\"本書具有如下特色： ？ 易教易學 繫統闡述基本概念和理論的同時，注重內容的繫統性、實用性和可讀性，減少理論公式的繁雜數學推導，為抽像的公式賦予明確的物理含義，便於理解和運用。 ？ 前後銜接 注重圖像處理基本理論和分析方法的前後連貫性，並妥善處理好與先修課程和後續課程的銜接性。 ？ 認知規律 根據認知和理解的規律安排內容，深入淺出，將數學工具工程化，將抽像問題形像化，將復雜問題分層解析、簡潔明了。 ？ 層次分明 圖像處理理論和圖像處理應用結合緊密，理論嚴謹、概念清晰、結構合理，對各知識層次按照由淺入深、循序漸進的方式進行劃分，環環相扣，前後呼應。 ？ 技術前沿 介紹數字圖像處理領域的新進展，了解前沿，激發興趣，啟迪創新思想。 \"

\"本書繫統地介紹了數字圖像處理的基本概念和理論、基本方法和算法。全書共分12章，從內容上可分為3大部分。第1部分是數字圖像處理的基礎知識，包括圖像處理的基本概念及相關基礎。第2部分是數字圖像處理方面的核心內容，繫統地討論了數字圖像處理中的各種基本技術，包括圖像處理的各種變換、圖像處理的基本運算、圖像空域增強技術、圖像頻域增強技術、彩色圖像處理、圖像復原和圖像編碼技術等。第3部分是圖像分析和理解方面的內容，由淺入深地介紹了圖像分割、數學形態學、圖像特征與理解等方面的內容，為深入應用奠定堅實的基礎。本書在內容安排上循序漸進、深入淺出，各章均配有豐富的例題和習題，力求突出重點、面向應用、提高能力、解決問題。 本書可作為高等院校電子信息工程、通信工程、信息與信號處理、電子科學與技術、信息工程、計算機科學與技術、軟件工程、自動化、電氣工程、生物醫學工程、物聯網、電視技術和遙感遙測等相關專業的高年級學生和研究生的圖像處理教材，也可以作為工程技術人員或其他相關人員的參考書。\"

陳天華 教授、碩士生導師，畢業於南京航空航天大學（本科、碩士），獲全校8名優秀畢業研究生稱號，先後任職於原航空航天工業部和中國人民銀行信息技術部門，從事信號處理及圖像處理方面的研究工作。現任北京工商大學計算機與信息工程學院教授、電子信息繫主任。兼任國家標準化委員會專家委員會委員、中國電子學會、中國自動化法學會、中國繫統仿真學會、中國計算機學會高級會員；兼任北京及多省、部、市科學技術獎勵評審專家及自然科學基金評審專家。長期從事數字圖像處理、信號與信息處理、測控技術、生物醫學信號等領域的教學和研究工作。先後開設“數字圖像處理”、“機器視覺與圖像處理”、“圖像工程”、“數字信號處理”、“信號與繫統”等多門本科生及研究生課程。發表學術論文60餘篇，其中SCI、EI檢索30篇。先後主持及參與軍工重點型號、國家技術改造項目、國家“863計劃”、國家自然科學基金等國家、軍隊、省部級及企業合作科研項目30餘項。獲國家發明專利4項，出版著作5部，主審教材1部，編制國家軍用標準和國家標準3部，獲得省部級科學技術獎勵4項，北京市高等教育精品教材獎勵1項，出版教育部電子信息類教學指導委員會規劃教材1部。

