定 價:46 元
叢書名:普通高等教育電子通信類特色專業(yè)系列規(guī)劃教材
- 作者:許錄平編著
- 出版時間:2017/1/1
- ISBN:9787030511423
- 出 版 社:科學(xué)出版社
- 中圖法分類:TN911.73
- 頁碼:274
- 紙張:膠版紙
- 版次:2
- 開本:16開
《數(shù)字圖像處理(第二版)》主要介紹了數(shù)字圖像處理的基本概念、常用方法、實用技術(shù)和典型應(yīng)用。《數(shù)字圖像處理(第二版)》分三大部分共九章,第一部分是數(shù)字圖像處理基礎(chǔ),包括緒論、數(shù)字圖像處理基礎(chǔ)和圖像變換。第二部分介紹圖像處理的基本方法和技術(shù),包括圖像增強、圖像恢復(fù)和圖像壓縮編碼。第三部分講述數(shù)字圖像分析的基本原理和方法,包括圖像分割、圖像描述和圖像分類識別。內(nèi)容系統(tǒng),重點突出,理論與實例并重,每章配有小結(jié)和習(xí)題。
《數(shù)字圖像處理(第二版)》可作為高等院校信息與通信工程、控制科學(xué)與工程、計算機科學(xué)與技術(shù)、生物醫(yī)學(xué)工程、光學(xué)工程、電子科學(xué)與技術(shù)和網(wǎng)絡(luò)與信息安全等學(xué)科研究生的圖像處理課程的教材,以及電子信息工程、通信工程、探測制導(dǎo)與控制技術(shù)、計算機科學(xué)與技術(shù)、電子科學(xué)與技術(shù)、生物醫(yī)學(xué)工程、電氣工程及其自動化等相關(guān)專業(yè)本科生的教材,也可作為從事圖像處理與分析、模式識別、人工智能和計算機應(yīng)用的研究和開發(fā)的工程技術(shù)人員的參考書。
更多科學(xué)出版社服務(wù),請掃碼獲取。
適讀人群 :1.大學(xué)本科生2.工學(xué)博士、碩士研究生3.工程碩士研究生4.從事圖像處理的工程技術(shù)人員
包括圖像處理和圖像分析的主要內(nèi)容和新技術(shù)
從概念出發(fā),深入淺出,結(jié)合應(yīng)用,注重能力培養(yǎng)
重點突出,精簡實用,配有學(xué)習(xí)指導(dǎo)書
免費贈送電子課件給使用本書的老師
本書第一版是作者于2007年按照高等院校教材及科技工作者參考的要求,集作者及其團(tuán)隊20多年的數(shù)字圖像處理教學(xué)及科學(xué)研究經(jīng)驗編寫的,以作為高等院校信息與通信工程、控制科學(xué)與工程、計算機科學(xué)與技術(shù)、生物醫(yī)學(xué)工程、光學(xué)工程、電子科學(xué)與技術(shù)和網(wǎng)絡(luò)與信息安全等學(xué)科研究生的圖像處理課程的教材,以及電子信息工程、通信工程、探測制導(dǎo)與控制技術(shù)、計算機科學(xué)與技術(shù)、電子科學(xué)與技術(shù)、生物醫(yī)學(xué)工程、電氣工程及其自動化等相關(guān)專業(yè)本科生的教材,也可作為從事圖像處理與分析、模式識別、人工智能和計算機應(yīng)用的研究和開發(fā)的工程技術(shù)人員的參考書。本書內(nèi)容系統(tǒng),重點突出,理論與實例并重,每章配有小結(jié)和習(xí)題。出版后受到了高校師生和廣大科技工作者的一致好評,期間經(jīng)過修改和完善,已累計出版發(fā)行2.5萬冊,取得了良好的社會效益。
