第1章 概述
1.1什么是数字图像处理
1.1.1数字图像处理的基本概念
1.1.2数字图像处理技术的产生与发展
1.2数字图像处理的主要任务与方法
1.2.1数字图像处理的主要任务
1.2.2数字图像处理的主要方法
1.2.3数字图像处理技术的特点
1.3数字图像处理的应用
1.3.1数字图像处理的应用领域
1.3.2数字图像处理的新发展
本章小结
思考与练习题
拓展训练
第2章 数字图像处理的物理及技术基础
2.1数字图像获取
2.1.1成像过程
2.1.2模拟图像描述
2.1.3常用的图像格式
2.1.4模拟图像数字化
2.2数字图像显示及像质描述
2.2.1数字图像显示
2.2.2像质描述基本方法
2.3色度学基础与颜色模型
2.3.1分辨率
2.3.2色度学基础
2.3.3颜色模型
2.3.4彩色显示
2.4数字图像处理基础
2.4.1灰度直方图及其应用
2.4.2图像处理系统及编程语言
本章小结
思考与练习题
拓展训练
第3章数字图像处理的数学基础
3.1数字图像的基本运算
3.1.1点运算
3.1.2代数运算
3.1.3几何运算
3.2数字图像的正交变换
3.2.1傅里叶变换
3.2.2离散余弦变换
3.2.3KL变换
3.2.4小波变换与多尺度分析
本章小结
思考与练习题
拓展训练
第4章图像增强
4.1空域增强
4.1.1基于点操作的图像增强
4.1.2基于区域操作的图像增强
4.2频域增强
4.2.1低通滤波
4.2.2高通滤波
4.2.3同态滤波
4.3彩色增强
4.3.1伪彩色增强
4.3.2假彩色增强
4.3.3真彩色增强
*4.4图像增强应用：侯马盟书图像增强
本章小结
思考与练习题
拓展训练
第5章图像编码与压缩
5.1概述
5.1.1图像冗余
5.1.2图像压缩
5.2图像编码的保真度准则
5.2.1客观保真度准则
5.2.2主观保真度准则
5.3无损压缩编码
5.3.1无损预测编码
5.3.2哈夫曼编码
5.3.3算术编码
5.4有损压缩编码
5.4.1有损预测编码
5.4.2变换编码
5.5视频图像编码标准
5.5.1 JPEG标准
5.5.2 MPEG标准
5.5.3 H.261标准
5.5.4 H.264标准
*5.6图像压缩编码应用：分块DCT编码水印嵌入
本章小结
思考与练习题
拓展训练
第6章图像复原与重建
6.1概述
6.1.1图像复原与图像重建
6.1.2像质退化的原因
6.1.3连续图像退化的数学模型
6.1.4离散图像退化的数学模型
6.2典型的无约束复原图像方法――逆滤波复原
6.3约束复原方法
6.3.1约束复原的基本原理
6.3.2维纳滤波复原
6.3.3约束最小二乘滤波复原
6.4非线性复原
6.4.1最大后验复原
6.4.2最大熵复原
6.4.3投影复原
6.4.4同态滤波复原
6.5几何失真校正
6.5.1典型的几何失真
6.5.2空间几何坐标变换
6.5.3校正空间像素点灰度值的确定
*6.6图像复原应用：壁画文物虚拟修复
6.6.1修复过程
6.6.2主要算法
6.6.3修复结果
本章小结
思考与练习题
拓展训练
第7章图像分割
7.1概述
7.2图像分割的定义与方法
7.2.1图像分割定义
7.2.2图像分割方法分类
7.3图像的阈值分割法
7.3.1直方图分割与图像二值化
7.3.2图像阈值分割的常用方法
7.4图像的区域生长法
7.4.1传统区域生长法
7.4.2无种子区域生长法
7.5基于边缘的图像分割方法
7.5.1边缘检测算法
7.5.2轮廓检测算法――霍夫变换
7.6图像分割应用
7.6.1图像中数字的分割
7.6.2基于区域生长法的医学影像分割
本章小结
思考与练习题
拓展训练
第8章数学形态学在图像处理中的应用
8.1概述
8.2基本概念和运算
8.2.1集合和元素