目錄




第1章數字圖像處理概論

1．1數字圖像處理的產生

1．2數字圖像處理的基本概念

1．2．1圖像及其類型

1．2．2圖像與數字圖像

1．2．3其他相關概念

1．2．4數字圖像獲取方法

1．2．5數字圖像的矩陣表示

1．3數字圖像處理繫統

1．3．1數字圖像處理硬件繫統

1．3．2數字圖像處理軟件繫統

1．4數字圖像處理的應用與發展

1．4．1數字圖像處理的應用

1．4．2數字圖像處理的發展

習題

第2章數字圖像處理基礎

2．1數字圖像的類型

2．2圖像數字化器

2．2．1圖像數字化器的組件

2．2．2圖像數字化器的性能

2．2．3圖像數字化器的類型

2．3圖像的采樣和量化

2．3．1采樣

2．3．2量化

2．3．3采樣與量化參數的選擇

2．4像素基本關繫

2．4．1像素的鄰接

2．4．2鄰接性、連通性、區域和邊界

2．4．3距離度量

2．5圖像文件格式

2．5．1BMP文件

2．5．2JPEG文件

2．5．3PNG文件

2．5．4TIFF文件

2．5．5GIF文件

2．6數字圖像的顯示特性

2．6．1圖像的顯示

2．6．2圖像的打印

2．7圖像質量評價

2．7．1圖像質量評價方法

2．7．2均方誤差

2．7．3信噪比與峰值信噪比

2．7．4結構相似度

2．8灰度直方圖

2．8．1直方圖的定義與性質

2．8．2直方圖的作用

2．8．3直方圖與圖像的關繫

2．9圖像的統計特征

2．9．1圖像的基本統計分析量

2．9．2多維圖像的統計特性

習題

第3章圖像變換

3.1傅裡葉變換

3.1.1連續傅裡葉變換

3.1.2離散傅裡葉變換

3.1.3二維DFT的性質

3.1.4圖像傅裡葉變換綜合實例

3.2離散餘弦變換

3.2.1一維DCT變換

3.2.2二維DCT變換

3.2.3DCT變換的快速算法

3.2.4二維DCT的頻譜分布

3.3離散KL變換

3.3.1KL變換的基本原理

3.3.2KL變換的性質

3.3.3KL變換的逆變換

3.4離散沃爾什變換

3.4.1一維離散沃爾什變換

3.4.2二維離散沃爾什變換

3.4.3沃爾什變換的頻譜

3.5離散哈達瑪變換

3.5.1一維離散哈達瑪變換

3.5.2二維離散哈達瑪變換

3.6小波變換

3.6.1小波變換簡介

3.6.2連續小波變換

3.6.3離散小波變換

習題

第4章圖像處理的基本運算

4.1基本運算的類型

4.2點運算

4.2.1點運算的種類

4.2.2點運算與直方圖

4.2.3點運算的應用

4.3代數運算

4.3.1代數運算的意義

4.3.2加法運算

4.3.3減法運算

4.3.4乘法運算

4.3.5除法運算

4.4幾何運算

4.4.1齊次坐標

4.4.2圖像平移

4.4.3比例縮放

4.4.4鏡像變換

4.4.5旋轉變換

4.4.6復合變換

4.4.7控制點變換

4.4.8透視變換

4.4.9其他變換

4.5灰度級插值

4.5.1*近鄰法

4.5.2雙線性插值法

4.5.3三次內插法

習題

第5章圖像空域增強

5．1圖像噪聲

5．1．1圖像噪聲的產生

5．1．2圖像噪聲的分類

5．1．3圖像噪聲的特點

5．2圖像增強處理分類

5．2．1空域增強法

5．2．2頻域增強法

5．2．3圖像增強效果評價

5．3直接灰度變換增強

5．3．1線性灰度拉伸

5．3．2非線性拉伸

5．3．3光學增強

5．4基於直方圖的圖像增強

5．4．1基本原理

5．4．2直方圖均衡化

