本书系统地介绍了数字图像处理的基本理论和基本技术，共12章，包括图像处理基础知识、图像增强、图像编码与压缩、图像复原与重建、图像分割、数学形态学在图像处理中的应用、图像分析、图像识别、基于模型驱动法的图像处理综合应用和基于深度学习的图像处理综合应用等内容。本书深入浅出、理论与实践并举，各章给出应用实例，尤其最后两章分别给出了基于MATLAB的模型驱动法和基于Python的深度学习的图像处理综合应用实例。 本书可作为高等院校计算机类、电子信息类、信息与通信工程类和融媒体类相关专业及人工智能技术专业本科生、研究生的教材，也可供从事数字图像处理、机器视觉与人工智能领域研究工作的技术人员参考。

数字图像处理起源于20世纪20年代，标志性事件是基于数据压缩技术，从英国伦敦到美国纽约通过海底电缆成功传输了数字照片。此后，1964年美国加州理工学院喷气推进实验室对“徘徊者7号”探测器传回的月球图像进行了处理，这标志着第三代计算机问世后数字图像处理技术开始得到普遍应用。进入21世纪，数字图像处理更是以强劲的势头飞速发展，成为了工程学、计算机科学、信息科学、统计学、物理学、化学、生物学、医学甚至社会科学等领域的学习研究对象。特别是在大数据和人工智能时代，海量数据处理和视觉（图像）信息处理已成为必不可少的关键技术之一。而今，数字图像处理已经呈现出网络化、智能化、个人化、实时化、三维化和可移动的发展趋势。可以毫不夸张地说，数字图像处理理论与技术发展速度之快、应用范围之广、与其他学科融合之紧密、高速发展持续时间之长、成果之丰富，已非其他学科能相比。 众所周知，人工智能现已成为世界各国新技术竞争的制高点。目前，虽然人工智能还没有一个确切的定义，但机器的智能离不开“感知——决策——行动”三部曲。这里的“感知”实际上就是利用各种传感器探测到相关信息并提取特征的过程，其中最主要的就是视觉感知——成像，如考察地球表面宏观植被分布、地貌和地质构造的卫星多光谱扫描成像系统，观测交通路口机动车或机场跑道上飞机的机器人视觉系统，复杂疾病检查诊断常用的CT成像、MRI成像系统，无人机巡检电力线路系统等。一方面，不断拓展的应用领域给已有的数字图像处理理论和方法带来了挑战，促进了数字图像处理新理论和新方法的发展；另一方面，数字图像处理新理论和新方法的发展又促进了其应用。目前，成像波段不仅可以覆盖从γ射线到无线电波的电磁波谱，而且成像模态也不再仅限于光强处理，还有偏振处理等方面；处理方法方面不再仅限于模型驱动的方法，也大量采用数据驱动的方法；编程方面，不仅采用MATLAB语言，也广泛使用Python语言；处理对象方面，数字图像处理的问题不仅有确定性问题，也包括大量不确定性问题；建模方面，不仅涉及固定状态模型，也大量采用无固定状态模型；教学应用方面，新工科教育不仅强调知识和方法的学习，更加强调综合创新能力的培养。为此，与多数数字图像处理教材主要侧重于一些经典可靠的、传统的基本理论和方法（包括图像变换、图像增强、图像压缩编码、图像复原、图像分割、图像的形态学处理等）不同，我们进行了以下探索： （1）考虑到数字图像处理技术课程不仅开设在计算机类专业，而且开设在电子信息工程、生物医学、机械制造与自动化等相关专业，因此，仍沿用传统以MATLAB语言为主，同时提供部分Python编程实例。 （2）为强化数字图像处理的应用特色、突出学以致用和综合创新能力培养，本书采用“理论内容+工程实例”的体例，即在前面10章的各章介绍一个主要采用本章方法的工程实例，最后两章给出综合应用实例。 （3）提供基于深度学习的数字图像处理相关内容与应用实例。 （4）提供常用术语中英文对照（见附录A）和Python语言常用图像处理函数（见附录B）。 （5）为满足不同层面的需要，本书给出各章思维导图、学习目标和选学标识（以*注明）。 （6）本书配有PPT和程序源代码，供选用本书作为教材的教师使用和学习者参考（登录www.hxedu.com.cn，注册后免费下载）。 在本书编写过程中，参考了许多国内外的著作和文献，在此对著作者致以由衷的谢意。本书的编写得到了中北大学和电子工业出版社的大力支持，同时本书的实例部分主要采用了课题组的研究成果和编者们所带部分硕士、博士研究生的习作，在此对相关老师和同学表示感谢。全书由中北大学蔺素珍教授主编和审阅，其中蔺素珍教授撰写了第1、2、4、6、8、11章和第12.2节，中北大学秦品乐教授撰写了第7章，王丽芳副教授撰写了第9章，李大威副教授撰写了第5、10章、第12.1节和附录B，王彦博博士撰写了第3章和附录A。全书力求深入浅出、简明扼要、突出实际应用，书中每个实例都经过仿真实验。在此，还要感谢参与编程仿真的老师和同学。 由于编者水平有限，书中仍有不足和错漏之处，敬请同行专家和广大读者批评指正。 蔺素珍 2022年1月

第1章 概述 1.1什么是数字图像处理 1.1.1数字图像处理的基本概念 1.1.2数字图像处理技术的产生与发展 1.2数字图像处理的主要任务与方法 1.2.1数字图像处理的主要任务 1.2.2数字图像处理的主要方法 1.2.3数字图像处理技术的特点 1.3数字图像处理的应用 1.3.1数字图像处理的应用领域 1.3.2数字图像处理的新发展 本章小结 思考与练习题 拓展训练 第2章 数字图像处理的物理及技术基础 2.1数字图像获取 2.1.1成像过程 2.1.2模拟图像描述 2.1.3常用的图像格式 2.1.4模拟图像数字化 2.2数字图像显示及像质描述 2.2.1数字图像显示 2.2.2像质描述基本方法 2.3色度学基础与颜色模型 2.3.1分辨率 2.3.2色度学基础 2.3.3颜色模型 2.3.4彩色显示 2.4数字图像处理基础 2.4.1灰度直方图及其应用 2.4.2图像处理系统及编程语言 本章小结 思考与练习题 拓展训练 第3章数字图像处理的数学基础 3.1数字图像的基本运算 3.1.1点运算 3.1.2代数运算 3.1.3几何运算 3.2数字图像的正交变换 3.2.1傅里叶变换 3.2.2离散余弦变换 3.2.3KL变换 3.2.4小波变换与多尺度分析 本章小结 思考与练习题 拓展训练 第4章图像增强 4.1空域增强 4.1.1基于点操作的图像增强 4.1.2基于区域操作的图像增强 4.2频域增强 4.2.1低通滤波 4.2.2高通滤波 4.2.3同态滤波 4.3彩色增强 4.3.1伪彩色增强 4.3.2假彩色增强 4.3.3真彩色增强 *4.4图像增强应用：侯马盟书图像增强 本章小结 思考与练习题 拓展训练 第5章图像编码与压缩 5.1概述 5.1.1图像冗余 5.1.2图像压缩 5.2图像编码的保真度准则 5.2.1客观保真度准则 5.2.2主观保真度准则 5.3无损压缩编码 5.3.1无损预测编码 5.3.2哈夫曼编码 5.3.3算术编码 5.4有损压缩编码 5.4.1有损预测编码 5.4.2变换编码 5.5视频图像编码标准 5.5.1 JPEG标准 5.5.2 MPEG标准 5.5.3 H.261标准 5.5.4 H.264标准 *5.6图像压缩编码应用：分块DCT编码水印嵌入 本章小结 思考与练习题 拓展训练 第6章图像复原与重建 6.1概述 6.1.1图像复原与图像重建 6.1.2像质退化的原因 6.1.3连续图像退化的数学模型 6.1.4离散图像退化的数学模型 6.2典型的无约束复原图像方法——逆滤波复原 6.3约束复原方法 6.3.1约束复原的基本原理 6.3.2维纳滤波复原 6.3.3约束最小二乘滤波复原 6.4非线性复原 6.4.1最大后验复原 6.4.2最大熵复原 6.4.3投影复原 6.4.4同态滤波复原 6.5几何失真校正 6.5.1典型的几何失真 6.5.2空间几何坐标变换 