数字图像处理

在数字图像处理领域，本书作为主要教材已有30多年。这一版本是作者在前两版的基础上修订而成的，是前两版的发展与延续。除保留了前两版的大部分内容外，根据读者的反馈，作者在13个方面对本书进行了修订，新增了400多幅图像、200多幅图表及80多道习题，融入了近年来数字图像处理领域的重要进展，因而本书特色鲜明且与时俱进。全书仍分为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、图像复原与重建、彩色图像处理、小波和多分辨率处理、图像压缩、形态学图像处理、图像分割、表示与描述、目标识别。

阮秋琦，教授、博士生导师、重量教学名师、信息科学研究所所长、部级重点实验室主任。长期从事信号与信息处理领域的教学和科研工作。曾获北京市很好教师称号、重量有突出贡献的中青年专家称号、詹天佑北方交通大学奖、茅以升科技奖、詹天佑科技人才奖并享受国家政府津贴。其科研成果曾获国家教委科技进步二等奖、铁道部科技进步二等奖及八项校级学术成果奖。著作曾获铁道部很好教材二等奖。学术兼职有：国务院学位委员会学科评议组成员、IEEE不错会员、中国通信学会理事、中国人工智能学会常务理事、中国电子学会不错会员、北京图像图形学学会常务理事、中国图像图形学学会铁道专业委员会主任委员、北京研窬生教育研究会主任委员等。

第1章  绪论  1
引言 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  使用数字图像处理领域的实例 4
1.3.1  伽马射线成像 5
1.3.2  X射线成像 5
1.3.3  紫外波段成像 7
1.3.4  可见光及红外波段成像 7
1.3.5  微波波段成像 10
1.3.6  无线电波段成像 10
1.3.7  使用其他成像方式的例子 11
1.4  数字图像处理的基本步骤 14
1.5  图像处理系统的组成 15
小结 17
参考文献 17
 第2章  数字图像基础  20
引言 20
2.1  视觉感知要素 20
2.1.1  人眼的结构 20
2.1.2  眼睛中图像的形成 22
2.1.3  亮度适应和辨别 22
2.2  光和电磁波谱 24
2.3  图像感知和获取 26
2.3.1  使用单个传感器获取图像 27
2.3.2  使用条带传感器获取图像 27
2.3.3  使用传感器阵列获取图像 28
2.3.4  简单的图像形成模型 28
2.4  图像取样和量化 30
2.4.1  取样和量化的基本概念 30
2.4.2  数字图像表示 31
2.4.3  空间和灰度分辨率 34
2.4.4  图像内插 36
2.5  像素间的一些基本关系 38
2.5.1  相邻像素 38
2.5.2  邻接性、连通性、区域和边界 38
2.5.3  距离度量 40
2.6  数字图像处理中所用数学工具的介绍 41
2.6.1  阵列与矩阵操作 41
2.6.2  线性操作与非线性操作 42
2.6.3  算术操作 42
2.6.4  集合和逻辑操作 46
2.6.5  空间操作 49
2.6.6  向量与矩阵操作 53
2.6.7  图像变换 54
2.6.8  概率方法 56
小结 57
参考文献 58
习题 58
 第3章  灰度变换与空间滤波  62
引言 62
3.1  背景知识 62
3.1.1  灰度变换和空间滤波基础 62
3.1.2  关于本章中的例子 63
3.2  一些基本的灰度变换函数 64
3.2.1  图像反转 64
3.2.2  对数变换 64
3.2.3  幂律(伽马)变换 66
3.2.4  分段线性变换函数 68
3.3  直方图处理 72
3.3.1  直方图均衡 72
3.3.2  直方图匹配(规定化) 77
3.3.3  局部直方图处理 83
3.3.4  在图像增强中使用直方图统计 85
3.4  空间滤波基础 88
3.4.1  空间滤波机理 88
3.4.2  空间相关与卷积 89
3.4.3  线性滤波的向量表示 92
3.4.4  空间滤波器模板的产生 93
3.5  平滑空间滤波器 93
3.5.1  平滑线性滤波器 93
3.5.2  统计排序(非线性)滤波器 96
3.6  锐化空间滤波器 97
3.6.1  基础 97
3.6.2  使用二阶微分进行图像锐化――
    拉普拉斯算子 99
3.6.3  非锐化掩蔽和高提升滤波 100
3.6.4  使用一阶微分对(非线性)图像锐
    化――梯度 101
3.7  混合空间增强法 103
3.8  使用模糊技术进行灰度变换和
  空间滤波 105
3.8.1  引言 106
3.8.2  模糊集合论原理 106
3.8.3  模糊集合应用 110
3.8.4  使用模糊集合进行灰度变换 116
3.8.5  使用模糊集合进行空间滤波 117
小结 119
参考文献 119
习题 120
 第4章  频率域滤波  124
引言 124
4.1  背景 124
4.1.1  傅里叶级数和变换简史 124
4.1.2  关于本章中的例子 125
4.2  基本概念 125
4.2.1  复数 125
4.2.2  傅里叶级数 126
4.2.3  冲激及其取样特性 126
4.2.4  连续变量函数的傅里叶变换 128