5．4．3直方圖規定化

5．5代數運算增強

5．5．1代數運算增強的應用

5．5．2比值處理與應用

5．6空域濾波增強

5．6．1空域濾波模板

5．6．2線性平滑濾波

5．6．3非線性平滑濾波

5．6．4銳化濾波器

5．7空域平滑濾波處理實例

5．7．1程序源代碼

5．7．2應用舉例

習題

第6章圖像頻域增強

6．1低通濾波

6．1．1理想低通濾波器

6．1．2巴特沃斯低通濾波器

6．1．3指數低通濾波器

6．1．4梯形低通濾波器

6．2高通濾波

6．2．1理想高通濾波器

6．2．2巴特沃斯高通濾波器

6．2．3指數高通濾波器

6．2．4梯形高通濾波器

6．3帶通和帶阻濾波

6．3．1帶通濾波器

6．3．2帶阻濾波器

6．4同態濾波

6．4．1同態濾波原理

6．4．2同態濾波實現方法

6．4．3同態濾波的應用

習題

第7章彩色圖像處理

7．1人眼的視覺特性

7．1．1人眼的結構

7．1．2人眼視覺模型

7．1．3人類視覺特性

7．2計算機的顏色模型

7．2．1面向硬件的彩色模型

7．2．2面向視覺感知的顏色模型

7．3偽彩色圖像處理

7．3．1偽彩色處理簡介

7．3．2密度分割

7．3．3灰度級偽彩色變換

7．4全彩色圖像處理

7．4．1彩色圖像處理方法分類

7．4．2彩色圖像直方圖增強

7．4．3彩色圖像去噪

7．4．4彩色頻域處理

習題

第8章圖像復原

8．1圖像退化機理

8．1．1退化原因

8．1．2復原機理

8．2圖像退化模型

8．2．1退化模型的一般特性

8．2．2連續退化模型

8．2．3離散退化模型

8．3無約束復原

8．3．1無約束復原基本原理

8．3．2無約束復原的奇異性

8．4逆濾波

8．4．1逆濾波基本原理

8．4．2逆濾波的病態條件

8．4．3逆濾波復原實例

8．5有約束復原法

8．5．1*小二乘類約束復原

8．5．2維納濾波

8．5．3功率譜均衡

8．5．4幾何均值濾波器

8．6勻速直線運動的模糊恢復

8．6．1勻速運動模糊模型

8．6．2勻速運動復原方法

8．7其他糾正技術

8．7．1幾何畸變校正

8．7．2盲目圖像復原

8．8中值濾波

8．8．1中值濾波基本原理

8．8．2中值濾波特性

8．8．3加權中值濾波

習題

第9章圖像編碼

9．1圖像編碼的基本原理

9．1．1圖像中的信息冗餘

9．1．2圖像編碼分類

9．1．3圖像編碼新方法

9．2圖像編碼評價

9．2．1編碼圖像的質量

9．2．2效率指標

9．2．3復雜度與適用範圍

9．3圖像統計編碼

9．3．1變長*佳編碼定理

9．3．2霍夫曼編碼

9．3．3香農範諾編碼

9．3．4行程長度編碼

9．3．5算術編碼

9．4位平面編碼

9．4．1位平面二值分解

9．4．2灰度碼分解

9．5預測編碼

9．5．1DPCM的工作原理

9．5．2線性預測編碼

9．5．3非線性預測

9．6圖像的變換編碼

9．6．1變換編碼的基本原理

9．6．2正交變換的物理意義

9．6．3變換類型與子塊大小的選擇

9．6．4變換編碼的步驟

9．7JPEG標準

9．7．1JPEG基本繫統

9．7．2JPEG編碼方法

9．7．3漸進式DCT方式編碼

9．7．4JPEG 2000

9．7．5JPEG編碼實例

9．8MPEG標準

9．8．1MPEG1

9．8．2MPEG2

9．8．3MPEG4

習題

**0章數學形態學及應用

10．1數學形態學基礎

10．1．1形態學簡介

