《數字圖像處理(第四版)》是2020年5月電子工業出版社出版的圖書,作者是阮秋琦,阮宇智 等。
基本介紹
- 書名:數字圖像處理(第四版)
- 作者:阮秋琦,阮宇智 等
- 出版社:電子工業出版社
- 出版時間:2020年5月
- 頁數:748 頁
- 開本:16 開
- ISBN:9787121377471
- 字數:1366千字
- 版次:01-01
內容簡介,圖書目錄,
內容簡介
在數字圖像處理領域,本書作為主要教材已有40多年。第四版是作者在前三版的基礎上修訂而成的,是前三版的發展與延續。除保留前幾版的大部分內容外,根據讀者的反饋,作者對本書進行了全面修訂,融入了近年來數字圖像處理領域的重要進展,增加了幾百幅新圖像、幾十個新圖表和上百道新習題。全書共12章,即緒論、數字圖像基礎、灰度變換與空間濾波、頻率域濾波、圖像復原與重構、小波變換和其他圖像變換、彩色圖像處理、圖像壓縮和水印、形態學圖像處理、圖像分割、特徵提取、圖像模式分類。本書的讀者對象主要是從事信號與信息處理、通信工程、電子科學與技術、信息工程、自動化、計算機科學與技術、地球物理、生物工程、生物醫學工程、物理、化學、醫學、遙感等領域的大學教師和科技工作者、研究生、大學本科高年級學生及工程技術人員。
圖書目錄
第1章 緒論 1
引言1
學習目標1
1.1 什麼是數字圖像處理1
1.2 數字圖像處理的起源2
1.3 數字圖像處理技術套用領域實例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 數字圖像處理的基本步驟18
1.5 圖像處理系統的組成20
小結、參考文獻和延伸讀物22
第2章 數字圖像基礎 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 使用單個感測器獲取圖像31
2.3.2 使用條帶感測器獲取圖像31
2.3.3 使用陣列感測器獲取圖像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 數字圖像表示36
2.4.3 線性索引和坐標索引39
2.4.4 空間解析度和灰度解析度40
2.4.5 圖像內插44
2.5 像素間的一些基本關係45
2.5.1 像素的相鄰像素45
2.5.2 鄰接、連通、區域和邊界46
2.5.3 距離測度47
2.6 數字圖像處理所用的基本數學工具介紹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 圖像灰度和隨機變數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 關於本章中例子的說明77
3.2 一些基本的灰度變換函式77
3.2.1 圖像反轉77
3.2.2 對數變換78
3.2.3 冪律(伽馬)變換79
3.2.4 分段線性變換函式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(規定化)93
3.3.3 精確直方圖匹配(規定化)99
3.3.4 局部直方圖處理105
3.3.5 使用直方圖統計量增強圖像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 使用二階導數銳化圖像——拉普
拉斯運算元127
3.6.3 鈍化掩蔽和高提升濾波130
3.6.4 使用一階導數銳化圖像——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 傅立葉級數和變換簡史146
4.1.2 關於本章中的例子147
4.2 基本概念147
4.2.1 複數148
4.2.2 傅立葉級數148
4.2.3 衝激函式及其取樣性質148
4.2.4 單連續變數函式的傅立葉變換150
4.2.5 卷積152
4.3 取樣和取樣函式的傅立葉變換153
4.3.1 取樣153
4.3.2 取樣後的函式的傅立葉變換154
4.3.3 取樣定理156
4.3.4 混疊158
4.3.5 由取樣後的數據重構(復原)函式160
4.4 一元函式的離散傅立葉變換161
4.4.1 由取樣後的函式的連續變換得到DFT161
4.4.2 取樣和頻率間隔的關係163
4.5 二元函式的傅立葉變換164
4.5.1 二維衝激及其取樣性質164
4.5.2 二維連續傅立葉變換對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 二維離散傅立葉變換及其反變換171
4.6 二維DFT和IDFT的一些性質171
4.6.1 空間間隔和頻率間隔的關係171
4.6.2 平移和旋轉171
4.6.3 周期性172
4.6.4 對稱性173
4.6.5 傅立葉譜和相角177
4.6.6 二維離散卷積定理181
4.6.7 二維離散傅立葉變換性質的小結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運算元207
4.9.3 鈍化掩蔽、高提升濾波和高頻強調
濾波208
4.9.4 同態濾波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 快速傅立葉變換217
4.11.1 二維DFT的可分離性217
4.11.2 使用DFT算法計算IDFT218
4.11.3 快速傅立葉變換(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 噪聲的空間性質和頻率性質229
5.2.2 一些重要的噪聲機率密度函式229
5.2.3 周期噪聲234
5.2.4 估計噪聲參數234
5.3 只出現噪聲的復原——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 最優陷波濾波248
5.5 線性位置不變退化252
5.6 估計退化函式253
5.6.1 採用觀察法估計退化函式253
5.6.2 採用試驗法估計退化函式254
5.6.3 採用建模法估計退化函式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 傅立葉切片定理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 基於矩陣的變換337
7.3 相關345
7.4 時間-頻率平面的基函式346
7.5 基圖像349
7.6 傅立葉相關的變換351
7.6.1 離散哈特利變換351
7.6.2 離散餘弦變換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 尺度函式365
7.10.2 小波函式367
7.10.3 小波級數展開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 編碼冗餘393
8.1.2 空間冗餘和時間冗餘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 自適應上下文相關機率估計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 基於符號的編碼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 最優預測器443
8.10.5 最優量化445
8.11 小波編碼446
8.11.1 小波的選擇447
8.11.2 分解層數的選擇448
8.11.3 量化器設計449
8.11.4 JPEG-2000450
8.12 數字圖像水印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 膨脹和腐蝕形態學重構489
9.6.3 套用實例490
9.7 二值圖像形態學運算小結493
9.8 灰度形態學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學算法498
9.8.4 灰度形態學重構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 連線邊緣點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 使用區域生長、區域分離與聚合進行
分割560
10.4.1 區域生長560
10.4.2 區域分離與聚合562
10.5 使用聚類和超像素的區域分割564
10.5.1 用k均值聚類的區域分割564
10.5.2 使用超像素的區域分割566
10.6 使用圖割分割區域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 特徵提取 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 邊界特徵描述子610
11.3.1 一些基本的邊界描述子610
11.3.2 形狀數611
11.3.3 傅立葉描述子613
11.3.4 統計矩615
11.4 區域特徵描述子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 矩不變數629
11.5 作為特徵描述子的主分量631
11.6 整體圖像特徵637
11.6.1 哈里斯-史蒂芬斯角點檢測器638
11.6.2 最大穩定極值區域(MSER)643
11.7 尺度不變特徵變換(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特徵674
12.3.4 匹配結構原型675
12.4 最優(貝葉斯)統計分類器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 神經網路與深度學習684
12.5.1 背景知識684
12.5.2 感知機685
12.5.3 多層前饋神經網路693
12.5.4 正向傳播前饋神經網路696
12.5.5 使用反向傳播訓練深層神經網路700
12.6 深度卷積神經網路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 用於訓練CNN的反向傳播方程714
12.7 實現的一些附加細節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