本书是依据作者近几年从事数字图像处理教学和研究的体会,并参考相关文献编写而成的,概括地介绍了数字图像处理理论和技术的基本概念、原理和方法。 全书分为12章,每章阐述数字图像处理技术中的一个知识点,内容包括数字图像处理基础、图像基本运算、图像的正交变换、图像增强、图像平滑、图像锐化、图像复原、图像的数学形态学处理、图像分割、图像描述与分析、图像编码等。本书除讲解理论外,还配以电子教案及MATLAB演示程序,便于读者学习和掌握数字图像处理技术,以更好地应用到实践中去。 本书可以作为高等学校信息与通信工程、信号与信息处理、电子、计算机、遥感等专业本科生或研究生的教材或参考书,也可以作为相关工程技术人员和从事相关研究与应用的其他人员的参考用书。

第5章图像增强 图像增强(Image Enhancement)是一种基本的图像处理技术,主要是为了改善图像的质量以及增强感兴趣部分,改善图像的视觉效果或使图像变得更利于计算机处理。如光线较暗的图像需要增强图像的亮度,通过检测高速公路上的白线实现汽车自动驾驶等。相关的图像增强技术有针对单个像素点的点运算,也有针对像素局部邻域的模板运算,根据模板运算的具体功能还可以分为图像平滑、图像锐化等。本章主要讲解图像增强技术中灰度级映射、直方图修正法、照度反射模型、模糊技术和伪彩色增强技术。 5.1基于灰度级变换的图���增强
灰度级变换就是借助于变换函数将输入的像素灰度值映射成一个新的输出值,通过改变像素的亮度值来增强图像,如式(51)所示。

g(x,y)=T[f(x,y)](51) 其中,f(x,y)是输入图像,g(x,y)是变换后的输出图像,T是灰度变换函数。 由于一般都是将过暗的图像灰度值进行重新映射,扩展灰度级范围,使其分布在整个灰度值区间,因此又通常把它称为扩展(Stretching)。 由式(51)可看出,变换函数T的不同将导致不同的输出,其实现的变换效果也不一样。因此,在实际应用中,可以通过灵活地设计变换函数T来实现各种处理。 根据变换函数的不同,灰度级变换可以分为线性灰度级变换和非线性灰度级变换。 5.1.1线性灰度级变换 1. 基本线性灰度级变换
基本线性灰度级变换示意图如图51所示。通过基本线性灰度级变换函数tanα,将输入图像f(x,y)变换为g(x,y)。基本线性灰度级变换的定义如式(52)所示。

图51基本线性灰度级变换



g(x,y)=f(x,y)·tanα(52)
从图51中可以看出,基本线性灰度级变换的效果由变换函数的倾角α所决定: 当α=45°,灰度变换前后灰度值范围不变,图像无变化; 当α<45°,变换后灰度取值范围压缩,变换后图像均匀变暗; 当α>45°,变换后灰度取值范围拉伸变长,变换后图像均匀变亮。
基本线性灰度级变换处理结果如图52所示。图52(a)为原始灰度图像,图52(b)为对原图进行了tanα=0.5的线性变换结果,灰度0~255转变为0~127; 图52(c)为对原图进行了tanα=2的线性变换结果,灰度0~127转变为0~255,灰度128~255转变为255。

