![](/c3/69239370393.jpg)
出版社:電子工業出版社 ISBN:9787121377471 商品編碼:69239370393 品牌:文軒 出版時間:2020-05-01 代碼:159 作者:拉斐爾·C.岡薩雷斯(RafaelC.Gon
" 作 者:(美)拉斐爾·C.岡薩雷斯(Rafael C.Gonzalez),(美)理查德·E.伍茲(Richard E.Woods) 著 阮秋琦 等 譯 定 價:159 出 版 社:電子工業出版社 出版日期:2020年05月01日 頁 數:734 裝 幀:平裝 ISBN:9787121377471 ●第1章 緒論 1 引言 1 學習目標 1 1.1 什麼是數字圖像處理 1 1.2 數字圖像處理的起源 2 1.3 數字圖像處理技術應用領域實例 5 1.3.1 伽馬射線成像 5 1.3.2 X射線成像 6 1.3.3 紫外波段成像 8 1.3.4 可見光和紅外波段成像 8 1.3.5 微波波段成像 14 1.3.6 無線電波段成像 14 1.3.7 其他成像方式 15 1.4 數字圖像處理的基本步驟 18 1.5 圖像處理繫統的組成 20 小結、參考文獻和延伸讀物 22 第2章 數字圖像基礎 23 引言 23 學習目標 23 2.1 視覺感知要素 23 2.1.1 人眼的結構 24 2.1.2 人眼的成像方式 25 2.1.3 亮度適應與辨別 25 2.2 光和電磁波譜 28 2.3 圖像感知與獲取 30 2.3.1 使用單個傳感器獲取圖像 31 2.3.2 使用條帶傳感器獲取圖像 31 2.3.3 使用陣列傳感器獲取圖像 32 2.3.4 一個簡單的成像模型 33 2.4 圖像取樣和量化 34 2.4.1 取樣和量化的基本概念 34 2.4.2 數字圖像表示 36 2.4.3 線性索引和坐標索引 39 2.4.4 空間分辨率和灰度分辨率 40 2.4.5 圖像內插 44 2.5 像素間的一些基本關繫 45 2.5.1 像素的相鄰像素 45 2.5.2 鄰接、連通、區域和邊界 46 2.5.3 距離測度 47 2.6 數字圖像處理所用的基本數學工具介紹 48 2.6.1素運算和矩陣運算 48 2.6.2 線性運算與非線性運算 49 2.6.3 算術運算 50 2.6.4 集合運算和邏輯運算 54 2.6.5 空間運算 59 2.6.6 向量與矩陣運算 66 2.6.7 圖像變換 67 2.6.8 圖像灰度和隨機變量 69 小結、參考文獻和延伸讀物 70 習題 70 第3章 灰度變換與空間濾波 75 引言 75 學習目標 75 3.1 背景 75 3.1.1 灰度變換和空間濾波基礎 76 3.1.2 關於本章中例子的說明 77 3.2 一些基本的灰度變換函數 77 3.2.1 圖像反轉 77 3.2.2 對數變換 78 3.2.3 冪律(伽馬)變換 79 3.2.4 分段線性變換函數 82 3.3 直方圖處理 86 3.3.1 直方圖均衡化 87 3.3.2 直方圖匹配(規定化) 93 3.3.3 準確直方圖匹配(規定化) 99 3.3.4 局部直方圖處理 105 3.3.5 使用直方圖統計量增強圖像 106 3.4 空間濾波基礎 108 3.4.1 線性空間濾波的原理 108 3.4.2 空間相關與卷積 109 3.4.3 可分離濾波器核 114 3.4.4 空間域濾波和頻率域濾波的一些重要比較 115 3.4.5 如何構建空間濾波器核 116 3.5 平滑(低通)空間濾波器 116 3.5.1 盒式濾波器核 117 3.5.2 低通高斯濾波器核 118 3.5.3 順序統計(非線性)濾波器 124 3.6 銳化(高通)空間濾波器 125 3.6.1 基礎 125 3.6.2 使用二階導數銳化圖像——拉普拉斯算子 127 3.6.3 鈍化掩蔽和高提升濾波 130 3.6.4 使用一階導數銳化圖像——梯度 131 3.7 低通、高通、帶阻和帶通濾波器 134 3.8 組合使用空間增強方法 136 小結、參考文獻和延伸閱讀 139 習題 140 第4章 頻率域濾波 145 引言 145 學習目標 145 4.1 背景 145 4.1.1 傅裡葉級數和變換簡史 146 4.1.2 關於本章中的例子 147 4.2 基本概念 147 4.2.1 復數 148 4.2.2 傅裡葉級數 148 4.2.3 衝激函數及其取樣性質 148 4.2.4 單連續變量函數的傅裡葉變換 150 4.2.5 卷積 152 4.3 取樣和取樣函數的傅裡葉變換 153 4.3.1 取樣 153 4.3.2 取樣後的函數的傅裡葉變換 154 4.3.3 取樣定理 156 4.3.4 混疊 158 4.3.5 由取樣後的數據重構(復原)函數 160 4.