基于Matlab的数字图像处理

数字图像处理是一个跨学科的前沿科技领域，在工程学、计算机科学、信息学、统计学、物理、化学、遥感、生物医学、地质、海洋、气象、农业、冶金等许多学科中的应用取得了巨大成功，成为计算机科学、信息科学、生物学、医学等学科的研究热点。如今，数字图像已成为信息时代的重要信息来源，面对高速发展的数字信息时代，有必要培养和提高学生数字图像处理技术的理论水平和动手能力，使学生能够应用数字图像处理技术解决学习、工作中遇到的相关问题。
本书结构安排合理，叙述清晰简练，理论与实践并重，使用Matlab作为实验平台，将数字图像处理的理论与Matlab程序实现有机结合，加入的大量实验示例和实验图片，对学生理解数字图像处理技术有很大帮助。
全书共分9章：第1章是数字图像处理概述；第2章介绍了数字图像处理基本运算；第3章介绍了图像变换；第4章介绍了图像空间域增强；第5章介绍了图像频域增强；第6章介绍了图像编码；第7章介绍了图像恢复；第8章介绍了数学形态学运算；第9章介绍了基于深度学习的图像处理。本书各章节内容均由哈尔滨商业大学计算机与信息工程学院教师编写。其中：第1章至第4章由孙华东编写；第5章由孙华东和范智鹏共同编写；第6章由范智鹏编写；第7章由范智鹏和韩小为共同编写；第8章由韩小为编写；第9章由王冉编写。参考文献由韩小为整理。全书由孙华东统一汇总整理。
本书可用于高等院校电子信息工程、通信工程、信号与信息处理、计算机科学与技术、电气工程和物联网等相关专业的高年级本科生或低年级研究生数字图像处理课程的教材或教学参考书，也可供从事图像处理、图像通信、多媒体通信、数字电视等领域的科技人员参考。
本书受到了两项黑龙江省自然科学基金项目（项目编号：F2018020和LH2020F008）的资金支持，在编写过程中得到了课题组赵志杰教授、张立志教授和金雪松副教授的大力支持与帮助。他们为本书的结构安排和内容安排提出了许多宝贵的建议。作者在此表示衷心的感谢，同时也对课题组的任聪、陶武超、刘良、王冬雪和乔宝星等同学表示感谢，他们进行了资料搜集整理和文字校验等工作。
本书在编写过程中得到了电子工业出版社富军编辑的认真审阅和精心修改，既使全书增色不少，也使作者受益匪浅，在此也一并表示感谢。
由于作者水平有限，书中难免有不足和疏漏之处，恳请读者批评指正。
孙华东
2020年11月

图像信息是人类获得外界信息的主要来源，据统计，大约有70%的信息是通过人眼获得的，而人眼获得的信息大部分是图像信息。在近代科学研究、军事技术、工业生产、医学、生物、天文、地理、气象等领域，人们越来越多地利用图像信息来认识和判断事物，解决问题。人们的目的不仅仅是获得图像信息，更重要的是对信息进行处理，在大量复杂的图像信息中提取人们所需要的信息。因此，从这个意义上讲，图像信息的处理往往比图像信息的获取更为重要。随着计算机技术的发展，数字图像处理正成为新兴的学科蓬勃发展。

2003年哈尔滨工业大学毕业后，一直从事教学及科研工作。黑龙江省自然科学基金协会。哈尔滨市青年科技创新人员专项资金项目，“基于二维视频序列特征分析及融合的深度信息获取策略研究”， 课题负责人。黑龙江省自然科学基金项目，“提高多视角视频编码效率关键技术研究”，主要参与者（第二名）。

目 录 
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 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 图像编码的主要国际标准 154 
6.5.1 静止图像编码国际标准（JPEG） 154 
6.5.2 运动图像编码国际标准（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SVM 209 
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 AlexNet 222 
9.3.2 GoogleNet 223 
9.3.3 ResNet 224 
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

图像信息是人类获得外界信息的主要来源，据统计，大约有70%的信息是通过人眼获得的，而人眼获得的信息大部分是图像信息。在近代科学研究、军事技术、工业生产、医学、生物、天文、地理、气象等领域，人们越来越多地利用图像信息来认识和判断事物，解决问题。人们的目的不仅仅是获得图像信息，更重要的是对信息进行处理，在大量复杂的图像信息中提取人们所需要的信息。因此，从这个意义上讲，图像信息的处理往往比图像信息的获取更为重要。随着计算机技术的发展，数字图像处理正成为新兴的学科蓬勃发展。

2003年哈尔滨工业大学毕业后，一直从事教学及科研工作。黑龙江省自然科学基金协会。哈尔滨市青年科技创新人员专项资金项目，“基于二维视频序列特征分析及融合的深度信息获取策略研究”， 课题负责人。黑龙江省自然科学基金项目，“提高多视角视频编码效率关键技术研究”，主要参与者（第二名）。