数字图像处理（第四版）

图书标准信息

• 作者 Gonzalez（拉斐尔・C. 冈萨雷斯） 著；[美]Rafael、C.、阮秋琦 译
• 出版社 电子工业出版社
• 出版时间 2020-05
• 版次 1
• ISBN 9787121377471
• 定价 159.00元
• 装帧 其他
• 开本 16开
• 页数 748页
• 字数 1366千字

【内容简介】

在数字图像处理领域，本书作为主要教材已有40多年。第四版是作者在前三版的基础上修订而成的，是前三版的发展与延续。除保留前几版的大部分内容外，根据读者的反馈，作者对本书进行了全面修订，融入了近年来数字图像处理领域的重要进展，增加了几百幅新图像、几十个新图表和上百道新习题。全书共12章，即绪论、数字图像基础、灰度变换与空间滤波、频率域滤波、图像复原与重构、小波变换和其他图像变换、彩色图像处理、图像压缩和水印、形态学图像处理、图像分割、特征提取、图像模式分类。本书的读者对象主要是从事信号与信息处理、通信工程、电子科学与技术、信息工程、自动化、计算机科学与技术、地球物理、生物工程、生物医学工程、物理、化学、医学、遥感等领域的大学教师和科技工作者、研究生、大学本科高年级学生及工程技术人员。

【作者简介】

Rafael C. Gonzalez: 1965于美国迈阿密大学获电气工程学士学位；1967年和1970年于美国佛罗里达大学盖恩斯维尔分校分别获电气工程硕士学位和博士学位。1970年，加盟田纳西大学诺克斯维尔分校(UTK)电机和计算机工程系。1973年晋升为副教授，1978年晋升为教授，1984年被授予“杰出贡献教授”。1994年到1997年任系主任，现为UTK名誉教授。
阮秋琦：教授、博士生导师。曾任国务院学位委员会学科评议组成员、北京交通大学学位委员会副主席、中国图像图形学学会常务理事、北京图像图形学学会副理事长、中国图像图形学学会铁道专业委员会主任委员；现为IEEE北京分会主席、IET北京分会主席及会士、中国通信学会会士、中国电子学会会士/理事、中国电子教育学会理事、信号处理学会副理事长、科技部国际合作项目评审专家、国家自然科学基金委员会第十三届评审专家、国家留学基金委员会评审专家。