6.5.3校正空间像素点灰度值的确定 *6.6图像复原应用：壁画文物虚拟修复 6.6.1修复过程 6.6.2主要算法 6.6.3修复结果 本章小结 思考与练习题 拓展训练 第7章图像分割 7.1概述 7.2图像分割的定义与方法 7.2.1图像分割定义 7.2.2图像分割方法分类 7.3图像的阈值分割法 7.3.1直方图分割与图像二值化 7.3.2图像阈值分割的常用方法 7.4图像的区域生长法 7.4.1传统区域生长法 7.4.2无种子区域生长法 7.5基于边缘的图像分割方法 7.5.1边缘检测算法 7.5.2轮廓检测算法——霍夫变换 7.6图像分割应用 7.6.1图像中数字的分割 7.6.2基于区域生长法的医学影像分割 本章小结 思考与练习题 拓展训练 第8章数学形态学在图像处理中的应用 8.1概述 8.2基本概念和运算 8.2.1集合和元素 8.2.2交集、并集和补集 8.2.3腐蚀与膨胀 8.2.4开运算和闭运算 8.2.5击中/击不中变换（HMT） 8.3形态学基本运算在图像处理中的应用 8.3.1计算像素连接数 8.3.2骨架抽取 *8.4形态学处理图像应用实例：侯马盟书碑文图像骨架提取 本章小结 思考与练习题 拓展训练 第9章图像分析 9.1图像表示 9.1.1边界追踪 9.1.2链码 9.2图像描绘 9.2.1边界描绘 9.2.2区域描绘 9.2.3关系描绘 9.2.4相似性描绘 *9.3图像纹理分析 9.3.1基于邻域特征统计的方法 9.3.2基于傅里叶频谱提取特征 9.3.3基于灰度共生矩阵的方法 *9.4图像分析应用：医学图像配准 9.4.1图像配准的基本步骤 9.4.2医学图像配准 本章小结 思考与练习题 拓展训练 第10章图像识别 10.1图像识别基础 10.1.1模式识别过程 10.1.2模式识别方法 10.1.3图像识别过程 10.1.4图像识别应用 10.2传统神经网络的图像识别 10.2.1感知机神经网络 10.2.2 BP神经网络 10.3卷积神经网络的图像识别 10.3.1卷积神经网络基本结构 10.3.2卷积神经网络训练 10.3.3典型卷积神经网络模型 *10.4图像识别应用：手写数字识别 10.4.1感知机实现手写数字识别 10.4.2BP神经网络实现手写数字识别 本章小结 思考与练习题 拓展训练 *第11章基于模型驱动法的图像处理综合应用 11.1图像融合 11.1.1图像融合概述 11.1.2像素级图像融合过程 11.1.3图像融合实例——双色中波红外图像融合 11.2基于最低有效位方法的图像加密 11.2.1算法步骤 11.2.2算法实现 11.2.3仿真结果分析 11.3图像目标提取 11.3.1运动目标特征提取步骤 11.3.2运动目标特征提取实现 11.4基于图像的三维绘制 11.4.1单幅图像图形化 11.4.2多幅图像图形化 11.5视频图像分析与目标动画制作 11.5.1视频图像内容关联性分析 11.5.2视频图像运动目标动画制作 11.6图像处理软件开发 11.6.1准备工作 11.6.2图形用户界面设计 11.6.3系统代码编辑 11.6.4壁画文物虚拟修复展示系统 本章小结 思考与练习题 拓展训练 *第12章基于深度学习的图像处理综合应用 12.1 CNN的Deep Network Designer实现 12.1.1加载使用预训练的网络 12.1.2定制搭建网络结构 12.2基于Python的速采磁共振图像重建 12.2.1 U-Net网络架构 12.2.2图像重建的Python实现 本章小结 思考与练习题 拓展训练 附录A 常用术语中英文对照 附录B Python语言常用图像处理函数 参考文献

http://www.hxedu.com.cn/hxedu/fg/book/bookinfo.html?code=G0429030