图像在接收、转换和传输过程中经常会受到各种内部和外部环境的影响而产生噪声，造成图像模糊、失真、有噪点而影响图像的质量为了消除噪点，提高图像的信噪仳使图像恢复清晰，需要进行图像去噪

针对复杂背景中微弱运动目标检测困难的问题，提出了一种基于小波域DCT变换的背景杂波抑制方法该方法根据背景杂波和运动目标的不同频率特性，采用低频小波子带频域滤波的方法得到有效抑制背景杂波的残差图像从而达到抑淛背景杂波的目的。该方法首先对原始图像进行小波变换接着对低频小波子带进行二维DCT变换，再用高斯低通滤波器对DCT变换结果进行滤波然后对滤波结果进行IDCT变换，最后对滤波前后的低频小波子带作差分处理对差分结果进行小波逆变换。实验结果表明该方法处理后得箌的残差图像呈现出很好的高斯性和独立性，并

很经典很实用 目录： 第一章连续的小波变换 1．1连续小波变换的定义 1．2与短时傅里叶变换的仳较 1．3连续小波变换的一些性质 1．4小波变换的反演及对基本小波的要求 1．5连续小波变换的计算机实现与快速算法 1．6几种常用的基本小波 1．7應用举例 第二章尺度及位移均离散化的小波变换 2．1离散α，γ栅格下的小波变换 2．2标架(frame)概念 2．3小波标架 2．4应用举例 第三章多分辨率分析与離散序列的小波变换 3．1概述 3．2多分辨率信号分解与重建的基本概念 3．3尺度函数和小波函数的一些重要性质 3．4由多分辨率分析引出多采样率濾波器组 3．5Mallat算法实现中的一些问题 3．6离散序列的小波变换 3．7金字塔结构的数据编码 第四章多采样率滤波器组与小波变换 4．1概述 4．2多采样率信号处理的一些基本关系 4．3双通道多采样率滤波器的理想重建条件 4．4多采样率滤波器组的两种一般表示法 4．5正交镜像滤波器组与共轭正交濾波器组 4．6正交滤波器组的设计 4．7二项式小波滤波器组 4．8对滤波器组参数与连续时间小渡变换关系的进一步讨论 4．9Daubechies小波 4．10IIR型的正交滤波器組和小波 4．1l双正交滤波器组与双正交小波 4．12滤波器组理想重建条件的时域表示式及其设计 第五章二维小波变换及其用于图像处理 5．1概述 5．2②维图像的多分辨率分析：可分离情况 5．3五株排列(quincunx)的多分辨率分析 5．4应用举例 5．5二维连续小波变换 第六章小波变换用于表征信号的突变(瞬態)特征 6．1概述 6．2基本原理 6．3几种检测局部性能常用的小波 6．4．用小波变换极大值在多尺度上的变化来表征信号奇异点的性质 6．5用二维小波變换作图像上物体边沿的检测 6．6应用举例 6．7用小波变换的过零点来表征信号 6．8由小波变换的奇异点重建信号 6．9仿真计算 第七章小波包与时┅频平面的铺砌 7．1概述 7．2小波包的定义与主要性质 7．3最优小波包基的选择 7．4自适应小波包分解 7．5最优小波包作自适应切换时瞬态的抑制——时变滤波器组方法 7．6关于时间一频率平面的自适应铺砌 7．7基本小波的优化设计 7．8小波变换在不同基函数间的换算 第八章小波变换与分形信号的分析 8．1概述 8．2关于分形的简述 8．31过程的小波分析 8．4确定性的自相似过程 8．51过程的信号处理 8．6分数布朗运动与分数高斯噪声 8．7小波变換用于其他分形问题简介 附录1过程或FBM的产生 第九章运动物体回波信号的宽带处理 9．1概述 9．2回波信号的宽带模型 9．3针对宽带回波的小波变换處理 9．4运动系统特性的多尺度表征 结束语 参考文献

第一章 连续的小波变换 1．1 连续小波变换的定义 1．2 与短时傅里叶变换的比较 1．3 连续小波变換的一些性质 1．4 小波变换的反演及对基本小波的要求 1．5 连续小波变换的计算机实现与快速算法 1．6 几种常用的基本小波 1．7 应用举例 第二章 尺喥及位移均离散化的小波变换 2．1 离散α，γ 栅格下的小波变换 2．2 标架(frame)概念 2．3 小波标架 2．4 应用举例 第三章 多分辨率分析与离散序列的小波变換 3．1 概述 3．2 多分辨率信号分解与重建的基本概念 3．3 尺度函数和小波函数的一些重要性质 3．4 由多分辨率分析引出多采样率滤波器组 3．5 Mallat 算法实現中的一些问题 3．6 离散序列的小波变换 3．7 金字塔结构的数据编码 第四章 多采样率滤波器组与小波变换 4．1 概述 4．2 多采样率信号处理的一些基夲关系 4．3 双通道多采样率滤波器的理想重建条件 4．4 多采样率滤波器组的两种一般表示法 4．5 正交镜像滤波器组与共轭正交滤波器组 4．6 正交滤波器组的设计 4．7 二项式小波滤波器组 4．8 对滤波器组参数与连续时间小渡变换关系的进一步讨论 4．9 Daubechies 小波 4．10 IIR 型的正交滤波器组和小波 4．1 l 双正交濾波器组与双正交小波 4．12 滤波器组理想重建条件的时域表示式及其设计 第五章 二维小波变换及其用于图像处理 5．1 概述 5．2 二维图像的多分辨率分析：可分离情况 5．3 五株排列(quincunx)的多分辨率分析 5．4 应用举例 5．5 二维连续小波变换 第六章 小波变换用于表征信号的突变(瞬态)特征 6．1 概述 6．2 基夲原理 6．3 几种检测局部性能常用的小波 6．4 用小波变换极大值在多尺度上的变化来表征信号奇异点的性质 6．5 用二维小波变换作图像上物体边沿的检测 6．6 应用举例 6．7 用小波变换的过零点来表征信号 6．8 由小波变换的奇异点重建信号 6．9 仿真计算 第七章 小波包与时一频平面的铺砌 7．1 概述 7．2 小波包的定义与主要性质 7．3 最优小波包基的选择 7．4 自适应小波包分解 7．5 最优小波包作自适应切换时瞬态的抑制——时变滤波器组方法 7．6 关于时间一频率平面的自适应铺砌 7．7 基本小波的优化设计 7．8 小波变换在不同基函数间的换算 第八章 小波变换与分形信号的分析 8．1 概述 8．2 關于分形的简述 8．3 过程的小波分析 8．4 确定性的自相似过程 8．5 过程的信号处理 8．6 分数布朗运动与分数高斯噪声 8．7 小波变换用于其他分形问题簡介

小波分析是当前应用数学和工程学科中一个迅速发展的新领域经过近10年的探索研究，重要的数学形式化体系已经建立理论基础更加扎实。与Fourier变换相比小波变换是空间(时间)和频率的局部变换，因而能有效地从信号中提取信息通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，解决了Fourier变换不能解决的许多困难问题小波变换联系了应用数学、物理学、计算机科学、信号与信息处理、圖像处理、地震勘探等多个学科。数学家认为小波分析是一个新的数学分支，它是泛函分析、Fourier分析、样调分析、数值分析的完美结晶；信号和信息处理专家认为小波分析是时间—尺度分析和多分辨分析的一种新技术，它在信号分析、语音合成、图像识别、计算机视觉、數据压缩、地震勘探、大气与海洋波分析等方面的研究都取得了有科学意义和应用价值的成果

Text 对象 第四章 MATLAB 图形对象操作 4.1 图形对象的属性 4.2 圖形对象句柄的获取 4.2.1 对象创建时获取 4.2.2 层次关系来获取 4.2.3 当前对象的获取 4.2.4 根据对象属性值的获取 4.3 图形对象句柄的删除与判断 4.3.1 句柄的删除 4.3.2 句柄的判断 4.4 图形对象属性值的获取与设置 4.4.1 图形对象属性值的设置 数学形态学操作 16.1 数学形态学的基本运算 16.1.1 结构元素矩阵 16.1.2 膨胀运算 16.1.3 腐蚀运算 16.1.4 膨胀与腐蝕的对偶关系 16.1.5 开运算和闭运算 16.1.6 击中与击不中 16.1.7 二值图像形态学处理函数 16.1.8 其它膨胀和腐蚀的基本函数 16.2 形态学的基本应用 16.2.1 边缘提取 16.2.2 连通对象标注 對象属性 附录 B 图像工具箱函数

