上篇 数字图像处理基础

第1章 绪论

1.1 引言

1.2 图像处理概述

1.2.1 数字图像的获取

1.2.2 数字图像的表示

1.2.3 图像处理分类

1.2.4 图像处理的目的

1.2.5 图像处理的内容和方法

1.3 数字图像处理常用的工具

1.3.1 基于Matlab的图像处理

1.3.2 基于Open CV的图像处理

1.3.3 Code：Blocks与Open CV结合专用数字图像处理

1.4 数字图像处理步骤及硬件组成

1.4.1 数字图像处理的基本步骤

1.4.2 数字图像处理系统的组成

1.5 数字图像处理的主要应用

1.6 数字图像处理的发展方向

1.7 本书章节安排

习题

第2章 数字图像的基本概念

2.1 图像的数字化

2.1.1 图像采样

2.1.2 图像量化

2.1.3 采样和量化参数的选择

2.2 数字图像的数值描述

2.3 数字图像文件格式

2.3.1 BMP文件格式

2.3.2 其他文件格式

习题

第3章 Matlab图像处理基础

3.1 Matlab概述

3.1.1 Matlab的工作界面

3.1.2 Matlab的常用命令

3.1.3 Matlab的帮助系统

3.2 图像处理工具箱

3.3 Matlab图像处理入门实例

3.3.1 图像文件的读写

3.3.2 图像文件的显示

3.3.3 图像类型的转换

习题

第4章 图像变换

4.1 图像的几何变换

4.1.1 图像几何变换的一般表达式

4.1.2 平移变换

4.1.3 比例缩放

4.1.4 旋转变换

4.1.5 仿射变换

4.1.6 透视变换

4.1.7 灰度插值

4.2 图像的正交变换

4.2.1 离散傅里叶变换（DFT）

4.2.2 离散余弦变换（DCT）

4.2.3 离散沃尔什-哈达玛变换（Walsh-Hadamard Transform）

4.2.4 K-L变换

习题

第5章 图像增强

5.1 直接灰度变换

5.1.1 线性灰度变换

5.1.2 非线性灰度变换

5.2 直方图修正

5.2.1 灰度直方图的定义与性质

5.2.2 直方图均衡化

5.2.3 直方图规定化

5.3 同态滤波增强

5.4 图像的彩色增强

5.4.1 伪彩色增强

5.4.2 真彩色增强

5.4.3 假彩色增强

习题

第6章 图像去噪

6.1 图像噪声

6.1.1 图像噪声的基本概念

6.1.2 图像噪声的分类

6.1.3 常用的噪声模型

6.2 空域去噪法

6.2.1 邻域平均法

6.2.2 中值滤波法

6.2.3 多图像平均法

6.3 频域低通滤波法

6.3.1 理想低通滤波器（ILPF）

6.3.2 Butterworth低通滤波器（BLPF）

6.3.3 指数低通滤波器（ELPF）

6.3.4 梯形低通滤波器（TLPF）

习题

第7章 图像锐化

7.1 图像的边缘

7.2 空域微分算子法

7.2.1 一阶微分算子

7.2.2 二阶微分算子——拉普拉斯算子

7.2.3 拉普拉斯-高斯变换算子（Laplacian of Gaussian,LoG）

7.3 频域高通滤波法

习题

第8章 图像恢复

8.1 概述

8.2 图像退化模型

8.2.1 图像退化的物理过程

8.2.2 连续的线性系统退化模型

8.2.3 离散的线性系统退化模型

8.2.4 循环矩阵对角化

8.2.5 非线性退化模型

8.3 退化函数的估计

8.3.1 图像观察估计法

8.3.2 试验估计法

8.3.3 模型估计法

8.4 空间域恢复方法

8.4.1 无约束恢复

8.4.2 约束最小二乘恢复

8.4.3 能量约束恢复

8.4.4 平滑约束恢复

8.4.5 均方误差最小约束（维纳滤波）

8.5 频域恢复方法

8.5.1 逆滤波法

8.5.2 最小二乘滤波法

8.5.3 其他滤波方法

8.6 几何畸变恢复

习题

第9章 图像编码与压缩

9.1 概述

9.1.1 图像数据压缩的必要性与可能性

9.1.2 图像编码压缩技术的分类

9.2 图像保真度准则

9.2.1 客观保真度准则

9.2.2 主观保真度准则

9.3 无损压缩编码

9.3.1 图像冗余度和编码效率

9.3.2 霍夫曼（Huffman）编码

9.3.3 费诺-香农编码

9.3.4 算术编码

9.3.5 行程编码

9.4 有损压缩编码

9.4.1 信息率失真理论

9.4.2 有损预测编码压缩

9.4.3 变换编码

9.5 图像编码的国际标准简介

习题

