度學習 684
12.5.1 背景知識 684
12.5.2 感知機 685
12.5.3 多層前饋神經(jīng)網(wǎng)絡 693
12.5.4 正向傳播前饋神經(jīng)網(wǎng)絡 696
12.5.5 使用反向傳播訓練深層神經(jīng)網(wǎng)絡 700
12.6 深度卷積神經(jīng)網(wǎng)絡 707
12.6.1 一種基本的CNN結構 708
12.6.2 正向通過CNN的傳遞公式 714
12.6.3 用于訓練CNN的反向傳播方程 714
12.7 實現(xiàn)的一些附加細節(jié) 725
小結、參考文獻和延伸讀物 726
習題 726
參考文獻 730
術語表 738