函數的離散傅裡葉變換 161 4.4.1 由取樣後的函數的連續變換得到DFT 161 4.4.2 取樣和頻率間隔的關繫 163 4.函數的傅裡葉變換 164 4.5.1 二維衝激及其取樣性質 164 4.5.2 二維連續傅裡葉變換對 164 4.5.3 二維取樣和二維取樣定理 165 4.5.4 圖像中的混疊 166 4.5.5 二維離散傅裡葉變換及其反變換 171 4.6 二維DFT和IDFT的一些性質 171 4.6.1 空間間隔和頻率間隔的關繫 171 4.6.2 平移和旋轉 171 4.6.3 周期性 172 4.6.4 對稱性 173 4.6.5 傅裡葉譜和相角 177 4.6.6 二維離散卷積定理 181 4.6.7 二維離散傅裡葉變換性質的小結 184 4.7 頻率域濾波基礎 185 4.7.1 頻率域的其他特性 185 4.7.2 頻率域濾波基礎 186 4.7.3 頻率域濾波步驟小結 190 4.7.4 空間域和頻率域濾波之間的對應性 192 4.8 使用低通頻率域濾波器平滑圖像 195 4.8.1 理想低通濾波器 195 4.8.2 高斯低通濾波器 198 4.8.3 巴特沃斯低通濾波器 199 4.8.4 低通濾波的其他例子 201 4.9 使用高通濾波器銳化圖像 203 4.9.1 由低通濾波器得到理想、高斯和巴特沃斯高通濾波器 203 4.9.2 頻率域中的拉普拉斯算子 207 4.9.3 鈍化掩蔽、高提升濾波和高頻強調濾波 208 4.9.4 同態濾波 210 4.10 選擇性濾波 212 4.10.1 帶阻濾波器和帶通濾波器 212 4.10.2 陷波濾波器 214 4.11 快速傅裡葉變換 217 4.11.1 二維DFT的可分離性 217 4.11.2 使用DFT算法計算IDFT 218 4.11.3 快速傅裡葉變換(FFT) 218 小結、參考文獻和延伸讀物 220 習題 221 第5章 圖像復原與重構 228 引言 228 學習目標 228 5.1 圖像退化/復原處理的一個模型 228 5.2 噪聲模型 229 5.2.1 噪聲的空間性質和頻率性質 229 5.2.2 一些重要的噪聲概率密度函數 229 5.2.3 周期噪聲 234 5.2.4 估計噪聲參數 234 5.3 隻出現噪聲的復原——空間濾波 235 5.3.1 均值濾波器 235 5.3.2 順序統計濾波器 238 5.3.3 自適應濾波器 242 5.4 使用頻率域濾波降低周期噪聲 245 5.4.1 陷波濾波深入介紹 245 5.4.2 很優陷波濾波 248 5.5 線性位置不變退化 252 5.6 估計退化函數 253 5.6.1 采用觀察法估計退化函數 253 5.6.2 采用試驗法估計退化函數 254 5.6.3 采用建模法估計退化函數 254 5.7 反濾波 257 5.8 最小均方誤差(維納)濾波 258 5.9 約束最小二乘濾波 261 5.10 幾何平均濾波 264 5.11 根據投影重構圖像 265 5.11.1 引言 265 5.11.2 X射線計算機斷層成像(CT)原理 267 5.11.3 投影和雷登變換 269 5.11.4 反投影 272 5.11.5 傅裡葉切片定理 273 5.11.6 使用平行射線束濾波反投影重構 274 5.11.7 使用扇形射線束濾波反投影重構圖像 278 小結、參考文獻和延伸讀物 282 習題 283 第6章 彩色圖像處理 287 引言 287 學習目標 287 6.1 彩色基礎 288 6.2 彩色模型 292 6.2.1 RGB彩色模型 293 6.2.2 CMY和CMYK彩色模型 294 6.2.3 HSI彩色模型 295 6.2.4 設備無關彩色模型 301 6.3 偽彩色圖像處理 302 6.3.1 灰度分層和彩色編碼 302 6.3.2 灰度到彩色的變換 305 6.4 全彩色圖像處理基礎 309 6.5 彩色變換 310 6.5.1 公式 310 6.5.2 補色 313 6.5.3 彩色分層 314 6.5.4 色調和彩色校正 315 6.5.5 彩色圖像的直方圖處理 318 6.6 彩色圖像平滑和銳化 319 6.6.1 彩色圖像平滑 319 6.6.2 彩色圖像銳化 321 6.7 使用彩色分割圖像 322 