本书详细介绍了数字图像处理学的基本理论、主要技术和最新进展。全书共13章，主要内容包括图像获取、图像变换、图像增强、图像复原、彩色图像处理技术、图像编码、小波图像压缩、图像检测与分割、图像表示与描述、图像特征优化、图像识别、图像检索等。本书理论与实际相结合，理论分析深入浅出，方法介绍详细具体，实例演示清晰明了，同时给出了部分关键算法的Matlab实现程序，章后还附有大量习题，方便教学。本书可作为高等院校计算机工程、软件工程、信息工程、电子工程、通信工程、生物医学工程、自动控制以及相关学科的高年级本科生和研究生的教材或参考书，也可供相关技术人员阅读。

前言
教学建议
第1章　绪论1
　1.1　图像及其分类1
　　1.1.1　图像的特点1
　　1.1.2　图像的分类1
　1.2　数字图像处理技术与应用2
　　1.2.1　数字图像处理的主要内容2
　　1.2.2　数字图像处理方法3
　　1.2.3　数字图像处理技术的应用3
　1.3　数字图像处理系统4
　1.4　Matlab简介4
　习题5
第2章　图像获取6
　2.1　概述6
　2.2　连续图像模型6
　　2.2.1　连续图像的表达式6
　　2.2.2　连续图像的随机表征7
　2.3　连续图像的频谱8
　　2.3.1　一维连续傅里叶变换8
　　2.3.2　二维连续傅里叶变换9
　2.4　图像采样10
　　2.4.1　采样定理10
　　2.4.2　图像采样12
　2.5　图像量化14
　　2.5.1　量化器模型14
　　2.5.2　标量量化14
　　2.5.3　向量量化17
　2.6　数字图像中的基本概念19
　　2.6.1　数字图像的表示19
　　2.6.2　空间与灰度级分辨率20
　　2.6.3　像素间的基本关系21
　小结22
　习题23
第3章　图像变换24
　3.1　概述24
　3.2　一维离散傅里叶变换24
　　3.2.1　离散傅里叶变换24
　　3.2.2　离散傅里叶变换的性质25
　3.3　一维快速傅里叶变换26
　　3.3.1　一维快速傅里叶变换的基本思想26
　　3.3.2　一维快速傅里叶变换算法28
　3.4　二维离散傅里叶变换30
　　3.4.1　二维离散傅里叶变换30
　　3.4.2　二维离散傅里叶变换的性质31
　　3.4.3　二维快速离散傅里叶变换32
　　3.4.4　二维快速傅里叶变换的Matlab实现33
　　3.4.5　可分离图像变换的概念35
　3.5　离散余弦变换35
　　3.5.1　一维离散余弦变换35
　　3.5.2　一维快速离散余弦变换算法35
　　3.5.3　二维离散余弦变换37
　　3.5.4　离散余弦变换的Matlab实现37
　　3.5.5　离散余弦变换的应用38
　3.6　沃尔什变换和哈达玛变换38
　　3.6.1　离散沃尔什变换38
　　3.6.2　离散哈达玛变换39
　　3.6.3　快速哈达玛变换算法40
　3.7　霍特林变换43
　3.8　拉东变换45
　　3.8.1　什么是拉东变换45
　　3.8.2　拉东变换的Matlab实现45
　小结47
　习题47
第4章　图像增强48
　4.1　概述48
　4.2　空域点处理增强48
　　4.2.1　直接灰度变换49
　　4.2.2　直方图修正54
　　4.2.3　图像间的运算59
　4.3　空域滤波增强62
　　4.3.1　平滑滤波器62
　　4.3.2　锐化滤波器65
　4.4　频域滤波增强67
　　4.4.1　低通滤波器68
　　4.4.2　高通滤波器71
　　4.4.3　同态滤波器74
　小结76
　习题76
第5章　图像复原77
　5.1　概述77
　5.2　图像退化模型77
　　5.2.1　退化模型77
　　5.2.2　连续函数退化模型78
　　5.2.3　离散的退化模型79
　　5.2.4　循环矩阵对角化80
　5.3　退化函数估计81
　　5.3.1　图像观察估计法81
　　5.3.2　试验估计法82
　　5.3.3　模型估计法82
　5.4　逆滤波84
　　5.4.1　无约束复原84
