適讀人群 :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。
Rafael C. Gonzalez(拉斐爾?C?岡薩雷斯)
1965于美國邁阿密大學獲電氣工程學士學位;1967年和1970年于美國佛羅里達大學蓋恩斯維爾分校分別獲電氣工程碩士學位和博士學位。1970年,加盟田納西大學諾克斯維爾分校(UTK)電機和計算機工程系。1973年晉升為副教授,1978年晉升為教授,1984年被授予“杰出貢獻教授”。1994年到1997年任系主任,現為UTK名譽教授。
1977年獲UTK工學院職員成就獎;1978年獲UTK校長研究學者獎;1980年獲Magnavox工程教授獎;1980年獲M. E. Brooks杰出教授獎;1981年,成為田納西大學的IBM教授并于1984年被授予杰出成就教授;1985年,被邁阿密大學授予杰出男畢業生獎;1986年,被授予Phi Kappa Phi學者獎;1992年,獲田納西大學Nathan W. Dougherty工程優秀獎。
Richard E. Woods(理查德?E?伍茲)
理查德?E?伍茲,UTK電氣工程系學士、碩士和博士。從業經歷包括企業家、大學教師、咨詢、企業管理和工業工程。最近創立了專門開發醫用手持式計算機系統的MedData Interactive公司。他還是感知公司的創始人和副總載,負責公司的定量圖像分析和自動決策產品的開發工作。
前 言 When something can be read without effort, great effort has gone into its writing. Enrique Jardiel Poncela 第三版是本書的一次重要修訂。如同由Gonzalez和Wintz編寫的1977年版和1988年版,以及由Gonzalez和Woods編寫的1992年版和2002年版那樣,這一版同樣是為學生和教師考慮而準備的。本書的主要目的仍是介紹數字圖像處理的基本概念和方法,并為讀者在該領域進一步學習和研究打下堅實的基礎。為實現這一目的,我們仍將重點放在基礎知識和普通應用上。本書要求讀者的數學知識具備大學本科高年級和研究生一年級的水平,即需要掌握數學分析、向量、矩陣、概率、統計、線性系統和計算機編程方面的基本知識。
本書的Web網站為讀者提供了所需背景知識的回顧指南。 本書在數字圖像處理領域處于引領地位30多年的主要原因是,我們對讀者不斷變化的教育需求給予了極大的關注。第三版是在我們廣泛調查的基礎上編寫的,這些調查涉及32個國家的134所高校和研究機構的教師、學生與自學者。根據調查的反饋情況,
本書做了如下修訂: ? 更早、更全面地介紹了圖像處理中所用的數學工具。 ? 擴充說明了直方圖處理技術。 ? 逐步敘述了復雜的算法。 ? 擴充說明了空間相關和卷積的內容。 ? 介紹了模糊集合理論及其在圖像處理中的應用。 ? 修訂了頻率域處理的內容,從基本原理開始,說明了如何從數據取樣得出離散傅里葉變換。 ? 覆蓋了關于計算機斷層(CT)的內容。 ? 清楚地敘述了小波的基本概念。 ? 修訂了關于數據壓縮的內容,包含了更多的視頻壓縮技術、標準和水印。 ? 擴充了形態學的章節,包含了形態學重建的內容,修訂了灰度形態學的內容。 ? 擴充了圖像分割的內容,包含了更先進的技術,如坎尼算法的邊緣檢測技術,更全面地探討了圖像的閾值處理。 ? 更新了圖像表示與描述章節的內容。 ? 精簡了關于結構目標識別的內容。 第三版中的新內容和重新組織的內容試圖在論述的嚴密性、描述的清晰性和市場調查的反饋之間保持平衡,同時盡量將篇幅控制在合理的范圍內。第三版的主要改動如下。
第1章:更新了圖片,并根據后續章節的變化重寫了正文部分。
