本書系統(tǒng)地介紹了數(shù)字圖像處理的基本理論和基本技術(shù)，共12章，包括圖像處理基礎(chǔ)知識、圖像增強、圖像編碼與壓縮、圖像復原與重建、圖像分割、數(shù)學形態(tài)學在圖像處理中的應用、圖像分析、圖像識別、基于模型驅(qū)動法的圖像處理綜合應用和基于深度學習的圖像處理綜合應用等內(nèi)容。本書深入淺出、理論與實踐并舉，各章給出應用實例，尤其后兩章分別給出了基于MATLAB的模型驅(qū)動法和基于Python的深度學習的圖像處理綜合應用實例。 本書可作為高等院校計算機類、電子信息類、信息與通信工程類和融媒體類相關(guān)專業(yè)及人工智能技術(shù)專業(yè)本科生、研究生的教材，也可供從事數(shù)字圖像處理、機器視覺與人工智能領(lǐng)域研究工作的技術(shù)人員參考。
藺素珍，中北大學大數(shù)據(jù)學院教授，一直從事數(shù)字圖像處理技術(shù)、計算機圖形學、模式識別與圖像處理等方面的教學與科研工作，作為主要技術(shù)骨干主持或參加多項省部級以上項目。
第1章 概述
1.1什么是數(shù)字圖像處理
1.1.1數(shù)字圖像處理的基本概念
1.1.2數(shù)字圖像處理技術(shù)的產(chǎn)生與發(fā)展
1.2數(shù)字圖像處理的主要任務與方法
1.2.1數(shù)字圖像處理的主要任務
1.2.2數(shù)字圖像處理的主要方法
1.2.3數(shù)字圖像處理技術(shù)的特點
1.3數(shù)字圖像處理的應用
1.3.1數(shù)字圖像處理的應用領(lǐng)域
1.3.2數(shù)字圖像處理的新發(fā)展
本章小結(jié)
思考與練習題
拓展訓練
第2章 數(shù)字圖像處理的物理及技術(shù)基礎(chǔ)
2.1數(shù)字圖像獲取
2.1.1成像過程
2.1.2模擬圖像描述
2.1.3常用的圖像格式
2.1.4模擬圖像數(shù)字化
2.2數(shù)字圖像顯示及像質(zhì)描述
2.2.1數(shù)字圖像顯示
2.2.2像質(zhì)描述基本方法
2.3色度學基礎(chǔ)與顏色模型
2.3.1分辨率
2.3.2色度學基礎(chǔ)
2.3.3顏色模型
2.3.4彩色顯示
2.4數(shù)字圖像處理基礎(chǔ)
2.4.1灰度直方圖及其應用
2.4.2圖像處理系統(tǒng)及編程語言
本章小結(jié)
思考與練習題
拓展訓練
第3章數(shù)字圖像處理的數(shù)學基礎(chǔ)
3.1數(shù)字圖像的基本運算
3.1.1點運算
3.1.2代數(shù)運算
3.1.3幾何運算
3.2數(shù)字圖像的正交變換
3.2.1傅里葉變換
3.2.2離散余弦變換
3.2.3KL變換
3.2.4小波變換與多尺度分析
本章小結(jié)
思考與練習題
拓展訓練
第4章圖像增強
4.1空域增強
4.1.1基于點操作的圖像增強
4.1.2基于區(qū)域操作的圖像增強
4.2頻域增強
4.2.1低通濾波
4.2.2高通濾波
4.2.3同態(tài)濾波
4.3彩色增強
4.3.1偽彩色增強
4.3.2假彩色增強
4.3.3真彩色增強
*4.4圖像增強應用：侯馬盟書圖像增強
本章小結(jié)
思考與練習題
拓展訓練
第5章圖像編碼與壓縮
5.1概述
5.1.1圖像冗余
5.1.2圖像壓縮
5.2圖像編碼的保真度準則
5.2.1客觀保真度準則
5.2.2主觀保真度準則
5.3無損壓縮編碼
5.3.1無損預測編碼
5.3.2哈夫曼編碼
5.3.3算術(shù)編碼
5.4有損壓縮編碼
5.4.1有損預測編碼
5.4.2變換編碼
5.5視頻圖像編碼標準
5.5.1 JPEG標準
5.5.2 MPEG標準
5.5.3 H.261標準
5.5.4 H.264標準
*5.6圖像壓縮編碼應用：分塊DCT編碼水印嵌入
本章小結(jié)
思考與練習題
拓展訓練
第6章圖像復原與重建
6.1概述
6.1.1圖像復原與圖像重建
6.1.2像質(zhì)退化的原因
6.1.3連續(xù)圖像退化的數(shù)學模型
6.1.4離散圖像退化的數(shù)學模型
6.2典型的無約束復原圖像方法——逆濾波復原
6.3約束復原方法
6.3.1約束復原的基本原理
6.3.2維納濾波復原
6.3.3約束小二乘濾波復原
6.4非線性復原
6.4.1后驗復原
6.4.2熵復原
6.4.3投影復原
6.4.4同態(tài)濾波復原
6.5幾何失真校正
6.5.1典型的幾何失真
6.5.2空間幾何坐標變換