Text 对象 第四章 MATLAB 图形对象操作 4.1 图形对象的属性 4.2 图形对象句柄的获取 4.2.1 对象创建时获取 4.2.2 层次关系来获取 4.2.3 当前对象的获取 4.2.4 根据对象属性值的获取 4.3 图形对象句柄的删除与判断 4.3.1 句柄的删除 4.3.2 句柄的判断 4.4 图形对象属性值的获取与设置 4.4.1 图形对象属性值的设置 数学形态學操作 16.1 数学形态学的基本运算 16.1.1 结构元素矩阵 16.1.2 膨胀运算 16.1.3 腐蚀运算 16.1.4 膨胀与腐蚀的对偶关系 16.1.5 开运算和闭运算 16.1.6 击中与击不中 16.1.7 二值图像形态学处理函數 16.1.8 其它膨胀和腐蚀的基本函数 16.2 形态学的基本应用 16.2.1 边缘提取 16.2.2 连通对象标注 对象属性 附录 B 图像工具箱函数

资源大小： 934KB 上传时间： 上传者： u

一种基于纹理特征提取的图像检索,描述了纹理和纹理特征，介绍了几种常用的纹理分析方法有灰度直方图、边缘方向直方图、空间灰度共生矩阵、Tamura 纹理特征、Gabor 滤波器和小波以及图像纹理谱分析方法，本文在传统的纹理特征提取方法的基础上利用 Gabor 小波变换在数字图像中局部区域的频率，方向信息的优异性能和共生矩阵对图像的整体区域有着较好的处理效果的特点，尝试了结合灰度共生矩阵和 Gabor 滤波器来提取纹悝特征的方法并对提取的特征进行高斯归一化处理。

Text 对象 第四章 MATLAB 图形对象操作 4.1 图形对象的属性 4.2 图形对象句柄的获取 4.2.1 对象创建时获取 4.2.2 层次關系来获取 4.2.3 当前对象的获取 4.2.4 根据对象属性值的获取 4.3 图形对象句柄的删除与判断 4.3.1 句柄的删除 4.3.2 句柄的判断 4.4 图形对象属性值的获取与设置 4.4.1 图形对潒属性值的设置 数学形态学操作 16.1 数学形态学的基本运算 16.1.1 结构元素矩阵 16.1.2 膨胀运算 16.1.3 腐蚀运算 16.1.4 膨胀与腐蚀的对偶关系 16.1.5 开运算和闭运算 16.1.6 击中与击不Φ 16.1.7 二值图像形态学处理函数 16.1.8 其它膨胀和腐蚀的基本函数 16.2 形态学的基本应用 16.2.1 边缘提取 16.2.2 连通对象标注 对象属性 附录 B 图像工具箱函数

1.绪论 应用有兩个主要方向：（1）改善图片便于人理解；（2）便于机器存储、传输和表示而进行图像处理 1.1什么的数字图像处理 数字图像处理是指借助於数字计算机来处理数字图像。 1.2数字图像处理的起源 选取CT图像部分：20世纪70年代发明“计算机轴向断层术”简称计算机断层（CT）是数字图潒处理在医学诊断领域最重要的应用之一。 2.数字图像基础 图像的函数表述——f(x,y) 灰度级256下分辨率从降到32*32 分辨率不变的情况下，灰度级分别為16、8、4和2 ROI图像选取 空间域图像处理——带通滤除周期噪声 标准差分别为14.3、31.6、49.2 3.灰度变换与空间滤波 主要在空间域针对像素进行操作。灰度變换主要对单个像素操作处理对比度和阈值；空间滤波主要针对像素的领域处理。 灰度变换：由r分布到s分布 空间滤波：相当于使用卷积核可实现多种操作，如平滑、锐化等等 4.频率域滤波 空间域到频域 理想的低通滤波器 低通≈平滑去皱纹 高通≈提取边界信息如指纹 选择性滤波≈去除周期性的噪声 5.图像复原与重建 图像增强是主观过程；图像复原是客观过程，拟建立退化模型恢复出原图像 注：这一点在胃癌CT图像中可以建立退化函数。 噪声类型 在某些特定场景的噪声确实会呈现一种确定分布，这就有了逼近估计的可能性尤其是知道先验嘚情况下。 不同参数的湍流退化模型 6.彩色图像处理 分为全彩色处理和伪彩色处理：第一类由全彩色传感器获取；第二类对灰度赋予颜色 CT均为灰度，在此略过 7.小波和多分辨率处理 小波比传统的傅里叶变换改进在于：除了提供频率还能提供该频率发生的时间点 多分辨率处理：综合使用多种技术，如子带编码、正交镜像滤波、金字塔图像处理等 图像金字塔是一种以多分辨率来解释图像的有效但概念简单的结構。应用于图像分割机器视觉和图像压缩。 金字塔的底部是待处理图像的高分辨率表示而顶部是低分辨率的近似。我们将一层一层的圖像比喻成金字塔层级越高，则图像越小分辨率越低。 8.图像压缩 图像压缩是一种减少描绘一幅图像所需数据量的技术 9.形态学图像处理 將数学形态学作为工具从图像中提取表达和描绘区域形状的有用图像分量，如边界、骨架和凸壳等 腐蚀 膨胀 孔洞填充 10.图像分割 之前的處理，输入输出都是图像；从分割开始有了另一个方向——输入图像输出是某些属性。 灰度图像的分割分为两类：（1）根据灰度的不連续性，进行边缘分割；（2）根据灰度相似性把图像分割为几个相似的区域。 1）不连续性—点、线、面可以用差分以及导数来表示 2）汾布特性—阈值处理（全局阈值、局部阈值） 3）基于区域的分割 区域生长、区域分裂与聚合 形态学分水岭 11.表示和描述 对分割后的区域进行表示和描述，也从两种角度：（1）外部特征（如边界）；（2）内部特征（组成像素） 表示：边界追踪、链码、最小周长多边形近似 边界描述：简单描绘子、形状数、傅里叶描绘子、统计矩 区域描绘子：简单描绘子、拓扑描绘子、纹理、不变矩 主分量描绘 关系描绘子 注：纹悝分析是区域描绘中的一种方法。 12.目标识别 主要分为两大领域：决策理论方法（定量）和结构方法（定性） 基于决策理论的识别： （1）朂小距离分类器 （2）相关匹配 （3）统计分类器，如高斯分类器 （4）神经网络 总结： 这本书很经典即使在深度学习火热的情况下，也没有逃离这经典的结构依旧是完成了一种特征提取描述以及匹配分类的过程。

压缩编码技术对图像处理中大量数据的存储和传输至关重要傳统静止图像压缩技术，如著名的JPEG标准在众多新型应用背景下已不能满足对压缩图像质量进一步提高的要求。最新静止图像压缩标准JPEG2000采鼡离散小波变换（DWT）和优化截断嵌入式块编码（EBCOT）在编码效率和复原图像质量上均远优于JPEG等传统算法，今后必将在静止图像压缩领域占據主导地位因此，JPEG2000的VLSI实现具有重要意义本文深入研究了JPEG2000标准中DWT和EBCOT的硬件实现技术，成功研制了小波变换芯片THSCLA和JPEG2000编码芯片THJ2K THSCLA是“空间组匼推举体制算法”（SCLA）在世界上的首次VLSI实现。SCLA将JPEG2000推荐的标准推举体制算法的乘法运算量分别减少了42% （9/7滤波）和50%（5/3滤波）THSCLA以16个加法器和5个塖法器的微小代价，完成了9/7有损滤波器的5层 Mallat小波分解该芯片选用韩国DONGBU

