數(shù)字圖像處理 第3版

目錄
前言
教學建議
第1章緒論
1.1圖像及其分類
1.1.1圖像的特點
1.1.2圖像的分類
1.2數(shù)字圖像處理技術(shù)與應(yīng)用
1.2.1數(shù)字圖像處理的主要內(nèi)容
1.2.2數(shù)字圖像處理方法
1.2.3數(shù)字圖像處理技術(shù)的應(yīng)用
1.3數(shù)字圖像處理系統(tǒng)
1.4Matlab簡介
1.5本書概要
習題
第2章圖像獲取
2.1概述
2.2連續(xù)圖像模型
2.2.1連續(xù)圖像的表達式
2.2.2連續(xù)圖像的隨機表征
2.3連續(xù)圖像的頻譜
2.3.1一維連續(xù)傅里葉變換
2.3.2二維連續(xù)傅里葉變換
2.4圖像采樣
2.4.1采樣定理
2.4.2圖像采樣
2.5圖像量化
2.5.1量化器模型
2.5.2標量量化
2.5.3向量量化
2.6數(shù)字圖像中的基本概念
2.6.1數(shù)字圖像的表示
2.6.2空間與灰度級分辨率
2.6.3像素間的基本關(guān)系
小結(jié)
習題
第3章圖像變換
3.1概述
3.2一維離散傅里葉變換
3.2.1離散傅里葉變換
3.2.2離散傅里葉變換的性質(zhì)
3.3一維快速傅里葉變換
3.3.1一維快速傅里葉變換的基本思想
3.3.2一維快速傅里葉變換算法
3.4二維離散傅里葉變換
3.4.1二維離散傅里葉變換的定義
3.4.2二維離散傅里葉變換的性質(zhì)
3.4.3二維快速離散傅里葉變換
3.4.4二維快速傅里葉變換的Matlab實現(xiàn)
3.4.5可分離圖像變換的概念
3.5離散余弦變換
3.5.1一維離散余弦變換
3.5.2一維快速離散余弦變換算法
3.5.3二維離散余弦變換
3.5.4離散余弦變換的Matlab實現(xiàn)
3.5.5離散余弦變換的應(yīng)用
3.6沃爾什變換和哈達瑪變換
3.6.1離散沃爾什變換
3.6.2離散哈達瑪變換
3.6.3快速哈達瑪變換算法
3.7霍特林變換
3.8拉東變換
3.8.1拉東變換概述
3.8.2拉東變換的Matlab實現(xiàn)
小結(jié)
習題
第4章圖像增強
4.1概述
4.2空域點處理增強
4.2.1直接灰度變換
4.2.2直方圖修正
4.2.3圖像間的運算
4.3空域濾波增強
4.3.1平滑濾波器
4.3.2銳化濾波器
4.4頻域濾波增強
4.4.1低通濾波器
4.4.2高通濾波器
4.4.3同態(tài)濾波器
小結(jié)
習題
第5章圖像復(fù)原
5.1概述
5.2圖像退化模型
5.2.1退化模型
5.2.2連續(xù)函數(shù)退化模型
5.2.3離散退化模型
5.2.4循環(huán)矩陣對角化
5.3退化函數(shù)估計
5.3.1圖像觀察估計法
5.3.2試驗估計法
5.3.3模型估計法
5.4逆濾波
5.4.1無約束復(fù)原
5.4.2逆濾波復(fù)原
5.4.3消除勻速運動模糊
5.5維納濾波
5.5.1有約束濾波
5.5.2維納濾波復(fù)原
5.5.3維納濾波的Matlab實現(xiàn)
5.6約束最小二乘方濾波
5.6.1濾波模型
5.6.2約束最小二乘方濾波的Matlab實現(xiàn)
5.7從噪聲中復(fù)原
5.7.1噪聲模型
5.7.2空域濾波復(fù)原
5.7.3頻域濾波復(fù)原
5.8幾何失真校正
5.8.1空間變換
