數(shù)字圖像處理與分析

第1章  圖像處理的基礎(chǔ)知識
1.1 數(shù)字圖像處理概述1
1.1.1 數(shù)字圖像處理及其特點1
1.1.2 數(shù)字圖像處理研究的主要內(nèi)容4
1.1.3 數(shù)字圖像處理的發(fā)展與應(yīng)用6
1.2 圖像數(shù)字化技術(shù)9
1.2.1 圖像的數(shù)學模型9
1.2.2 圖像的采樣10
1.2.3 圖像的量化11
1.3 圖像獲取技術(shù)13
1.3.1 圖像采集系統(tǒng)13
1.3.2 圖像輸入設(shè)備15
1.4 圖像文件格式及類型17
1.4.1 常用的圖像文件格式17
1.4.2 數(shù)字圖像類型21
1.5 圖像的視覺原理22
1.5.1 人的視覺模型及特性22
1.5.2 色度學基礎(chǔ)25
1.5.3 圖像質(zhì)量評價27
1.6 MATLAB及其在圖像處理中的應(yīng)用簡介30
1.6.1 MATLAB的特點30
1.6.2 MATLAB的界面環(huán)境31
1.6.3 M文件的編輯調(diào)試環(huán)境32
1.6.4 MATLAB圖像處理應(yīng)用舉例34
習題與思考題36
第2章  圖像的頻域變換
2.1 傅里葉變換37
2.1.1 連續(xù)函數(shù)的傅里葉變換37
2.1.2 離散函數(shù)的傅里葉變換38
2.1.3 二維離散傅里葉變換的基本性質(zhì)39
2.1.4 快速離散傅里葉變換44
2.1.5 數(shù)字圖像傅里葉變換的頻譜分布和統(tǒng)計特性47
2.2 圖像變換的通用公式48
2.3 離散余弦變換49
2.3.1 一維離散余弦變換49
2.3.2 二維離散余弦變換49
2.3.3 快速離散余弦變換50
2.4 KL變換50
2.4.1 KL變換的定義50
2.4.2 KL變換的性質(zhì)52
2.5 離散沃爾什—哈達瑪變換52
2.5.1 離散沃爾什變換52
2.5.2 離散哈達瑪變換54
2.6 小波變換55
2.6.1 傳統(tǒng)變換方法的局限性56
2.6.2 小波變換的基本知識57
2.6.3 小波變換在圖像處理方面的應(yīng)用60
2.7 圖像頻域變換的MATLAB實現(xiàn)61
習題與思考題65
第3章  圖像增強與復(fù)原技術(shù)
3.1 圖像增強與圖像復(fù)原技術(shù)概述66
3.1.1 圖像增強的體系結(jié)構(gòu)66
3.1.2 圖像復(fù)原的體系結(jié)構(gòu)68
3.2 灰度變換68
3.2.1 灰度線性變換69
3.2.2 灰度非線性變換73
3.3 直方圖修正74
3.3.1 灰度直方圖的定義74
3.3.2 直方圖的計算78
3.3.3 直方圖的均衡化80
3.4 圖像平滑85
3.4.1 濾波原理與分類86
3.4.2 空域低通濾波88
3.4.2 頻域低通濾波91
3.4.3 圖像平滑的應(yīng)用93
3.5 圖像銳化101
3.5.1 空域高通濾波102
3.5.2 頻域高通濾波105
3.5.3 同態(tài)濾波器圖像增強的方法107
3.5.4 圖像銳化的應(yīng)用108
3.6 偽彩色增強113
3.6.1 灰度分層法偽彩色處理114
3.6.2 灰度變換法偽彩色處理115
3.6.3 頻域偽彩色處理117
3.7 圖像退化與圖像復(fù)原119
3.7.1 圖像的退化模型120
3.7.2 圖像復(fù)原的基本方法124
3.7.3 運動模糊圖像的復(fù)原127
3.8 圖像的幾何校正129
3.8.1 幾何畸變的描述130
3.8.2 幾何校正131
3.9 圖像增強與復(fù)原技術(shù)的MATLAB實現(xiàn)133
3.9.1 灰度變換MATLAB實現(xiàn)133
3.9.2 圖像復(fù)原MATLAB實現(xiàn)135
習題與思考題138
第4章  圖像的幾何變換
4.1 幾何變換基礎(chǔ)139
4.1.1 齊次坐標139
4.1.2 齊次坐標的一般表現(xiàn)形式及意義140
4.1.3 二維圖像幾何變換的矩陣141
4.2 圖像的位置變換142
4.2.1 圖像平移變換142
4.2.2 圖像鏡像變換145
4.2.3 圖像旋轉(zhuǎn)變換149
4.3 圖像形狀變換152
4.3.1 圖像比例縮放變換152
4.3.2 圖像錯切變換156
4.4 圖像復(fù)合變換159
4.4.1 圖像復(fù)合變換159
4.4.2 圖像復(fù)合變換MATLAB的實現(xiàn) 160
4.5 三維幾何變換的投影變換簡介160
4.5.1 投影變換160
4.5.2 透視投影161
4.5.3 平行投影162
習題與思考題167
第5章  圖像的壓縮編碼
5.1 圖像壓縮編碼基礎(chǔ)169
5.1.1 圖像壓縮編碼的必要性169
5.1.2 圖像壓縮編碼的可能性169
5.1.3 圖像壓縮編碼的分類170
5.1.4 圖像壓縮編碼的系統(tǒng)評價171
5.2 熵編碼174