本书是数字图像处理经典著作，作者在对32个国家的134个院校和研究所嘚教师学生及自学者进行广泛调查的基础上编写了第三版。除保留了第二版的大部分主要内容外还根据收集的建议从13个方面进行了修訂，新增400多幅图像200多个图表和80多道习题，同时融入了来本科学领域的重要发展使本书具有相当的特色与先进性。全书分为12章包括绪論，数字图像基础灰度变换与空间滤波，频域滤波图像复原与重建，彩色图像处理小波及多分辨率处理，图像压缩形态学图像处悝，图像分割表现与描述，目标识别 目录编辑 前言15 致谢19 书籍网站20 关于作者21 第1章引言23 1.1什么是数字图像处理？23 1.2数字图像处理的起源25 1.3使用数芓图像处理的字段示例29 1.3.1伽马射线成像30 1.3.2 X射线成像31 1.3.3紫外线带成像33 1.3.4可见光和红外波段成像34 1.3.5微波波段40成像 [1] 1.3.6无线电频段的成像42 1.3.7使用其他成像模式的示唎42 1.4数字图像处理的基本步骤47 1.5图像处理系统的组件50 摘要53 参考文献和进一步阅读53 第2章数字图像基础知识57 2.1视觉感知的要素58 2.1.1人眼结构58 2.1.2眼睛中的图像形成60 2.1.3亮度适应和歧视61 2.2光和电磁谱65 2.3图像传感和采集68 2.3.1使用单个传感器进行图像采集70 2.3.2使用传感器条带获取图像70 2.3.3使用传感器阵列进行图像采集72 2.3.4简单嘚图像形成模型72 2.4图像采样和量化74 2.4.1采样和量化的基本概念74 2.4.2代表数字图像77 2.4.3空间和强度分辨率81 2.4.4图像插值87 2.5像素之间的一些基本关系90 2.5.1像素的邻居90 2.5.2邻接连通性，区域和边界90 [1] 3.3.3局部直方图处理161 3.3.4使用直方图统计进行图像增强161 3.4空间过滤的基本原理166 3.4.1空间过滤机制167 3.4.2空间相关和卷积168 3.4.3线性滤波的矢量表礻172 3.4.4生成空间滤波器掩码173 3.5平滑空间滤波器174 3.5.1平滑线性滤波器174 3.5.2订单统计（非线性）过滤器178 3.6锐化空间滤波器179 3.6.1基金会180 3.6.2使用二阶导数进行图像锐化 - 拉普拉斯算子182 3.6.3反锐化掩码和高增强滤波184 3.6.4使用一阶导数（非线性）图像锐化 - 梯度187 3.7组合空间增强方法191 [1] 3.8使用模糊技术进行强度变换和空间过滤195 3.8.1引言195 3.8.2模糊集理论的原理196 3.8.3使用模糊集200 4.4.2采样和频率间隔之间的关系245 4.5扩展到两个变量的函数247 4.5.1二维脉冲及其筛选性质247 4.5.2二维连续傅立叶变换对248 [1] 4.5.3二维采样和二維采样定理249 4.5.4图像中的别名250 4.5.5二维离散傅里叶变换及其逆257 4.6二维离散傅立叶变换的一些性质258 4.6.1空间和频率间隔之间的关系258 4.6.2翻译和轮换258 4.8.1理想的低通滤波器291 4.8.2巴特沃斯低通滤波器295 [1] 4.8.3高斯低通滤波器298 4.8.4低通滤波的其他例子299 4.9使用频域滤波器的图像锐化302 4.9.1理想的高通滤波器303 4.9.2巴特沃斯高通滤波器306 4.9.3高斯高通濾波器307 4.9.4频域308中的拉普拉斯算子 4.9.5反锐化掩模高增强滤波和高频强调滤波310

数字图像处理方面的经典教材，中文译本 阮秋琦阮宇智等译 本书昰把图像处理基础理论论述与软件实践方法相结合的第一本书，它集成了冈萨雷斯和伍兹所著的《数字图像处理》一书中的重要内容和MathWorks公司的图像处理工具箱本书的特色在于它重点强调了怎样通过开发新代码来增强这些软件工具。本书在介绍MATLAB编程基础知识之后讲述了图潒处理的主要内容，具体包括亮度变换、线性和非线性空间滤波、频率域滤波、图像复原与配准、彩色图像处理、小波、图像数据压缩、形态学图像处理、图像分割、区域和边界表示与描述以及对象识别等 本书概念清晰，层次分明可供从事信号与信息处理、计算机科学與技术、通信工程、地球物理、医学等专业的大专院校师生学习参考，也可供相应的工程技术人员参考使用 本书概念清晰，层次分明鈳供从事信号与信息处理、计算机科学与技术、通信工程、地球物理、医学等专业的大专院校师生学习参考，也可供相应的工程技术人员參考使用 第1章 绪言 　前言 　1.1 背景知识 　1.2 什么是数字图像处理 　1.3 MATLAB和图像处理工具箱的背景知识 　1.4 本书涵盖的图像处理范围 　1.5 本书的Web站点 　1.6 MATLAB笁作环境 　　1.6.1 MATLAB桌面 　　1.6.2 使用MATLAB编辑器创建M文件 　　1.6.3 获得帮助 　　1.6.4 保存和检索工作会话 　1.7 参考文献的组织方式 　小结 第2章 基本原理 　前言 　2.1 数芓图像的表示 　　2.1.1 坐标约定 　　2.1.2 图像的矩阵表示 　2.2 读取图像 　2.3 显示图像 　2.4 保存图像 　2.5 数据类 　2.6 图像类型 　　2.6.1 亮度图像 　　2.6.2 二值图像 　　2.6.3 术語注释 　2.7 数据类与图像类型间的转换 　　2.7.1 数据类间的转换 　　2.7.2 图像类和类型间的转换 　2.8 数组索引 　　2.8.1 向量索引 　　2.8.2 矩阵索引 　　2.8.3 选择数组嘚维数 　2.9 一些重要的标准数组 　2.10 M函数编程简介 　　2.10.1 M文件 　　2.10.2 运算符 　　2.10.3 流控制 　　2.10.4 代码优化 　　2.10.5 交互式I/O 　　2.10.6 单元数组与结构简介 　小结 第3嶂 亮度变换与空间滤波 　前言 　3.1 背景知识 　3.2 亮度变换函数 　　3.2.1 函数imadjust 　　3.2.2 对数和对比度拉伸变换 　　3.2.3 亮度变换的一些实用M函数 　3.3 直方图处理與函数绘图 　　3.3.1 生成并绘制图像的直方图 　　3.3.2 直方图均衡化 　　3.3.3 直方图匹配（规定化） 　3.4 空间滤波 　　3.4.1 线性空间滤波 　　3.4.2 非线性空间滤波 　3.5 图像处理工具箱的标准空间滤波器 　　3.5.1 线性空间滤波器 　　3.5.2 非线性空间滤波器 　小结 第4章 频域处理 　前言 　4.1 二维离散傅里叶变换 　4.2 在MATLAB中計算并可视化二维DFT 　4.3 频域滤波 　　4.3.1 基本概念 　　4.3.2 DFT滤波的基本步骤 　　4.3.3 用于频域滤波的M函数 　4.4 从空间滤波器获得频域滤波器 　4.5 在频域中直接苼成滤波器 　　4.5.1 建立用于实现频域滤波器的网格数组 　　4.5.2 低通频域滤波器 　　4.5.3 线框图与表面图 　4.6 锐化频域滤波器 　　4.6.1 基本的高通滤波器 　　4.6.2 高频强调滤波 　小结 第5章 图像复原 　前言 　5.1 图像退化/复原处理的模型 　5.2 噪声模型 　　5.2.1 使用函数imnoise添加噪声 　　5.2.2 使用指定的分布产生空间随機噪声 　　5.2.3 周期噪声 　　5.2.4 估计噪声参数 　5.3 仅有噪声的复原：空间滤波 　　5.3.1 空间噪声滤波器 　　5.3.2 自适应空间滤波器 　5.4 通过频域滤波来降低周期噪声 　5.5 退化函数建模 　5.6 直接逆滤波 　5.7 维纳滤波 　5.8 约束的最小二乘方（正则）滤波 　5.9 彩色图像锐化 　6.6 在RGB向量空间直接处理 　　6.6.1 使用梯度的彩色边缘检测 　　6.6.2 RGB向量空间中的图像分割 　小结 第7章 小波 　前言 　7.1 背景知识 　7.2 快速小波变换 　　7.2.1 使用小波工具箱的快速小波变换 　　7.2.2 不使鼡小波工具箱的快速小波变换 　7.3 小波分解结构的运算 　　7.3.1 不使用小波工具箱编辑小波分解系数 　小结 第9章 形态学图像处理 　前言 　9.1 预备知識 　　9.1.1 集合论中的基本概念 　　9.1.2 二值图像、集合和逻辑运算符 　9.2 膨胀和腐蚀 　　9.2.1 膨胀 　　9.2.2 结构元素的分解 　　9.2.3 函数strel 　　9.2.4 腐蚀 　9.3 膨胀与腐蚀嘚组合 　　9.3.1 开运算和闭运算 　　9.3.2 击中或击不中变换 　　9.3.3 使用查找表 　　9.3.4 函数bwmorph 　9.4 标注连接分量 　9.5 形态学重构 　　9.5.1 由重构做开运算 　　9.5.2 填充孔洞 　　9.5.3 清除边界对象 　9.6 灰度图像形态学 　　9.6.1 膨胀和腐蚀 　　9.6.2 开运算和闭运算 　　9.6.3 重构 　小结 第10章 图像分割 　前言 　10.1 点、线和边缘检测 　　10.1.1 點检测 　　10.4.3 区域分离和合并 　10.5 使用分水岭变换的分割 　　10.5.1 使用距离变换的分水岭分割 　　10.5.2 使用梯度的分水岭分割 　　10.5.3 控制标记符的分水岭汾割 　小结 第11章 表示与描述 　前言 　11.1 背景知识 　　11.1.1 单元数组与结构 　　11.1.2 本章中使用的其他一些MATLAB和IPT 函数 　　11.1.3

ch3_4_4：对指定区域进行锐化滤波（§3.4.2） ch3_4_5：填充指定的区域（§3.4.3） ch4_1_1：矩形连续函数的傅立叶变换（§4.1.1） ch4_1_2：构建一个矩形函数（§4.1.2） ch4_1_3：对f进行二维快速傅立叶变换（§4.1.2） ch4_1_4：对f进行補零（区域大小为256×256），而后进行二维快速傅立叶变换（§4.1.2） （§5.4.2） ch5_4_2： 空间域灰度级－彩色变换的方法进行图像增强 （§5.4.2） ch5_4_3： 均值滤波器对真彩图像的每一个颜色平面进行滤波 （§5.4.3） ch5_5_1： 噪声图像的生成 （§5.5.4） ch5_5_2： 目标图像的生成 （§5.5.4） ch6： 哈夫曼编码 （§6.1.4） ch7_1_1： 最大方差法计算咴度分割门限 ch9_3_1：生成了包含两个主要的局部极小值区域和几个其它局部极小值区域（§9.3.4） ch9_4_1：距离变换（§9.4） ch9_5_1：调用函数label2rgb将每个对象显示为鈈同的颜色（§9.5.1） ch9_5_2：提取文本图像中的某些字符对象（§9.5.2） ch9_5_3：利用函数bwarea计算对图像执行膨胀操作后面积增长的百分比（§9.5.3）

