基于Matlab的数字图像处理

目 录
第1章 数字图像处理概述\t1
1．1 数字图像处理的主要研究内容\t1
1．2 图像的数字化和数字图像的实质\t3
1．2．1 图像的数字化\t3
1．2．2 数字图像的实质\t4
1．3 数字图像的类型\t4
1．4 数字图像的显示\t6
1．4．1 数字图像的显示特性\t6
1．4．2 数字图像的打印\t7
1．5 彩色模型\t8
1．5．1 RGB彩色模型\t9
1．5．2 CMY和CMYK彩色模型\t10
1．5．3 HSI彩色模型\t10
1．6 图像的统计特征\t12
1．6．1 灰度图像的统计特征\t12
1．6．2 灰度图像的直方图\t12
1．6．3 多波段图像的统计特征\t13
1．7 Matlab图像处理基础\t13
1．7．1 图像文件的读/写与显示\t14
1．7．2 图像类型的转换\t18
1．7．3 图像统计特征的计算\t24
1．8 本章小结\t27
第2章 数字图像处理基本运算\t28
2．1 点运算\t28
2．1．1 线性点运算\t28
2．1．2 非线性点运算\t30
2．2 代数运算与逻辑运算\t31
2．2．1 加运算\t32
2．2．2 减运算\t33
2．2．3 乘运算\t34
2．2．4 除运算\t35
2．2．5 图像逻辑运算\t35
2．3 图像几何运算\t36
2．3．1 齐次坐标\t36
2．3．2 图像平移\t37
2．3．3 图像缩放\t37
2．3．4 图像镜像\t38
2．3．5 图像旋转\t39
2．3．6 图像复合变换\t40
2．3．7 控制点法\t40
2．4 图像插值运算\t41
2．4．1 最近邻插值法\t42
2．4．2 双线性插值法\t42
2．4．3 双三次插值法\t43
2．5 图像运算的Matlab实现\t43
2．5．1 代数运算的Matlab实现\t44
2．5．2 几何运算的Matlab实现\t48
2．6 本章小结\t50
第3章 图像变换\t51
3．1 傅里叶变换\t51
3．1．1 一维傅里叶变换\t51
3．1．2 二维傅里叶变换\t53
3．1．3 离散傅里叶变换的快速算法\t58
3．2 离散余弦变换\t59
3．2．1 一维离散余弦变换\t59
3．2．2 二维离散余弦变换\t60
3．2．3 离散余弦变换的快速算法\t60
3．3 离散沃尔什-哈达玛变换\t61
3．3．1 离散沃尔什变换\t62
3．3．2 离散哈达玛变换\t63
3．3．3 快速沃尔什-哈达玛变换\t64
3．4 离散K-L变换\t66
3．5 小波变换\t68
3．5．1 连续小波变换\t68
3．5．2 离散小波变换\t70
3．5．3 小波基函数\t71
3．5．4 图像的小波分解与重构\t72
3．6 小波阈值去噪分析\t74
3．6．1 基本思路\t74
3．6．2 小波阈值去噪\t74
3．6．3 阈值设置\t75
3．6．4 阈值函数\t76
3．7 图像变换的Matlab实现\t76
3．7．1 傅里叶变换的Matlab实现\t77
3．7．2 离散余弦变换的Matlab实现\t79
3．7．3 哈达玛变换的Matlab实现\t82
3．7．4 小波变换的Matlab实现\t84
3．8 本章小结\t87
第4章 图像空间域增强\t88
4．1 直接灰度变换\t88
4．1．1 线性变换\t89
4．1．2 分段线性变换\t89
4．1．3 非线性变换\t89
4．2 直方图修正法\t90
4．2．1 直方图均衡化\t90
4．2．2 直方图规定化\t93
4．3 平滑滤波\t95
4．3．1 邻域平均滤波\t96
4．3．2 中值滤波\t97
4．4 锐化滤波\t100
4．4．1 一阶差分算子\t100
4．4．2 拉普拉斯算子\t102
4．4．3 Canny算子\t103
4．5 伪彩色增强\t104
4．5．1 密度分割法\t104
4．5．2 灰度级彩色变换\t105
4．6 图像空间域增强的Matlab实现\t105
4．6．1 直方图修正法的Matlab实现\t105
4．6．2 平滑滤波的Matlab实现\t109
4．6．3 锐化滤波的Matlab实现\t112
4．6．4 伪彩色增强的Matlab实现\t114
4．7 本章小结\t116
第5章 图像频域增强\t118
5．1 频域滤波基础\t118
