本书系统介绍了数字图像处理的基本概念、原理和技术方法，以及图像处理技术如何用OPENCV编程实现。全书共12章，包括绪论、数字图像的基本概念和运算、图像灰度变换与空间域滤波、图像的频域处理、图像复原、彩色图像处理、小波与多分辨率处理、图像压缩、形态学处理、图像分割、目标的表示与描述、目标识别。 本书内容既覆盖图像处理技术的专业基础知识，又紧跟当前数字图像处理技术的发展动向，用适合理工类数字图像初学者的语言对新技术的原理、思路、实现方法进行介绍。全书表述通俗，易于理解。 本书可作为高等院校计算机科学与技术、光电信息、电子信息工程、通信工程、自动化、信号与信息处理、生物医学工程等专业本科生的专业课教材，也可作为相关研究方向研究生的基础课程教材，还可作为从事相关工作的技术人员的参考书。

前言 第1章绪论1 1.1数字图像处理系统的组成1 1.2电磁波谱与可见光1 1.3电磁波传感器3 1.4视觉系统特性3 1.4.1视觉适应性4 1.4.2视觉惰性4 1.4.3同时对比效应与马赫带效应4 1.4.4视觉分辨率5 1.4.5视觉错觉5 1.5数字图像处理应用6 习题7 第2章数字图像的基本概念和运算8 2.1图像成像模型8 2.2图像中的基本概念8 2.2.1采样和量化8 2.2.2数字图像表示8 2.2.3空间分辨率与灰度分辨率9 2.2.4OPENCV中的图像读取10 2.3像素间的基本关系12 2.3.1相邻像素12 2.3.2连通性、区域和边界12 2.3.3距离度量15 2.4数字图像的基本操作15 2.4.1图像间算术运算15 2.4.2图像逻辑运算18 2.4.3图像空间几何变换20 习题26 第3章图像灰度变换与空间域滤波27 3.1常用灰度变换27 3.1.1线性变换27 3.1.2对数变换与反对数变换28 3.1.3幂律变换(伽马变换)28 3.1.4分段线性变换29 3.2基于直方图的灰度变换31 3.2.1直方图31 3.2.2直方图均衡34 3.2.3直方图规定化(直方图匹配)37 3.2.4限制对比度自适应直方图均衡39 3.3空间域滤波42 3.3.1空间域滤波基础知识42 3.3.2平滑滤波44 3.3.3锐化滤波48 习题53 第4章图像的频域处理55 4.1二维离散傅里叶变换55 4.1.1二维离散傅里叶变换和反变换55 4.1.2二维离散傅里叶变换性质56 4.2频域滤波基础知识60 4.2.1频域滤波基础60 4.2.2频域滤波步骤60 4.3频域低通滤波61 4.3.1理想低通滤波器61 4.3.2巴特沃斯低通滤波器62 4.3.3高斯低通滤波器63 4.4频域高通滤波65 4.4.1理想高通滤波器65 4.4.2巴特沃斯高通滤波器66 4.4.3高斯高通滤波器67 4.4.4拉普拉斯滤波器67 4.4.5反锐化掩蔽与高提升滤波68 4.5同态滤波68 4.6频率选择滤波器73 4.6.1带阻滤波器和带通滤波器73 4.6.2陷波滤波器74 习题76 第5章图像复原78 5.1图像退化模型和复原模型78 5.2噪声模型79 5.2.1常见的噪声概率密度函数79 5.2.2周期噪声82 5.2.3噪声参数估计83 5.3复原仅由噪声造成的退化图像83 5.3.1非线性均值滤波83 5.3.2统计排序滤波85 5.3.3自适应滤波88 5.4退化函数的估计89 5.5逆滤波90 5.6维纳滤波91 5.7有约束*小二乘滤波95 5.8Lucy-Richardson复原(非盲L-R复原)96 5.9图像盲复原101 习题102 第6章彩色图像处理103 6.1彩色图像基础103 6.2色彩空间104 6.2.1RGB色彩空间与CMY色彩空间104 6.2.2HSI色彩空间与HSV色彩空间106 6.2.3Lab色彩空间108 6.2.4YCbCr色彩空间与YUV色彩空间109 6.3伪彩色图像处理110 6.3.1空间域伪彩色处理110 6.3.2频域滤波伪彩色处理112 6.4色彩变换112 6.4.1补色变换112 6.4.2色彩分割113 6.4.3彩色图像灰度化116 6.4.4彩色图像直方图均衡118 6.4.5色调与色彩校正118 6.5彩色图像空间滤波121 6.5.1彩色图像的平滑121 6.5.2彩色图像的锐��122 6.6彩色图像边缘检测124 