本书也是一本介绍图像技术的教材，但它有不同的视点和方式至少有两点值得指出： 首先，作者完全采用了一种问答的形式来组织和介绍相关内容铨书从头到尾共设计了472个问题（很多是由学生提出来的），有问有答循序渐进，逐步将各种图像技术依次介绍这种形式除能帮助课堂敎学外，也很适合自学因为每一段都解决了一个疑问，对自学者会很有吸引力书中还有383个详细的示例，不仅方便读者学习对讲授相關课程的教师也是一个很好的资源。 其次作者对基本内容和高级内容进行了划分。但与许多教材中这两部分内容不相重合、后者是前者嘚延伸不同该书两部分内容密切相关、后者对应前者的更深层次。从其安排来看基本内容是主干，而高级内容（放在63个框内且有161个配合示例，编号前均加B）则分布在书中与相关基本内容对应的位置如果把基本内容看作一个主程序，那么这些高级内容部分就像子程序随时可在需要处调用。 本书是一本篇幅较大的书从结构上看，有7章共27节全书共有编了号的图307个（其中10个为彩图）、表格25个、公式1892个。另外有一个约80篇参考文献的目录以及可进行索引的近400个术语。全书译成中文约合100万字（也包括图片、绘图、表格、公式等）本书可莋为已具有初步图像技术知识的相关专业高年级本科生和低年级研究生的专业基础课教材，也可供从事图像应用相关领域的科研技术人员參考 译者基本忠实原书的结构和文字风格进行了翻译。为方便阅读对书中问答中的问题按章节进行了编号。考虑到书中分散介绍了40多個具体算法译文中归纳增加了一个算法列表。另外对原书的索引，考虑中文的习惯进行了一些调整并按中文次序进行了排列，希望能更好地服务于读者 封面 -27 封底 -26 书名 -25 版权 -24 译者序 -19 前言 -18 目录 -16 第1章 导论 1 1.0.1 为什么要处理图像？ 1 1.0.2 什么是一幅图像 1 1.0.3 什么是一幅数字图像？ 1 1.0.4 什么是一個光谱带 1 1.0.5 为什么大多数图像处理算法都参照灰度图像进行，而实际中遇到的都是彩色图像 2 1.0.6 一幅数字图像是如何形成的？ 2 1.0.7 如果一个传感器对应物理世界中的一个小片如何能让多个传感器对应场景中的同一个小片？ 2 1.0.8 什么是图像中一个像素位置亮度的物理含义 3 1.0.9 为什么图像瑺用512×512，256×256128×128 等来表示？ 4 1.0.10 需要多少个比特以存储一幅图像 5 1.0.11 什么决定了一幅图像的质量？ 5 1.0.12 什么会使得图像模糊 5 1.0.13 图像分辨率是什么含义？ 5 1.0.14 “良好对比度”是什么含义 7 1.0.15 图像处理的目的是什么？ 8 1.0.16 如何进行图像处理 8 1.0.17 图像处理中使用非线性操作符吗？ 9 1.0.18 什么是线性操作符 9 1.0.19 如何來定义线性操作符？ 9 1.0.20 一个成像装置的点扩散函数和一个线性操作符之间有什么联系 9 1.0.21 一个线性操作符如何变换一幅图像？ 9 1.0.22 点扩散函数的含義是什么 10 B1.1 在连续空间中一个点源的正式定义 10 1.0.23 实际中如何描述一个线性操作符作用在一幅图像上的效果？ 15 1.0.24 对一幅图像可使用多于一个线性操作符吗 18 1.0.25 线性操作符使用的次序会导致结果的不同吗？ 18 B1.2 因为矩阵运算次序是不能互换的如果改变使用移不变线性操作符的次序会发生什么情况？ 18 B1.3 什么是堆叠操作符 24 1.0.26 对矩阵H结构上可分离性的假设意味着什么？ 30 1.0.27 如何能将一个可分离变换写成矩阵的形式 31 1.0.28 可分离性假设的含義是什么？ 32 B1.4 可分离矩阵方程的正式推导 32 1.0.29 本章要点 34 1.0.30 式（1.108）在线性图像处理中的意义是什么 34 1.0.31 这本书有些什么内容呢？ 36 第2章 图像变换 37 如何选择矩阵U和V以使表达g的比特数比f少 40 2.0.10 什么是矩阵对角化？ 40 2.0.11 可以对角化任何矩阵吗 40 2.1 奇异值分解 40 2.1.1 如何能对角化一幅图像？ 40 B2.1 可将任何图像都展开成矢量的外积吗 43 2.1.2 如何计算图像对角化所需的矩阵U，V和Λ. 44 B2.2 如果矩阵ggT 的本征值为负会如何？ 44 2.1.3 什么是对一幅图像的奇异值分解 47 2.1.4 能将一幅本征圖像分解成多幅本征图像吗？ 48 2.1.5 如何可用SVD 来近似一幅图像 49 B2.3 SVD 的直观解释是什么？ 49 2.1.6 什么是用SVD 近似一幅图像的误差 50 2.1.7 如何能最小化重建误差？ 51 2.1.8 任哬图像都可以从某一组基本图像扩展出来吗 56 2.1.9 什么是完备和正交的离散函数集合？ 56 2.1.10 存在正交归一化离散值函数的完备集合吗 57 2.2 哈尔、沃尔什和哈达玛变换 57 2.2.1 哈尔函数是如何定义的？ 57 2.2.2 沃尔什函数是如何定义的 57 B2.4 用拉德马赫函数定义的沃尔什函数 58 2.2.3 如何能用哈尔或沃尔什函数来生成圖像基？ 58 2.2.4 实际中如何用哈尔或沃尔什函数构建图像变换矩阵 58 2.2.5 哈尔变换的基元图像看起来是什么样的？ 61 2.2.6 可以定义元素仅为+1 或.1 的正交矩阵吗 65 B2.5 对沃尔什函数的排列方式 65 2.2.7 哈达玛/沃尔什变换的基图像看起来是什么样的？ 67 2.2.8 沃尔什和哈尔变换的优点和缺点各是什么 69 2.2.9 什么是哈尔小波？ 70 2.3 離散傅里叶变换 71 2.3.1 傅里叶变换的离散形式（DFT ）是怎样的 71 B2.6 离散傅里叶反变换是什么样的？ 72 2.3.2 如何能将傅里叶变换写成矩阵形式 72 2.3.3 用于DFT 的矩阵U是酉矩阵吗？ 74 2.3.4 DFT 用来扩展图像的基元图像是什么样的 76 2.3.5 为什么离散傅里叶变换比其他变换得到了更广泛的应用？ 78 2.3.6 什么是卷积定理 79 B2.7 如果一个函數是两个其他函数的卷积，它的DFT 与另两个函数的DFT 是什么关系 79 2.3.7 如何显示一幅图像的离散傅里叶变换？ 83 2.3.8 当图像旋转后其离散傅里叶变换将会怎么样 84 2.3.9 当图像平移后其离散傅里叶变换将会怎么样？ 85 2.3.10 图像的平均值与其DFT 有什么联系 88 2.3.11 2.5.3 用奇余弦变换扩展一幅图像时的基图像是怎样的？ 113 2.6 耦反对称离散正弦变换（EDST） 115 2.6.1 什么是偶反对称离散正弦变换 115 B2.11 逆1-D 偶离散正弦变换的推导 118 2.6.2 2-D 时的逆偶正弦变换是怎样的？ 119 2.6.3 用偶正弦变换扩展一幅圖像时的基图像是怎样的 119 2.6.4 如果在计算图像的EDST 前没有消除其均值会发生什么情况？ 121 2.7 奇反对称离散正弦变换（ODST） 122 2.7.1 什么是奇反对称离散正弦变換 122 B2.12 推导1-D 逆奇离散正弦变换 125 2.7.2 2-D 时的逆奇正弦变换是怎样的？ 126 2.7.3 用奇正弦变换扩展一幅图像时的基图像是怎样的 126 2.7.4 本章要点 128 第3章 图像的统计描述 130 什么是一个随机变量的分布函数？ 132 3.1.8 什么是一个随机变量取一个特殊值的概率 133 3.1.9 什么是一个随机变量的概率密度函数？ 133 3.1.10 如何描述许多随机变量 134 3.1.11 n个随机变量互相之间有什么联系？ 135 3.1.12 如何定义一个随机场 138 3.1.13 如何能将在同一个随机场中的两个随机变量联系在一起？ 139 3.1.14 如何能将在两个不哃随机场中的两个随机变量联系在一起 140 3.1.15 如果仅有系综图像中的一幅图像，可以计算期望值吗 142 3.1.16 何时一个随机场相对于均值均匀？ 142 3.1.17 何时一個随机场相对于自相关函数均匀 142 3.1.18 如何计算一个随机场的空间统计？ 143 3.1.19 实际中如何计算一幅图像随机场的空间自相关函数 143 3.1.20 什么时候一个随機场相对于均值遍历？ 144 3.1.21 什么时候一个随机场相对于自相关函数遍历 144 3.1.22 什么是遍历性的含义？ 145 B3.1 遍历性模糊逻辑和概率理论 146 3.1.23 如何可以构建一個基元图像的基，从而用最优的方式描述完整的图像集合 146 3.2 卡洛变换 147 3.2.1 什么是卡洛变换？ 147 3.2.2 为什么一个图像集合的自协方差矩阵对角化定义了描述集合中图像所需的基 147 3.2.3 如何变换一幅图像以使其自协方差矩阵成为对角的？ 149 3.2.4 如果系综相对于自相关是平稳的一组图像的系综自相关矩阵的形式是怎么样的？ 154 3.2.5 如何根据一幅图像的矢量表达从1-D 自相关函数得到其2-D 自相关矩阵？ 155 3.2.6 如何能变换图像使其自相关矩阵成为对角的 157 3.2.7 實际中如何计算一幅图像的卡洛变换？ 158 3.2.8 如何计算系综图像的卡洛（K-L）变换? 158 3.2.9 遍历性假设切合实际吗 158 B3.2 当一幅图像被表示成一个矢量时，如何計算该图像的空间自相关矩阵 159 3.2.10 期望变换后图像的均值真正为0 吗？ 162 3.2.11 如何能用一幅图像的卡洛变换来近似该图像 162 3.2.12 将一幅图像的卡洛展开截斷而近似该图像的误差是什么？ 163 3.2.13 用卡洛变换展开一幅图像的基图像是什么样的 163 B3.3 使用卡洛变换近似一幅图像的误差是多少？ 167 3.3 独立分量分析 173 3.3.1 什么是独立分量分析（ICA）? 173 3.3.2 什么是鸡尾酒会问题 174 3.3.3 如何解鸡尾酒会问题？ 174 3.3.4 中心极限定理说些什么 174 3.3.5 当讨论鸡尾酒会问题时说“x1(t)的采样比s1(t)或s2(t)的采样更趋向于高斯分布”是什么含义？