数字图像运算（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行运算的过程。后续更新阅读笔记吧，可以算得是和前篇《机器视觉技术》共同称之为视觉图像领域入门的经典书籍了。

数字图像处理（第四版）

2020年电子工业出版社出版的图书
《数字图像处理（第四版）》是2020年5月电子工业出版社出版的图书，作者是阮秋琦,阮宇智 等。
书 名数字图像处理（第四版）
作 者阮秋琦,阮宇智 等
出版社电子工业出版社
出版时间2020年5月
页 数748 页
开 本16 开
ISBN9787121377471
字 数1366千字
版 次01-01
目录
1内容简介
2图书目录
内容简介
播报
编辑
在数字图像处理领域，本书作为主要教材已有40多年。第四版是作者在前三版的基础上修订而成的，是前三版的发展与延续。除保留前几版的大部分内容外，根据读者的反馈，作者对本书进行了全面修订，融入了近年来数字图像处理领域的重要进展，增加了几百幅新图像、几十个新图表和上百道新习题。全书共12章，即绪论、数字图像基础、灰度变换与空间滤波、频率域滤波、图像复原与重构、小波变换和其他图像变换、彩色图像处理、图像压缩和水印、形态学图像处理、图像分割、特征提取、图像模式分类。本书的读者对象主要是从事信号与信息处理、通信工程、电子科学与技术、信息工程、自动化、计算机科学与技术、地球物理、生物工程、生物医学工程、物理、化学、医学、遥感等领域的大学教师和科技工作者、研究生、大学本科高年级学生及工程技术人员。 [1]
图书目录
播报
编辑
第1章 绪论 1
引言1
学习目标1
1.1 什么是数字图像处理1
1.2 数字图像处理的起源2
1.3 数字图像处理技术应用领域实例5
1.3.1 伽马射线成像5
1.3.2 X射线成像6
1.3.3 紫外波段成像8
1.3.4 可见光和红外波段成像8
1.3.5 微波波段成像14
1.3.6 无线电波段成像14
1.3.7 其他成像方式15
1.4 数字图像处理的基本步骤18
1.5 图像处理系统的组成20
小结、参考文献和延伸读物22
第2章 数字图像基础 23
引言23
学习目标23
2.1 视觉感知要素23
2.1.1 人眼的结构24
2.1.2 人眼的成像方式25
2.1.3 亮度适应与辨别25
2.2 光和电磁波谱28
2.3 图像感知与获取30
2.3.1 使用单个传感器获取图像31
2.3.2 使用条带传感器获取图像31
2.3.3 使用阵列传感器获取图像32
2.3.4 一个简单的成像模型33
2.4 图像取样和量化34
2.4.1 取样和量化的基本概念34
2.4.2 数字图像表示36
2.4.3 线性索引和坐标索引39
2.4.4 空间分辨率和灰度分辨率40
2.4.5 图像内插44
2.5 像素间的一些基本关系45
2.5.1 像素的相邻像素45
2.5.2 邻接、连通、区域和边界46
2.5.3 距离测度47
2.6 数字图像处理所用的基本数学工具介绍48
2.6.1 对应元素运算和矩阵运算48
2.6.2 线性运算与非线性运算49
2.6.3 算术运算50
2.6.4 集合运算和逻辑运算54
2.6.5 空间运算59
2.6.6 向量与矩阵运算66
2.6.7 图像变换67
2.6.8 图像灰度和随机变量69
小结、参考文献和延伸读物70
习题70
第3章 灰度变换与空间滤波 75
引言75
学习目标75
3.1 背景75
3.1.1 灰度变换和空间滤波基础76
3.1.2 关于本章中例子的说明77
3.2 一些基本的灰度变换函数77
3.2.1 图像反转77
3.2.2 对数变换78
3.2.3 幂律（伽马）变换79
3.2.4 分段线性变换函数82
3.3 直方图处理86
3.3.1 直方图均衡化87
3.3.2 直方图匹配（规定化）93
3.3.3 精确直方图匹配（规定化）99
3.3.4 局部直方图处理105
3.3.5 使用直方图统计量增强图像106
3.4 空间滤波基础108
3.4.1 线性空间滤波的原理108
3.4.2 空间相关与卷积109
3.4.3 可分离滤波器核114
3.4.4 空间域滤波和频率域滤波的一些
重要比较115
3.4.5 如何构建空间滤波器核116
