第1章概述11.1數(shù)字圖像基礎(chǔ)知識11.1.1圖像的基本概念11.1.2圖像的數(shù)字化表示21.1.3圖像類別61.1.4數(shù)字圖像的表示91.1.5數(shù)字圖像像素間的鄰域關(guān)系101.1.6數(shù)字圖像像素間的距離101.2圖像的視覺感知要素121.2.1人眼中的圖像形成121.2.2亮度知覺131.2.3形狀知覺161.2.4顏色知覺和色度學171.2.5彩色模型19第1章概述11.1數(shù)字圖像基礎(chǔ)知識11.1.1圖像的基本概念11.1.2圖像的數(shù)字化表示21.1.3圖像類別61.1.4數(shù)字圖像的表示91.1.5數(shù)字圖像像素間的鄰域關(guān)系101.1.6數(shù)字圖像像素間的距離101.2圖像的視覺感知要素121.2.1人眼中的圖像形成121.2.2亮度知覺131.2.3形狀知覺161.2.4顏色知覺和色度學171.2.5彩色模型191.3圖像的存儲與格式271.3.1數(shù)字圖像的存儲基礎(chǔ)271.3.2數(shù)字圖像數(shù)據(jù)文件的存儲方式271.3.3數(shù)字圖像文件格式271.3.4圖像顯示311.4數(shù)字圖像處理的發(fā)展與應用領(lǐng)域341.4.1在航空航天領(lǐng)域的應用341.4.2在醫(yī)學領(lǐng)域的應用351.4.3在遙感領(lǐng)域的應用361.4.4在通信工程領(lǐng)域的應用371.4.5在工業(yè)生產(chǎn)和控制領(lǐng)域的應用371.4.6在軍事公安領(lǐng)域的應用381.4.7在文化藝術(shù)領(lǐng)域的應用391.4.8在安全領(lǐng)域的應用391.5MATLAB環(huán)境安裝與圖像處理庫配置401.5.1MATLAB環(huán)境安裝401.5.2MATLAB中配置OpenCV44思考與練習46第2章圖像運算472.1代數(shù)運算472.1.1加法運算472.1.2減法運算492.1.3乘法運算512.1.4除法運算522.2邏輯運算與應用532.2.1邏輯非運算532.2.2邏輯與運算532.2.3邏輯或運算542.2.4邏輯運算綜合示例552.3應用案例562.3.1拼圖并加框562.3.2綠幕圖像制作57思考與練習59實驗要求與內(nèi)容59第3章圖像增強613.1圖像噪聲623.1.1圖像噪聲的分類623.1.2圖像噪聲的特點643.1.3常見的噪聲概率密度函數(shù)643.2圖像灰度變換683.2.1圖像求反變換683.2.2線性比例灰度變換693.2.3分段線性灰度變換703.2.4指數(shù)變換713.2.5對數(shù)變換723.3直方圖均衡化和規(guī)定化733.3.1直方圖均衡化733.3.2直方圖規(guī)定化763.4圖像空域濾波增強803.4.1均值濾波813.4.2中值濾波853.4.3銳化空域濾波器873.5圖像頻域濾波增強883.5.1頻域低通濾波893.5.2頻域高通濾波923.5.3同態(tài)濾波943.6應用案例953.6.1浮雕效果的制作953.6.2美化人臉963.6.3毛玻璃效果973.6.4懷舊色效果973.6.5連環(huán)畫效果983.6.6交叉沖印效果983.6.7光照效果993.6.8羽化效果993.6.9素描效果1003.6.10強光效果101思考與練習102實驗要求與內(nèi)容103第4章圖像復原1054.1圖像復原概念1064.2圖像退化及模型1064.3空域噪聲濾波1094.3.1均值濾波1094.3.2統(tǒng)計排序濾波1124.4幾何畸變圖像的復原114思考與練習117實驗要求與內(nèi)容117第5章圖像變換1195.1圖像的幾何變換1205.1.1灰度插值1225.1.2圖像平移變換1255.1.3圖像旋轉(zhuǎn)變換1265.1.4圖像比例變換1285.1.5圖像鏡像變換1315.2圖像的正交變換1335.2.1傅里葉變換1335.2.2快速傅里葉變換1395.2.3余弦變換1405.2.4沃爾什變換1425.2.5快速沃爾什變換1495.2.6小波變換1535.3應用案例1665.3.1水中倒影的制作1665.3.2基于小波變換的圖像融合168思考與練習174實驗要求與內(nèi)容174第6章圖像分割1766.1圖像分割基礎(chǔ)1776.1.1圖像分割的定義1776.1.2圖像分割的依據(jù)和分類1776.2邊緣檢測1786.2.1邊緣的概念和性質(zhì)1786.2.2梯度算子1806.2.3Roberts算子1816