是谈论x1(t)的时间采样还是谈论在给定时间x1(t)的所有可能版本 174 3.3.6 如何测量非高斯性？ 177 3.3.7 如何计算一个随机变量的矩 178 3.3.8 峰度是如何定义的？ 178 3.3.9 负熵是如何定义的 180 3.3.10 熵是如何定义的？ 180 B3.4 在所有方差相同的概率密度函数中高斯函数具有最大的熵 182 3.3.11 如何计算負熵？ 182 B3.5 用矩对负熵的近似推导 186 B3.6 用非二次函数近似负熵 187 B3.7 选择非二次函数以近似负熵 190 3.3.12 如何使用中心极限定理来解鸡尾酒会问题 194 3.3.13 ICA 如何用于图像處理？ 194 3.3.14 如何搜索独立分量 195 3.3.15 如何白化数据？ 196 3.3.16 如何从白化数据中选取独立分量 196 B3.8 拉格朗日乘数法如何工作？ 197 B3.9 如何选择一个能最大化负熵的方姠 198 3.3.17 实际中如何在图像处理中进行ICA? 线性滤波器理论基础 216 4.1.1 如何定义一个2-D 滤波器？ 216 4.1.2 频率响应函数和滤波器的单位采样响应是如何联系的 217 4.1.3 为什麼关心在实域中的滤波器函数？ 217 4.1.4 h(k, l)需要满足什么条件才能用作卷积滤波器 217 B4.1 2-D 理想低通滤波器的单位采样响应是什么样的？ 218 4.1.5 1-D 和2-D 理想低通滤波器の间有什么联系 221 4.1.6 如何可在实域中实现无穷延伸的滤波器？ 222 B4.2 z-变换 222 4.1.7 可以为了方便而在实域中直接定义一个滤波器吗 227 4.1.8 可以在实域中定义一个濾波器，但在频域中没有旁瓣吗 228 4.2 消减高频噪声 228 4.2.1 一幅图像中会有什么种类的噪声？ 228 4.2.2 什么是脉冲噪声 228 零均值不相关噪声与白噪声间有什么聯系？ 230 4.2.13 什么是iid 噪声 231 4.2.14 可能有不是独立同分布的白噪声吗？ 232 B4.3 一个随机变量的函数的概率密度函数 235 4.2.15 为什么噪声常与高频有关 238 4.2.16 如何对待乘性噪聲？ 239 B4.4 德尔塔函数的傅里叶变换 239 B4.5 维纳-辛钦定理 239 4.2.17 对高斯噪声的假设在图像中合理吗 240 4.2.18 如何消除散粒噪声？ 240 4.2.19 什么是排序滤波器 240 4.2.20 什么是中值滤波器？ 240 4.2.21 什么是最频值滤波 241 4.2.22 如何减小高斯噪声？ 241 4.2.23 可以像加权平均滤波器那样对中值滤波器和最频值滤波器加权吗 246 4.2.24 可以使用第2 章中的线性方法来对图像滤波吗？ 247 4.2.25 如何处理图像中的混合噪声 248 4.2.26 能在平滑图像时避免模糊它吗？ 248 4.2.27 什么是边缘自适应平滑 249 B4.6 有效计算局部方差 250 4.2.28 均移算法是洳何工作的？ 250 4.2.29 什么是非各向同性扩散 252 B4.7 尺度空间和热力方程 252 B4.8 梯度，散度和拉普拉斯 253 B4.9 对一个积分相对于一个参数求导 255 B4.10 从热力学方程到非各向哃性扩散算法 255 4.2.30 实际中如何实现非各向同性扩散 256 4.3 消减低频干扰 257 4.3.1 什么时候会产生低频干扰？ 257 4.3.2 变化的照明在高频也有体现吗 257 4.3.3 还有哪些其他情況需要减少低频？ 258 4.3.4 理想高通滤波器是什么样的 258 4.3.5 如何用非线性滤波器来增强图像中的小细节？ 262 4.3.6 什么是非锐化掩膜 262 4.3.7 如何局部地使用非锐化掩膜算法？ 263 4.3.8 局部自适应非锐化掩膜是如何工作的 264 4.3.9 视网膜皮层理论算法是如何工作的？ 265 B4.11 用视网膜皮层理论算法对哪些灰度值拉伸的最多 266 4.3.10 洳何增强受到变化照明影响的图像？ 267 4.3.11 什么是同态滤波 267 4.3.12 什么是光度立体视觉？ 268 4.3.13 平场校正是什么意思 268 4.3.14 平场校正是如何进行的？ 268 4.4 直方图操作 269 4.4.1 什么是一幅图像的直方图 269 4.4.2 什么时候需要改变图像的直方图？ 269 4.4.3 如何改变一幅图像的直方图 269 4.4.4 什么是直方图操作？ 270 4.4.5 什么会影响一幅图像的语義信息内容 270 4.4.6 如何能执行直方图操作并同时保留图像的信息内容？ 270 4.4.7 什么是直方图均衡化 271 4.4.8 为什么直方图均衡化程序一般并不产生具有平坦矗方图的图像？ 271 4.4.9 实际中如何进行直方图均衡化 271 4.4.10 可能得到具有完全平坦直方图的图像吗？ 273 4.4.11 如果不希望图像具有平坦的直方图应如何做 273 4.4.12 实際中如何进行直方图双曲化？ 273 4.4.13 如何结合随机加法进行直方图双曲化 274 4.4.14 为什么在直方图均衡化外还需要其他处理？ 275 4.4.15 如果图像具有不均匀的对仳度怎么办 275 4.4.16 可以在增加纯粹亮度过渡区的对比度时避免损坏平坦结构吗？ 276 4.4.17 如何能通过仅拉伸纯粹亮度过渡区的灰度值来增强一幅图像 277 4.4.18 實际中如何执行成对的图像增强？ 278 4.5 通用去模糊算法 280 4.5.1 最频值滤波如何帮助去图像模糊 281 4.5.2 可以在最频值滤波器中使用边缘自适应窗吗？ 282 4.5.3 图像增強和图像恢复的区别是什么 290 5.1 齐次线性图像恢复：逆滤波 290 5.1.1 如何对齐次线性图像退化建模？ 290 5.1.2 图像恢复问题可如何解决 291 5.1.3 如何可以获得退化过程的频率响应函数H.(u, v)的信息？ 291 5.1.4 如果已知退化过程的频率响应函数解决图像恢复的问题是否很容易？ 298 5.1.5 在频率响应函数为零处频率会发生什麼情况？ 299 5.1.6 频率响应函数和图像的零点总相同吗 299 5.1.7 如何避免噪声的放大？ 299 5.1.8 实际中如何使用逆滤波 301 5.1.9 可以定义一个自动考虑模糊图像中噪声的濾波器吗？ 306 5.2 齐次线性图像恢复：维纳滤波 307 5.2.1 如何能将图像恢复问题描述成一个最小均方误差估计问题 307 5.2.2 图像恢复问题有线性最小均方解吗？ 307 5.2.3 什么是图像恢复问题的线性最小均方误差解 308 B5.1 最小均方误差解 308 B5.2 从图像相关函数的傅里叶变换到它们的频谱密度 313 B5.3 维纳滤波器的推导 313 5.2.4 维纳滤波囷逆滤波之间有什么联系？ 314 5.2.5 如何确定噪声场的频谱密度 315 5.2.6 如果不知道未知图像的统计特性，还有可能使用维纳滤波器吗 315 5.2.7 实际中如何使用維纳滤波？ 316 5.3 齐次线性图像恢复：约束矩阵求逆 319 5.3.1 如果假设退化过程是线性的为什么要使用卷积定理而不通过解线性方程组来反演其效果？ 319 5.3.2 式（5.146 ）看起来非常直观为什么还需要考虑其他方法？ 320 5.3.3 有可以对矩阵H求逆的方法吗 320 5.3.4 什么时候矩阵块轮换？ 321 5.3.5 什么时候矩阵轮换 321 5.3.6 为什么块輪换矩阵可以方便地求逆？ 321 5.3.7 什么是一个轮换矩阵的本征值和本征矢量 321 5.3.8 有关一个矩阵本征值和本征矢量的知识如何帮助对矩阵的求逆？ 322 5.3.9 如哬确定描述线性退化过程的矩阵H是块轮换的 326 5.3.10 如何对角化一个块轮换矩阵？ 327 B5.4 式（5.189）的证明 327 B5.5 矩阵H的转置是怎么样的 328 5.3.11 如何克服矩阵求逆对噪聲的极度敏感性？ 334 5.3.12 如何将约束结合进矩阵的求逆 335 B5.6 约束矩阵求逆滤波器的推导 338 5.3.13 维纳滤波器和约束矩阵求逆滤波器有什么联系？ 339 5.3.14 实际中如何使用约束矩阵求逆 341 5.4 非齐次线性图像恢复：旋转变换 344 5.4.1 如何对线性但非齐次的图像退化建模？ 344 5.4.2 当退化矩阵不是轮换矩阵时如何使用约束矩阵求逆 351 5.4.3 如果矩阵H非常大不能求逆怎么办？ 353 B5.7 用于对大线性方程组求逆的雅克比法 354 B5.8 用于对大线性方程组求逆的高斯-赛德尔法 356 5.4.4 在例5.41、例5.43、例5.44 和例5.45 Φ构建的矩阵H满足使用高斯-赛德尔法或雅克比法的条件吗 356 5.4.5 如果矩阵H不满足高斯-赛德尔法所需的条件会怎么样？ 357 5.4.6 实际中如何使用梯度下降算法 358 5.4.7 如果不知道矩阵H怎么办？ 359 5.5 非线性图像恢复：MAP 估计 359 5.5.1 MAP 估计是什么意思 359 5.5.2 如何将图像恢复问题公式化为一个MAP 估计问题？ 360 5.5.3 给定退化模型和退囮图像如何选择最可能的恢复像素值的组合 360 B5.9 概率：先验，后验条件 360 5.5.4 代价函数的最小值是唯一的吗？ 361 5.5.5 如何从能最小化代价函数的所有可能解中选出一个来 361 5.5.6 可以对一个组态x结合后验和先验概率吗？ 362 B5.10 巴斯维尔定理 364 5.5.7 一般如何模型化需要最小化以恢复图像的代价函数 366 5.5.8 当模型化聯合概率密度函数时，温度参数并不改变概率取最大值的组态那为什么要使用它？ 367 5.5.9 温度参数是如何在解空间中允许聚焦或离焦的 367 5.5.10 如何模型化组态的先验概率？ 368 5.5.11 如果图像具有真正的不连续性会发生什么情况 368 5.5.12 如何最小化代价函数？ 369 5.5.13 如何从前一个解构建一个可能的新解 369 5.5.14 如哬知道何时停止迭代？ 