10．1．2術語和定義

10．2二值形態學

10．2．1腐蝕

10．2．2膨脹

10．2．3開運算與閉運算

10．2．4擊中與擊不中

10．3灰度形態學

10．3．1灰度腐蝕

10．3．2灰度膨脹

10．3．3灰度開運算與閉運算

10．4數學形態學的應用

10．4．1二值形態學平滑濾波

10．4．2圖像細化

10．4．3圖像粗化

習題

**1章圖像分割

11．1圖像分割的基本概念

11．1．1圖像分割的基本原理

11．1．2圖像分割方法

11．2閾值分割法

11．2．1*佳閾值法

11．2．2判別分析法

11．3區域分割法

11．3．1區域生長法

11．3．2區域分裂與合並

11．4邊緣檢測的基本原理

11．4．1邊緣與邊緣信號

11．4．2邊緣的類型

11．4．3典型邊緣信號

11．5邊緣檢測算子

11．5．1一階微分算子

11．5．2二階微分算子

11．5．3Canny邊緣檢測

11．6輪廓提取

11．6．1輪廓跟蹤

11．6．2二值圖像輪廓

11．7圖像匹配

11．7．1模板匹配

11．7．2直方圖匹配

11．7．3形狀匹配

11．8邊緣檢測的MATLAB實現

11．8．1程序代碼

11．8．2應用舉例

習題

**2章圖像特征與理解

12．1幾何特征

12．1．1位置與方向

12．1．2長軸與短軸

12．1．3周長

12．1．4面積

12．1．5距離

12．2形狀特征

12．2．1矩形度

12．2．2寬長比

12．2．3圓形度

12．2．4球狀度

12．2．5不變矩

12．2．6偏心率

12．3顏色特征

12．3．1顏色直方圖

12．3．2顏色集

12．3．3顏色矩

12．3．4顏色聚合向量

12．3．5顏色相關圖

12．4形狀描述子

12．4．1傅裡葉描述子

12．4．2拓撲描述

12．4．3邊界鏈碼

12．4．4一階差分鏈碼

12．4．5霍夫變換

12．5紋理描述

12．5．1紋理特征

12．5．2統計法

12．5．3頻譜法

12．5．4空間自相關函數法

12．5．5灰度共生矩陣法

12．5．6紋理句法結構分析

12．6骨架提取

12．6．1骨架的概念

12．6．2中軸變換

習題

參考文獻

第5章 CHAPTER 5 圖像空域增強 圖像在獲取、傳輸、使用過程中，可能會產生噪聲或使圖像質量降低，圖像增強即有針對性地消除和抑制圖像噪聲、提高圖像質量。簡而言之，圖像增強是根據應用需要突出圖像中的某些“有用”信息，削弱或去除不需要的信息，以擴大圖像中不同物體特征之間的差別。處理的目的是使處理後的圖像對於特定應用而言，比原始圖像*合適，或者使圖像特征信息提取*方便，為進一步對圖像進行分析奠定基礎。由於具體應用的目的和要求不同，因而“有用”的含義和標準也不盡相同。一般情況下，經過增強處理後，圖像的視覺效果會發生變化，這種變化意味著某些特定信息得到了增強，或者圖像的視覺效果得到了改善。
圖像增強在航空航天、工業自動化生產、生物醫學、社會公共事務管理等方面得到了廣泛的應用。比如機械零部件的檢查和識別、印刷電路板的檢查、食品包裝出廠前的質量檢查、X射線成像、工件尺寸測量、集成芯片內部電路缺陷檢測等。需要注意的是，圖像增強算法並不能增加原始圖像的信息，而是通過某種技術手段有選擇地突出對某一具體應用有價值的信息。即圖像增強隻通過突出某些信息以增強對這些信息的辨識能力，而其他信息則被壓縮。也就是說，圖像的增強處理並不是一種無損處理。例如，圖像平滑處理算法中經常采用低通濾波法，雖然消除了圖像的噪聲，但圖像的空間紋理特征卻被削弱，圖像從整體上顯得比較模糊。因此，圖像噪聲的消除是以紋理信息(高頻信息)的減弱為代價而實現的。本章圍繞圖像增強技術的原理與方法，首先介紹數字圖像噪聲及其產生的原因、圖像增強處理方法分類，然後介紹圖像直方圖增強法、代數增強法、空域線性平滑濾波、空域非線性濾波和銳化濾波等增強方法。