第2章:本章約修訂了50%的內容,包含了新圖像和更清晰的說明。主要修訂包括:新增了關于圖像內插的一節,以及綜述本書所用主要數學工具的一節。此前分散在全書中的大量圖像處理應用現在整合到了第2章中。例如,我們把圖像平均和圖像相減移到了這一章。這遵循了我們在第二版中就開始的做法,即在討論中盡可能把許多應用前移,以便更好地引導讀者。學完重新組織的第2章后,讀者可基本了解數字圖像加工和處理的方式。本章是編寫本書其余章節的堅實基礎。
第3章:本章的主要修訂是,詳細探討了空間相關、卷積及利用空間模板對圖像濾波的應用。我們在進行市場調查時發現了讀者普遍關心的一個問題,即要求用大量實例來說明直方圖均衡化和規定化,對這一問題的回應是,我們增加了一些說明這些處理工具的例子。模糊集合及其在圖像處理中的應用也是調查反饋普遍要求的內容,因此本章中納入了模糊集合理論基礎及其在灰度變換與空間濾波兩種圖像處理中的主要應用。
第4章:過去4年,讀者抱怨得最多的是對第一版和第二版的第4章所做的更改。當時做出這些改變時,目的是為了簡化傅里葉變換和頻率域的表述。顯然,我們走得太遠,因為讀者抱怨新內容太淺。第三版糾正了這一問題。現在的內容從連續變量的傅里葉變換開始,再用取樣和卷積的基本概念進一步推導了離散傅里葉變換。這種變化的優點是,更直觀地引入了取樣定理。然后,我們將一維情形推廣到了二維情形,并給出了說明數字圖像取樣效果的一些例子。再后,我們介紹了二維離散傅里葉變換,推導和總結了一些重要性質。這些概念是頻率域濾波的基礎。最后,我們討論了問題實現,如變換分解和快速傅里葉變換算法的推導。學完本章后,讀者可掌握從一維函數的取樣到離散傅里葉變換基礎的清晰推導過程,以及其在數字圖像處理中的某些重要應用。
第5章:本章增加了關于從投影重建圖像的一節,重點在于計算機斷層(CT)。CT的內容用投影重建圖像的基本原理和實踐中所用成像模型的例子開始。然后,推導了雷登變換和傅里葉切片定理,并以它們為基礎清楚地說明了濾波反投影的概念。討論了平行光束和扇形光束重建,并用一些例子進行了說明。這些內容較老,但對本書是重要的補充。
第6章:本章只做了符號表示的澄清和更正,未增加新內容。
第7章:讀者反饋從前一章過渡到小波對初學者來說較為困難,因此我們重寫了一些基礎內容。
第8章:為使內容跟上發展形勢,本章已完全重寫。新編碼技術內容擴展到了視頻,修訂了標準,介紹了圖像水印處理。這種新的編排方式更易于學生掌握。
第9章:本章的主要變化是包含了形態學重建的新內容,修訂了灰度級形態學的內容,并詳細介紹了二值圖像和灰度級圖像的形態學重建,以便學生開發出更復雜、更有用的形態學算法。
第10章:本章做了大量修訂。組織方式與之前相同,但新增了關于分割技術的內容,詳細討論并說明了邊緣模型及其性質。介紹先進的邊緣檢測技術時,包含了Marr-Hildreth邊緣檢測器和坎尼邊緣檢測器。重寫了關于閾值處理的一節,包含了較為流行的Otsu方法,這種方法易于理解和實現,且應用廣泛。關于貝葉斯方法的內容則移到第12章介紹,那時還會詳細探討貝葉斯決策規則。此外,還討論了如何利用邊緣信息來改進閾值處理,并給出了自適應閾值處理的新例子。關于形態學分水嶺和運動分割應用的內容,除闡述更為清楚外,基本上未做改動。
第11章:本章的主要變化是邊界跟蹤算法,詳細推導了用最小周長多邊形擬合數字邊界的算法,增加了用于紋理描述的共生矩陣內容。與11.4節的所有例子一樣,11.2節和11.3節中的許多例子都是新的。 第12章:本章的變化是,新增了關于相關匹配的內容,以及用貝葉斯分類器識別多光譜圖像中感興趣區的新例子。結構分類方面的章節只限于討論串匹配。