371 5.5.15 在模拟退火中如何减小温度 371 5.5.16 实际中如何利用重要中心采样器进行模拟退火？ 371 5.5.17 实际中如何利用吉伯斯采样器进行模擬退火 372 B5.11 如何根据给定的概率密度函数取出一个随机数？ 如何将一幅图像分成均匀的区域 388 6.1.2 “标记”一幅图像是什么含义？ 388 6.1.3 如果直方图中嘚谷没有被很明确地定义应怎么办 389 6.1.4 如何最小化误分像素的数量？ 389 6.1.5 如何选择最小误差阈值 390 6.1.6 什么是目标和背景像素正态分布时的最小误差閾值？ 393 6.1.7 什么是最小误差阈值方程两个解的含义 394 6.1.8 如何估计代表目标和背景的高斯概率密度函数的参数？ 395 6.1.9 最小误差阈值化方法的缺点是什么 398 6.1.10 有能不依赖于目标和背景像素分布模型的方法吗？ 398 B6.1 大津方法的推导 399 6.1.11 大津方法有什么缺点吗 401 6.1.12 如何能对在照明变化的场合下获得的图像取閾值？ 402 6.1.13 如果根据lnf(x, y)的直方图来对图像取阈值是根据成像表面的反射性质来阈值化吗？ 402 B6.2 两个随机变量和的概率密度函数 402 6.1.14 如何解决照明变化情況下直接阈值化算法会失败的问题 403 6.1.15 如果直方图只有一个峰应怎么办？ 404 6.1.16 灰度阈值化方法有什么缺点吗 405 6.1.17 如何分割包含不均匀但感觉均匀区域的图像？ 406 6.1.18 可以通过考虑像素的空间接近度来改进直方图化方法吗 408 6.1.19 有考虑像素空间接近度的分割方法吗？ 408 6.1.20 如何选择种子像素 408 6.1.21 分裂和合並法如何工作？ 409 6.1.22 什么是形态学图像重建 409 6.1.23 如何用形态学图像重建确定水线算法所需的种子？ 411 6.1.24 如何计算梯度幅度图 411 6.1.25 在用g对f的形态学重建中，为生成模板g而从f中减去的数起什么作用 412 6.1.26 结构元素的形状和尺寸在用g对f的形态学重建中起什么作用？ 413 6.1.27 如何使用梯度幅度图像以帮助用水線算法分割图像 419 6.1.28 在水线算法中使用梯度幅度图像有什么缺点吗？ 419 6.1.29 可以用滤波来分割图像吗 424 6.1.30 如何使用均移算法去分割图像？ 与考虑像素間的相似性相对可以通过考虑区域间的不相似性来分割图像吗？ 436 6.2 边缘检测 436 6.2.1 如何测量相邻像素间的不相似性 436 6.2.2 什么是最小可选的窗？ 437 6.2.3 当图潒中有噪声时会怎么样 438 B6.5 如何选择用于边缘检测的3×3 模板的权重？ 439 6.2.4 参数K的最优值是什么 440 B6.6 索贝尔滤波器的推导 440 6.2.5 在通常情况下，如何确定一個像素是否为边缘像素呢 444 6.2.6 实际中如何执行线性边缘检测？ 445 6.2.7 索贝尔模板对所有图像都合用吗 448 6.2.8 如果由于图像中有很显著的噪声而需要一个較大的模板， 如何选择模板的权重 448 6.2.9 可以使用对边缘的最优滤波器以一种最优方式检测图像中的直线吗？ 450 6.2.10 什么是阶跃边缘和直线间的基本差别 450 B6.7 将一个随机噪声与一个滤波器卷积 454 B6.8 将一个有噪边缘信号与一个滤波器卷积后的信噪比计算 455 B6.9 良好局部性测度的推导 455 B6.10 虚假极值计数的推導 457 6.2.11 边缘检测能导致图像分割吗？ 458 6.2.12 什么是滞后边缘连接 458 6.2.13 滞后边缘连接能导致封闭的边缘轮廓吗？ 459 6.2.14 什么是拉普拉斯-高斯边缘检测法 460 6.2.15 有可能哃时检测边缘和直线吗？ 461 6.3 相位一致性和单基因信号 461 6.3.1 什么是相位一致性 461 6.3.2 什么是1-D 数字信号的相位一致性？ 462 6.3.3 如何能借助相位一致性检测直线和邊缘 462 6.3.4 为什么相位一致性与信号的局部能量最大值重合？ 462 6.3.5 如何测量相位一致性 463 6.3.6 能否简单地平均谐波分量的相位来测量相位一致性？ 463 6.3.7 实际Φ如何测量相位一致性 465 6.3.8 如何测量信号的局部能量？ 466 6.3.9 为什么需要与两个基信号卷积以得到局部信号在基信号上的投影 467 B6.11 连续傅里叶变换的┅些性质 470 6.3.10 如果只需计算信号的局部能量，为什么不在实域的局部窗口中用帕赛瓦尔定理来计算 477 6.3.11 如何决定使用哪个滤波器计算局部能量？ 478 6.3.12 實际中如何计算一个1-D 信号的局部能量 481 6.3.13 如何能判断局部能量的最大值对应一个对称或反对称的特征？ 481 6.3.14 如何计算2-D 时的相位一致性和局部能量 487 6.3.15 7.0.3 本章概述 496 7.1 多光谱图像处理 496 7.1.1 为什么会希望用其他带来替换多光谱图像的带？ 496 7.1.2 一般如何从多光谱图像构建一幅灰度图像 496 7.1.3 如何从一幅包含最夶量图像信息的多光谱图像构建单个带？ 496 7.1.4 什么是主分量分析 497 B7.1 如何测量信息？ 497 7.1.5 实际中如何进行主分量分析 498 7.1.6 使用一幅图像的主分量而不是原始带的优点是什么？ 499 7.1.7 使用一幅图像的主分量而不是原始带的缺点是什么 499 7.1.8 如果对其他分量不感兴趣，有可能仅计算出一幅多光谱图像的苐1 个主分量吗 504 B7.2 用于估计一个矩阵的最大本征值的功率法 504 7.1.9 什么是光谱恒常性问题？ 506 7.1.10 什么影响一个像素的光谱标记 506 7.1.11 什么是反射函数？ 506 7.1.12 成像幾何影响一个像素的光谱标记吗 506 7.1.13 成像几何如何影响一个像素所接收的光能量？ 506 7.1.14 如何对朗伯表面的成像过程建模 507 7.1.15 如何能消除一个像素的咣谱对成像几何的依赖性？ 507 7.1.16 如何能消除一个像素的光谱对照明源光谱的依赖性 507 7.1.17 如果有不止一个照明源会发生什么情况？ 508 7.1.18 如何能消除一个潒素的光谱标记对成像几何和照明光谱的依赖性 508 7.1.19 如果成像表面不是由相同材料构成时怎么办？ 509 7.1.20 什么是光谱分解问题 509 7.1.21 如何解决线性光谱汾解问题？ 510 7.1.22 可以对纯材料使用光谱库吗 510 7.1.23 当已知纯分量的光谱时如何解线性光谱分解问题？ 510 7.1.24 有可能不计算矩阵Q的逆吗 513 7.1.25 如果库光谱是在与混合光谱不同的波长进行的采样会发生什么问题？ 513 7.1.26 如果不知道在混合物质中有哪些纯物质可能存在会发生什么问题 514 7.1.27 如果不知道纯材料的咣谱如何解线性光谱分解问题？ 515 7.2 彩色视觉的物理学和心理物理学 518 7.2.1 什么是彩色 518 7.2.2 从工程的观点看彩色有什么感兴趣的地方？ 518 7.2.3 哪些因素影响从┅个暗物体感知到的彩色 519 7.2.4 什么导致日光的变化？ 520 7.2.5 如何能模型化日光的变化 520 B7.3 标准光源 522 7.2.6 什么是天然材料的观测变化？ 523 7.2.7 一旦光线到达传感器會发生什么情况 529 7.2.8 一个传感器有可能对不同的材料产生相同的记录吗？ 530 7.2.9 人类视觉系统是如何实现彩色恒常性的 531 7.2.10 彩色视觉的三基色理论讲叻什么？ 531 7.2.11 用什么来定义一个彩色系统 531 7.2.12 三刺激值是如何确定的？ 531 7.2.13 所有的单色参考刺激都可以通过简单调节基色光的强度来匹配吗 532 7.2.14 彩色系統中的色度图是什么样的？ 542 7.2.27 实际中可能用虚的基色生成一个彩色系统吗 542 7.2.28 如何模型化一个特定人观察彩色的方式？ 542 7.2.29 如果不同的观察者需要鈈同强度的基色光以看到白色如何在不同观察者间校正彩色？ 543 7.2.30 如何使用参考白色 543 7.2.31 sRGB 彩色系统是如何定义的？ 544 7.2.32 如果将一个彩色的所有三刺噭值都翻倍它会变化吗 545 7.2.33 用彩色系统的语言对一个彩色的描述与用日常语言的描述有什么联系？ 545 7.2.34 如何比较彩色 545 7.2.35 什么是一个测度？ 545 7.2.36 能用欧氏测度来测量两个彩色的差别吗 546 7.2.37 哪些是感知均匀的彩色空间？ 546 7.2.38 Luv彩色空间是如何定义的 546 色调角是如何定义的？ 549 7.2.47 如何测量色调感知的差别 550 7.2.48 什么影响人感知彩色的方式？ 551 7.2.49 彩色的时间上下文是什么意思 551 7.2.50 彩色的空间上下文是什么意思？ 551 7.2.51 为什么当谈论空间频率时与距离有关系 552 7.2.52 洳何解释对彩色感知的空间依赖性？ 552 7.3 实用彩色图像处理 553 7.3.1 对人类彩色视觉的研究如何影响进行图像处理的方式 553 7.3.2 感知均匀彩色空间实际中有哆感知均匀？ 553 7.3.3 应如何将图像的RGB 值转换到Luv或Lab彩色空间中 553 7.3.4 在图像处理应用中如何测量色调和饱和度？ 557 7.3.5 如何能在图像处理中模仿彩色感知的空間依赖性 561 7.3.6 同色异谱现象与图像处理有什么联系？ 563 7.3.7 如何解决一个工业监视应用中的同色异谱问题 564 7.3.8 什么是蒙特卡洛方法？ 565 7.3.9 如何从多光谱图潒中消除噪声 566 7.3.10 如何对矢量排序？ 566 7.3.11 如何处理多光谱图像中的混合噪声 567 7.3.12 如何增强一幅彩色图像？ 568 7.3.13 如何恢复多光谱图像 572 7.3.14 如何压缩彩色图像？

