目 錄
第1章 緒論 1
1.1 數(shù)字圖像處理的概念 1
1.1.1 數(shù)字圖像的定義 1
1.1.2 圖像處理、圖像分析、計(jì)算機(jī)視覺(jué)的界定 2
1.1.3 三種典型的計(jì)算處理 4
1.2 數(shù)字圖像處理的起源 5
1.3 數(shù)字圖像處理的應(yīng)用實(shí)例 6
1.3.1 伽馬射線成像 7
1.3.2 X射線成像 8
1.3.3 紫外波段成像 9
1.3.4 可見(jiàn)光及紅外線成像 9
1.3.5 微波波段成像 12
1.3.6 無(wú)線電波成像 13
1.3.7 其他圖像模式應(yīng)用實(shí)例 13
1.4 數(shù)字圖像處理的基本步驟 15
1.5 圖像處理系統(tǒng)的部件 17
第2章 數(shù)字圖像基礎(chǔ) 22
2.1 視覺(jué)感知和要素 22
2.1.1 人眼的構(gòu)造 22
2.1.2 眼睛中的圖像形成 23
2.1.3 亮度適應(yīng)和鑒別 24
2.2 光和電磁波譜 26
2.3 圖像感知和獲取 27
2.4 圖像取樣和量化 27
2.4.1 取樣和量化的基本概念 27
2.4.2 數(shù)字圖像表示 29
2.4.3 空間和灰度級(jí)分辨率 30
2.4.4 香農(nóng)采樣定理 33
2.4.5 放大和收縮數(shù)字圖像 35
2.5 像素間的一些基本關(guān)系 37
2.5.1 相鄰像素 37
2.5.2 鄰接性、連通性、區(qū)域和邊界 38
2.5.3 距離度量 40
2.5.4 基于像素的圖像操作 41
2.6 線性和非線性操作 41
第3章空間域圖像增強(qiáng) 43
3.1 背景知識(shí) 43
3.1.1 “空間域增強(qiáng)”的基本方法 43
3.1.2 二值圖像 44
3.2 某些基本灰度變換 44
3.2.1 線性灰度變換 45
3.2.2 分段線性灰度變換 47
3.2.3 非線性灰度變換 49
3.3 直方圖處理 53
3.3.1 直方圖的定義 53
3.3.2 直方圖的用途 54
3.3.3 積累直方圖 54
3.3.4 直方圖均衡化 56
3.3.5 直方圖匹配(規(guī)定化) 59
3.4 空間濾波基礎(chǔ) 61
3.4.1 線性濾波 61
3.4.2 非線性濾波 62
3.5 平滑空間濾波器 66
第4章頻率域圖像增強(qiáng) 75
4.1 背景 75
4.2 傅里葉變換 76
4.2.1 離散傅里葉變換 76
4.2.2 連續(xù)函數(shù)的傅里葉變換 78
4.2.3 快速傅里葉變換 78
4.2.4 頻率域?yàn)V波 82
4.2.5 空間域?yàn)V波和頻率域?yàn)V波之間的對(duì)應(yīng)關(guān)系 89
第5章圖像分割 98
5.1 邊緣檢測(cè)與區(qū)域分割概述 98
5.1.1 圖像的基本概念 98
5.1.2 邊緣檢測(cè) 99
5.1.3 Roberts算子 101
5.1.4 Prewitt算子和Sobel算子 102
5.1.5 Kirsch算子 104
5.2 Canny準(zhǔn)則及Canny算法 106
5.2.1 Canny邊緣檢測(cè)的準(zhǔn)則 106
5.2.2 Canny邊緣檢測(cè)算法 108
5.2.3 拉普拉斯算子 110
5.2.4 Facet算子 112
5.2.5 Nalwa算子 113
5.2.6 邊緣檢測(cè)的一種概率方法 115
5.3 基于最大隸屬度原則的邊緣檢測(cè)算法 121
5.3.1 鄰域及平均灰度值的確定 122
5.3.2 模糊最大隸屬度函數(shù)的確定 123
第6章圖像復(fù)原 126
6.1 圖像退化/復(fù)原處理的模型 126
6.2 噪聲模型 127
6.2.1 噪聲的空間和頻率特性 127
6.2.2 一些重要的噪聲的概率密度函數(shù) 127
6.2.3 周期噪聲 132
6.2.4 噪聲參數(shù)的估計(jì) 133
6.3 噪聲存在下的唯一空間濾波復(fù)原 134
6.3.1 均值濾波器 134
6.3.2 順序統(tǒng)計(jì)濾波器 137
6.3.3 自適應(yīng)濾波器 138
6.4 頻域?yàn)V波削減周期噪聲 141
6.4.1 帶阻濾波器 141
6.4.2 帶通濾波器 142
第7章形態(tài)學(xué)圖像處理 144
7.1 預(yù)備知識(shí) 145
7.1.1 集合論中的幾個(gè)基本概念 145
7.1.2 二值圖像的邏輯運(yùn)算 146
7.2 膨脹與腐蝕 147
7.2.1 膨脹 147
7.2.2 腐蝕 149
7.3 開(kāi)運(yùn)算和閉運(yùn)算 151
7.3.1 開(kāi)運(yùn)算及其性質(zhì) 151
7.3.2 閉運(yùn)算及其性質(zhì) 152
7.4 擊中和擊不中變換 154
7.5 一些基本的形態(tài)學(xué)算法 157
7.5.1 邊界提取 157
7.5.2 區(qū)域填充 158
7.5.3 連通分量的提取 160
7.5.4 細(xì)化 162
7.5.5 骨骼化 163
第8章 圖像融合 165
8.1 圖像融合的層次與步驟 165
8.2 圖像融合的方法 166
8.3 基于PCA變換的加權(quán)圖像融合方法167
8.3.1 主成分分析 167
8.3.2 主成分分析的數(shù)學(xué)模型 168
8.3.3 主成分分析的推導(dǎo) 169
8.3.4 主成分分析的步驟 171
8.3.5 基于PCA變換的圖像融合的步驟及實(shí)驗(yàn)結(jié)果 172
8.4 圖像融合技術(shù)的發(fā)展和應(yīng)用現(xiàn)狀 173
8.5 圖像配準(zhǔn)技術(shù) 174
8.5.1 圖像配準(zhǔn)原理 174
8.5.2 圖像配準(zhǔn)的方法 176
8.6 小波分析理論 176
8.6.1 小波分析的歷史與發(fā)展 176
8.6.2 傅里葉變換分析 177
8.6.3 小波變換分析 178
8.7 基于小波的數(shù)字圖像融合 185
8.7.1 基于小波變換的數(shù)字圖像流程 185
8.7.2 圖像小波變換過(guò)程 186
8.7.3 圖像融合的規(guī)則 187
附錄圖像處理Matlab函數(shù)匯總 190
參考文獻(xiàn) 199
新書(shū)資訊