6.7.1 HSI彩色空間中的分割 322 6.7.2 RGB空間中的分割 323 6.7.3 彩色邊緣檢測 325 6.8 彩色圖像中的噪聲 328 6.9 彩色圖像壓縮 330 小結、參考文獻和延伸讀物 331 習題 332 第7章 小波變換和其他圖像變換 335 引言 335 學習目標 335 7.1 背景 335 7.2 基於矩陣的變換 337 7.3 相關 345 7.4 時間-頻率平面的基函數 346 7.5 基圖像 349 7.6 傅裡葉相關的變換 351 7.6.1 離散哈特利變換 351 7.6.2 離散餘弦變換 353 7.6.3 離散正弦變換 356 7.7 沃爾什-哈達瑪變換 359 7.8 斜變換 362 7.9 哈爾變換 363 7.10 小波變換 365 7.10.1 尺度函數 365 7.10.2 小波函數 367 7.10.3 小波級數展開 369 7.10.4 一維離散小波變換 370 7.10.5 二維小波變換 376 7.10.6 小波包 382 小結、參考文獻和延伸讀物 387 習題 387 第8章 圖像壓縮和水印 392 引言 392 學習目標 392 8.1 基礎 392 8.1.1 編碼冗餘 393 8.1.2 空間冗餘和時間冗餘 395 8.1.3 無關信息 395 8.1.4 度量圖像信息 396 8.1.5 保真度準則 398 8.1.6 圖像壓縮模型 399 8.1.7 圖像格式、容器和壓縮標準 400 8.2 霍夫曼編碼 402 8.3 Golomb編碼 404 8.4 算術編碼 407 8.4.1 自適應上下文相關概率估計 408 8.5 LZW編碼 409 8.6 行程編碼 411 8.6.1 一維CCITT壓縮 412 8.6.2 二維CCITT壓縮 412 8.7 基於符號的編碼 415 8.7.1 JBIG2壓縮 416 8.8 比特平面編碼 417 8.9 塊變換編碼 421 8.9.1 變換的選擇 421 8.9.2 子圖像尺寸選擇 423 8.9.3 比特分配 424 8.10 預測編碼 432 8.10.1 無損預測編碼 432 8.10.2 運動補償預測殘差 435 8.10.3 有損預測編碼 441 8.10.4 很優預測器 443 8.10.5 很優量化 445 8.11 小波編碼 446 8.11.1 小波的選擇 447 8.11.2 分解層數的選擇 448 8.11.3 量化器設計 449 8.11.4 JPEG-2000 450 8.12 數字圖像水印 454 小結、參考文獻和延伸讀物 459 習題 460 第9章 形態學圖像處理 463 引言 463 學習目標 463 9.1 預備知識 463 9.2 腐蝕和膨脹 466 9.2.1 腐蝕 466 9.2.2 膨脹 468 9.2.3 對偶性 470 9.3 開運算與閉運算 470 9.4 擊中-擊不中變換 474 9.5 一些基本的形態學算法 476 9.5.1 邊界提取 477 9.5.2 孔洞填充 477 9.5.3 提取連通分量 479 9.5.4 凸殼 480 9.5.5 細化 482 9.5.6 粗化 483 9.5.7 骨架 484 9.5.8 裁剪 486 9.6 形態學重構 487 9.6.1 測地膨脹和腐蝕 488 9.6.2 膨脹和腐蝕形態學重構 489 9.6.3 應用實例 490 9.7 二值圖像形態學運算小結 493 9.8 灰度形態學 494 9.8.1 灰度腐蝕和膨脹 495 9.8.2 灰度開運算和閉運算 496 9.8.3 一些基本的灰度形態學算法 498 9.8.4 灰度形態學重構 502 小結、參考文獻和延伸讀物 505 習題 505 第10章 圖像分割 511 引言 511 學習目標 511 10.1 基礎知識 511 10.2 點、線和邊緣檢測 513 10.2.1 背景知識 513 10.2.2 孤立點的檢測 516 10.2.3 線檢測 517 10.2.4 邊緣模型 520 10.2.5 基本邊緣檢測 523 10.2.6 更優選的邊緣檢測技術 529 10.2.7 連接邊緣點 538 10.3 閾值處理 543 10.3.1 基礎知識 544 10.3.2 基本的全局閾值處理 546 10.3.3 使用Otsu方法的很優全局閾值處理 547 10.3.4 使用圖像平滑改進全局閾值處理 551 10.3.5 使用邊緣改進全局閾值處理 552 10.3.6 多閾值處理 555 10.3.7 