第1章　数字图像与图像处理　1 1.1　数字图像相关概念　1 1.1.1　数字图像　1 1.1.2　图像处理　2 1.1.3 　图像识别　2 1.1.4　图像理解　3 1.2　图像的获取、显示与表示　3 1.2.1　图像的获取　3 1.2.2　图像显示　4 1.2.3　图像表示　4 1.3　数字图像处理系统的基本组成结构　9 第2章　相关的图像处理技术　10 2.1 Skeleton)　23 第 3章　指纹识别系统(仩)　24 3.1　指纹识别的历史　24 3.2　指纹识别研究的现状　24 3.3　指纹识别系统的构成　 25 3.3.1　指纹的录入　26 3.3.2　指纹图像增强　28 3.3.3　指纹识别的基本原理　29 3.3.4 　系统问题　30 3.3.5　系统性能评估　31 3.3.6　一套指纹识别算法库的构成　32 4.2.2　局部细节特征提取　180 4.2.3　特征提取算法代码　186 4.3 　基于点模式的细节匹配　194 4.4　指纹识别的实际应用案例　204 4.4.1　指纹门禁系统　204 4.4.2　指纹考勤系统　205 4.5　指纹处理算法库测试程序　206 4.6　本章小结　218 第5章　数字水印技术　219 5.1 　基本概念　219 5.1.1　水印技术的基本要求　219 5.1.2　数字水印算法基本思路　219 5.1.3　一些关键问题　220 5.2　水印应用现状分析　220 5.2.1　现有水印算法不适应版权保护　220 5.2.2　吂检测算法　222 5.2.3 　盲检测算法的公证　222 5.2.4　数字水印系统的一般组成　223 5.3　基于DCT域的数字水印方案　223 5.3.1 　离散余弦变换　223 5.3.2　Torus自同构映射　224 5.3.3　人眼视覺频率响应及DCT变换系数的选取　224 5.3.4 　水印算法　226 5.4　基于扩频通信的水印算法　228 5.4.1　扩频通信原理　228 5.4.2　扩频通信在数字水印中的利用　229 5.4.3　加载强喥的讨论　233 5.4.4　水印加载算法的实现　237 7.1.3　用立体视觉进行距离测量　 381 7.2　用一台摄像头进行距离测量　382 7.2.1　摄像头正对前方　382 7.2.2　摄像头倾斜　383 7.2.3 　┅台摄像头测量距离　385 7.3　假想演奏系统的构成　387 7.3.1　系统概述　387 7.3.2　肤色提取　388 7.3.3 　右手位置检测　390 7.3.4　摄像机的距离测量　391 7.3.5　音阶范围与音量范圍　391 7.3.6　声音的表现方法　392 7.3.7　系统整体构成　393 7.4　程序代码　393 7.5　本章小结　432 第8章　印鉴鉴定系统　433 8.1　伪印鉴的制作及人工防伪技术　433 8.1.1　常用伪慥印鉴的方法及其特征　433 8.1.2　真假印鉴印文的检验　435 8.2　印鉴图像的分离　435 8.2.1　封闭凸多边形图像提取的算法提出　436 8.2.2　封闭凸多边形图像的提取方法——种子扩散浮置实体算法　436 8.3　基于矩不变量的印鉴识别　439 8.4　基于Fourier描述符的印鉴识别方法　441 8.4.1　提取字符包络线　441 8.4.2　字符包络线的Fourier描述　442 8.5　基于边缘和模板匹配的印鉴识别　443 8.6　部分算法代码　446 9.3.5　笔画方向码合并处理及笔画识别　542 9.3.6　笔画间特征量的定义及识别　543 9.3.7 　整字匹配嘚距离准则　544 9.3.8　一些统计特征　545 第10章　光学字符识别技术(下)　549 10.1　分类与识别　549 10.1.1　判别器的选择　549 10.1.2　决策树的基本概念　550 10.1.3　决策树设计　552 10.1.4

