本书主要介绍数字图像处理的基础方法，在第一版的基础上，对内容进行优化，增加了关于数字图像处理三类深度学习网络模型的介绍。
本书共11章，重点介绍数字图像处理的基本概念、图像增强、图像几何变换、图像去噪、图像锐化、图像分割、二值图像处理、彩色图像处理、图像变换、图像压缩编码、图像处理的深度学习网络模型等。
样章试读
目录
- 目录
第1章引言1
1.1数字图像处理、计算机视觉、计算机图形学3
1.2数字图像处理系统的结构5
1.3数字图像的基本概念6
1.3.1数字图像的数值描述6
1.3.2数字图像的灰度直方图9
1.4数字图像处理的主要研究内容12
1.5本书的结构安排14
习题15
第2章图像增强17
2.1γ校正18
2.2对比度线性展宽23
2.3灰级窗与灰级窗切片25
2.3.1灰级窗25
2.3.2灰级窗切片26
2.4动态范围调整28
2.4.1线性动态范围调整28
2.4.2非线性动态范围调整30
2.5直方图均衡化32
2.6自适应直方图均衡化35
2.7伪彩色37
2.8Retinex图像增强方法40
习题42
第3章图像几何变换43
3.1图像的位置变换44
3.1.1图像的平移44
3.1.2图像的镜像45
3.1.3图像的旋转46
3.2图像的形状变换51
3.2.1图像的缩小51
3.2.2图像的放大54
3.2.3图像的错切57
3.3齐次坐标与图像的仿射变换59
3.4图像几何畸变的校正60
习题63
第4章图像去噪65
4.1图像噪声66
4.2均值滤波67
4.2.1均值滤波的原理67
4.2.2均值滤波方法68
4.3中值滤波71
4.3.1中值滤波的原理71
4.3.2中值滤波方法71
4.4边界保持类平滑滤波73
4.4.1K近邻均值滤波74
4.4.2对称近邻均值滤波75
4.5非局部均值滤波77
习题79
第5章图像锐化81
5.1图像细节的基本特征82
5.2一阶微分算子83
5.2.1具有方向性的一阶微分算子84
5.2.2Roberts交叉微分算子87
5.2.3Sobel微分算子88
5.2.4Priwitt微分算子89
5.3二阶微分算子91
5.3.1Laplacian微分算子91
5.3.2Wallis微分算子95
5.4微分算子在边缘检测中的应用95
5.5Canny算子96
5.6LOG滤波算法102
习题104
第6章图像的分割105
6.1阈值分割方法106
6.1.1p-参数法106
6.1.2最大熵方法108
6.1.3最大类间、类内方差比法109
6.2区域生长分割方法110
习题112
第7章二值图像处理113
7.1二值图像中的基本概念114
7.1.1连接与点特性114
7.1.2几何特征115
7.2腐蚀与膨胀118
7.2.1腐蚀118
7.2.2膨胀120
7.3开运算与闭运算122
7.3.1开运算122
7.3.2闭运算123
7.4贴标签124
7.4.1连通域标签法124
7.4.2轮廓标签法127
7.5细线化方法128
习题130
第8章彩色图像处理131
8.1彩色的形成原理与基本概念132
8.2表色系133
8.2.1计算颜色模型系统134
8.2.2视觉颜色模型系统137
8.2.3工业颜色模型系统139
8.3色彩平衡140
8.3.1白平衡法141
8.3.2灰色世界法142
8.4彩色补偿143
习题146
第9章图像变换147
9.1图像的频域变换（傅里叶变换）148
9.1.1一维傅里叶变换148
9.1.2二维傅里叶变换151
9.1.3快速傅里叶变换（FFT）153
9.1.4图像的频谱分布特性157
9.2小波变换159
9.2.1连续小波变换160
9.2.2离散小波变换162
9.2.3小波的多尺度分解与重构163
9.3小波变换在图像处理中的应用169
9.3.1应用于图像压缩169
9.3.2应用于图像融合170
9.3.3应用于图像增强171
9.3.4应用于图像去噪172
习题172
第10章图像压缩编码173
10.1图像冗余的概念174
10.1.1冗余的概念174
10.1.2图像中的冗余175
10.2图像无损压缩编码177
10.2.1行程编码（RLE）177
10.2.2哈夫曼（Huffman）编码180
10.3图像有损压缩编码183
10.3.1彩色图像的有损编码183
10.3.2小波变换编码184
习题187
第11章深度学习与图像处理189
11.1深度卷积网络的基本结构190
11.1.1卷积层190
11.1.2激活层192
11.1.3BN层（批数据归一化处理层）193
11.1.4池化层194
11.2超分辨率图像重建卷积网络195
11.2.1SRCNN网络195
11.2.2ESPCN网络198
11.3图像分类深度卷积网络199
11.3.1LeNet-5网络199
11.3.2AlexNet网络203
11.4图像目标检测深度卷积网络205
11.4.1Faster-RCNN网络206
11.4.2YOLO网络211
习题218
参考文献219
京公网安备 11010102004214号