【目录】

第1章 绪论 1

引言 1

学习目标 1

1．1 什么是数字图像处理 1

1．2 数字图像处理的起源 2

1．3 数字图像处理技术应用领域实例 5

1．3．1 伽马射线成像 5

1．3．2 X射线成像 6

1．3．3 紫外波段成像 8

1．3．4 可见光和红外波段成像 8

1．3．5 微波波段成像 14

1．3．6 无线电波段成像 14

1．3．7 其他成像方式 15

1．4 数字图像处理的基本步骤 18

1．5 图像处理系统的组成 20

小结、参考文献和延伸读物 22

第2章 数字图像基础 23

引言 23

学习目标 23

2．1 视觉感知要素 23

2．1．1 人眼的结构 24

2．1．2 人眼的成像方式 25

2．1．3 亮度适应与辨别 25

2．2 光和电磁波谱 28

2．3 图像感知与获取 30

2．3．1 使用单个传感器获取图像 31

2．3．2 使用条带传感器获取图像 31

2．3．3 使用阵列传感器获取图像 32

2．3．4 一个简单的成像模型 33

2．4 图像取样和量化 34

2．4．1 取样和量化的基本概念 34

2．4．2 数字图像表示 36

2．4．3 线性索引和坐标索引 39

2．4．4 空间分辨率和灰度分辨率 40

2．4．5 图像内插 44

2．5 像素间的一些基本关系 45

2．5．1 像素的相邻像素 45

2．5．2 邻接、连通、区域和边界 46

2．5．3 距离测度 47

2．6 数字图像处理所用的基本数学工具介绍 48

2．6．1 对应元素运算和矩阵运算 48

2．6．2 线性运算与非线性运算 49

2．6．3 算术运算 50

2．6．4 集合运算和逻辑运算 54

2．6．5 空间运算 59

2．6．6 向量与矩阵运算 66

2．6．7 图像变换 67

2．6．8 图像灰度和随机变量 69

小结、参考文献和延伸读物 70

习题 70

第3章 灰度变换与空间滤波 75

引言 75

学习目标 75

3．1 背景 75

3．1．1 灰度变换和空间滤波基础 76

3．1．2 关于本章中例子的说明 77

3．2 一些基本的灰度变换函数 77

3．2．1 图像反转 77

3．2．2 对数变换 78

3．2．3 幂律（伽马）变换 79

3．2．4 分段线性变换函数 82

3．3 直方图处理 86

3．3．1 直方图均衡化 87

3．3．2 直方图匹配（规定化） 93

3．3．3 精确直方图匹配（规定化） 99

3．3．4 局部直方图处理 105

3．3．5 使用直方图统计量增强图像 106

3．4 空间滤波基础 108

3．4．1 线性空间滤波的原理 108

3．4．2 空间相关与卷积 109

3．4．3 可分离滤波器核 114

3．4．4 空间域滤波和频率域滤波的一些

重要比较 115

3．4．5 如何构建空间滤波器核 116

3．5 平滑（低通）空间滤波器 116

3．5．1 盒式滤波器核 117

3．5．2 低通高斯滤波器核 118

3．5．3 顺序统计（非线性）滤波器 124

3．6 锐化（高通）空间滤波器 125

3．6．1 基础 125

3．6．2 使用二阶导数锐化图像DD拉普

拉斯算子 127

3．6．3 钝化掩蔽和高提升滤波 130

3．6．4 使用一阶导数锐化图像DD梯度 131

3．7 低通、高通、带阻和带通滤波器 134

3．8 组合使用空间增强方法 136

小结、参考文献和延伸阅读 139

习题 140

第4章 频率域滤波 145

引言 145

学习目标 145

4．1 背景 145

4．1．1 傅里叶级数和变换简史 146

4．1．2 关于本章中的例子 147

4．2 基本概念 147

4．2．1 复数 148

4．2．2 傅里叶级数 148

4．2．3 冲激函数及其取样性质 148

4．2．4 单连续变量函数的傅里叶变换 150

4．2．5 卷积 152

4．3 取样和取样函数的傅里叶变换 153

4．3．1 取样 153

4．3．2 取样后的函数的傅里叶变换 154

4．3．3 取样定理 156

4．3．4 混叠 158

4．3．5 由取样后的数据重构（复原）函数 160

4．4 一元函数的离散傅里叶变换 161

4．4．1 由取样后的函数的连续变换得到DFT 161

4．4．2 取样和频率间隔的关系 163

4．5 二元函数的傅里叶变换 164

4．5．1 二维冲激及其取样性质 164

4．5．2 二维连续傅里叶变换对 164

4．5．3 二维取样和二维取样定理 165

4．5．4 图像中的混叠 166

4．5．5 二维离散傅里叶变换及其反变换 171

4．6 二维DFT和IDFT的一些性质 171

4．6．1 空间间隔和频率间隔的关系 171

4．6．2 平移和旋转 171

4．6．3 周期性 172

4．6．4 对称性 173

4．6．5 傅里叶谱和相角 177

4．6．6 二维离散卷积定理 181

4．6．7 二维离散傅里叶变换性质的小结 184

4．7 频率域滤波基础 185

4．7．1 频率域的其他特性 185

4．7．2 频率域滤波基础 186

4．7．3 频率域滤波步骤小结 190

4．7．4 空间域和频率域滤波之间的对应性 192

4．8 使用低通频率域滤波器平滑图像 195

4．8．1 理想低通滤波器 195

4．8．2 高斯低通滤波器 198

4．8．3 巴特沃斯低通滤波器 199

4．8．4 低通滤波的其他例子 201

4．9 使用高通滤波器锐化图像 203

4．9．1 由低通滤波器得到理想、高斯和巴特沃