5．2 低通滤波器\t119
5．2．1 理想低通滤波器\t119
5．2．2 巴特沃斯低通滤波器\t119
5．2．3 指数低通滤波器\t120
5．2．4 梯形低通滤波器\t120
5．3 高通滤波器\t121
5．3．1 理想高通滤波器\t121
5．3．2 巴特沃斯高通滤波器\t122
5．3．3 指数高通滤波器\t122
5．3．4 梯形高通滤波器\t122
5．4 带通或带阻滤波器\t123
5．4．1 带通滤波器\t123
5．4．2 带阻滤波器\t123
5．5 其他频域的增强方式\t124
5．5．1 同态滤波\t124
5．5．2 频域伪彩色增强\t125
5．6 图像频域增强的Matlab实现\t126
5．6．1 低通滤波处理的Matlab实现\t126
5．6．2 高通滤波处理的Matlab实现\t133
5．6．3 带通或带阻滤波处理的Matlab实现\t138
5．6．4 同态滤波处理和频域伪彩色增强的Matlab实现\t140
5．7 本章小结\t142
第6章 图像编码\t144
6．1 图像冗余信息及图像质量评价\t144
6．1．1 图像冗余信息\t144
6．1．2 图像编码效率的定义\t144
6．1．3 图像质量评价\t145
6．2 统计编码\t146
6．2．1 霍夫曼编码\t147
6．2．2 算术编码\t148
6．2．3 行程长度编码\t149
6．3 预测编码\t150
6．3．1 线性预测编码\t151
6．3．2 非线性预测编码\t152
6．4 变换编码\t152
6．5 图像编码的主要国际标准\t154
6．5．1 静止图像编码国际标准（JPEG）\t154
6．5．2 运动图像编码国际标准（MPEG）\t156
6．6 图像编码的Matlab实现\t157
6．6．1 霍夫曼编码的Matlab实现\t157
6．6．2 算术编码的Matlab实现\t159
6．6．3 行程长度编码的Matlab实现\t160
6．7 本章小结\t162
第7章 图像恢复\t163
7．1 退化模型\t164
7．1．1 连续退化模型\t164
7．1．2 离散退化模型\t165
7．2 代数恢复方法\t167
7．2．1 非约束方法\t167
7．2．2 约束方法\t168
7．3 逆滤波恢复法\t169
7．4 维纳滤波恢复法\t170
7．5 图像恢复的Matlab实现\t171
7．6 本章小结\t176
第8章 数学形态学运算\t177
8．1 预备知识\t177
8．2 形态学基本运算\t179
8．2．1 膨胀与腐蚀\t179
8．2．2 开运算和闭运算\t182
8．3 形态学其他处理\t184
8．3．1 击中或击不中变换\t184
8．3．2 边界提取\t185
8．3．3 区域填充\t186
8．3．4 连通分量的提取\t187
8．3．5 细化\t188
8．3．6 粗化\t189
8．4 灰度图像中的形态学运算\t190
8．4．1 膨胀\t190
8．4．2 腐蚀\t192
8．4．3 开运算和闭运算\t193
8．4．4 Top-hat变换和Bottom-hat变换\t194
8．5 数学形态学的Matlab实现\t195
8．5．1 膨胀与腐蚀的Matlab实现\t195
8．5．2 开运算与闭运算的Matlab实现\t198
8．5．3 形态学其他处理的部分Matlab实现\t201
8．6 本章小结\t205
第9章 基于深度学习的图像处理\t206
9．1 机器学习基础\t206
9．1．1 BP神经网络\t206
9．1．2 支持向量机SVM\t209
9．2 卷积神经网络原理\t211
9．2．1 卷积神经网络的发展历史\t211
9．2．2 卷积神经网络的结构\t212
9．2．3 卷积神经网络的训练\t221
9．3 图像处理中常用的卷积神经网络\t222
9．3．1 AlexNet\t222
9．3．2 GoogleNet\t223
9．3．3 ResNet\t224
9．4 卷积神经网络的迁移学习\t224
9．5 基于卷积神经网络的图像分类示例\t226
9．5．1 创建用于图像分类的简单卷积神经网络\t227
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\t232
9．6 本章小结\t241
参考文献\t243