　　5.4.2　逆滤波复原84
　　5.4.3　消除匀速运动模糊85
　5.5　维纳滤波86
　　5.5.1　有约束滤波86
　　5.5.2　维纳滤波复原87
　　5.5.3　维纳滤波的Matlab实现88
　5.6　约束最小二乘方滤波89
　　5.6.1　滤波模型90
　　5.6.2　约束最小二乘方滤波的Matlab实现91
　5.7　从噪声中复原92
　　5.7.1　噪声模型92
　　5.7.2　空域滤波复原93
　　5.7.3　频域滤波复原96
　5.8　几何失真校正98
　　5.8.1　空间变换98
　　5.8.2　灰度插值98
　　5.8.3　几何失真图像配准复原99
　小结101
　习题101
第6章　彩色图像处理102
　6.1　概述102
　6.2　彩色基础102
　　6.2.1　人眼的构造102
　　6.2.2　三色成像102
　6.3　颜色模型103
　　6.3.1　RGB模型103
　　6.3.2　CMY模型和CMYK模型104
　　6.3.3　HSI模型106
　6.4　全彩色图像处理107
　　6.4.1　彩色图像增强108
　　6.4.2　彩色图像复原110
　　6.4.3　彩色图像分析111
　6.5　伪彩色处理114
　　6.5.1　密度分层法114
　　6.5.2　灰度级彩色变换法115
　　6.5.3　频域滤波法116
　小结117
　习题117
第7章　图像编码118
　7.1　概述118
　　7.1.1　图像数据的冗余118
　　7.1.2　图像的编码质量评价118
　7.2　信息理论基础与熵编码121
　　7.2.1　离散信源的熵表示121
　　7.2.2　离散信源编码定理123
　　7.2.3　赫夫曼编码124
　　7.2.4　香农范诺编码128
　　7.2.5　算术编码129
　　7.2.6　行程编码132
　7.3　LZW算法134
　7.4　预测编码135
　　7.4.1　无损预测编码136
　　7.4.2　有损预测编码138
　7.5　变换编码145
　　7.5.1　变换选择146
　　7.5.2　子图像尺寸选择150
　　7.5.3　比特分配151
　　7.5.4　DCT编码实例153
　7.6　基于矢量量化技术的图像编码158
　　7.6.1　矢量量化原理158
　　7.6.2　矢量量化过程158
　小结163
　习题164
第8章　小波图像编码165
　8.1　概述165
　8.2　小波变换165
　　8.2.1　一维连续小波变换165
　　8.2.2　小波变换性质167
　8.3　离散小波变换168
　　8.3.1　离散小波变换简介168
　　8.3.2　框架理论168
　8.4　多分辨分析和Mallat算法170
　　8.4.1　多分辨分析170
　　8.4.2　小波分解和重构171
　8.5　Matlab中常用小波基介绍172
　　8.5.1　常用小波函数介绍172
　　8.5.2　小波函数有关的Matlab函数177
　8.6　小波变换在图像编码中的应用178
　　8.6.1　数字图像的小波分解179
　　8.6.2　小波基的选择183
　　8.6.3　小波变换域小波系数分析184
　　8.6.4　小波编码方法186
　小结195
　习题195
第9章　图像检测与分割196
　9.1　概述196
　9.2　边缘检测196
　　9.2.1　梯度算子197
　　9.2.2　高斯拉普拉斯算子198
　　9.2.3　Canny边缘检测算子199
　9.3　边界跟踪200
　　9.3.1　边界跟踪200
　　9.3.2　霍夫变换204
　9.4　阈值分割208
　　9.4.1　人工选择法208
　　9.4.2　自动阈值法209
　　9.4.3　分水岭算法211
　9.5　区域分割213
　　9.5.1　区域生长法213
　　9.5.2　区域分裂法215
　　9.5.3　区域合并法215
　　9.5.4　区域分裂合并法216
　9.6　形变模型218
　　9.6.1　参数活动轮廓模型218
　　9.6.2　几何活动轮廓模型223