习题125 第7章小波与多分辨率处理126 7.1小波变换基础知识126 7.1.1小波函数126 7.1.2连续小波变换127 7.1.3离散小波变换128 7.1.4多尺度分析与Mallat算法129 7.1.5提升小波130 7.1.6小波包变换131 7.2图像小波变换133 7.3小波图像去噪136 7.3.1模极大值去噪法136 7.3.2小波阈值去噪法137 7.4小波图像融合139 习题141 第8章图像压缩142 8.1图像压缩基础142 8.1.1冗余142 8.1.2保真度143 8.2常用编码144 8.2.1霍夫曼编码144 8.2.2算术编码145 8.2.3游程编码146 8.2.4LZW编码147 8.2.5矢量量化编码149 8.3位平面编码149 8.4变换编码150 8.4.1离散余弦变换150 8.4.2JPEG图像压缩152 8.4.3基于小波的图像压缩155 8.5视频压缩160 习题163 第9章形态学处理164 9.1预备知识164 9.2腐蚀与膨胀165 9.2.1腐蚀165 9.2.2膨胀167 9.2.3对偶性169 9.3开运算和闭运算170 9.3.1开运算170 9.3.2闭运算170 9.4击中与击不中变换171 9.5一些基本形态学算法173 9.5.1边界提取173 9.5.2种子填充173 9.5.3提取连通分量174 9.5.4凸包175 9.5.5细化、骨架化和粗化177 9.5.6形态学重建180 9.6灰度图像的形态学处理183 9.6.1腐蚀和膨胀183 9.6.2开运算和闭运算183 9.6.3顶帽变换和底帽变换185 9.6.4形态学滤波186 9.6.5形态学梯度186 习题187 第10章图像分割189 10.1边缘检测189 10.1.1边缘检测基础189 10.1.2一阶边缘检测算子190 10.1.3Marr-Hildreth边缘检测192 10.1.4Canny边缘检测194 10.1.5Hough变换195 10.2基于阈值的图像分割200 10.2.1阈值分割基础知识201 10.2.2全局阈值分割202 10.2.3局部阈值分割204 10.3基于区域的图像分割205 10.3.1区域生长法205 10.3.2区域分裂合并法206 10.4基于聚类的图像分割206 10.4.1kmeans图像分割207 10.4.2基于高斯混合模型的图像分割208 10.5基于图论的图像分割212 10.5.1图论的基本概念212 10.5.2Graph Cut图像分割213 10.5.3Grab Cut图像分割215 10.6形态学分水岭分割217 10.6.1分水岭分割217 10.6.2基于标记的分水岭分割218 10.7运动目标分割221 10.7.1帧间差法221 10.7.2背景差法与背景估计221 习题225 第11章目标的表示与描述227 11.1表示227 11.1.1边界追踪227 11.1.2链码228 11.1.3多边形近似229 11.2边界描述子230 11.2.1一些基本描述子230 11.2.2傅里叶描述子231 11.3区域描述子232 11.3.1一些基本描述子232 11.3.2区域矩与不变矩232 11.4纹理描述236 11.4.1灰度直方图统计矩236 11.4.2LBP特征237 11.4.3共生矩阵238 11.4.4方向梯度直方图239 11.5主成分分析用于特征降维241 11.6特征点检测与描述242 11.6.1Harris角点、Shi-Tomasi角点和FAST角点检测242 11.6.2SIFT特征点检测与描述248 11.6.3SURF特征点检测与描述253 11.6.4BRIEF描述子256 11.6.5ORB特征点检测与描述257 习题259 第12章目标识别260 12.1基于决策理论的模式识别260 12.1.1基于匹配的决策260 12.1.2统计分类器262 12.1.3神经网络265 12.2特征点匹配267 12.2.1特征点匹配基础267 12.2.2匹配一致性272 12.3运动目标跟踪277 12.3.1光流法277 12.3.2meanshift跟踪283 12.3.3Camshift跟踪287 习题292 参考文献293