5．1圖像噪聲 對於數字圖像處理而言，噪聲是指圖像中的非本源信息。圖像中各種妨礙人們對其信息接受的因素即可稱為圖像噪聲。在理論上，噪聲可以定義為不可預測，隻能用概率統計方法來認識的隨機誤差。因此，噪聲會影響人的感官對所接收的源信息的準確理解。在理論上，噪聲隻能通過概率統計的方法來認識和研究。從一般情況分析，圖像噪聲可認為是多維隨機信號，可以采用概率分布函數、概率密度函數，以及均值、方差、相關函數等對噪聲進行描述和分析。
5．1．1圖像噪聲的產生 目前，大多數數字圖像繫統中，輸入圖像都是通過掃描方式將多維圖像變成一維電信號，再對其進行存儲、處理和傳輸等，*後形成多維圖像信號。這一繫列復雜過程中，圖像數字化設備、電氣繫統和外界影響將使得圖像噪聲的產生不可避免。例如，處理高放大倍數遙感圖片的X射線圖像繫統中的噪聲去除等已成為不可或缺的技術。
5．1．2圖像噪聲的分類 圖像噪聲按其產生的原因可分為外部噪聲和內部噪聲。外部噪聲指繫統外部干擾以電磁波或經電源串進繫統內部而引起的噪聲，如電氣設備、天體放電現像等引起的噪聲。內部噪聲指成像繫統本身原因引起的噪聲。一般情況下，數字圖像中常見的內部干擾主要包括如下幾種： (1) 由光和電的基本性質所引起的噪聲。如電流的產生是因電子或空穴粒子的集合和定向運動而形成，因這些粒子的隨機性運動會產生散粒噪聲； 而導體中自由電子的無規則熱運動會產生熱噪聲； 根據光的粒子性，圖像是由光量子所傳輸，而光量子密度隨時間和空間變化也可形成光量子噪聲等。
(2) 設備元器件及材料本身引起的噪聲，如磁帶、磁盤表面缺陷所產生的噪聲。
(3) 繫統內部設備電路所引起的噪聲，包括電源繫統引入的交流噪聲、偏轉繫統和鉗位電路引起的噪聲等。
(4) 電器部件機械運動產生的噪聲，如數字化設備的各種接頭因抖動引起的電流變化所產生的噪聲，磁頭、磁帶抖動引起的抖動噪聲等。
需要指出的是，噪聲分類並不是**的，按不同的性質有不同的分類方法。例如，依據統計特征，圖像噪聲可分為平穩噪聲和非平穩噪聲兩種，其中統計特性不隨時間變化的噪聲稱為平穩噪聲，統計特性隨時間變化的噪聲稱為非平穩噪聲。根據噪聲與信號之間的關繫，可分為加性噪聲和乘性噪聲。加性隨機噪聲方法成熟，而乘性隨機噪聲處理方法目前還沒有成熟和通用的處理方法。按噪聲頻譜分類，又可以分為白噪聲、1/f噪聲和三角噪聲。頻譜均勻分布的噪聲稱為白噪聲； 頻譜與頻率成反比的稱為1/f噪聲； 而與頻率平方成正比的稱為三角噪聲等。
5．1．3圖像噪聲的特點 圖51含有噪聲的圖像 如圖51所示是一幅含有噪聲的圖像。一般情況下，圖像中的噪聲有以下三個特點。
1． 隨機性 由於噪聲在圖像中是隨機出現的，所以其分布和大小是隨機的，對於噪聲的處理，需根據具體噪聲的特點，采用概率統計方法進行分析和處理。
2． 疊加性 根據噪聲與信號之間的關繫，噪聲包括加性噪聲和乘性噪聲。理論上，加性隨機噪聲方法成熟，且處理比較方便； 而乘性隨機噪聲處理方法目前還沒有成熟的理論，並且處理起來**復雜。一般條件下，現實生活中所遇到的*大多數圖像噪聲均可以認為是加性噪聲。在圖像的串聯傳輸繫統中，各個串聯部件引起的噪聲一般具有疊加效應，導致信噪比下降。
3． 噪聲與圖像之間具有相關性 通常情況下，攝像機的信號和噪聲相關，明亮部分噪聲小，黑暗部分噪聲大。數字圖像處理技術中存在的量化噪聲與圖像相位相關。例如，圖像內容接近平坦時，量化噪聲呈現偽輪廓，但此時圖像信號中的隨機噪聲會因為顫噪效應反而使量化噪聲變得不很明顯。