近十年來,數(shù)字圖像處理技術(shù)得到了迅猛發(fā)展,并已應(yīng)用到許多領(lǐng)域,如工業(yè)、農(nóng)業(yè)、國防、軍事、生物醫(yī)學(xué)、通信、社會和日常生活等,尤其在人工智能等應(yīng)用領(lǐng)域,數(shù)字圖像處理已成為其核心技術(shù)。對此,作為教材使用的師生和廣大科技讀者需要與時俱進(jìn)的新版書籍。在科學(xué)出版社“十二五”規(guī)劃教材項目和西安電子科技大學(xué)教材立項的支持下.作者在全面總結(jié)原教材被高等院校作為教材和科技工作者作為參考書使用的基礎(chǔ)上,適應(yīng)學(xué)科和專業(yè)的發(fā)展需要,汲取教材使用者反饋的信息,尤其是寶貴的意見和建議,對全書進(jìn)行了系統(tǒng)全面的修改。
本次修訂,使本書作為教材和技術(shù)參考的特色更加突出。主要表現(xiàn)在如下幾個方面。
。1)結(jié)構(gòu)上力求系統(tǒng)、全面,形式上保持簡潔、實用,內(nèi)涵上注重創(chuàng)新意識和能力培養(yǎng)。
(2)遵循數(shù)字圖像處理的特點,從概念出發(fā),深入淺出;結(jié)合應(yīng)用,融合科學(xué)研究成果。
。3)全書覆蓋數(shù)字圖像處理基礎(chǔ)、數(shù)字圖像處理技術(shù)和圖像分析等數(shù)字圖像處理主要內(nèi)容,使其具備教材和參考書的必備功能。
。4)善于總結(jié),明確數(shù)字圖像處理方法或技術(shù)之間的關(guān)系,提出方法或技術(shù)的本質(zhì)。比如,在圖像增強中,提出了圖像銳化的實質(zhì)就是原圖像加上加重的邊緣,這樣既明確了圖像銳化和邊緣檢測的區(qū)別,同時又給出了二者的有機融合關(guān)系。
。5)從教和學(xué)以及知識獲取、理解掌握的特點出發(fā),合理安排各章節(jié)的內(nèi)容,以便于讀者盡快理解和掌握。比如,在圖象變換一章的離散沃爾什-哈達(dá)瑪變換中,先介紹了變換核具有遞推性的哈達(dá)瑪變換(該方法的出現(xiàn)實際晚于離散沃爾什變換),再介紹離散沃爾什變換,并提出了其變換核的間接遞推性,方便了讀者的理解掌握。
(6)各章配有小結(jié)和習(xí)題,全書配有學(xué)習(xí)指導(dǎo)書和教學(xué)課件,以便于教師講授,讀者學(xué)習(xí)、理解掌握。
目錄
第二版前言
第一版前言
第1章緒論1
1.1圖像和圖像處理1
1.1.1圖像1
1.1.2圖像處理1
1.1.3圖像的表示2
1.2數(shù)字圖像處理的步驟和方法3
1.2.1數(shù)字圖像處理的基本步驟3
1.2.2數(shù)字圖像處理的內(nèi)容和方法4
1.3數(shù)字圖像處理系統(tǒng)的組成6
1.3.1數(shù)字圖像輸入模塊6
1.3.2數(shù)字圖像存儲模塊7
1.3.3數(shù)字圖像輸出模塊7
1.3.4數(shù)字圖像通信模塊7
1.3.5數(shù)字圖像處理與分析模塊8
1.4數(shù)字圖像處理的主要應(yīng)用8
1.5全書內(nèi)容簡介10
習(xí)題11
第2章數(shù)字圖像處理基礎(chǔ)12
2.1色度學(xué)基礎(chǔ)12
2.1.1三基色原理12
2.1.2顏色模型13
2.2人的視覺特性17
2.2.1人眼的構(gòu)造與機理要點17
2.2.2人的視覺模型19
2.2.3人眼的亮度感覺21
2.3圖像數(shù)字化24
2.3.1圖像采樣24
2.3.2采樣圖像的均勻量化26
2.3.3數(shù)字化參數(shù)的選擇及對圖像的影響27
2.4數(shù)字圖像表示形式和特點29
2.5小結(jié)31
習(xí)題31
第3章圖像變換33
3.1圖像的幾何變換33
3.1.1圖像幾何變換的一般表達(dá)式33
3.1.2平移變換33
3.1.3比例縮放34
