數(shù)字圖像處理：使用MATLAB分析與實現(xiàn)

目錄



第1章緒論

1.1圖像的基本概念

1.1.1視覺與圖像

1.1.2圖像的表示

1.2數(shù)字圖像處理

1.2.1數(shù)字圖像處理的主要內(nèi)容

1.2.2數(shù)字圖像處理技術(shù)的分類

1.2.3數(shù)字圖像處理的應(yīng)用

1.3數(shù)字圖像處理面臨的問題

1.4相關(guān)術(shù)語

1.5圖像處理仿真

習(xí)題

第2章數(shù)字圖像處理基礎(chǔ)

2.1人眼視覺系統(tǒng)

2.1.1人眼基本構(gòu)造

2.1.2視覺過程

2.1.3明暗視覺

2.1.4顏色視覺

2.1.5立體視覺

2.1.6視覺暫留

2.2色度學(xué)基礎(chǔ)與顏色模型

2.2.1顏色匹配

2.2.2CIE 1931RGB系統(tǒng)

2.2.3CIE 1931標準色度系統(tǒng)

2.2.4CIE 1976 L*a*b*均勻顏色空間

2.2.5孟塞爾表色系統(tǒng)

2.2.6常用顏色模型

2.3數(shù)字圖像的生成與表示

2.3.1圖像信號的數(shù)字化

2.3.2數(shù)字圖像類型

2.4數(shù)字圖像的數(shù)值描述

2.4.1常用的坐標系

2.4.2數(shù)字圖像的數(shù)據(jù)結(jié)構(gòu)

2.4.3常見數(shù)字圖像格式

2.4.4BMP位圖文件

2.4.5讀取并顯示圖像

2.5綜合實例

習(xí)題

第3章圖像基本運算

3.1圖像幾何變換

3.1.1圖像的幾何變換基礎(chǔ)

3.1.2圖像的位置變換

3.1.3圖像的形狀變換

3.2圖像代數(shù)運算

3.3鄰域及模板運算

3.4綜合實例

習(xí)題

第4章圖像的正交變換

4.1離散傅里葉變換

4.1.1一維離散傅里葉變換

4.1.2一維快速傅里葉變換

4.1.3二維離散傅里葉變換

4.1.4二維離散傅里葉變換的性質(zhì)

4.1.5離散傅里葉變換在圖像處理中的應(yīng)用

4.2離散余弦變換

4.2.1一維離散余弦變換

4.2.2二維離散余弦變換

4.2.3離散余弦變換在圖像處理中的應(yīng)用

4.3KL變換

4.3.1KL變換原理

4.3.2圖像KL變換

4.4Radon變換

4.4.1Radon變換的原理

4.4.2Radon變換的實現(xiàn)

4.4.3Radon變換的性質(zhì)

4.4.4Radon變換的應(yīng)用

4.5小波變換

4.5.1概述

4.5.2小波

4.5.3連續(xù)小波變換

4.5.4離散小波變換

4.5.5正交小波與多分辨分析

4.5.6二維小波變換

4.5.7小波變換在圖像處理中的應(yīng)用

習(xí)題

第5章圖像增強

5.1基于灰度級變換的圖像增強

5.1.1線性灰度級變換

5.1.2非線性灰度級變換

5.2基于直方圖修正的圖像增強

5.2.1灰度直方圖

5.2.2直方圖修正法理論

5.2.3直方圖均衡化

5.2.4局部直方圖均衡化

5.3基于照度反射模型的圖像增強

5.3.1基于同態(tài)濾波的增強

5.3.2基于Retinex理論的增強

5.4基于模糊技術(shù)的圖像增強

5.4.1圖像的模糊特征平面

5.4.2圖像的模糊增強

5.5基于偽彩色處理的圖像增強

5.5.1密度分割法

5.5.2空間域灰度級彩色變換

5.5.3頻域偽彩色增強

5.6其他圖像增強方法

5.6.1基于對數(shù)圖像處理模型的圖像增強

5.6.2圖像去霧增強

習(xí)題

第6章圖像平滑

6.1圖像中的噪聲

6.1.1圖像噪聲的分類

6.1.2圖像噪聲的數(shù)學(xué)模型

6.2空間域平滑濾波

6.2.1均值濾波

6.2.2高斯濾波

6.2.3中值濾波

6.2.4雙邊濾波

6.3頻域平滑濾波

6.3.1理想低通濾波

6.3.2巴特沃斯低通濾波

6.3.3指數(shù)低通濾波

6.3.4梯形低通濾波

6.4其他圖像平滑方法

6.4.1基于模糊技術(shù)的平滑濾波

6.4.2基于偏微分方程的平滑濾波

習(xí)題

第7章圖像銳化

7.1圖像邊緣分析

7.2一階微分算子

7.2.1梯度算子

7.2.2Robert算子

7.2.3Sobel算子

7.2.4Prewitt算子

7.3二階微分算子

7.4高斯濾波與邊緣檢測

7.4.1高斯函數(shù)

