高等院校教师

前言
第1章绪论1
1.1数字图像处理系统的组成1
1.2电磁波谱与可见光1
1.3电磁波传感器3
1.4视觉系统特性3
1.4.1视觉适应性4
1.4.2视觉惰性4
1.4.3同时对比效应与马赫带效应4
1.4.4视觉分辨率5
1.4.5视觉错觉5
1.5数字图像处理应用6
习题7
第2章数字图像的基本概念和运算8
2.1图像成像模型8
2.2图像中的基本概念8
2.2.1采样和量化8
2.2.2数字图像表示8
2.2.3空间分辨率与灰度分辨率9
2.2.4OPENCV中的图像读取10
2.3像素间的基本关系12
2.3.1相邻像素12
2.3.2连通性、区域和边界12
2.3.3距离度量15
2.4数字图像的基本操作15
2.4.1图像间算术运算15
2.4.2图像逻辑运算18
2.4.3图像空间几何变换20
习题26
第3章图像灰度变换与空间域滤波27
3.1常用灰度变换27
3.1.1线性变换27
3.1.2对数变换与反对数变换28
3.1.3幂律变换(伽马变换)28
3.1.4分段线性变换29
3.2基于直方图的灰度变换31
3.2.1直方图31
3.2.2直方图均衡34
3.2.3直方图规定化(直方图匹配)37
3.2.4限制对比度自适应直方图均衡39
3.3空间域滤波42
3.3.1空间域滤波基础知识42
3.3.2平滑滤波44
3.3.3锐化滤波48
习题53
第4章图像的频域处理55
4.1二维离散傅里叶变换55
4.1.1二维离散傅里叶变换和反变换55
4.1.2二维离散傅里叶变换性质56
4.2频域滤波基础知识60
4.2.1频域滤波基础60
4.2.2频域滤波步骤60
4.3频域低通滤波61
4.3.1理想低通滤波器61
4.3.2巴特沃斯低通滤波器62
4.3.3高斯低通滤波器63
4.4频域高通滤波65
4.4.1理想高通滤波器65
4.4.2巴特沃斯高通滤波器66
4.4.3高斯高通滤波器67
4.4.4拉普拉斯滤波器67
4.4.5反锐化掩蔽与高提升滤波68
4.5同态滤波68
4.6频率选择滤波器73
4.6.1带阻滤波器和带通滤波器73
4.6.2陷波滤波器74
习题76
第5章图像复原78
5.1图像退化模型和复原模型78
5.2噪声模型79
5.2.1常见的噪声概率密度函数79
5.2.2周期噪声82
5.2.3噪声参数估计83
5.3复原仅由噪声造成的退化图像83
5.3.1非线性均值滤波83
5.3.2统计排序滤波85
5.3.3自适应滤波88
5.4退化函数的估计89
5.5逆滤波90
5.6维纳滤波91
5.7有约束最小二乘滤波95
5.8Lucy-Richardson复原(非盲L-R复原)96
5.9图像盲复原101
习题102
第6章彩色图像处理103
6.1彩色图像基础103
6.2色彩空间104
6.2.1RGB色彩空间与CMY色彩空间104
6.2.2HSI色彩空间与HSV色彩空间106
6.2.3Lab色彩空间108
6.2.4YCbCr色彩空间与YUV色彩空间109
6.3伪彩色图像处理110
6.3.1空间域伪彩色处理110
6.3.2频域滤波伪彩色处理112
6.4色彩变换112
6.4.1补色变换112
6.4.2色彩分割113
6.4.3彩色图像灰度化116
6.4.4彩色图像直方图均衡118
6.4.5色调与色彩校正118
6.5彩色图像空间滤波121
6.5.1彩色图像的平滑121
6.5.2彩色图像的锐化122
6.6彩色图像边缘检测124
习题125
第7章小波与多分辨率处理126
7.1小波变换基础知识126
7.1.1小波函数126
7.1.2连续小波变换127
7.1.3离散小波变换128
7.1.4多尺度分析与Mallat算法129
7.1.5提升小波130
7.1.6小波包变换131
7.2图像小波变换133
7.3小波图像去噪136
7.3.1模极大值去噪法136