5.2.1 哈夫曼編碼174
5.2.2 香農(nóng)范諾編碼177
5.2.3 算術(shù)編碼178
5.2.4 行程編碼181
5.3 預(yù)測編碼181
5.3.1 DPCM基本原理181
5.3.2 最佳線性預(yù)測編碼方法184
5.3.3 自適應(yīng)預(yù)測編碼方法185
5.4 變換編碼186
5.4.1 變換編碼的數(shù)理解釋186
5.4.2 正交變換編碼的基本原理187
5.5 圖像壓縮編碼國際標準189
5.5.1 靜止圖像壓縮標準JPEG189
5.5.2 活動圖像壓縮標準MPEG199
5.6 圖像壓縮編碼的MATLAB實現(xiàn)201
習題與思考題206
第6章  數(shù)學形態(tài)學及其應(yīng)用
6.1 數(shù)學形態(tài)學概述207
6.1.1 數(shù)學形態(tài)學207
6.1.2 基本符號和定義208
6.2 二值形態(tài)學210
6.2.1 腐蝕210
6.2.2 膨脹212
6.2.3 結(jié)構(gòu)元素的分解214
6.2.4 開運算與閉運算215
6.3 灰度形態(tài)學221
6.3.1 腐蝕與膨脹221
6.3.2 開運算與閉運算223
6.3.3 形態(tài)學重構(gòu)225
6.4 形態(tài)學的應(yīng)用227
6.4.1 形態(tài)學濾波227
6.4.2 骨架抽取229
6.5 形態(tài)學濾波及骨架抽取的MATLAB實現(xiàn)233
習題與思考題235
第7章  圖像分割技術(shù)
7.1 基于閾值選取的圖像分割方法237
7.1.1 灰度閾值分割238
7.1.2 直方圖閾值240
7.1.3 最大熵閾值241
7.1.4 二維直方圖閾值242
7.1.5 局部閾值法244
7.2 基于區(qū)域的圖像分割方法245
7.2.1 區(qū)域生長法245
7.2.2 分裂合并分割方法247
7.3 基于邊緣檢測的圖像分割249
7.3.1 Hough變換原理249
7.3.2 Hough變換應(yīng)用251
7.4 圖像分割的MATLAB實現(xiàn)251
7.4.1 邊緣檢測的基本原理251
7.4.2 邊緣檢測算子253
7.4.3 邊緣檢測的編程實現(xiàn)259
習題與思考題263
第8章  圖像特征分析
8.1 顏色特征分析264
8.1.1 顏色直方圖264
8.1.2 直方圖不變特征量265
8.1.3 顏色矩266
8.2 形狀特征分析266
8.2.1 鏈碼266
8.2.2 傅里葉描述子268
8.2.3 幾何特征的描述268
8.2.4 形狀特征的描述271
8.2.5 不變矩273
8.2 紋理特征分析275
8.3.1 自相關(guān)函數(shù)276
8.3.2 灰度差分統(tǒng)計法277
8.3.3 行程長度統(tǒng)計法277
8.3.4 灰度共生矩陣法277
8.3.5 基于鄰域特征統(tǒng)計的紋理分析方法281
8.3.6 頻譜法282
8.4 其他特征或描述283
8.4.1 標記283
8.4.2 拓撲描述符283
8.5 圖像特征分析的MATLAB實現(xiàn)284
習題與思考題287
第9章  圖像配準及識別
9.1 圖像配準基礎(chǔ)289
9.1.1 圖像配準的定義289
9.1.2 圖像配準的基本流程289
9.2 基于灰度信息的圖像配準算法290
9.2.1 互相關(guān)配準方法291
9.2.2 最大互信息配準方法292
9.3 基于特征的圖像配準方法294
9.3.1 基于點特征的圖像配準算法295
9.3.2 基于線特征的圖像配準算法298
9.4 基于優(yōu)化策略的圖像配準算法302
9.4.1 幅度排序相關(guān)搜索算法302
9.4.2 分層搜索算法304
9.4.3 智能搜索算法304
9.5 圖像配準的MATLAB實現(xiàn)307
9.6 圖像識別的基本原理309
9.6.1 統(tǒng)計識別方法309
9.6.2 模糊識別方法310
9.6.3 人工神經(jīng)網(wǎng)絡(luò)分類方法312
9.7 圖像識別的MATLAB實現(xiàn)312
習題與思考題315
第10章  實用數(shù)字圖像處理與分析系統(tǒng)
10.1 麥田雜草圖像的分析與識別316
10.1.1 麥田雜草圖像的采集與預(yù)處理316
10.1.2 基于顏色特征識別綠色植物與土壤背景的分割318
10.1.3 麥田雜草圖像紋理特征提取及分類322
10.2 人臉圖像自動識別技術(shù)的實現(xiàn)334
10.2.1 人臉識別系統(tǒng)基本結(jié)構(gòu)335
10.2.2 人臉圖像的預(yù)處理335
10.2.3 人臉圖像的特征提取338
10.2.4 分類過程346
10.2.5 識別結(jié)果347
習題與思考題347
附錄A MATLAB圖像處理工具箱函數(shù)349
附錄B 圖像處理技術(shù)常用英漢術(shù)語（詞匯）對照357
參考文獻363