数字图像处理广泛应用于自动化、电子信息及计算机等重要领域。本书作为数字图像处理的入门教材，在内容上尽可能涵盖数字图像处理基础知识的各个方面。全书共8章，分为3个部分：第1部分（第1章和第2章）介绍数字图像处理的基础知识和基本处理方法；第2部分（第3~5章）介绍典型的数字图像处理任务（图像重建、复原与分割）和常用方法；第3部分（第6～8章）介绍图像分析与理解方法，内容涉及图像表示、识别与生成。每章都附有思考题与习题和相关文献，有兴趣的读者可以进一步钻研探索。 　　本书可作为高等院校自动化、电子信息、计算机及相关专业本科生或研究生的教材，也可供对数字图像处理感兴趣的研究人员和工程技术人员参考。 　　本书配有以下教学资源：PPT课件、教学大纲、程序代码、习题答案，欢迎选用本书作教材的教师，登录www. cmpedu. com注册后下载，或发邮件至jinacmp＠163. com索取。

高等院校教师

目录
前言
第1章绪论
1.1数字图像处理的起源和发展历程
1.1.1数字图像处理的发展历史
1.1.2数字图像处理的发展现状及人工智能变革的机遇
1.2数字图像处理实例
1.2.1图像增强实例
1.2.2图像去噪实例
1.2.3图像复原实例
1.2.4图像识别实例
1.2.5图像生成实例
1.3数字图像处理系统
1.3.1图像处理系统的构成
1.3.2相机几何模型
1.3.3光度立体与图像形成的光照模型
1.3.4数字图像的表示与图像处理基本步骤
本章小结
思考题与习题
参考文献
第2章图像增强
2.1数字图像处理基础
2.1.1线性操作与非线性操作
2.1.2空间操作
2.1.3概率方法
2.2点运算和灰度变换
2.2.1图像反转
2.2.2对数变换
2.2.3幂律变换
2.3直方图处理
2.3.1直方图基本概念与绘制
2.3.2直方图均衡化
2.3.3直方图规定化
2.3.4局部直方图均衡化
2.3.5传统图像风格转换算法
2.4卷积与空间滤波
2.4.1空间滤波基础
2.4.2平滑空间滤波器
2.4.3锐化空间滤波器
2.5频域滤波
2.5.1基本概念与频域滤波基础
2.5.2二维傅里叶变换的一些性质
2.5.3频域平滑滤波器
2.5.4频域锐化滤波器
2.6基于深度学习的图像增强
2.6.1深度学习基础
2.6.2神经网络
2.6.3卷积神经网络
2.6.4基于深度学习的图像风格转换
2.6.5基于深度学习技术的图像彩色增强
2.7本章课程项目实验
本章小结
思考题与习题
参考文献
第3章图像重建与几何变换
3.1基于统计学习的图像重建基础
3.1.1主成分分析基础
3.1.2基于PCA的图像重建与压缩
3.1.3图像表观信息与几何信息
3.2图像几何变换与重建
3.2.1仿射与射影几何变换
3.2.2图像插值算法
3.2.3图像形变与标准姿态对齐
3.3基于深度学习的图像重建与解耦
3.3.1基于深度学习的图像重建
3.3.2基于深度学习的图像表观与几何信息解耦
3.4本章课程项目实验
本章小结
思考题与习题
参考文献
第4章图像复原
4.1图像退化与复原处理
4.2噪声模型
4.2.1噪声的空间和频率特性
4.2.2一些重要的噪声概率密度函数
4.2.3周期噪声
4.2.4估计噪声参数
4.3图像退化函数估计
4.3.1采用观察法估计退化函数
4.3.2采用试验法估计退化函数
4.3.3采用建模法估计退化函数
4.4最小均方误差滤波器
4.5图像去雾模型
4.5.1基于暗通道先验的图像去雾算法
4.5.2水下图像复原模型
4.6基于深度学习的图像复原
4.7本章课程项目实验
本章小结
思考题与习题
参考文献
第5章图像分割
5.1基础知识与边缘检测
5.1.1点与线检测
5.1.2边缘检测
5.1.3Canny边缘检测
5.1.4边缘连接与霍夫变换
5.2阈值处理
5.2.1全局阈值处理
5.2.2基于OTSU的全局阈值处理
5.3基于图论的图像分割
5.3.1图论基础
5.3.2基于图割法的图像分割
5.4基于马尔可夫随机场的图像分割
5.4.1马尔可夫随机场基础
5.4.2基于MRF的图像分割
5.5基于深度学习的图像分割
5.5.1基于深度学习的图像语义分割
5.5.2基于深度学习的图像实例分割
5.6本章课程项目实验
本章小结
思考题与习题
参考文献
第6章图像表示
6.1图像表示基础
6.2图像角点检测
6.2.1角点表示目标函数
6.2.2Harris角点检测算法
6.3多分辨率与图像金字塔
6.3.1图像多分辨率技术
6.3.2高斯和拉普拉斯金字塔
6.3.3多分辨率展开
6.4经典图像表示描述子
6.4.1尺度不变特征变换SIFT
6.4.2方向梯度直方图HOG
6.4.3局部二值描述LBP
6.5图像纹理表示
6.5.1纹理分析基础
6.5.2基于马尔可夫随机场的图像纹理描述
6.5.3基于深度学习的图像纹理描述
6.6本章课程项目实验
本章小结
思考题与习题
参考文献
第7章图像识别
7.1构建图像分类问题模型
7.1.1基于贝叶斯决策理论的图像分类模型
7.1.2基于PCA/FDA的人脸识别模型
7.1.3基于深度学习的图像分类模型
7.2构建图像检测问题模型
7.2.1基于HOG结合支持向量机的行人检测
7.2.2基于Harr小波与集成分类器的人脸检测
7.2.3基于深度学习的图像检测模型
7.3本章课程项目实验
本章小结
思考题与习题
参考文献
第8章图像生成
8.1图像生成技术概述
8.2基于隐变量描述的图像生成技术
8.2.1概率框架下的隐变量模型
8.2.2基于EM的交替反向传播算法
8.3多视图与多模态图像生成模型
8.3.1多视图与多模态图像生成概述
8.3.2多视图图像生成
8.3.3多模态生成模型
8.4基于变分自编码器的图像生成
8.4.1变分推断
8.4.2基于VAE的图像生成与重建技术
8.5基于生成对抗网络的图像生成
8.5.1概率框架下的生成对抗模型
8.5.2基于GAN的图像生成技术
8.5.3基于条件GAN的图像生成技术
8.6本章课程项目实验
本章小结
思考题与习题
参考文献