数字图像处理——原理与实现

本书介绍数字图像处理的基础知识和基本理论，以MATLAB为实验平台，立足原理阐释，强调编程验证，实现知识点、图例、示例与实现代码的接近对应。本书共分7章，主要介绍了图像与视觉系统、像素空间关系、空域变换增强、空域滤波增强、图像变换和频域图像增强等内容。同时，介绍了数字图像处理技术实现方法和技巧，为原理渗透和工程实践奠定坚实的基础。本书以原理闸释为基础，以图例示例为引导，以代码实现为手段，以实践应用为目标，逻辑严谨、深人浅出、内容翔实、示例丰富，适合作为理工科高等院校数字图像处理领域的教学用书，也可作为数字图像处理、计算机视觉、人工智能等领域广大科研人员、工程技术人员的参考用书。

第1章绪论
1.1图像处理的起源
1.2图像的基本概念
1.2.1图像的概念
1.2.2数字图像的概念
1.2.3图像的表达
1.3图像处理技术分类
1.4数字图像处理
1.4.1数字图像处理的特点
1.4.2数字图像处理的方法
1.4.3数字图像处理系统
1.4.4数字图像处理的应用领域
1.4.5数字图像处理的发展方向
习题
第2章图像与视觉系统
2.1视觉过程
2.1.1光学过程
2.1.2化学过程
2.1.3神经处理过程
2.2光度学基本原理
2.2.1点光源
2.2.2扩展光源
2.2.3亮度
2.2.4主观亮度
2.2.5照度
2.3采样和量化
2.3.1图像的存储
2.3.2图像的质量
2.4图像类型
2.4.1二值图像
2.4.2灰度图像
2.4.3真彩色图像
2.4.4伪彩色图像
习题
第3章像素空间关系
3.1像素间的基本关系
3.1.1像素的邻域
3.1.2像素的邻接
3.1.3像素的连接
3.1.4像素的通路
3.1.5像素的连通
3.1.6像素集合的邻接
3.1.7像素集合的连接
3.1.8像素集合的连通
3.2像素间的距离
3.2.1欧氏距离
3.2.2城区距离
3.2.3棋盘距离
3.2.4混合距离
3.3几何变换
3.3.1平移变换
3.3.2放缩变换
3.3.3旋转变换
3.3.4镜像变换
3.3.5剪切变换
3.3.6透视变换
3.3.7反变换
3.3.8复合变换
3.4几何失真校正
3.4.1直接校正法
3.4.2间接校正法
3.4.3空间变换
3.4.4灰度插值
习题
第4章空域变换增强
4.1算术运算
4.1.1加法运算
4.1.2减法运算
4.1.3乘法运算
4.1.4除法运算
4.2逻辑运算
4.2.1与运算
4.2.2或运算
4.2.3补运算
4.2.4异或运算
4.2.5应用
4.3直方图处理
4.3.1直方图均衡化
4.3.2直方图规定化
4.4灰度变换
4.4.1比例线性变换
4.4.2分段线性变换
4.4.3非线性变换
习题
第5章空域滤波增强
5.1卷积原理
5.1.1一维连续卷积
5.1.2一维离散卷积
5.1.3二维连续卷积
5.1.4二维离散卷积
5.2线性平滑滤波
5.2.1邻域平均法
5.2.2选择平均法
5.2.3加权平均法
5.2.4Wiener滤波
5.3非线性平滑滤波
5.3.1中值滤波
5.3.2序统计滤波
5.4线性锐化滤波
5.5非线性锐化滤波
5.5.1梯度法
5.5.2Prewitt算子
5.5.3Sobel算子
5.5.4Log算子
5.5.5高通滤波
5.5.6掩模法
习题
第6章图像变换
6.1一维离散变换
6.2二维离散变换
6.3傅里叶变换
6.3.1一维连续傅里叶变换
6.3.2一维离散傅里叶变换
6.3.3二维连续傅里叶变换
6.3.4二维离散傅里叶变换
6.3.5频域特征与空域特征的关系
6.3.6傅里叶变换的应用
6.4离散余弦变换
6.4.1一维离散余弦变换
6.4.2二维离散余弦变换
6.4.3离散余弦变换的应用
习题
第7章频域图像增强
7.1低通滤波
7.1.1理想低通滤波器
7.1.2巴特沃斯低通滤波器
7.1.3指数低通滤波器
7.1.4梯形低通滤波器
7.1.5高斯低通滤波器
7.2高通滤波
7.2.1理想高通滤波器
7.2.2巴特沃斯高通滤波器
7.2.3指数高通滤波器
7.2.4梯形高通滤波器
7.2.5高斯高通滤波器
7.2.6高频增强滤波器
7.3频域增强与空域增强的关系
习题
参考文献