以上修訂,導致了本書新增了400多幅圖像、200多幅圖表和80多道習題。書中適當的位置給出了復雜處理過程的逐步算法。同時,更新了參考文獻。 本書的Web網站在第二版發行期間就已完成,并取得了很大的成功,每月的訪問量都在20 000以上。相應于第三版本,我們重新設計和升級了這一網站。關于該網站的詳細功能和內容,請讀者參閱后面的“本書網站”和“致謝”部分。 第三版反映了2002年以來讀者不斷變化的需求。自1977年首次出版以來,本書在全球范圍內被讀者廣泛接受的原因之一是,本書一直強調基本概念,包括試圖提供盡快引出知識主體的穩定方法。我們遵循相同的原則編寫了本書的第三版。 Rafael C. Gonzalez Richard E. Woods
Rafael C. Gonzalez(拉斐爾?C?岡薩雷斯): 1965于美國邁阿密大學獲電氣工程學士學位;1967年和1970年于美國佛羅里達大學蓋恩斯維爾分校分別獲電氣工程碩士學位和博士學位。1970年,加盟田納西大學諾克斯維爾分校(UTK)電機和計算機工程系。1973年晉升為副教授,1978年晉升為教授,1984年被授予“杰出貢獻教授”。1994年到1997年任系主任,現為UTK名譽教授。
阮秋琦: 1969年畢業于北方交通大學并留校任教,1981年于北方交通大學研究生畢業獲工學碩士學位.1987年1月至1990年5月赴美國匹茲堡大學及辛辛那提大學訪問進修,主修圖像處理和計算機視覺科學。
第1章 緒論 1
引言 1
1.1 什么是數字圖像處理 1
1.2 數字圖像處理的起源 2
1.3 使用數字圖像處理領域的實例 4
1.3.1 伽馬射線成像 5
1.3.2 X射線成像 5
1.3.3 紫外波段成像 7
1.3.4 可見光及紅外波段成像 7
1.3.5 微波波段成像 10
1.3.6 無線電波段成像 10
1.3.7 使用其他成像方式的例子 11
1.4 數字圖像處理的基本步驟 14
1.5 圖像處理系統的組成 15
小結 17
參考文獻 17
第2章 數字圖像基礎 20
引言 20
2.1 視覺感知要素 20
2.1.1 人眼的結構 20
2.1.2 眼睛中圖像的形成 22
2.1.3 亮度適應和辨別 22
2.2 光和電磁波譜 24
2.3 圖像感知和獲取 26
2.3.1 使用單個傳感器獲取圖像 27
2.3.2 使用條帶傳感器獲取圖像 27
2.3.3 使用傳感器陣列獲取圖像 28
2.3.4 簡單的圖像形成模型 28
2.4 圖像取樣和量化 30
2.4.1 取樣和量化的基本概念 30
2.4.2 數字圖像表示 31
2.4.3 空間和灰度分辨率 34
2.4.4 圖像內插 36
2.5 像素間的一些基本關系 38
2.5.1 相鄰像素 38
2.5.2 鄰接性、連通性、區域和邊界 38
2.5.3 距離度量 40
2.6 數字圖像處理中所用數學工具的介紹 41
2.6.1 陣列與矩陣操作 41
2.6.2 線性操作與非線性操作 42
2.6.3 算術操作 42
2.6.4 集合和邏輯操作 46
2.6.5 空間操作 49
2.6.6 向量與矩陣操作 53
2.6.7 圖像變換 54
2.6.8 概率方法 56
小結 57
參考文獻 58
習題 58
第3章 灰度變換與空間濾波 62
引言 62
3.1 背景知識 62
3.1.1 灰度變換和空間濾波基礎 62
3.1.2 關于本章中的例子 63
3.2 一些基本的灰度變換函數 64
3.2.1 圖像反轉 64
3.2.2 對數變換 64
3.2.3 冪律(伽馬)變換 66
3.2.4 分段線性變換函數 68
3.3 直方圖處理 72
3.3.1 直方圖均衡 72
3.3.2 直方圖匹配(規定化) 77
3.3.3 局部直方圖處理 83
3.3.4 在圖像增強中使用直方圖統計 85
3.4 空間濾波基礎 88
3.4.1 空間濾波機理 88
3.4.2 空間相關與卷積 89