3.5 平滑（低通）空间滤波器116
3.5.1 盒式滤波器核117
3.5.2 低通高斯滤波器核118
3.5.3 顺序统计（非线性）滤波器124
3.6 锐化（高通）空间滤波器125
3.6.1 基础125
3.6.2 使用二阶导数锐化图像——拉普
拉斯算子127
3.6.3 钝化掩蔽和高提升滤波130
3.6.4 使用一阶导数锐化图像——梯度131
3.7 低通、高通、带阻和带通滤波器134
3.8 组合使用空间增强方法136
小结、参考文献和延伸阅读139
习题140
第4章 频率域滤波 145
引言145
学习目标145
4.1 背景145
4.1.1 傅里叶级数和变换简史146
4.1.2 关于本章中的例子147
4.2 基本概念147
4.2.1 复数148
4.2.2 傅里叶级数148
4.2.3 冲激函数及其取样性质148
4.2.4 单连续变量函数的傅里叶变换150
4.2.5 卷积152
4.3 取样和取样函数的傅里叶变换153
4.3.1 取样153
4.3.2 取样后的函数的傅里叶变换154
4.3.3 取样定理156
4.3.4 混叠158
4.3.5 由取样后的数据重构（复原）函数160
4.4 一元函数的离散傅里叶变换161
4.4.1 由取样后的函数的连续变换得到DFT161
4.4.2 取样和频率间隔的关系163
4.5 二元函数的傅里叶变换164
4.5.1 二维冲激及其取样性质164
4.5.2 二维连续傅里叶变换对164
4.5.3 二维取样和二维取样定理165
4.5.4 图像中的混叠166
4.5.5 二维离散傅里叶变换及其反变换171
4.6 二维DFT和IDFT的一些性质171
4.6.1 空间间隔和频率间隔的关系171
4.6.2 平移和旋转171
4.6.3 周期性172
4.6.4 对称性173
4.6.5 傅里叶谱和相角177
4.6.6 二维离散卷积定理181
4.6.7 二维离散傅里叶变换性质的小结184
4.7 频率域滤波基础185
4.7.1 频率域的其他特性185
4.7.2 频率域滤波基础186
4.7.3 频率域滤波步骤小结190
4.7.4 空间域和频率域滤波之间的对应性192
4.8 使用低通频率域滤波器平滑图像195
4.8.1 理想低通滤波器195
4.8.2 高斯低通滤波器198
4.8.3 巴特沃斯低通滤波器199
4.8.4 低通滤波的其他例子201
4.9 使用高通滤波器锐化图像203
4.9.1 由低通滤波器得到理想、高斯和巴特沃
斯高通滤波器203
4.9.2 频率域中的拉普拉斯算子207
4.9.3 钝化掩蔽、高提升滤波和高频强调
滤波208
4.9.4 同态滤波210
4.10 选择性滤波212
4.10.1 带阻滤波器和带通滤波器212
4.10.2 陷波滤波器214
4.11 快速傅里叶变换217
4.11.1 二维DFT的可分离性217
4.11.2 使用DFT算法计算IDFT218
4.11.3 快速傅里叶变换（FFT）218
小结、参考文献和延伸读物220
习题221
第5章 图像复原与重构 228
引言228
学习目标228
5.1 图像退化/复原处理的一个模型228
5.2 噪声模型229
5.2.1 噪声的空间性质和频率性质229
5.2.2 一些重要的噪声概率密度函数229
5.2.3 周期噪声234
5.2.4 估计噪声参数234
5.3 只出现噪声的复原——空间滤波235
5.3.1 均值滤波器235
5.3.2 顺序统计滤波器238
5.3.3 自适应滤波器242
5.4 使用频率域滤波降低周期噪声245
5.4.1 陷波滤波深入介绍245
5.4.2 最优陷波滤波248
5.5 线性位置不变退化252
5.6 估计退化函数253
5.6.1 采用观察法估计退化函数253
5.6.2 采用试验法估计退化函数254
5.6.3 采用建模法估计退化函数254
5.7 反滤波257
5.8 最小均方误差（维纳）滤波258
5.9 约束最小二乘滤波261
5.10 几何平均滤波264
5.11 根据投影重构图像265
5.11.1 引言265
5.11.2 X射线计算机断层成像（CT）
原理267
5.11.3 投影和雷登变换269
5.11.4 反投影272