　　9.6.3　形变模型的扩展形式225
　9.7　运动分割227
　　9.7.1　背景差值法227
　　9.7.2　图像差分法228
　　9.7.3　基于光流的分割方法229
　　9.7.4　基于块的运动分割方法230
　小结230
　习题231
第10章　图像表示与描述232
　10.1　概述232
　10.2　图像表示232
　　10.2.1　链码232
　　10.2.2　边界分段236
　　10.2.3　多边形近似237
　　10.2.4　标记图238
　　10.2.5　骨架239
　10.3　边界描述240
　　10.3.1　一些简单的描述子240
　　10.3.2　形状数240
　　10.3.3　傅里叶描述子241
　　10.3.4　统计矩243
　10.4　区域描述243
　　10.4.1　一些简单的描述子244
　　10.4.2　纹理244
　　10.4.3　不变矩248
　10.5　形态学描述249
　　10.5.1　膨胀和腐蚀250
　　10.5.2　开启和闭合251
　　10.5.3　形态学对图像的操作252
　小结255
　习题256
第11章　图像特征优化257
　11.1　概述257
　11.2　基于选择的特征优化258
　　11.2.1　可分离性判据258
　　11.2.2　搜索选择策略258
　　11.2.3　基于遗传算法的特征选择259
　11.3　基于统计分析的特征优化260
　　11.3.1　主成分分析260
　　11.3.2　独立分量分析261
　　11.3.3　线性判别分析262
　　11.3.4　多维尺度分析262
　11.4　基于流形学习的特征优化264
　　11.4.1　流形学习的基本原理264
　　11.4.2　核主成分分析264
　　11.4.3　局部线性嵌入265
　　11.4.4　拉普拉斯特征映射266
　　11.4.5　等距映射268
　小结271
　习题271
第12章　图像识别272
　12.1　概述272
　12.2　统计图像识别272
　　12.2.1　统计模式识别方法272
　　12.2.2　线性分类器274
　　12.2.3　贝叶斯分类器275
　　12.2.4　人工神经网络分类器277
　12.3　句法图像识别281
　　12.3.1　句法模式识别方法281
　　12.3.2　形式语言简介283
　　12.3.3　模式文法285
　　12.3.4　句法分析287
　　12.3.5　句法结构的自动机识别289
　　12.3.6　有噪声、畸变模式的识别292
　12.4　模糊图像识别296
　　12.4.1　模糊集合及其运算296
　　12.4.2　隶属函数确定方法297
　　12.4.3　模糊识别原则301
　　12.4.4　模糊句法识别304
　12.5　Web图像过滤系统308
　　12.5.1　皮肤检测308
　　12.5.2　基于人脸肤色的自动白平衡校正309
　　12.5.3　特征提取311
　　12.5.4　Web图像分类312
　小结315
　习题315
第13章　图像检索316
　13.1　概述316
　13.2　基于内容的图像检索316
　　13.2.1　CBIR系统框架316
　　13.2.2　基于颜色特征的检索317
　　13.2.3　基于纹理特征的检索318
　　13.2.4　基于形状特征的检索318
　　13.2.5　检索效果评价方法318
　13.3　基于语义的图像检索319
　　13.3.1　图像语义描述方法319
　　13.3.2　图像语义提取方法320
　　13.3.3　语义相似性测度320
　　13.3.4　语义检索系统设计321
　13.4　基于多示例学习的语义图像检索321
　　13.4.1　多示例学习简介321
　　13.4.2　分层语义模型322
　　13.4.3　基于粗糙集的图像包生成324
　　13.4.4　语义提取324
　　13.4.5　语义图像检索325
　　13.4.6　检索效果326
　小结327
　习题327
参考文献328