3.4.3 線性濾波的向量表示 92
3.4.4 空間濾波器模板的產生 93
3.5 平滑空間濾波器 93
3.5.1 平滑線性濾波器 93
3.5.2 統計排序(非線性)濾波器 96
3.6 銳化空間濾波器 97
3.6.1 基礎 97
3.6.2 使用二階微分進行圖像銳化――
拉普拉斯算子 99
3.6.3 非銳化掩蔽和高提升濾波 100
3.6.4 使用一階微分對(非線性)圖像銳
化――梯度 101
3.7 混合空間增強法 103
3.8 使用模糊技術進行灰度變換和
空間濾波 105
3.8.1 引言 106
3.8.2 模糊集合論原理 106
3.8.3 模糊集合應用 110
3.8.4 使用模糊集合進行灰度變換 116
3.8.5 使用模糊集合進行空間濾波 117
小結 119
參考文獻 119
習題 120
第4章 頻率域濾波 124
引言 124
4.1 背景 124
4.1.1 傅里葉級數和變換簡史 124
4.1.2 關于本章中的例子 125
4.2 基本概念 125
4.2.1 復數 125
4.2.2 傅里葉級數 126
4.2.3 沖激及其取樣特性 126
4.2.4 連續變量函數的傅里葉變換 128
4.2.5 卷積 130
4.3 取樣和取樣函數的傅里葉變換 131
4.3.1 取樣 131
4.3.2 取樣函數的傅里葉變換 132
4.3.3 取樣定理 134
4.3.4 混淆 135
4.3.5 由取樣后的數據重建(復原)函數 137
4.4 單變量的離散傅里葉變換(DFT) 138
4.4.1 由取樣后的函數的連續變換得
到DFT 138
4.4.2 取樣和頻率間隔間的關系 140
4.5 兩個變量的函數的擴展 141
4.5.1 二維沖激及其取樣特性 141
4.5.2 二維連續傅里葉變換對 141
4.5.3 二維取樣和二維取樣定理 142
4.5.4 圖像中的混淆 143
4.5.5 二維離散傅里葉變換及其反變換 147
4.6 二維離散傅里葉變換的一些性質 148
4.6.1 空間和頻率間隔的關系 148
4.6.2 平移和旋轉 148
4.6.3 周期性 148
4.6.4 對稱性 150
4.6.5 傅里葉譜和相角 154
4.6.6 二維卷積定理 157
4.6.7 二維離散傅里葉變換性質的小結 159
4.7 頻率域濾波基礎 161
4.7.1 頻率域的其他特性 161
4.7.2 頻率域濾波基礎 162
4.7.3 頻率域濾波步驟小結 165
4.7.4 空間和頻率域濾波間的對應 166
4.8 使用頻率域濾波器平滑圖像 169
4.8.1 理想低通濾波器 169
4.8.2 布特沃斯低通濾波器 172
4.8.3 高斯低通濾波器 173
4.8.4 低通濾波的其他例子 174
4.9 使用頻率域濾波器銳化圖像 176
4.9.1 理想高通濾波器 176
4.9.2 布特沃斯高通濾波器 178
4.9.3 高斯高通濾波器 178
4.9.4 頻率域的拉普拉斯算子 179
4.9.5 鈍化模板、高提升濾波和高頻
強調濾波 180
4.9.6 同態濾波 182
4.10 選擇性濾波 184
4.10.1 帶阻濾波器和帶通濾波器 184
4.10.2 陷波濾波器 185
4.11 實現 187
4.11.1 二維DFT的可分性 187
4.11.2 用DFT算法計算IDFT 187
4.11.3 快速傅里葉變換(FFT) 187
4.11.4 關于濾波器設計的一些注釋 190
小結 190
參考文獻 190
習題 191
第5章 圖像復原與重建 196
引言 196
5.1 圖像退化/復原過程的模型 197
5.2 噪聲模型 197
5.2.1 噪聲的空間和頻率特性 197