第10章 图像分割

10.1 基于阈值的图像分割方法

10.1.1 阈值化分割基本原理

10.1.2 固定阈值法

10.1.3 直方图法

10.1.4 最大类间方差法

10.1.5 统计最优阈值法

10.2 基于边界的图像分割方法

10.2.1 并行微分算子法

10.2.2 模板匹配法

10.2.3 边界跟踪算法

10.2.4 边界拟合算法

10.2.5 基于主动轮廓模型算法

10.3 基于区域的图像分割方法

10.3.1 区域生长法

10.3.2 分裂合并法

习题

第11章 图像形态学运算

11.1 图像形态学的基础

11.1.1 图像形态学的概念

11.1.2 图像形态学的应用

11.1.3 二值图像

11.1.4 集合论的基本概念

11.1.5 Matlab中常用数学形态学函数

11.2 图像形态学的基本运算

11.2.1 腐蚀

11.2.2 膨胀

11.2.3 开运算和闭运算

11.2.4 击中／未击中变换

11.2.5 基本运算的性质

11.3 图像形态学的处理

11.3.1 边界提取

11.3.2 距离变换

11.3.3 骨架化

11.3.4 细化

本章小结

习题

第12章 图像描述

12.1 像素描述

12.1.1 邻域

12.1.2 像素间的邻接和连通

12.1.3 通路和连通性

12.1.4 区域和边界

12.2 目标边界的链码描述

12.2.1 链码的定义

12.2.2 曲线的链码表示

12.3 曲线的拟合

12.3.1 迭代拟合

12.3.2 最小均方误差拟合

12.3.3 曲面拟合

12.4 傅里叶描述子

12.5 图像纹理描述

12.5.1 基于统计的纹理描述

12.5.2 基于粗糙度的纹理描述

12.5.3 基于频谱的纹理描述

12.5.4 联合概率矩阵法纹理描述

12.5.5 纹理的句法结构分析法

12.6 图像的几何特征

12.6.1 位置与方向特征

12.6.2 区域面积特征

12.6.3 形状特征

12.7 图像的矩描述

12.7.1 矩的定义

12.7.2 质心坐标与中心矩

12.7.3 主轴

12.7.4 不变矩

本章小结

习题

第13章 图像识别

13.1 模式与模式识别

13.2 图像识别

13.2.1 识别问题的一般描述

13.2.2 过度拟合

13.2.3 图像识别系统结构

13.2.4 训练／学习方法分类

13.3 图像识别方法分类

13.3.1 统计模式识别

13.3.2 句法模式识别

习题

下篇 数字图像处理应用实践

第14章 图像处理软件开发概述

14.1 Code::Blocks开发环境

14.1.1 安装Code::Blocks

14.1.2 安装wxWidgets

14.1.3 安装wxFormbuilder

14.2 Open CV的安装与编译

14.2.1 Open CV概述

14.2.2 Open CV的安装

14.2.3 Open CV的编译

14.3 Code::Blocks开发环境配置

本章小结

第15章 Code::Blocks入门

15.1 Code::Blocks主界面

15.2 工程创建

15.2.1 新建工程

15.2.2 编辑

15.2.3 构建与运行

15.2.4 代码调试

15.3 GUI界面设计

15.3.1 wxWidgets窗口

15.3.2 wxWidgets标准对话框

15.3.3 wxFormbuilder

15.3.4 GUI设计举例

本章小结

第16章 Open CV图像处理

16.1 基础数据结构

16.1.1 CV命名空间

16.1.2 CV数据结构

16.1.3 Mat基本图像容器

16.2 Open CV图像操作

16.2.1 输入／输出

16.2.2 图像存取

16.2.3 底层操作

16.2.4 图像显示

16.2.5 图像处理API

16.3 Open CV编程举例

16.3.1 控制台模式

16.3.2 GUI界面模式

本章小结

第17章 数字图像处理案例解析

17.1 图像编辑器

17.1.1 功能描述

17.1.2 功能实现

17.1.3 效果演示

17.2 数字图像水印系统

17.2.1 基本原理

17.2.2 水印嵌入与提取算法

17.2.3 效果展示

17.3 细胞识别统计系统

17.3.1 系统方案

17.3.2 核心模块

17.3.3 测试结果

本章小结

附录 Ubuntu Linux环境下开发平台的搭建

参考文献