基于Matlab的数字图像处理 孙华东 编 专业科技 文轩网

第1章 数字图像处理概述1
1.1 数字图像处理的主要研究内容1
1.2 图像的数字化和数字图像的实质3
1.2.1 图像的数字化3
1.2.2 数字图像的实质4
1.3 数字图像的类型4
1.4 数字图像的显示6
1.4.1 数字图像的显示特性6
1.4.2 数字图像的打印7
1.5 彩色模型8
1.5.1 RGB彩色模型9
1.5.2 CMY和CMYK彩色模型10
1.5.3 HSI彩色模型10
1.6 图像的统计特征12
1.6.1 灰度图像的统计特征12
1.6.2 灰度图像的直方图12
1.6.3 多波段图像的统计特征13
1.7 Matlab图像处理基础13
1.7.1 图像文件的读/写与显示14
1.7.2 图像类型的转换18
1.7.3 图像统计特征的计算24
1.8 本章小结27
第2章 数字图像处理基本运算28
2.1 点运算28
2.1.1 线性点运算28
2.1.2 非线性点运算30
2.2 代数运算与逻辑运算31
2.2.1 加运算32
2.2.2 减运算33
2.2.3 乘运算34
2.2.4 除运算35
2.2.5 图像逻辑运算35
2.3 图像几何运算36
2.3.1 齐次坐标36
2.3.2 图像平移37
2.3.3 图像缩放37
2.3.4 图像镜像38
2.3.5 图像旋转39
2.3.6 图像复合变换40
2.3.7 控制点法40
2.4 图像插值运算41
2.4.1 最近邻插值法42
2.4.2 双线性插值法42
2.4.3 双三次插值法43
2.5 图像运算的Matlab实现43
2.5.1 代数运算的Matlab实现44
2.5.2 几何运算的Matlab实现48
2.6 本章小结50
第3章 图像变换51
3.1 傅里叶变换51
3.1.1 一维傅里叶变换51
3.1.2 二维傅里叶变换53
3.1.3 离散傅里叶变换的快速算法58
3.2 离散余弦变换59
3.2.1 一维离散余弦变换59
3.2.2 二维离散余弦变换60
3.2.3 离散余弦变换的快速算法60
3.3 离散沃尔什-哈达玛变换61
3.3.1 离散沃尔什变换62
3.3.2 离散哈达玛变换63
3.3.3 快速沃尔什-哈达玛变换64
3.4 离散K-L变换66
3.5 小波变换68
3.5.1 连续小波变换68
3.5.2 离散小波变换70
3.5.3 小波基函数71
3.5.4 图像的小波分解与重构72
3.6 小波阈值去噪分析74
3.6.1 基本思路74
3.6.2 小波阈值去噪74
3.6.3 阈值设置75
3.6.4 阈值函数76
3.7 图像变换的Matlab实现76
3.7.1 傅里叶变换的Matlab实现77
3.7.2 离散余弦变换的Matlab实现79
3.7.3 哈达玛变换的Matlab实现82
3.7.4 小波变换的Matlab实现84
3.8 本章小结87
第4章 图像空间域增强88
4.1 直接灰度变换88
4.1.1 线性变换89
4.1.2 分段线性变换89
4.1.3 非线性变换89
4.2 直方图修正法90
4.2.1 直方图均衡化90
4.2.2 直方图规定化93
4.3 平滑滤波95
4.3.1 邻域平均滤波96
4.3.2 中值滤波97
4.4 锐化滤波100
4.4.1 一阶差分算子100
4.4.2 拉普拉斯算子102
4.4.3 Canny算子103
4.5 伪彩色增强104
4.5.1 密度分割法104
4.5.2 灰度级彩色变换105
4.6 图像空间域增强的Matlab实现105
4.6.1 直方图修正法的Matlab实现105
4.6.2 平滑滤波的Matlab实现109
4.6.3 锐化滤波的Matlab实现112
4.6.4 伪彩色增强的Matlab实现114
4.7 本章小结116
第5章 图像频域增强118
5.1 频域滤波基础118