8.2.2交集、并集和补集
8.2.3腐蚀与膨胀
8.2.4开运算和闭运算
8.2.5击中/击不中变换（HMT）
8.3形态学基本运算在图像处理中的应用
8.3.1计算像素连接数
8.3.2骨架抽取
*8.4形态学处理图像应用实例：侯马盟书碑文图像骨架提取
本章小结
思考与练习题
拓展训练
第9章图像分析
9.1图像表示
9.1.1边界追踪
9.1.2链码
9.2图像描绘
9.2.1边界描绘
9.2.2区域描绘
9.2.3关系描绘
9.2.4相似性描绘
*9.3图像纹理分析
9.3.1基于邻域特征统计的方法
9.3.2基于傅里叶频谱提取特征
9.3.3基于灰度共生矩阵的方法
*9.4图像分析应用：医学图像配准
9.4.1图像配准的基本步骤
9.4.2医学图像配准
本章小结
思考与练习题
拓展训练
第10章图像识别
10.1图像识别基础
10.1.1模式识别过程
10.1.2模式识别方法
10.1.3图像识别过程
10.1.4图像识别应用
10.2传统神经网络的图像识别
10.2.1感知机神经网络
10.2.2 BP神经网络
10.3卷积神经网络的图像识别
10.3.1卷积神经网络基本结构
10.3.2卷积神经网络训练
10.3.3典型卷积神经网络模型
*10.4图像识别应用：手写数字识别
10.4.1感知机实现手写数字识别
10.4.2BP神经网络实现手写数字识别
本章小结
思考与练习题
拓展训练
*第11章基于模型驱动法的图像处理综合应用
11.1图像融合
11.1.1图像融合概述
11.1.2像素级图像融合过程
11.1.3图像融合实例――双色中波红外图像融合
11.2基于最低有效位方法的图像加密
11.2.1算法步骤
11.2.2算法实现
11.2.3仿真结果分析
11.3图像目标提取
11.3.1运动目标特征提取步骤
11.3.2运动目标特征提取实现
11.4基于图像的三维绘制
11.4.1单幅图像图形化
11.4.2多幅图像图形化
11.5视频图像分析与目标动画制作
11.5.1视频图像内容关联性分析
11.5.2视频图像运动目标动画制作
11.6图像处理软件开发
11.6.1准备工作
11.6.2图形用户界面设计
11.6.3系统代码编辑
11.6.4壁画文物虚拟修复展示系统
本章小结
思考与练习题
拓展训练
*第12章基于深度学习的图像处理综合应用
12.1 CNN的Deep Network Designer实现
12.1.1加载使用预训练的网络
12.1.2定制搭建网络结构
12.2基于Python的速采磁共振图像重建
12.2.1 U-Net网络架构
12.2.2图像重建的Python实现
本章小结
思考与练习题
拓展训练
附录A 常用术语中英文对照
附录B Python语言常用图像处理函数
参考文献
蔺素珍，中北大学大数据学院教授，一直从事数字图像处理技术、计算机图形学、模式识别与图像处理等方面的教学与科研工作，作为主要技术骨干主持或参加多项省部级以上项目。
本书系统地介绍了数字图像处理的基本理论和基本技术，共12章，包括图像处理基础知识、图像增强、图像编码与压缩、图像复原与重建、图像分割、数学形态学在图像处理中的应用、图像分析、图像识别、基于模型驱动法的图像处理综合应用和基于深度学习的图像处理综合应用等内容。本书深入浅出、理论与实践并举，各章给出应用实例，尤其最后两章分别给出了基于MATLAB的模型驱动法和基于Python的深度学习的图像处理综合应用实例。 本书可作为高等院校计算机类、电子信息类、信息与通信工程类和融媒体类相关专业及人工智能技术专业本科生、研究生的教材，也可供从事数字图像处理、机器视觉与人工智能领域研究工作的技术人员参考。
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