4.2.5  卷积 130
4.3  取样和取样函数的傅里叶变换 131
4.3.1  取样 131
4.3.2  取样函数的傅里叶变换 132
4.3.3  取样定理 134
4.3.4  混淆 135
4.3.5  由取样后的数据重建(复原)函数 137
4.4  单变量的离散傅里叶变换(DFT) 138
4.4.1  由取样后的函数的连续变换得
    到DFT 138
4.4.2  取样和频率间隔间的关系 140
4.5  两个变量的函数的扩展 141
4.5.1  二维冲激及其取样特性 141
4.5.2  二维连续傅里叶变换对 141
4.5.3  二维取样和二维取样定理 142
4.5.4  图像中的混淆 143
4.5.5  二维离散傅里叶变换及其反变换 147
4.6  二维离散傅里叶变换的一些性质 148
4.6.1  空间和频率间隔的关系 148
4.6.2  平移和旋转 148
4.6.3  周期性 148
4.6.4  对称性 150
4.6.5  傅里叶谱和相角 154
4.6.6  二维卷积定理 157
4.6.7  二维离散傅里叶变换性质的小结 159
4.7  频率域滤波基础 161
4.7.1  频率域的其他特性 161
4.7.2  频率域滤波基础 162
4.7.3  频率域滤波步骤小结 165
4.7.4  空间和频率域滤波间的对应 166
4.8  使用频率域滤波器平滑图像 169
4.8.1  理想低通滤波器 169
4.8.2  布特沃斯低通滤波器 172
4.8.3  高斯低通滤波器 173
4.8.4  低通滤波的其他例子 174
4.9  使用频率域滤波器锐化图像 176
4.9.1  理想高通滤波器 176
4.9.2  布特沃斯高通滤波器 178
4.9.3  高斯高通滤波器 178
4.9.4  频率域的拉普拉斯算子 179
4.9.5  钝化模板、高提升滤波和高频
    强调滤波 180
4.9.6  同态滤波 182
4.10  选择性滤波 184
4.10.1  带阻滤波器和带通滤波器 184
4.10.2  陷波滤波器 185
4.11  实现 187
4.11.1  二维DFT的可分性 187
4.11.2  用DFT算法计算IDFT 187
4.11.3  快速傅里叶变换(FFT) 187
4.11.4  关于滤波器设计的一些注释 190
小结 190
参考文献 190
习题 191
 第5章  图像复原与重建  196
引言 196
5.1  图像退化/复原过程的模型 197
5.2  噪声模型 197
5.2.1  噪声的空间和频率特性 197
5.2.2  一些重要的噪声概率密度函数 198
5.2.3  周期噪声 201
5.2.4   噪声参数的估计 202
5.3  只存在噪声的复原――空间滤波 203
5.3.1  均值滤波器 203
5.3.2  统计排序滤波器 205
5.3.3  自适应滤波器 208
5.4  用频率域滤波消除周期噪声 211
5.4.1  带阻滤波器 211
5.4.2  带通滤波器 211
5.4.3  陷波滤波器 212
5.4.4  最佳陷波滤波 213
5.5  线性、位置不变的退化 216
5.6  估计退化函数 218
5.6.1  图像观察估计 218
5.6.2  试验估计 218
5.6.3  建模估计 219
5.7  逆滤波 221
5.8  最小均方误差(维纳)滤波 222
5.9  约束最小二乘方滤波 224
5.10 几何均值滤波 227
5.11 由投影重建图像 228
5.11.1  引言 228
5.11.2  计算机断层(CT)原理 230
5.11.3  投影和雷登变换 232
5.11.4  傅里叶切片定理 235
5.11.5  使用平行射线束滤波反投影的重建 236
5.11.6  使用扇形射线束滤波反投影的重建 240
小结 244
参考文献 244
习题 245
 第6章  彩色图像处理  249
引言 249
6.1  彩色基础 249
6.2  彩色模型 254
6.2.1  RGB彩色模型 254
6.2.2  CMY和CMYK彩色模型 257
6.2.3  HSI彩色模型 257
6.3  伪彩色图像处理 262
6.3.1  灰度分层 262
6.3.2  灰度到彩色的变换 265
6.4  全彩色图像处理基础 267
6.5  彩色变换 268
6.5.1  公式 269
6.5.2  补色 271
6.5.3  彩色分层 271
6.5.4  色调和彩色校正 273
6.5.5  直方图处理 275
6.6  平滑和锐化 276
6.6.1  彩色图像平滑 276
6.6.2  彩色图像锐化 278
6.7  基于彩色的图像分割 279
6.7.1  HSI彩色空间的分割 279
6.7.2  RGB向量空间中的分割 279
6.7.3  彩色边缘检测 281
6.8  彩色图像中的噪声 283
6.9  彩色图像压缩 284
小结 285
参考文献 285
习题 286
 第7章  小波和多分辨率处理  289
引言 289
7.1  背景 289
7.1.1  图像金字塔 290
7.1.2  子带编码 292
7.1.3  哈尔变换 297
7.2  多分辨率展开 300