5.2.2 一些重要的噪聲概率密度函數 198
5.2.3 周期噪聲 201
5.2.4 噪聲參數的估計 202
5.3 只存在噪聲的復原――空間濾波 203
5.3.1 均值濾波器 203
5.3.2 統計排序濾波器 205
5.3.3 自適應濾波器 208
5.4 用頻率域濾波消除周期噪聲 211
5.4.1 帶阻濾波器 211
5.4.2 帶通濾波器 211
5.4.3 陷波濾波器 212
5.4.4 最佳陷波濾波 213
5.5 線性、位置不變的退化 216
5.6 估計退化函數 218
5.6.1 圖像觀察估計 218
5.6.2 試驗估計 218
5.6.3 建模估計 219
5.7 逆濾波 221
5.8 最小均方誤差(維納)濾波 222
5.9 約束最小二乘方濾波 224
5.10 幾何均值濾波 227
5.11 由投影重建圖像 228
5.11.1 引言 228
5.11.2 計算機斷層(CT)原理 230
5.11.3 投影和雷登變換 232
5.11.4 傅里葉切片定理 235
5.11.5 使用平行射線束濾波反投影的重建 236
5.11.6 使用扇形射線束濾波反投影的重建 240
小結 244
參考文獻 244
習題 245
第6章 彩色圖像處理 249
引言 249
6.1 彩色基礎 249
6.2 彩色模型 254
6.2.1 RGB彩色模型 254
6.2.2 CMY和CMYK彩色模型 257
6.2.3 HSI彩色模型 257
6.3 偽彩色圖像處理 262
6.3.1 灰度分層 262
6.3.2 灰度到彩色的變換 265
6.4 全彩色圖像處理基礎 267
6.5 彩色變換 268
6.5.1 公式 269
6.5.2 補色 271
6.5.3 彩色分層 271
6.5.4 色調和彩色校正 273
6.5.5 直方圖處理 275
6.6 平滑和銳化 276
6.6.1 彩色圖像平滑 276
6.6.2 彩色圖像銳化 278
6.7 基于彩色的圖像分割 279
6.7.1 HSI彩色空間的分割 279
6.7.2 RGB向量空間中的分割 279
6.7.3 彩色邊緣檢測 281
6.8 彩色圖像中的噪聲 283
6.9 彩色圖像壓縮 284
小結 285
參考文獻 285
習題 286
第7章 小波和多分辨率處理 289
引言 289
7.1 背景 289
7.1.1 圖像金字塔 290
7.1.2 子帶編碼 292
7.1.3 哈爾變換 297
7.2 多分辨率展開 300
7.2.1 級數展開 300
7.2.2 尺度函數 301
7.2.3 小波函數 304
7.3 一維小波變換 306
7.3.1 小波級數展開 306
7.3.2 離散小波變換 308
7.3.3 連續小波變換 309
7.4 快速小波變換 311
7.5 二維小波變換 317
7.6 小波包 322
小結 330
參考文獻 330
習題 331
第8章 圖像壓縮 334
引言 334
8.1 基礎知識 335
8.1.1 編碼冗余 336
8.1.2 空間冗余和時間冗余 337
8.1.3 不相關的信息 337
8.1.4 圖像信息的度量 338
8.1.5 保真度準則 340
8.1.6 圖像壓縮模型 341
8.1.7 圖像格式、容器和壓縮標準 343
8.2 一些基本的壓縮方法 345
8.2.1 霍夫曼編碼 345
8.2.2 Golomb編碼 346
8.2.3 算術編碼 350
8.2.4 LZW編碼 351
8.2.5 行程編碼 353
8.2.6 基于符號的編碼 357
8.2.7 比特平面編碼 359
8.2.8 塊變換編碼 361
8.2.9 預測編碼 373
8.2.10 小波編碼 387
8.3 數字圖像水印 394