5.11.5 傅里叶切片定理273
5.11.6 使用平行射线束滤波反投影重构274
5.11.7 使用扇形射线束滤波反投影重构
图像278
小结、参考文献和延伸读物282
习题283
第6章 彩色图像处理 287
引言287
学习目标287
6.1 彩色基础288
6.2 彩色模型292
6.2.1 RGB彩色模型293
6.2.2 CMY和CMYK彩色模型294
6.2.3 HSI彩色模型295
6.2.4 设备无关彩色模型301
6.3 伪彩色图像处理302
6.3.1 灰度分层和彩色编码302
6.3.2 灰度到彩色的变换305
6.4 全彩色图像处理基础309
6.5 彩色变换310
6.5.1 公式310
6.5.2 补色313
6.5.3 彩色分层314
6.5.4 色调和彩色校正315
6.5.5 彩色图像的直方图处理318
6.6 彩色图像平滑和锐化319
6.6.1 彩色图像平滑319
6.6.2 彩色图像锐化321
6.7 使用彩色分割图像322
6.7.1 HSI彩色空间中的分割322
6.7.2 RGB空间中的分割323
6.7.3 彩色边缘检测325
6.8 彩色图像中的噪声328
6.9 彩色图像压缩330
小结、参考文献和延伸读物331
习题332
第7章 小波变换和其他图像变换 335
引言335
学习目标335
7.1 背景335
7.2 基于矩阵的变换337
7.3 相关345
7.4 时间-频率平面的基函数346
7.5 基图像349
7.6 傅里叶相关的变换351
7.6.1 离散哈特利变换351
7.6.2 离散余弦变换353
7.6.3 离散正弦变换356
7.7 沃尔什-哈达玛变换359
7.8 斜变换362
7.9 哈尔变换363
7.10 小波变换365
7.10.1 尺度函数365
7.10.2 小波函数367
7.10.3 小波级数展开369
7.10.4 一维离散小波变换370
7.10.5 二维小波变换376
7.10.6 小波包382
小结、参考文献和延伸读物387
习题387
第8章 图像压缩和水印 392
引言392
学习目标392
8.1 基础392
8.1.1 编码冗余393
8.1.2 空间冗余和时间冗余395
8.1.3 无关信息395
8.1.4 度量图像信息396
8.1.5 保真度准则398
8.1.6 图像压缩模型399
8.1.7 图像格式、容器和压缩标准400
8.2 霍夫曼编码402
8.3 Golomb编码404
8.4 算术编码407
8.4.1 自适应上下文相关概率估计408
8.5 LZW编码409
8.6 行程编码411
8.6.1 一维CCITT压缩412
8.6.2 二维CCITT压缩412
8.7 基于符号的编码415
8.7.1 JBIG2压缩416
8.8 比特平面编码417
8.9 块变换编码421
8.9.1 变换的选择421
8.9.2 子图像尺寸选择423
8.9.3 比特分配424
8.10 预测编码432
8.10.1 无损预测编码432
8.10.2 运动补偿预测残差435
8.10.3 有损预测编码441
8.10.4 最优预测器443
8.10.5 最优量化445
8.11 小波编码446
8.11.1 小波的选择447
8.11.2 分解层数的选择448
8.11.3 量化器设计449
8.11.4 JPEG-2000450
8.12 数字图像水印454
小结、参考文献和延伸读物459
习题460
第9章 形态学图像处理 463
引言463
学习目标463
9.1 预备知识463
9.2 腐蚀和膨胀466
9.2.1 腐蚀466
9.2.2 膨胀468
9.2.3 对偶性470
9.3 开运算与闭运算470
9.4 击中-击不中变换474
9.5 一些基本的形态学算法476
9.5.1 边界提取477
9.5.2 孔洞填充477
9.5.3 提取连通分量479
9.5.4 凸壳480
9.5.5 细化482
9.5.6 粗化483
9.5.7 骨架484
9.5.8 裁剪486
9.6 形态学重构487
9.6.1 测地膨胀和腐蚀488
9.6.2 膨胀和腐蚀形态学重构489
9.6.3 应用实例490
9.7 二值图像形态学运算小结493