3.1.4旋轉(zhuǎn)變換34
3.1.5仿射變換34
3.1.6透視變換35
3.1.7灰度插值36
3.2圖像的離散傅里葉變換38
3.2.1一維離散傅里葉變換(1D-DFT)38
3.2.2二維離散傅里葉變換(2D-DFT)39
3.3圖像變換的一般表示形式43
3.4圖像的離散余弦變換46
3.5圖像的離散沃爾什-哈達(dá)瑪變換48
3.5.1離散哈達(dá)瑪變換(DHT)48
3.5.2離散沃爾什變換(DWT)50
3.5.32D-DHT和2D-DWT的特點及舉例51
3.6K-L變換53
3.6.1圖像的向量表示和統(tǒng)計參數(shù)53
3.6.2Cf的特征值和特征向量54
3.6.3離散K-L變換及其性質(zhì)54
3.6.4圖像的主分量表示和降維重建56
3.7小結(jié)58
習(xí)題58
第4章圖像增強60
4.1圖像的對比度增強60
4.1.1灰度線性變換61
4.1.2灰度的非線性變換62
4.2圖像的直方圖修正65
4.2.1灰度直方圖的定義65
4.2.2灰度直方圖的性質(zhì)65
4.2.3直方圖與圖像清晰性的關(guān)系66
4.2.4直方圖均衡化67
4.2.5直方圖規(guī)定化70
4.3圖像平滑75
4.3.1空域平滑法75
4.3.2頻域低通濾波法80
4.3.3中值濾波法86
4.4圖像銳化88
4.4.1空域銳化法89
4.4.2高頻提升濾波法93
4.5圖像的同態(tài)濾波97
4.6圖像的彩色增強99
4.6.1偽彩色(pseudo color)增強99
4.6.2假彩色(false color)增強100
4.6.3真彩色圖像增強101
4.7小結(jié)102
習(xí)題103
第5章圖像恢復(fù)105
5.1退化模型105
5.1.1連續(xù)退化模型106
5.1.2離散退化模型107
5.1.3循環(huán)矩陣H的對角化108
5.1.4頻域退化模型110
5.2常見退化函數(shù)模型及辨識方法110
5.2.1幾種常見退化函數(shù)模型111
5.2.2退化函數(shù)的辨識方法111
5.3圖像的無約束恢復(fù)——反向濾波法114
5.3.1無約束恢復(fù)115
5.3.2反向濾波法115
5.4圖像的有約束最小二乘恢復(fù)——維納和約束最小平方濾波法117
5.4.1維納濾波法118
5.4.2約束最小平方濾波法119
5.5幾何畸變圖像的恢復(fù)122
5.5.1空間坐標(biāo)變換122
5.5.2灰度值的確定124
5.6超分辨率圖像復(fù)原126
5.6.1超分辨率復(fù)原的理論基礎(chǔ)126
5.6.2超分辨率圖像復(fù)原的數(shù)學(xué)模型128
5.6.3超分辨率圖像復(fù)原算法129
5.6.4超分辨率圖像復(fù)原的研究現(xiàn)狀與發(fā)展趨勢135
5.7小結(jié)136
習(xí)題136
第6章圖像壓縮編碼138
6.1概述138
6.1.1圖像壓縮的可能性138
6.1.2圖像壓縮編碼的概念138
6.1.3圖像壓縮方法分類138
6.2圖像編碼的基本理論140
6.2.1數(shù)據(jù)冗余140
6.2.2圖像編解碼模型142
6.2.3保真度準(zhǔn)則144
6.3無損壓縮編碼146
6.3.1信息量146
6.3.2信源的熵146
6.3.3基本編碼定理147
6.3.4霍夫曼編碼法148
6.3.5香農(nóng)-費諾編碼法150
6.3.6算術(shù)編碼151
6.4限失真編碼153
6.4.1信息率失真理論153
6.4.2預(yù)測編碼154
6.4.3正交變換編碼159
6.5二值圖像編碼164