斯高通滤波器 203

4．9．2 频率域中的拉普拉斯算子 207

4．9．3 钝化掩蔽、高提升滤波和高频强调

滤波 208

4．9．4 同态滤波 210

4．10 选择性滤波 212

4．10．1 带阻滤波器和带通滤波器 212

4．10．2 陷波滤波器 214

4．11 快速傅里叶变换 217

4．11．1 二维DFT的可分离性 217

4．11．2 使用DFT算法计算IDFT 218

4．11．3 快速傅里叶变换（FFT） 218

小结、参考文献和延伸读物 220

习题 221

第5章 图像复原与重构 228

引言 228

学习目标 228

5．1 图像退化/复原处理的一个模型 228

5．2 噪声模型 229

5．2．1 噪声的空间性质和频率性质 229

5．2．2 一些重要的噪声概率密度函数 229

5．2．3 周期噪声 234

5．2．4 估计噪声参数 234

5．3 只出现噪声的复原DD空间滤波 235

5．3．1 均值滤波器 235

5．3．2 顺序统计滤波器 238

5．3．3 自适应滤波器 242

5．4 使用频率域滤波降低周期噪声 245

5．4．1 陷波滤波深入介绍 245

5．4．2 最优陷波滤波 248

5．5 线性位置不变退化 252

5．6 估计退化函数 253

5．6．1 采用观察法估计退化函数 253

5．6．2 采用试验法估计退化函数 254

5．6．3 采用建模法估计退化函数 254

5．7 反滤波 257

5．8 最小均方误差（维纳）滤波 258

5．9 约束最小二乘滤波 261

5．10 几何平均滤波 264

5．11 根据投影重构图像 265

5．11．1 引言 265

5．11．2 X射线计算机断层成像（CT）

原理 267

5．11．3 投影和雷登变换 269

5．11．4 反投影 272

5．11．5 傅里叶切片定理 273

5．11．6 使用平行射线束滤波反投影重构 274

5．11．7 使用扇形射线束滤波反投影重构

图像 278

小结、参考文献和延伸读物 282

习题 283

第6章 彩色图像处理 287

引言 287

学习目标 287

6．1 彩色基础 288

6．2 彩色模型 292

6．2．1 RGB彩色模型 293

6．2．2 CMY和CMYK彩色模型 294

6．2．3 HSI彩色模型 295

6．2．4 设备无关彩色模型 301

6．3 伪彩色图像处理 302

6．3．1 灰度分层和彩色编码 302

6．3．2 灰度到彩色的变换 305

6．4 全彩色图像处理基础 309

6．5 彩色变换 310

6．5．1 公式 310

6．5．2 补色 313

6．5．3 彩色分层 314

6．5．4 色调和彩色校正 315

6．5．5 彩色图像的直方图处理 318

6．6 彩色图像平滑和锐化 319

6．6．1 彩色图像平滑 319

6．6．2 彩色图像锐化 321

6．7 使用彩色分割图像 322

6．7．1 HSI彩色空间中的分割 322

6．7．2 RGB空间中的分割 323

6．7．3 彩色边缘检测 325

6．8 彩色图像中的噪声 328

6．9 彩色图像压缩 330

小结、参考文献和延伸读物 331

习题 332

第7章 小波变换和其他图像变换 335

引言 335

学习目标 335

7．1 背景 335

7．2 基于矩阵的变换 337

7．3 相关 345

7．4 时间-频率平面的基函数 346

7．5 基图像 349

7．6 傅里叶相关的变换 351

7．6．1 离散哈特利变换 351

7．6．2 离散余弦变换 353

7．6．3 离散正弦变换 356

7．7 沃尔什-哈达玛变换 359

7．8 斜变换 362

7．9 哈尔变换 363

7．10 小波变换 365

7．10．1 尺度函数 365

7．10．2 小波函数 367

7．10．3 小波级数展开 369

7．10．4 一维离散小波变换 370

7．10．5 二维小波变换 376

7．10．6 小波包 382

小结、参考文献和延伸读物 387

习题 387

第8章 图像压缩和水印 392

引言 392

学习目标 392

8．1 基础 392

8．1．1 编码冗余 393

8．1．2 空间冗余和时间冗余 395

8．1．3 无关信息 395

8．1．4 度量图像信息 396

8．1．5 保真度准则 398

8．1．6 图像压缩模型 399

8．1．7 图像格式、容器和压缩标准 400

8．2 霍夫曼编码 402

8．3 Golomb编码 404

8．4 算术编码 407

8．4．1 自适应上下文相关概率估计 408

8．5 LZW编码 409

8．6 行程编码 411

8．6．1 一维CCITT压缩 412

8．6．2 二维CCITT压缩 412

8．7 基于符号的编码 415

8．7．1 JBIG2压缩 416

8．8 比特平面编码 417

8．9 块变换编码 421

8．9．1 变换的选择 421

8．9．2 子图像尺寸选择 423

8．9．3 比特分配 424

8．10 预测编码 432

8．10．1 无损预测编码 432

8．10．2 运动补偿预测残差 435

8．10．3 有损预测编码 441

8．10．4 最优预测器 443

8．10．5 最优量化 445

8．11 小波编码 446

8．11．1 小波的选择 447

8．11．2 分解层数的选择 448

8．11．3 量化器设计 449