可變閾值處理 557 10.4 使用區域生長、區域分離與聚合進行分割 560 10.4.1 區域生長 560 10.4.2 區域分離與聚合 562 10.5 使用聚類和超像素的區域分割 564 10.5.1 用k均值聚類的區域分割 564 10.5.2 使用超像素的區域分割 566 10.6 使用圖割分割區域 571 10.6.1 作為圖的圖像 571 10.6.2 最小圖割 573 10.6.3 計算最小圖割 574 10.6.4 圖割分割算法 575 10.7 使用形態學分水嶺分割圖像 577 10.7.1 背景知識 577 10.7.2 構建水壩 579 10.7.3 分水嶺分割算法 581 10.7.4 標記的使用 583 10.8 在分割中使用運動 584 10.8.1 空間域技術 584 10.8.2 頻率域技術 587 小結、參考文獻和延伸讀物 589 習題 590 第11章 特征提取 595 引言 595 學習目標 595 11.1 背景 595 11.2 邊界預處理 597 11.2.1 邊界跟蹤(追蹤) 597 11.2.2 鏈碼 598 11.2.3 用最小周長多邊形近似邊界 602 11.2.4 標記圖 606 11.2.5 骨架、中軸和距離變換 608 11.3 邊界特征描述子 610 11.3.1 一些基本的邊界描述子 610 11.3.2 形狀數 611 11.3.3 傅裡葉描述子 613 11.3.4 統計矩 615 11.4 區域特征描述子 616 11.4.1 一些基本的描述子 616 11.4.2 拓撲描述子 620 11.4.3 紋理 621 11.4.4 矩不變量 629 11.5 作為特征描述子的主分量 631 11.6 整體圖像特征 637 11.6.1 哈裡斯-斯蒂芬斯角點檢測器 638 11.6.2 優選穩定極值區域(MSER) 643 11.7 尺度不變特征變換(SIFT) 648 11.7.1 尺度空間 648 11.7.2 檢測局部極值 651 11.7.3 關鍵點方向 654 11.7.4 關鍵點描述子 655 11.7.5 SIFT算法小結 656 小結、參考文獻和延伸讀物 659 習題 660 第12章 圖像模式分類 663 引言 663 學習目標 663 12.1 背景 663 12.2 模式與模式類 665 12.2.1 模式向量 665 12.2.2 結構模式 668 12.3 原型匹配模式分類 669 12.3.1 最小距離分類器 669 12.3.2 對二維原型匹配使用相關 672 12.3.3 匹配SIFT特征 674 12.3.4 匹配結構原型 675 12.4 很優(貝葉斯)統計分類器 678 12.4.1 貝葉斯分類器的推導 678 12.4.2 高斯模式類的貝葉斯分類器 679 12.5 神經網絡與深度學習 684 12.5.1 背景知識 684 12.5.2 感知機 685 12.5.3 多層前饋神經網絡 693 12.5.4 正向傳播前饋神經網絡 696 12.5.5 使用反向傳播訓練深層神經網絡 700 12.6 深度卷積神經網絡 707 12.6.1 一種基本的CNN結構 708 12.6.2 正向通過CNN的傳遞公式 714 12.6.3 用於訓練CNN的反向傳播方程 714 12.7 實現的一些附加細節 725 小結、參考文獻和延伸讀物 726 習題 726 參考文獻 730 術語表 738 在數字圖像處理領域,本書作為主要教材已有40多年。第四版是作者在前三版的基礎上修訂而成的,是前三版的發展與延續。除保留前幾版的大部分內容外,根據讀者的反饋,作者對本書進行了全面修訂,融入了近年來數字圖像處理領域的重要進展,增加了幾百幅新圖像、幾十個新圖表和上百道新習題。全書共12章,即緒論、數字圖像基礎、灰度變換與空間濾波、頻率域濾波、圖像復原與重構、小波變換和其他圖像變換、彩色圖像處理、圖像壓縮和水印、形態學圖像處理、圖像分割、特征提取、圖像模式分類。本書的讀者對像主要是從事信號與信息處理、通信工程、電子科學與技術、信息工程、自動化、計算機科學與技術、地球物理、生物工程、生物醫學工程、物理、化學、醫學、遙感等領域的大學教師和科技工作者、研究生、大學本科高年級學生及工程技術人員。 ![](https://img10.360buyimg.com/imgzone/jfs/t1/147514/7/5440/73116/5f34a3beE3ba58783/f5b2391383f5625c.jpg)
" |