5.8.2灰度插值
5.8.3幾何失真圖像配準復(fù)原
小結(jié)
習題
第6章彩色圖像處理
6.1概述
6.2彩色基礎(chǔ)
6.2.1人眼的構(gòu)造
6.2.2三色成像
6.3顏色模型
6.3.1RGB模型
6.3.2CMY模型和CMYK模型
6.3.3HSI模型
6.4全彩色圖像處理
6.4.1彩色圖像增強
6.4.2彩色圖像復(fù)原
6.4.3彩色圖像分析
6.5偽彩色處理
6.5.1密度分層法
6.5.2灰度級彩色變換法
6.5.3頻域濾波法
小結(jié)
習題
第7章圖像編碼
7.1概述
7.1.1圖像數(shù)據(jù)的冗余
7.1.2圖像的編碼質(zhì)量評價
7.2信息論基礎(chǔ)與熵編碼
7.2.1離散信源的熵表示
7.2.2離散信源編碼定理
7.2.3赫夫曼編碼
7.2.4香農(nóng)費諾編碼
7.2.5算術(shù)編碼
7.2.6行程編碼
7.3LZW算法
7.4預(yù)測編碼
7.4.1無損預(yù)測編碼
7.4.2有損預(yù)測編碼
7.5變換編碼
7.5.1變換選擇
7.5.2子圖像尺寸選擇
7.5.3位分配
7.5.4一個DCT編碼實例
7.6基于矢量量化技術(shù)的圖像編碼
7.6.1矢量量化原理
7.6.2矢量量化過程
7.7小波圖像編碼
7.7.1數(shù)字圖像的小波分解
7.7.2小波基的選擇
7.7.3小波變換域小波系數(shù)分析
7.7.4小波編碼方法
小結(jié)
習題
第8章圖像檢測與分割
8.1概述
8.2邊緣檢測
8.2.1梯度算子
8.2.2高斯拉普拉斯算子
8.2.3坎尼邊緣檢測算子
8.3邊界跟蹤
8.3.1空域邊界跟蹤
8.3.2霍夫變換
8.4閾值分割
8.4.1人工選擇法
8.4.2自動閾值法
8.4.3分水嶺算法
8.5區(qū)域分割
8.5.1區(qū)域生長法
8.5.2區(qū)域分裂法
8.5.3區(qū)域合并法
8.5.4區(qū)域分裂合并法
8.6形變模型
8.6.1參數(shù)活動輪廓模型
8.6.2幾何活動輪廓模型
8.6.3形變模型的擴展形式
8.7運動分割
8.7.1背景差值法
8.7.2圖像差分法
8.7.3基于光流的分割方法
8.7.4基于塊的運動分割方法
小結(jié)
習題
第9章圖像表示與描述
9.1概述
9.2圖像表示
9.2.1鏈碼
9.2.2邊界分段
9.2.3多邊形近似
9.2.4標記圖
9.2.5骨架
9.3邊界描述
9.3.1一些簡單的描述子
9.3.2形狀數(shù)
9.3.3傅里葉描述子
9.3.4統(tǒng)計矩
9.4區(qū)域描述
9.4.1一些簡單的描述子
9.4.2紋理
9.4.3不變矩
9.5數(shù)學形態(tài)學描述
9.5.1膨脹和腐蝕
9.5.2開啟和閉合
9.5.3數(shù)學形態(tài)學對圖像的操作
小結(jié)
習題
第10章圖像特征優(yōu)化
10.1概述
10.2基于選擇的特征優(yōu)化
10.2.1可分離性判據(jù)
10.2.2搜索選擇策略
10.2.3基于遺傳算法的特征選擇
10.3基于統(tǒng)計分析的特征優(yōu)化
10.3.1主成分分析
10.3.2獨立分量分析
10.3.3線性判別分析
10.3.4多維尺度分析
10.4基于流形學習的特征優(yōu)化
10.4.1流形學習的基本原理
10.4.2核主成分分析
10.4.3局部線