6.5.3校正空間像素點灰度值的確定
*6.6圖像復原應用：壁畫文物虛擬修復
6.6.1修復過程
6.6.2主要算法
6.6.3修復結(jié)果
本章小結(jié)
思考與練習題
拓展訓練
第7章圖像分割
7.1概述
7.2圖像分割的定義與方法
7.2.1圖像分割定義
7.2.2圖像分割方法分類
7.3圖像的閾值分割法
7.3.1直方圖分割與圖像二值化
7.3.2圖像閾值分割的常用方法
7.4圖像的區(qū)域生長法
7.4.1傳統(tǒng)區(qū)域生長法
7.4.2無種子區(qū)域生長法
7.5基于邊緣的圖像分割方法
7.5.1邊緣檢測算法
7.5.2輪廓檢測算法——霍夫變換
7.6圖像分割應用
7.6.1圖像中數(shù)字的分割
7.6.2基于區(qū)域生長法的醫(yī)學影像分割
本章小結(jié)
思考與練習題
拓展訓練
第8章數(shù)學形態(tài)學在圖像處理中的應用
8.1概述
8.2基本概念和運算
8.2.1集合和元素
8.2.2交集、并集和補集
8.2.3腐蝕與膨脹
8.2.4開運算和閉運算
8.2.5擊中/擊不中變換（HMT）
8.3形態(tài)學基本運算在圖像處理中的應用
8.3.1計算像素連接數(shù)
8.3.2骨架抽取
*8.4形態(tài)學處理圖像應用實例：侯馬盟書碑文圖像骨架提取
本章小結(jié)
思考與練習題
拓展訓練
第9章圖像分析
9.1圖像表示
9.1.1邊界追蹤
9.1.2鏈碼
9.2圖像描繪
9.2.1邊界描繪
9.2.2區(qū)域描繪
9.2.3關(guān)系描繪
9.2.4相似性描繪
*9.3圖像紋理分析
9.3.1基于鄰域特征統(tǒng)計的方法
9.3.2基于傅里葉頻譜提取特征
9.3.3基于灰度共生矩陣的方法
*9.4圖像分析應用：醫(yī)學圖像配準
9.4.1圖像配準的基本步驟
9.4.2醫(yī)學圖像配準
本章小結(jié)
思考與練習題
拓展訓練
第10章圖像識別
10.1圖像識別基礎(chǔ)
10.1.1模式識別過程
10.1.2模式識別方法
10.1.3圖像識別過程
10.1.4圖像識別應用
10.2傳統(tǒng)神經(jīng)網(wǎng)絡的圖像識別
10.2.1感知機神經(jīng)網(wǎng)絡
10.2.2 BP神經(jīng)網(wǎng)絡
10.3卷積神經(jīng)網(wǎng)絡的圖像識別
10.3.1卷積神經(jīng)網(wǎng)絡基本結(jié)構(gòu)
10.3.2卷積神經(jīng)網(wǎng)絡訓練
10.3.3典型卷積神經(jīng)網(wǎng)絡模型
*10.4圖像識別應用：手寫數(shù)字識別
10.4.1感知機實現(xiàn)手寫數(shù)字識別
10.4.2BP神經(jīng)網(wǎng)絡實現(xiàn)手寫數(shù)字識別
本章小結(jié)
思考與練習題
拓展訓練
*第11章基于模型驅(qū)動法的圖像處理綜合應用
11.1圖像融合
11.1.1圖像融合概述
11.1.2像素級圖像融合過程
11.1.3圖像融合實例——雙色中波紅外圖像融合
11.2基于有效位方法的圖像加密
11.2.1算法步驟
11.2.2算法實現(xiàn)
11.2.3仿真結(jié)果分析
11.3圖像目標提取
11.3.1運動目標特征提取步驟
11.3.2運動目標特征提取實現(xiàn)
11.4基于圖像的三維繪制
11.4.1單幅圖像圖形化
11.4.2多幅圖像圖形化
11.5視頻圖像分析與目標動畫制作
11.5.1視頻圖像內(nèi)容關(guān)聯(lián)性分析
11.5.2視頻圖像運動目標動畫制作
11.6圖像處理軟件開發(fā)
11.6.1準備工作
11.6.2圖形用戶界面設(shè)計
11.6.3系統(tǒng)代碼編輯
11.6.4壁畫文物虛擬修復展示系統(tǒng)
本章小結(jié)
思考與練習題
拓展訓練
*第12章基于深度學習的圖像處理綜合應用
12.1 CNN的Deep Network Designer實現(xiàn)
12.1.1加載使用預訓練的網(wǎng)絡
12.1.2定制搭建網(wǎng)絡結(jié)構(gòu)
12.2基于Python的速采磁共振圖像重建
12.2.1 U-Net網(wǎng)絡架構(gòu)
12.2.2圖像重建的Python實現(xiàn)
本章小結(jié)
思考與練習題
拓展訓練
附錄A 常用術(shù)語中英文對照
附錄B Python語言常用圖像處理函數(shù)
參考文獻
書單推薦