小結 398
參考文獻 398
習題 399
第9章 形態學圖像處理 402
引言 402
9.1 預備知識 402
9.2 腐蝕和膨脹 404
9.2.1 腐蝕 404
9.2.2 膨脹 406
9.2.3 對偶性 407
9.3 開操作與閉操作 407
9.4 擊中或擊不中變換 411
9.5 一些基本的形態學算法 412
9.5.1 邊界提取 412
9.5.2 孔洞填充 413
9.5.3 連通分量的提取 414
9.5.4 凸殼 416
9.5.5 細化 417
9.5.6 粗化 418
9.5.7 骨架 418
9.5.8 裁剪 420
9.5.9 形態學重建 421
9.5.10 二值圖像形態學操作小結 426
9.6 灰度級形態學 428
9.6.1 腐蝕和膨脹 428
9.6.2 開操作和閉操作 430
9.6.3 一些基本的灰度級形態學算法 431
9.6.4 灰度級形態學重建 435
小結 437
參考文獻 437
習題 438
第10章 圖像分割 443
引言 443
10.1 基礎知識 443
10.2 點、線和邊緣檢測 445
10.2.1 背景知識 445
10.2.2 孤立點的檢測 447
10.2.3 線檢測 449
10.2.4 邊緣模型 450
10.2.5 基本邊緣檢測 454
10.2.6 更先進的邊緣檢測技術 459
10.2.7 邊緣連接和邊界檢測 467
10.3 閾值處理 476
10.3.1 基礎知識 476
10.3.2 基本的全局閾值處理 478
10.3.3 用Otsu方法的最佳全局閾值處理 479
10.3.4 用圖像平滑改善全局閾值處理 483
10.3.5 利用邊緣改進全局閾值處理 484
10.3.6 多閾值處理 487
10.3.7 可變閾值處理 488
10.3.8 多變量閾值處理 492
10.4 基于區域的分割 493
10.4.1 區域生長 493
10.4.2 區域分裂與聚合 495
10.5 用形態學分水嶺的分割 497
10.5.1 背景知識 497
10.5.2 水壩構建 498
10.5.3 分水嶺分割算法 499
10.5.4 標記的使用 501
10.6 分割中運動的應用 502
10.6.1 空間域技術 502
10.6.2 頻率域技術 504
小結 507
參考文獻 507
習題 508
第11章 表示和描述 514
引言 514
11.1 表示 514
11.1.1 邊界追蹤 514
11.1.2 鏈碼 516
11.1.3 使用最小周長多邊形的多邊形近似 518
11.1.4 其他多邊形近似方法 522
11.1.5 標記圖 523
11.1.6 邊界線段 525
11.1.7 骨架 525
11.2 邊界描繪子 527
11.2.1 一些簡單的描繪子 527
11.2.2 形狀數 528
11.2.3 傅里葉描繪子 529
11.2.4 統計矩 531
11.3 區域描繪子 532
11.3.1 一些簡單的描繪子 532
11.3.2 拓撲描繪子 532
11.3.3 紋理 534
11.3.4 不變矩 542
11.4 使用主分量進行描繪 544
11.5 關系描繪子 550
小結 553
參考文獻 553
習題 554
第12章 目標識別 557
引言 557
12.1 模式和模式類 557
12.2 基于決策理論方法的識別 560
12.2.1 匹配 560
12.2.2 最佳統計分類器 564
12.2.3 神經網絡 570
12.3 結構方法 585
12.3.1 匹配形狀數 585
12.3.2 串匹配 586
小結 587
參考文獻 588
習題 588
附錄A 圖像壓縮編碼表 591
附錄B 參考書目 595
索引 620