7.2.1  级数展开 300
7.2.2  尺度函数 301
7.2.3  小波函数 304
7.3  一维小波变换 306
7.3.1  小波级数展开 306
7.3.2  离散小波变换 308
7.3.3  连续小波变换 309
7.4  快速小波变换 311
7.5  二维小波变换 317
7.6  小波包 322
小结 330
参考文献 330
习题 331
 第8章  图像压缩  334
引言 334
8.1  基础知识 335
8.1.1  编码冗余 336
8.1.2  空间冗余和时间冗余 337
8.1.3  不相关的信息 337
8.1.4  图像信息的度量 338
8.1.5  保真度准则 340
8.1.6  图像压缩模型 341
8.1.7  图像格式、容器和压缩标准 343
8.2  一些基本的压缩方法 345
8.2.1  霍夫曼编码 345
8.2.2  Golomb编码 346
8.2.3  算术编码 350
8.2.4  LZW编码 351
8.2.5  行程编码 353
8.2.6  基于符号的编码 357
8.2.7  比特平面编码 359
8.2.8  块变换编码 361
8.2.9  预测编码 373
8.2.10 小波编码 387
8.3  数字图像水印 394
小结 398
参考文献 398
习题 399
 第9章  形态学图像处理  402
引言 402
9.1  预备知识 402
9.2  腐蚀和膨胀 404
9.2.1  腐蚀 404
9.2.2  膨胀 406
9.2.3  对偶性 407
9.3  开操作与闭操作 407
9.4  击中或击不中变换 411
9.5  一些基本的形态学算法 412
9.5.1  边界提取 412
9.5.2  孔洞填充 413
9.5.3  连通分量的提取 414
9.5.4  凸壳 416
9.5.5  细化 417
9.5.6  粗化 418
9.5.7  骨架 418
9.5.8  裁剪 420
9.5.9  形态学重建 421
9.5.10 二值图像形态学操作小结 426
9.6  灰度级形态学 428
9.6.1  腐蚀和膨胀 428
9.6.2  开操作和闭操作 430
9.6.3  一些基本的灰度级形态学算法 431
9.6.4  灰度级形态学重建 435
小结 437
参考文献 437
习题 438
 第10章  图像分割  443
引言 443
10.1  基础知识 443
10.2  点、线和边缘检测 445
10.2.1  背景知识 445
10.2.2  孤立点的检测 447
10.2.3  线检测 449
10.2.4  边缘模型 450
10.2.5  基本边缘检测 454
10.2.6  更先进的边缘检测技术 459
10.2.7  边缘连接和边界检测 467
10.3  阈值处理 476
10.3.1  基础知识 476
10.3.2  基本的全局阈值处理 478
10.3.3  用Otsu方法的最佳全局阈值处理 479
10.3.4  用图像平滑改善全局阈值处理 483
10.3.5  利用边缘改进全局阈值处理 484
10.3.6  多阈值处理 487
10.3.7  可变阈值处理 488
10.3.8  多变量阈值处理 492
10.4  基于区域的分割 493
10.4.1  区域生长 493
10.4.2  区域分裂与聚合 495
10.5  用形态学分水岭的分割 497
10.5.1  背景知识 497
10.5.2  水坝构建 498
10.5.3  分水岭分割算法 499
10.5.4  标记的使用 501
10.6  分割中运动的应用 502
10.6.1  空间域技术 502
10.6.2  频率域技术 504
小结 507
参考文献 507
习题 508
 第11章  表示和描述  514
引言 514
11.1  表示 514
11.1.1  边界追踪 514
11.1.2  链码 516
11.1.3  使用最小周长多边形的多边形近似 518
11.1.4  其他多边形近似方法 522
11.1.5  标记图 523
11.1.6  边界线段 525
11.1.7  骨架 525
11.2  边界描绘子 527
11.2.1  一些简单的描绘子 527
11.2.2  形状数 528
11.2.3  傅里叶描绘子 529
11.2.4  统计矩 531
11.3  区域描绘子 532
11.3.1  一些简单的描绘子 532
11.3.2  拓扑描绘子 532
11.3.3  纹理 534
11.3.4  不变矩 542
11.4  使用主分量进行描绘 544
11.5  关系描绘子 550
小结 553
参考文献 553
习题 554
 第12章  目标识别  557
引言 557
12.1  模式和模式类 557
12.2  基于决策理论方法的识别 560
12.2.1  匹配 560
12.2.2  最佳统计分类器 564
12.2.3  神经网络 570
12.3  结构方法 585
12.3.1  匹配形状数 585
12.3.2  串匹配 586
小结 587
参考文献 588
习题 588
 附录A  图像压缩编码表  591
 附录B  参考书目  595
 索引  620