8．11．4 JPEG-2000 450

8．12 数字图像水印 454

小结、参考文献和延伸读物 459

习题 460

第9章 形态学图像处理 463

引言 463

学习目标 463

9．1 预备知识 463

9．2 腐蚀和膨胀 466

9．2．1 腐蚀 466

9．2．2 膨胀 468

9．2．3 对偶性 470

9．3 开运算与闭运算 470

9．4 击中-击不中变换 474

9．5 一些基本的形态学算法 476

9．5．1 边界提取 477

9．5．2 孔洞填充 477

9．5．3 提取连通分量 479

9．5．4 凸壳 480

9．5．5 细化 482

9．5．6 粗化 483

9．5．7 骨架 484

9．5．8 裁剪 486

9．6 形态学重构 487

9．6．1 测地膨胀和腐蚀 488

9．6．2 膨胀和腐蚀形态学重构 489

9．6．3 应用实例 490

9．7 二值图像形态学运算小结 493

9．8 灰度形态学 494

9．8．1 灰度腐蚀和膨胀 495

9．8．2 灰度开运算和闭运算 496

9．8．3 一些基本的灰度形态学算法 498

9．8．4 灰度形态学重构 502

小结、参考文献和延伸读物 505

习题 505

第10章 图像分割 511

引言 511

学习目标 511

10．1 基础知识 511

10．2 点、线和边缘检测 513

10．2．1 背景知识 513

10．2．2 孤立点的检测 516

10．2．3 线检测 517

10．2．4 边缘模型 520

10．2．5 基本边缘检测 523

10．2．6 更先进的边缘检测技术 529

10．2．7 连接边缘点 538

10．3 阈值处理 543

10．3．1 基础知识 544

10．3．2 基本的全局阈值处理 546

10．3．3 使用Otsu方法的最优全局阈值

处理 547

10．3．4 使用图像平滑改进全局阈值处理 551

10．3．5 使用边缘改进全局阈值处理 552

10．3．6 多阈值处理 555

10．3．7 可变阈值处理 557

10．4 使用区域生长、区域分离与聚合进行

分割 560

10．4．1 区域生长 560

10．4．2 区域分离与聚合 562

10．5 使用聚类和超像素的区域分割 564

10．5．1 用k均值聚类的区域分割 564

10．5．2 使用超像素的区域分割 566

10．6 使用图割分割区域 571

10．6．1 作为图的图像 571

10．6．2 最小图割 573

10．6．3 计算最小图割 574

10．6．4 图割分割算法 575

10．7 使用形态学分水岭分割图像 577

10．7．1 背景知识 577

10．7．2 构建水坝 579

10．7．3 分水岭分割算法 581

10．7．4 标记的使用 583

10．8 在分割中使用运动 584

10．8．1 空间域技术 584

10．8．2 频率域技术 587

小结、参考文献和延伸读物 589

习题 590

第11章 特征提取 595

引言 595

学习目标 595

11．1 背景 595

11．2 边界预处理 597

11．2．1 边界跟踪（追踪） 597

11．2．2 链码 598

11．2．3 用最小周长多边形近似边界 602

11．2．4 标记图 606

11．2．5 骨架、中轴和距离变换 608

11．3 边界特征描述子 610

11．3．1 一些基本的边界描述子 610

11．3．2 形状数 611

11．3．3 傅里叶描述子 613

11．3．4 统计矩 615

11．4 区域特征描述子 616

11．4．1 一些基本的描述子 616

11．4．2 拓扑描述子 620

11．4．3 纹理 621

11．4．4 矩不变量 629

11．5 作为特征描述子的主分量 631

11．6 整体图像特征 637

11．6．1 哈里斯-斯蒂芬斯角点检测器 638

11．6．2 最大稳定极值区域（MSER） 643

11．7 尺度不变特征变换（SIFT） 648

11．7．1 尺度空间 648

11．7．2 检测局部极值 651

11．7．3 关键点方向 654

11．7．4 关键点描述子 655

11．7．5 SIFT算法小结 656

小结、参考文献和延伸读物 659

习题 660

第12章 图像模式分类 663

引言 663

学习目标 663

12．1 背景 663

12．2 模式与模式类 665

12．2．1 模式向量 665

12．2．2 结构模式 668

12．3 原型匹配模式分类 669

12．3．1 最小距离分类器 669

12．3．2 对二维原型匹配使用相关 672

12．3．3 匹配SIFT特征 674

12．3．4 匹配结构原型 675

12．4 最优（贝叶斯）统计分类器 678

12．4．1 贝叶斯分类器的推导 678

12．4．2 高斯模式类的贝叶斯分类器 679

12．5 神经网络与深度学习 684

12．5．1 背景知识 684

12．5．2 感知机 685

12．5．3 多层前馈神经网络 693

12．5．4 正向传播前馈神经网络 696

12．5．5 使用反向传播训练深层神经网络 700

12．6 深度卷积神经网络 707

12．6．1 一种基本的CNN结构 708

12．6．2 正向通过CNN的传递公式 714

12．6．3 用于训练CNN的反向传播方程 714

12．7 实现的一些附加细节 725

小结、参考文献和延伸读物 726

习题 726

参考文献 730

术语表 738