6.5.1常數(shù)塊編碼與空白塊編碼164
6.5.2游程編碼(RLC)164
6.5.3四叉樹編碼165
6.6小波變換及在圖像壓縮編碼中的應(yīng)用166
6.6.1從傅里葉分析到小波變換167
6.6.2連續(xù)小波變換168
6.6.3二進(jìn)小波變換170
6.6.4多分辨率分析171
6.6.5圖像的小波變換編碼175
6.7圖像壓縮國際標(biāo)準(zhǔn)簡介184
6.7.1JPEG標(biāo)準(zhǔn)184
6.7.2JPEG2000184
6.7.3H.261/H.263185
6.7.4MPEG185
6.8小結(jié)186
習(xí)題187
第7章圖像分割188
7.1圖像分割的定義和依據(jù)188
7.1.1圖像分割的定義188
7.1.2灰度圖像分割的依據(jù)189
7.1.3圖像分割方法分類189
7.2邊緣點檢測190
7.2.1邊緣點檢測的基本原理190
7.2.2正交梯度算子法191
7.2.3方向梯度法(方向匹配模板法)195
7.2.4線檢測模板201
7.2.5二階導(dǎo)數(shù)算子法202
7.3邊緣線跟蹤204
7.3.1局部邊緣連接法205
7.3.2光柵掃描跟蹤法205
7.3.3Hough變換法207
7.4門限化分割211
7.4.1灰度門限法211
7.4.2灰度門限的確定212
7.5區(qū)域分割法216
7.5.1區(qū)域生長法216
7.5.2分裂合并法218
7.6小結(jié)219
習(xí)題219
第8章圖像描述221
8.1像素間的基本關(guān)系221
8.1.1像素的相鄰與鄰域221
8.1.2像素的鄰接和連通222
8.1.3區(qū)域和邊界224
8.1.4距離測量225
8.2目標(biāo)物邊界的描述226
8.2.1目標(biāo)物邊界的鏈碼表示226
8.2.2曲線擬合229
8.2.3閉合曲線的傅里葉描述子230
8.3目標(biāo)物的區(qū)域描述232
8.3.1區(qū)域的四叉樹描述232
8.3.2區(qū)域的拓?fù)涿枋?33
8.3.3骨架描述234
8.4圖像的幾何特征238
8.4.1區(qū)域面積238
8.4.2曲線長度和區(qū)域周長238
8.4.3區(qū)域圓形度239
8.4.4區(qū)域的外接矩形239
8.4.5區(qū)域的偏心率239
8.4.6區(qū)域的緊湊性240
8.5圖像的矩描述241
8.5.1矩描述子的定義241
8.5.2矩的不變性241
8.6圖像的紋理描述243
8.6.1基于粗糙度的紋理描述244
8.6.2灰度差分統(tǒng)計的紋理分析245
8.6.3等灰度游程長度的紋理描述245
8.6.4灰度共生矩陣紋理描述247
8.6.5傅里葉功率譜紋理描述249
8.7形態(tài)學(xué)在圖像描述中的應(yīng)用250
8.7.1形態(tài)學(xué)在區(qū)域描述中的應(yīng)用250
8.7.2形態(tài)學(xué)在邊界描述中的應(yīng)用256
8.7.3形態(tài)學(xué)用于紋理描述257
8.8小結(jié)257
習(xí)題258
第9章圖像分類識別260
9.1圖像匹配260
9.1.1模板匹配260
9.1.2特征匹配262
9.2圖像的分類263
9.2.1監(jiān)督分類法263
9.2.2非監(jiān)督分類法(聚類分析法)266
9.3圖像識別266
9.3.1統(tǒng)計模式識別266
9.3.2結(jié)構(gòu)模式識別269
9.3.3神經(jīng)網(wǎng)絡(luò)識別270
9.4小結(jié)271
習(xí)題272
參考文獻(xiàn)273