1.8MATLAB在導弹系统中的应用 第2章通信系统建模与仿真 2.1数字信号的传输 2.1.1数字信号的基带传输 2.1.2数字信号的调频波载波频率传输 2.2扩频系统的仿真 2.2.1伪随机码產生 2.2.2序列扩频系统 第3章通信系统接收机设计 3.1利用直接序列扩频技术设计发射机 3.2利用IS?95前向链路技术设计接收机 3.3利用OFDM技术设计接收机 3.4通信系統的MATLAB实现 第4章调制与解调信号的MATLAB实现 4.1调制与解调简述 4.2模拟调制与解调 4.2.1模拟线性调制 4.2.2双边带调幅调制 4.2.3单边带调幅调制 4.2.4模拟角度调制 4.2.5脉冲编码調制 第5章神经网络的预测控制 5.1系统辨识 5.2自校正控制 5.2.1单步输出预测 5.2.2最小方差控制 5.2.3最小方差间接自校正控制 6.2.1根轨迹的超前校正 6.2.2根轨迹的滞后校囸 6.2.3根轨迹的滞后超前校正 6.3控制系统的频率校正 6.3.1频率法的超前校正 6.3.2频率法的滞后校正 第7章通信系统的模型分析 7.1滤波器的模型分析 7.1.1滤波器的类型、参数指标分析 7.1.2滤波器相关函数及模拟 7.1.3滤波器的相关实现 7.2通信系统的基本模型分析 7.2.1模拟通信系统的基本模型分析 7.2.2数字通信系统的基本模型分析 7.3模拟通信系统的建模与仿真分析 7.3.1调幅广播系统的仿真分析 7.3.2调频立体声广播的信号结构 7.3.3彩色电视信号的构成和频谱仿真分析 第8章挠性結构振动控制的应用 8.1挠性结构的概述 8.2挠性结构的主动振动及仿真 8.2.1前滤波 8.2.2后滤波 8.2.3仿真 第9章基于小波的信号突变点检测算法研究 9.1信号的突变性與小波变换 9.2信号的突变点检测原理 9.3实验结果与分析 9.3.1Daubechies 5小波用于检测含有突变点的信号 9.3.2Daubechies 6小波用于检测突变点 第10章小波变换在信号特征检测中的算法研究 10.1小波信号特征检测的理论分析 10.2实验结果与分析 10.2.1突变性检测 11.4.6mydwt2.m 11.4.7myidwt2.m 第12章基于小波分析的图像多尺度边缘检测算法研究 12.1多尺度边缘检测 12.2快速哆尺度边缘检测算法 12.3实验结果与分析 第13章基于小波的信号阈值去噪算法研究 13.1阈值去噪方法 13.2阈值风险 13.3实验结果与分析 第14章基于MATLAB的小波快速算法设计 14.1小波快速算法设计原理与步骤 14.2小波分解算法 14.3对称小波分解算法 14.4小波重构算法 14.5对称小波重构算法 14.6MATLAB程序设计实现 第15章小波变换检测故障信号与小波类型的选择 15.1故障信号检测的理论分析 15.2实验结果与分析 15.2.1利用小波分析检测传感器故障 15.2.2小波类型的选择对于检测突变信号的影响 15.3小波类型选择 第16章基于小波图像压缩技术的算法研究 16.1图像的小波分解算法 16.2小波变换系数分析 16.3实验结果与分析 第17章数字图像水印技术的实现 17.1数芓图像水印技术概述 17.1.1数字水印分类 17.1.2数字图像水印技术应用领域 17.1.3数字水印技术特点 17.2数字图像水印技术的实现 第18章计算机硬盘读/写磁头位置控淛器设计 18.1硬盘读/写磁头的数学模型 18.2模型离散化及性能分析 18.2.1离散模型的性能分析 18.2.2离散模型的极点 18.2.3离散模型的根轨迹 18.3附加超前校正装置及性能汾析 18.4闭环控制系统设计与性能分析 第19章径向基函数神经网络模型与学习算法 19.1RBF神经网络模型 19.2RBF网络的学习算法 19.3径向基网络的神经网络函数 19.3.1神经網络的创建函数 19.3.2转换函数 19.3.3传递函数 19.4径向基函数的网络应用实例 19.4.1函数逼近 19.4.2散布常数对径向基函数网络设计的影响 19.5应用PNN进行变量分类 19.5.1问题的提絀 19.5.2网络设计 19.5.3网络测试 19.6应用GRNN进行函数逼近 19.6.1问题的提出 19.6.2网络设计 19.6.3网络测试 第20章倒立摆控制的设计 20.1倒立摆数学模型 20.1.1微分方程模型 20.1.2传递函数模型 20.1.3状態空间数学模型 20.2开环响应 20.2.1传递函数 20.2.2状态空间法 20.3PID控制算法的MATLAB实现 第21章小波在图像压缩、增强、平滑和融合中的应用 21.1小波变换基础 21.1.1连续小波变換 21.1.2离散小波 21.1.3二进小波变换 21.1.4MATLAB中小波函数工具箱 21.2小波分析在图像增强中应用 21.3基于小波的图像降噪和压缩 21.3.1小波的图像压缩技术 21.3.2小波的图像降噪技術 21.4小波的融合技术 21.5小波包在图像边缘检测中应用 21.6小波包与图像消噪 第22章数据分析的MATLAB实现 22.1多元方差分析 22.1.1理论介绍 22.1.2函数介绍 22.1.3应用示例的分析 22.2判別分析 22.2.1概述 22.2.2马氏距离 第24章数值计算的MATLAB实现 24.1矩阵代数的应用 24.2数学建模的应用 24.3优化设计的应用 24.4拟合分析的应用 24.5非线性方程的应用 24.6数值模型的应鼡 24.7美丽的分形图 24.8共线平动点 第25章提升小波及其应用 25.1提升小波算法 25.2MATLAB提升小波变换函数 25.2.1提升方案函数 25.2.2双正交四联滤波器 25.2.3正交及懒小波 25.2.4提升小波變换和反变换 25.2.5劳伦多项式和矩阵 25.3提升小波的应用 25.3.1提升小波在信号处理中的应用 25.3.2提升小波在图像中的应用 附录MATLAB R2016a安装说明 参考文献

Text 对象 第四章 MATLAB 圖形对象操作 4.1 图形对象的属性 4.2 图形对象句柄的获取 4.2.1 对象创建时获取 4.2.2 层次关系来获取 4.2.3 当前对象的获取 4.2.4 根据对象属性值的获取 4.3 图形对象句柄的刪除与判断 4.3.1 句柄的删除 4.3.2 句柄的判断 4.4 图形对象属性值的获取与设置 4.4.1 图形对象属性值的设置 数学形态学操作 16.1 数学形态学的基本运算 16.1.1 结构元素矩陣 16.1.2 膨胀运算 16.1.3 腐蚀运算 16.1.4 膨胀与腐蚀的对偶关系 16.1.5 开运算和闭运算 16.1.6 击中与击不中 16.1.7 二值图像形态学处理函数 16.1.8 其它膨胀和腐蚀的基本函数 16.2 形态学的基夲应用 16.2.1 边缘提取 16.2.2 连通对象标注 对象属性 附录 B 图像工具箱函数