7.3.2小波阈值去噪法137
7.4小波图像融合139
习题141
第8章图像压缩142
8.1图像压缩基础142
8.1.1冗余142
8.1.2保真度143
8.2常用编码144
8.2.1霍夫曼编码144
8.2.2算术编码145
8.2.3游程编码146
8.2.4LZW编码147
8.2.5矢量量化编码149
8.3位平面编码149
8.4变换编码150
8.4.1离散余弦变换150
8.4.2JPEG图像压缩152
8.4.3基于小波的图像压缩155
8.5视频压缩160
习题163
第9章形态学处理164
9.1预备知识164
9.2腐蚀与膨胀165
9.2.1腐蚀165
9.2.2膨胀167
9.2.3对偶性169
9.3开运算和闭运算170
9.3.1开运算170
9.3.2闭运算170
9.4击中与击不中变换171
9.5一些基本形态学算法173
9.5.1边界提取173
9.5.2种子填充173
9.5.3提取连通分量174
9.5.4凸包175
9.5.5细化、骨架化和粗化177
9.5.6形态学重建180
9.6灰度图像的形态学处理183
9.6.1腐蚀和膨胀183
9.6.2开运算和闭运算183
9.6.3顶帽变换和底帽变换185
9.6.4形态学滤波186
9.6.5形态学梯度186
习题187
第10章图像分割189
10.1边缘检测189
10.1.1边缘检测基础189
10.1.2一阶边缘检测算子190
10.1.3Marr-Hildreth边缘检测192
10.1.4Canny边缘检测194
10.1.5Hough变换195
10.2基于阈值的图像分割200
10.2.1阈值分割基础知识201
10.2.2全局阈值分割202
10.2.3局部阈值分割204
10.3基于区域的图像分割205
10.3.1区域生长法205
10.3.2区域分裂合并法206
10.4基于聚类的图像分割206
10.4.1kmeans图像分割207
10.4.2基于高斯混合模型的图像分割208
10.5基于图论的图像分割212
10.5.1图论的基本概念212
10.5.2Graph Cut图像分割213
10.5.3Grab Cut图像分割215
10.6形态学分水岭分割217
10.6.1分水岭分割217
10.6.2基于标记的分水岭分割218
10.7运动目标分割221
10.7.1帧间差法221
10.7.2背景差法与背景估计221
习题225
第11章目标的表示与描述227
11.1表示227
11.1.1边界追踪227
11.1.2链码228
11.1.3多边形近似229
11.2边界描述子230
11.2.1一些基本描述子230
11.2.2傅里叶描述子231
11.3区域描述子232
11.3.1一些基本描述子232
11.3.2区域矩与不变矩232
11.4纹理描述236
11.4.1灰度直方图统计矩236
11.4.2LBP特征237
11.4.3共生矩阵238
11.4.4方向梯度直方图239
11.5主成分分析用于特征降维241
11.6特征点检测与描述242
11.6.1Harris角点、Shi-Tomasi角点和FAST角点检测242
11.6.2SIFT特征点检测与描述248
11.6.3SURF特征点检测与描述253
11.6.4BRIEF描述子256
11.6.5ORB特征点检测与描述257
习题259
第12章目标识别260
12.1基于决策理论的模式识别260
12.1.1基于匹配的决策260
12.1.2统计分类器262
12.1.3神经网络265
12.2特征点匹配267
12.2.1特征点匹配基础267
12.2.2匹配一致性272
12.3运动目标跟踪277
12.3.1光流法277
12.3.2meanshift跟踪283
12.3.3Camshift跟踪287
习题292
参考文献293