5.2 低通滤波器119
5.2.1 理想低通滤波器119
5.2.2 巴特沃斯低通滤波器119
5.2.3 指数低通滤波器120
5.2.4 梯形低通滤波器120
5.3 高通滤波器121
5.3.1 理想高通滤波器121
5.3.2 巴特沃斯高通滤波器122
5.3.3 指数高通滤波器122
5.3.4 梯形高通滤波器122
5.4 带通或带阻滤波器123
5.4.1 带通滤波器123
5.4.2 带阻滤波器123
5.5 其他频域的增强方式124
5.5.1 同态滤波124
5.5.2 频域伪彩色增强125
5.6 图像频域增强的Matlab实现126
5.6.1 低通滤波处理的Matlab实现126
5.6.2 高通滤波处理的Matlab实现133
5.6.3 带通或带阻滤波处理的Matlab实现138
5.6.4 同态滤波处理和频域伪彩色增强的Matlab实现140
5.7 本章小结142
第6章 图像编码144
6.1 图像冗余信息及图像质量评价144
6.1.1 图像冗余信息144
6.1.2 图像编码效率的定义144
6.1.3 图像质量评价145
6.2 统计编码146
6.2.1 霍夫曼编码147
6.2.2 算术编码148
6.2.3 行程长度编码149
6.3 预测编码150
6.3.1 线性预测编码151
6.3.2 非线性预测编码152
6.4 变换编码152
6.5 图像编码的主要靠前标准154
6.5.1 静止图像编码靠前标准（JPEG）154
6.5.2 运动图像编码靠前标准（MPEG）156
6.6 图像编码的Matlab实现157
6.6.1 霍夫曼编码的Matlab实现157
6.6.2 算术编码的Matlab实现159
6.6.3 行程长度编码的Matlab实现160
6.7 本章小结162
第7章 图像恢复163
7.1 退化模型164
7.1.1 连续退化模型164
7.1.2 离散退化模型165
7.2 代数恢复方法167
7.2.1 非约束方法167
7.2.2 约束方法168
7.3 逆滤波恢复法169
7.4 维纳滤波恢复法170
7.5 图像恢复的Matlab实现171
7.6 本章小结176
第8章 数学形态学运算177
8.1 预备知识177
8.2 形态学基本运算179
8.2.1 膨胀与腐蚀179
8.2.2 开运算和闭运算182
8.3 形态学其他处理184
8.3.1 击中或击不中变换184
8.3.2 边界提取185
8.3.3 区域填充186
8.3.4 连通分量的提取187
8.3.5 细化188
8.3.6 粗化189
8.4 灰度图像中的形态学运算190
8.4.1 膨胀190
8.4.2 腐蚀192
8.4.3 开运算和闭运算193
8.4.4 Top-hat变换和Bottom-hat变换194
8.5 数学形态学的Matlab实现195
8.5.1 膨胀与腐蚀的Matlab实现195
8.5.2 开运算与闭运算的Matlab实现198
8.5.3 形态学其他处理的部分Matlab实现201
8.6 本章小结205
第9章 基于深度学习的图像处理206
9.1 机器学习基础206
9.1.1 BP神经网络206
9.1.2 支持向量机SVM209
9.2 卷积神经网络原理211
9.2.1 卷积神经网络的发展历史211
9.2.2 卷积神经网络的结构212
9.2.3 卷积神经网络的训练221
9.3 图像处理中常用的卷积神经网络222
9.3.1 AlexNet222
9.3.2 GoogleNet223
9.3.3 ResNet224
9.4 卷积神经网络的迁移学习224
9.5 基于卷积神经网络的图像分类示例226
9.5.1 创建用于图像分类的简单卷积神经网络227
9.5.2 基于迁移学习的卷积神经网络训练与图像分类结果展示232
9.6 本章小结241
参考文献243