     第3章像素空间关系 3.1像素间的基本关系 图像的基本组成单元是像素，像素在图像空间中按照某种规律排列，有一定的相互联系。常见的像素间的基本关系包括像素的邻域、邻接、连接、通路和连通以及像素集合间的邻接、连接和连通。 3.1.1像素的邻域 像素的邻域是指一个像素的相邻像素构成的像素集。邻域的类型一般包括4邻域、对角邻域和8邻域，如图31所示。 图31邻域的类型 1. 4邻域 像素p的4邻域是指由像素p的水平方向(即左右)和垂直方向(即上下)共4个相邻像素所组成的集合，记为N4(p)={r1,r2,r3,r4}。若像素p的坐标为(x,y)，则像素p的4邻域像素的坐标分别为r1： (x-1,y)、r2： (x,y-1)、r3： (x+1,y)和r4： (x,y+1)，如图31(a)所示。 2. 对角邻域 像素p的对角邻域是指由像素p的对角方向(即左上、左下、右上、右下)共4个相邻像素所组成的集合，记为ND(p)={s1,s2,s3,s4}。若像素p的坐标为(x,y)，则像素p的对角邻域像素的坐标分别为s1： (x-1,y+1)、s2： (x-1,y-1)、s3： (x+1,y-1)和s4： (x+1,y+1)，如图31(b)所示。 3. 8邻域 像素p的8邻域是指由像素p的水平、垂直和对角方向(即左右、上下、左上、左下、右上、右下)共8个相邻像素所组成的集合，记为N8(p)={r1,r2,r3,r4,s1,s2,s3,s4}。若像素p的坐标为(x,y)，则像素p的8邻域像素的坐标分别为r1： (x-1,y)、r2： (x,y-1)、r3： (x+1,y)、r4： (x,y+1)、s1： (x-1,y+1)、s2： (x-1,y-1)、s3： (x+1,y-1)和s4： (x+1,y+1)，如图31(c)所示。 需要注意的是，如果像素p本身处于图像的边缘，则它的4邻域N4(p)，对角邻域ND(p)和8邻域N8(p)中的若干个像素将位于图像之外。 3.1.2像素的邻接 像素的邻接是指一个像素与其邻域中的像素的接触关系。邻接的类型根据邻域的类型的不同一般分为4邻接、对角邻接和8邻接。 1. 4邻接 4邻接是指一个像素与其4邻域中的像素的接触关系。若两个像素为p和r，则像素p与像素r满足4邻接可表示为 p∈N4(r)(31) 注意： 像素p与像素r满足4邻接等价于像素r与像素p满足4邻接，即式(32)成立。 p∈N4(r)r∈N4(p)(32) 2. 对角邻接 对角邻接是指一个像素与其对角邻域中的像素的接触关系。若两个像素为p和r，则像素p与像素r满足对角邻接可表示为 p∈ND(r)(33) 注意： 像素p与像素r满足对角邻接等价于像素r与像素p满足对角邻接，即式(34)成立。 p∈ND(r)r∈ND(p)(34) 3. 8邻接 8邻接是指一个像素与其8邻域中的像素的接触关系。若两个像素为p和r，则像素p与像素r满足8邻接可表示为 p∈N8(r)(35) 注意： 像素p与像素r满足8邻接等价于像素r与像素p满足8邻接，即式(36)成立。 p∈N8(r)r∈N8(p)(36) 需要注意的是，邻接仅考虑了像素间的空间关系，与像素的属性值无关。 3.1.3像素的连接 两个像素的连接是指两个像素必须邻接(即接触)且它们的属性值必须满足某个特定的相似准则。属性值一般采用像素的灰度值。相似准则可以是灰度值相等，或者同在一个灰度值集合中取值，记为V。例如，在一张二值图像中，定义两个灰度值为1的像素之间的连接，可以取相似准则为灰度值集合V={1}； 在一张256色的灰度图像中，定义灰度值为100~105的像素之间的连接，可以取相似准则为灰度值集合V={100,101,102,103,104,105}。 连接的类型根据邻域的类型的不同一般分为4连接、对角连接、8连接以及混合连接。 1. 4连接 4连接是指两个像素4邻接且它们的属性值满足某个特定的相似准则。若两个像素为p和r，像素的属性值函数为f()，相似准则为V，则4连接的条件可表示为 (p∈N4(r))∧(f(p)∈V)∧(f(r)∈V)(37) 2. 对角连接 对角连接是指两个像素对角邻接且它们的属性值满足某个特定的相似准则。若两个像素为p和r，像素的属性值函数为f()，相似准则为V，则对角连接的条件可表示为 (p∈ND(r))∧(f(p)∈V)∧(f(r)∈V)(38) 3. 8连接 8连接是指两个像素8邻接且它们的属性值满足某个特定的相似准则。若两个像素为p和r，像素的属性值函数为f()，相似准则为V，则8连接的条件可表示为 (p∈N8(r))∧(f(p)∈V)∧(f(r)∈V)(39) 4. 混合连接 混合连接又称m连接，是指两个像素的属性值必须满足某个特定的相似准则且满足下列两个条件之一： ①两个像素4邻接； ②两个像素对角邻接且它们4邻域的交集在相似准则的意义下是空集。若两个像素为p和r 1=1000 0cosαsinα0 0-sinαcosα0 0001x y z 1=RαP=x ycosα+zsinα -ysinα+zcosα 1(329) 式中，P=(x,y,z,1)T为点(x,y,z)对应的规范化齐次坐标； P′=(x′,y′,z′,1)T为变换后点(x′,y′,z′)对应的规范化齐次坐标； α为该点绕X坐标轴旋转的角度，定义为在右手坐标系下