图52基本线性灰度级变换结果

目录



第1章绪论
1.1图像的基本概念
1.1.1视觉与图像
1.1.2图像的表示
1.2数字图像处理
1.2.1数字图像处理的主要内容
1.2.2数字图像处理技术的分类
1.2.3数字图像处理的应用
1.3数字图像处理面临的问题
1.4相关术语
1.5图像处理仿真
习题
第2章数字图像处理基础
2.1人眼视觉系统
2.1.1人眼基本构造
2.1.2视觉过程
2.1.3明暗视觉
2.1.4颜色视觉
2.1.5立体视觉
2.1.6视觉暂留
2.2色度学基础与颜色模型
2.2.1颜色匹配
2.2.2CIE 1931RGB系统
2.2.3CIE 1931标准色度系统
2.2.4CIE 1976 L*a*b*均匀颜色空间
2.2.5孟塞尔表色系统
2.2.6常用颜色模型
2.3数字图像的生成与表示
2.3.1图像信号的数字化
2.3.2数字图像类型
2.4数字图像的数值描述
2.4.1常用的坐标系
2.4.2数字图像的数据结构
2.4.3常见数字图像格式
2.4.4BMP位图文件
2.4.5读取并显示图像
2.5综合实例
习题
第3章图像基本运算
3.1图像几何变换
3.1.1图像的几何变换基础
3.1.2图像的位置变换
3.1.3图像的形状变换
3.2图像代数运算
3.3邻域及模板运算
3.4综合实例
习题
第4章图像的正交变换
4.1离散傅里叶变换
4.1.1一维离散傅里叶变换
4.1.2一维快速傅里叶变换
4.1.3二维离散傅里叶变换
4.1.4二维离散傅里叶变换的性质
4.1.5离散傅里叶变换在图像处理中的应用
4.2离散余弦变换
4.2.1一维离散余弦变换
4.2.2二维离散余弦变换
4.2.3离散余弦变换在图像处理中的应用
4.3KL变换
4.3.1KL变换原理
4.3.2图像KL变换
4.4Radon变换
4.4.1Radon变换的原理
4.4.2Radon变换的实现
4.4.3Radon变换的性质
4.4.4Radon变换的应用
4.5小波变换
4.5.1概述
4.5.2小波
4.5.3连续小波变换
4.5.4离散小波变换
4.5.5正交小波与多分辨分析
4.5.6二维小波变换
4.5.7小波变换在图像处理中的应用
习题
第5章图像增强
5.1基于灰度级变换的图像增强
5.1.1线性灰度级变换
5.1.2非线性灰度级变换
5.2基于直方图修正的图像增强
5.2.1灰度直方图
5.2.2直方图修正法理论
5.2.3直方图均衡化
5.2.4局部直方图均衡化
5.3基于照度反射模型的图像增强
5.3.1基于同态滤波的增强
5.3.2基于Retinex理论的增强
5.4基于模糊技术的图像增强
5.4.1图像的模糊特征平面
5.4.2图像的模糊增强
5.5基于伪彩色处理的图像增强
5.5.1密度分割法
5.5.2空间域灰度级彩色变换
5.5.3频域伪彩色增强
5.6其他图像增强方法
5.6.1基于对数图像处理模型的图像增强
5.6.2图像去雾增强
习题
第6章图像平滑
6.1图像中的噪声
6.1.1图像噪声的分类
6.1.2图像噪声的数学模型
6.2空间域平滑滤波
6.2.1均值滤波
6.2.2高斯滤波
6.2.3中值滤波
6.2.4双边滤波
6.3频域平滑滤波
6.3.1理想低通滤波
6.3.2巴特沃斯低通滤波
6.3.3指数低通滤波
6.3.4梯形低通滤波
6.4其他图像平滑方法
6.4.1基于模糊技术的平滑滤波
6.4.2基于偏微分方程的平滑滤波
习题
第7章图像锐化
7.1图像边缘分析
7.2一阶微分算子
7.2.1梯度算子
7.2.2Robert算子
7.2.3Sobel算子
7.2.4Prewitt算子
7.3二阶微分算子
7.4高斯滤波与边缘检测
7.4.1高斯函数
7.4.2LOG算子
7.4.3Canny算子
7.5频域高通滤波
7.6基于小波变换的边缘检测
7.7综合实例
7.7.1设计思路
7.7.2各模块设计
7.7.3分析
习题
第8章图像复原
8.1图像退化模型