7.4.2LOG算子

7.4.3Canny算子

7.5頻域高通濾波

7.6基于小波變換的邊緣檢測

7.7綜合實例

7.7.1設(shè)計思路

7.7.2各模塊設(shè)計

7.7.3分析

習(xí)題

第8章圖像復(fù)原

8.1圖像退化模型

8.1.1連續(xù)退化模型

8.1.2離散退化模型

8.1.3圖像復(fù)原

8.2圖像退化函數(shù)的估計

8.2.1基于模型的估計法

8.2.2基于退化圖像本身特性的估計法

8.3圖像復(fù)原的代數(shù)方法

8.3.1無約束最小二乘方復(fù)原

8.3.2約束復(fù)原

8.4典型圖像復(fù)原方法

8.4.1逆濾波復(fù)原

8.4.2維納濾波復(fù)原

8.4.3等功率譜濾波

8.4.4幾何均值濾波

8.4.5約束最小二乘方濾波

8.4.6RichardsonLucy算法

8.5盲去卷積復(fù)原

8.6幾何失真校正

習(xí)題

第9章圖像的數(shù)學(xué)形態(tài)學(xué)處理

9.1形態(tài)學(xué)基礎(chǔ)

9.2二值形態(tài)學(xué)的基礎(chǔ)運算

9.2.1基本形態(tài)變換

9.2.2復(fù)合形態(tài)變換

9.3二值圖像的形態(tài)學(xué)處理

9.3.1形態(tài)濾波

9.3.2圖像的平滑處理

9.3.3圖像的邊緣提取

9.3.4區(qū)域填充

9.3.5目標探測——擊中與否變換

9.3.6細化

9.4灰度形態(tài)學(xué)的基礎(chǔ)運算

9.4.1膨脹運算和腐蝕運算

9.4.2開運算和閉運算

9.5灰度圖像的形態(tài)學(xué)處理

9.5.1形態(tài)學(xué)平滑

9.5.2形態(tài)學(xué)梯度

9.5.3Tophat和Bottomhat變換

習(xí)題

第10章圖像分割

10.1閾值分割

10.1.1基于灰度直方圖的閾值選擇

10.1.2基于模式分類思路的閾值選擇

10.1.3其他閾值分割方法

10.2邊界分割

10.2.1基于梯度的邊界閉合

10.2.2Hough變換

10.2.3邊界跟蹤

10.3區(qū)域分割

10.3.1區(qū)域生長

10.3.2區(qū)域合并

10.3.3區(qū)域分裂

10.3.4區(qū)域分裂合并

10.4基于聚類的圖像分割

10.5分水嶺分割

10.6綜合實例

10.6.1設(shè)計思路

10.6.2各模塊設(shè)計

10.6.3分析

習(xí)題

第11章圖像描述與分析

11.1特征點

11.1.1Moravec角點檢測

11.1.2Harris角點檢測

11.1.3SUSAN角點檢測

11.2幾何描述

11.2.1像素間的幾何關(guān)系

11.2.2區(qū)域的幾何特征

11.3形狀描述

11.3.1矩形度

11.3.2圓形度

11.3.3中軸變換

11.4邊界描述

11.4.1邊界鏈碼

11.4.2傅里葉描繪子

11.5矩描述

11.5.1矩

11.5.2與矩相關(guān)的特征

11.6紋理描述

11.6.1聯(lián)合概率矩陣法

11.6.2灰度差分統(tǒng)計法

11.6.3行程長度統(tǒng)計法

11.6.4LBP特征

11.7其他描述

11.7.1梯度方向直方圖

11.7.2Haarlike特征

習(xí)題

第12章圖像編碼

12.1圖像編碼的基本理論

12.1.1圖像壓縮的必要性

12.1.2圖像壓縮的可能性

12.1.3圖像編碼方法的分類

12.1.4圖像編碼壓縮術(shù)語簡介

12.2圖像的無損壓縮編碼

12.2.1無損編碼理論

12.2.2Huffman編碼

12.2.3算術(shù)編碼

12.2.4LZW編碼

12.3圖像的有損壓縮編碼

12.3.1預(yù)測編碼

12.3.2變換編碼

12.4JPEG標準和JPEG2000

12.4.1JPEG基本系統(tǒng)

12.4.2JPEG2000

習(xí)題

參考文獻