.2.4Sobel算子1816.2.5Prewitt算子1826.2.6Laplacian算子1826.3閾值分割1846.3.1基于閾值的灰度圖像分割1846.3.2閾值選取方法1866.4輪廓跟蹤1886.4.1二值圖像輪廓跟蹤1896.4.2邊界跟蹤法1896.4.3圖搜索法1906.5Hough變換1926.6基于區(qū)域的分割1936.6.1區(qū)域生長1936.6.2區(qū)域分裂與合并1966.7聚類1976.7.1聚類概念1976.7.2基于Kmeans算法的圖像分割1986.8應用案例1996.8.1融合改進分水嶺和區(qū)域生長的彩色圖像分割［5］1996.8.2車牌定位2056.8.3人臉識別2076.8.4圖像預處理2096.8.5人臉區(qū)域獲取210思考與練習212實驗要求與內(nèi)容212第7章圖像編碼2147.1圖像編碼概述2147.1.1圖像壓縮原理2147.1.2圖像編碼的可行性2157.1.3壓縮編碼的分類2177.1.4圖像壓縮的相關(guān)術(shù)語2177.1.5圖像保真度2187.2圖像壓縮技術(shù)2207.2.1哈夫曼編碼2207.2.2香農(nóng)費諾編碼2227.2.3算術(shù)編碼2237.2.4無損預測編碼2267.2.5有損預測編碼2287.3圖像壓縮標準2307.3.1JPEG/MJPEG2307.3.2H.261/H.2632317.3.3MPEG2327.4應用案例——彩色圖像編碼2337.4.1基于DCT的彩色圖像編碼2337.4.2基于小波變換的彩色圖像編碼234思考與練習234實驗要求與內(nèi)容235第8章圖像的目標表達及特征表示2378.1輪廓的鏈碼表達2378.2輪廓線段的近似表達2408.2.1基于收縮的*小周長多邊形的邊界表達2408.2.2基于聚合的*小均方誤差線段逼近2418.2.3基于分裂的*小均方誤差線段逼近2418.3輪廓基本參數(shù)及測量2428.3.1輪廓長度2428.3.2輪廓直徑2438.3.3形狀數(shù)2448.4圖像區(qū)域的表達2458.4.1區(qū)域分解表達2458.4.2骨架表達2468.5區(qū)域參數(shù)及測量2508.5.1區(qū)域面積2508.5.2區(qū)域重心2508.5.3區(qū)域灰度特性2518.5.4區(qū)域形狀參數(shù)2518.5.5偏心率度2528.5.6圓形度2528.5.7歐拉數(shù)2538.6應用案例——水果識別2548.6.1亮度調(diào)整2548.6.2邊緣提取2548.6.3圖像分割2558.6.4區(qū)域標記2568.6.5輪廓跟蹤2568.6.6特征提取2578.6.7個體識別257思考與練習258實驗要求與內(nèi)容259第9章二值圖像的形態(tài)學處理2619.1形態(tài)學的基礎(chǔ)概念2629.2形態(tài)學的運算2639.2.1腐蝕2639.2.2膨脹2659.2.3開運算2679.2.4閉運算2689.3應用案例2699.3.1邊界提取2709.3.2區(qū)域填充算法2709.3.3連通分量的提取2719.3.4凸殼272思考與練習273實驗要求與內(nèi)容274第10章彩色圖像處理27610.1彩色圖像基本屬性27610.1.1像素深度27610.1.2真彩色、偽彩色、假彩色27710.2彩色圖像增強27810.2.1真彩色圖像增強27810.2.2偽彩色圖像增強27910.2.3假彩色圖像增強28210.3彩色圖像處理分析28210.3.1彩色補償28210.3.2彩色圖像平滑28410.3.3彩色圖像銳化28510.4應用案例28610.4.1基于模板的圖像匹配28610.4.2基于SIFT特征點的圖像匹配290思考與練習298實驗要求與內(nèi)容298第11章數(shù)字圖像處理綜合應用30011.1人臉檢測與特征定位系統(tǒng)30011.1.1人臉檢測與特征定位系統(tǒng)界面30011.1.2基于膚色分割的人臉檢測方法30011.1.3基于臉和頭發(fā)區(qū)域的人臉檢測方法30511.1.4臉部特征標注30711.2蝴蝶與蛾的分類30811.2.1圖像預處理30911.2.2圖像分割31011.2.3輪廓提取31111.2.4特征提取31111.2.5圖像分類31311.3基于深度學習的圖像超分辨率重建31411.3.1圖像超分辨率重建簡介31411.3.2基于深度學習的超分辨率理論基礎(chǔ)31511.3.3通道空間退化修正的超分辨率深度學習模型32111.3.4超分辨率評價指標323參考文獻325