9.8 灰度形态学494
9.8.1 灰度腐蚀和膨胀495
9.8.2 灰度开运算和闭运算496
9.8.3 一些基本的灰度形态学算法498
9.8.4 灰度形态学重构502
小结、参考文献和延伸读物505
习题505
第10章 图像分割 511
引言511
学习目标511
10.1 基础知识511
10.2 点、线和边缘检测513
10.2.1 背景知识513
10.2.2 孤立点的检测516
10.2.3 线检测517
10.2.4 边缘模型520
10.2.5 基本边缘检测523
10.2.6 更先进的边缘检测技术529
10.2.7 连接边缘点538
10.3 阈值处理543
10.3.1 基础知识544
10.3.2 基本的全局阈值处理546
10.3.3 使用Otsu方法的最优全局阈值
处理547
10.3.4 使用图像平滑改进全局阈值处理551
10.3.5 使用边缘改进全局阈值处理552
10.3.6 多阈值处理555
10.3.7 可变阈值处理557
10.4 使用区域生长、区域分离与聚合进行
分割560
10.4.1 区域生长560
10.4.2 区域分离与聚合562
10.5 使用聚类和超像素的区域分割564
10.5.1 用k均值聚类的区域分割564
10.5.2 使用超像素的区域分割566
10.6 使用图割分割区域571
10.6.1 作为图的图像571
10.6.2 最小图割573
10.6.3 计算最小图割574
10.6.4 图割分割算法575
10.7 使用形态学分水岭分割图像577
10.7.1 背景知识577
10.7.2 构建水坝579
10.7.3 分水岭分割算法581
10.7.4 标记的使用583
10.8 在分割中使用运动584
10.8.1 空间域技术584
10.8.2 频率域技术587
小结、参考文献和延伸读物589
习题590
第11章 特征提取 595
引言595
学习目标595
11.1 背景595
11.2 边界预处理597
11.2.1 边界跟踪（追踪）597
11.2.2 链码598
11.2.3 用最小周长多边形近似边界602
11.2.4 标记图606
11.2.5 骨架、中轴和距离变换608
11.3 边界特征描述子610
11.3.1 一些基本的边界描述子610
11.3.2 形状数611
11.3.3 傅里叶描述子613
11.3.4 统计矩615
11.4 区域特征描述子616
11.4.1 一些基本的描述子616
11.4.2 拓扑描述子620
11.4.3 纹理621
11.4.4 矩不变量629
11.5 作为特征描述子的主分量631
11.6 整体图像特征637
11.6.1 哈里斯-斯蒂芬斯角点检测器638
11.6.2 最大稳定极值区域（MSER）643
11.7 尺度不变特征变换（SIFT）648
11.7.1 尺度空间648
11.7.2 检测局部极值651
11.7.3 关键点方向654
11.7.4 关键点描述子655
11.7.5 SIFT算法小结656
小结、参考文献和延伸读物659
习题660
第12章 图像模式分类 663
引言663
学习目标663
12.1 背景663
12.2 模式与模式类665
12.2.1 模式向量665
12.2.2 结构模式668
12.3 原型匹配模式分类669
12.3.1 最小距离分类器669
12.3.2 对二维原型匹配使用相关672
12.3.3 匹配SIFT特征674
12.3.4 匹配结构原型675
12.4 最优（贝叶斯）统计分类器678
12.4.1 贝叶斯分类器的推导678
12.4.2 高斯模式类的贝叶斯分类器679
12.5 神经网络与深度学习684
12.5.1 背景知识684
12.5.2 感知机685
12.5.3 多层前馈神经网络693
12.5.4 正向传播前馈神经网络696
12.5.5 使用反向传播训练深层神经网络700
12.6 深度卷积神经网络707
12.6.1 一种基本的CNN结构708
12.6.2 正向通过CNN的传递公式714
12.6.3 用于训练CNN的反向传播方程714
12.7 实现的一些附加细节725
小结、参考文献和延伸读物726
习题726
参考文献 730
术语表 738 [1]