8.1.1连续退化模型
8.1.2离散退化模型
8.1.3图像复原
8.2图像退化函数的估计
8.2.1基于模型的估计法
8.2.2基于退化图像本身特性的估计法
8.3图像复原的代数方法
8.3.1无约束*小二乘方复原
8.3.2约束复原
8.4典型图像复原方法
8.4.1逆滤波复原
8.4.2维纳滤波复原
8.4.3等功率谱滤波
8.4.4几何均值滤波
8.4.5约束*小二乘方滤波
8.4.6RichardsonLucy算法
8.5盲去卷积复原
8.6几何失真校正
习题
第9章图像的数学形态学处理
9.1形态学基础
9.2二值形态学的基础运算
9.2.1基本形态变换
9.2.2复合形态变换
9.3二值图像的形态学处理
9.3.1形态滤波
9.3.2图像的平滑处理
9.3.3图像的边缘提取
9.3.4区域填充
9.3.5目标探测——击中与否变换
9.3.6细化
9.4灰度形态学的基础运算
9.4.1膨胀运算和腐蚀运算
9.4.2开运算和闭运算
9.5灰度图像的形态学处理
9.5.1形态学平滑
9.5.2形态学梯度
9.5.3Tophat和Bottomhat变换
习题
第10章图像分割
10.1阈值分割
10.1.1基于灰度直方图的阈值选择
10.1.2基于模式分类思路的阈值选择
10.1.3其他阈值分割方法
10.2边界分割
10.2.1基于梯度的边界闭合
10.2.2Hough变换
10.2.3边界跟踪
10.3区域分割
10.3.1区域生长
10.3.2区域合并
10.3.3区域分裂
10.3.4区域分裂合并
10.4基于聚类的图像分割
10.5分水岭分割
10.6综合实例
10.6.1设计思路
10.6.2各模块设计
10.6.3分析
习题
第11章图像描述与分析
11.1特征点
11.1.1Moravec角点检测
11.1.2Harris角点检测
11.1.3SUSAN角点检测
11.2几何描述
11.2.1像素间的几何关系
11.2.2区域的几何特征
11.3形状描述
11.3.1矩形度
11.3.2圆形度
11.3.3中轴变换
11.4边界描述
11.4.1边界链码
11.4.2傅里叶描绘子
11.5矩描述
11.5.1矩
11.5.2与矩相关的特征
11.6纹理描述
11.6.1联合概率矩阵法
11.6.2灰度差分统计法
11.6.3行程长度统计法
11.6.4LBP特征
11.7其他描述
11.7.1梯度方向直方图
11.7.2Haarlike特征
习题
第12章图像编码
12.1图像编码的基本理论
12.1.1图像压缩的必要性
12.1.2图像压缩的可能性
12.1.3图像编码方法的分类
12.1.4图像编码压缩术语简介
12.2图像的无损压缩编码
12.2.1无损编码理论
12.2.2Huffman编码
12.2.3算术编码
12.2.4LZW编码
12.3图像的有损压缩编码
12.3.1预测编码
12.3.2变换编码
12.4JPEG标准和JPEG2000
12.4.1JPEG基本系统
12.4.2JPEG2000
习题
参考文献

本书是在作者总结多年从事“数字图像处理”课程教学经验的基础上,结合本科生教学特点编写而成的。全书理论联系实际,层次分明,语言叙述深入浅出,力求让读者快速掌握数字图像处理的概念、原理和方法,能初步运用所学知识解决实际问题,为数字图像处理及相关领域的研究打下基础。 ? 易教易学 对于各种图像处理算法,结合运算示例进行讲解,生动形象,便于初学者学习和理解。 ? 理论结合实践 系统阐述算法理论的同时,配以MATLAB程序及运算结果,加深读者对各种算法的理解。 ? 层次分明 采用循序渐进的叙述方式,在介绍图像处理的概念与算法的基础上,给出综合应用实例,以提高读者的实践能力。 ? 技术前沿 介绍了图像处理的新发展和新算法,有利于激发读者的学习兴趣,启迪创新思维。 作者提供了如下丰富的教学资源,可到清华大学出版社网站本书页面下载: ? 教学课件 ? 程序代码 ? 实验指导 ? 图像素材