改善被噪聲污染的圖像質量有兩種方法： 一是不考慮圖像噪聲的原因，隻對圖像中某些部分加以處理或突出有用的圖像特征信息，改善後的圖像並不一定與原圖像信息**一致。這一類改善圖像特征的方法就是圖像增強技術，主要目的是要提高圖像的可辨識性。另一類方法是針對圖像產生噪聲的具體原因，采取技術方法補償噪聲影響，使改善後的圖像盡可能地接近原始圖像。這類方法稱為圖像恢復或圖像復原技術。
5．2圖像增強處理分類 圖像增強處理方法根據處理過程所在的空間不同，可分為基於空間域的增強方法和基於頻率域的增強方法兩大類，如圖52所示。
圖52圖像增強方法類型 此外，圖像增強技術按所處理對像的不同還可分為灰度圖像增強和彩色圖像增強； 按增強的目的還可分為光譜信息增強、空間紋理信息增強和時間信息增強。通常情況下，如果沒有特別說明，一般均指對灰度圖像的增強。
5．2．1空域增強法 基於空域的增強方法直接在圖像所在的二維空間進行處理，即直接對每一像素點的灰度值進行處理。根據所采用的技術不同又可分為灰度變換和空域濾波兩類方法。
灰度變換是基於點操作的增強方法，將每一像素點的灰度值按照一定的數學變換轉換為一個新的灰度值。基於灰度變換原理的圖像增強方法**豐富，如增強處理中常用的直接灰度變換(包括線性拉伸和非線性拉伸)、對比度增強、直方圖均衡化、直方圖規定化和圖像的代數運算等方法都屬於灰度變換技術。
空域濾波是基於鄰域處理的增強方法，它應用某一模板對每個像素點與其周圍鄰域的所有像素點進行某種確定數學運算得到該像素點新的灰度值，輸出值的大小不僅與該像素點的灰度值有關，而且還與其鄰域內的像素點的灰度值有關。常用的圖像平滑濾波與銳化濾波技術就屬於空域濾波的範疇。
5．2．2頻域增強法 頻域增強法首先將圖像從空域按照某種變換模型(如傅裡葉變換或其他變換等)變換到頻域，然後在頻域對圖像進行處理，再將其反變換到空域。通常包括低通、高通、帶通和帶阻四種典型的濾波器結構。
5．2．3圖像增強效果評價 目前對圖像增強效果的評價主要包括定性評價和定量評價兩個方面。
（1） 定性評價主要根據人的主觀感覺，對圖像增強的視覺效果進行評判，一般主要對圖像的清晰度、色調、紋理等幾方面進行主觀評價。定性分析的不足是與評價者的主觀性密切相關，即對同一幅被增強的圖像，不同的人可能有不同的評價。定性分析的主要優點是可以從一幅圖像中有選擇地對具體研究對像進行重點比較和評價，即定性分析可以對圖像的局部或具體研究目標進行評價，具有靈活性和廣泛的適應性。
（2） 定量評價圖像增強效果目前還沒有業界統一接收的標準與尺度，目前通常采用的方法是從圖像的信息量、標準差、均值、紋理度量值和具體研究對像的光譜特征值等方面與原始圖像進行比較評價。定量分析的*大優點是客觀公正，但通常是對一幅圖像從整體上進行統計分析，很難對圖像的局部或具體對像進行評價，而圖像整體的定量分析容易受到噪聲等因素的影響。因此，對圖像增強效果的評價一般以定性分析為主。
需要強調的是，評價一個圖像增強算法的性能優越與否是比較復雜的，增強效果的好壞不僅與具體算法有一定的關繫，還與原始圖像的數據特征直接相關。一個對圖像A效果好的增強算法不一定適合於圖像B。因此，為了得到滿意的圖像增強效果，一般情況下應同時比較幾種增強算法，從中選出既視覺效果好、計算量小，又滿足要求的*優算法。
5．3直接灰度變換增強 顧名思義，直接灰度變換是直接對數字圖像的像素點進行數學變換的一種圖像增強方法。它是空域灰度變換(一般簡稱為灰度變換)增強法中一類具有廣泛應用的方法。灰度變換增強法是通過尋求數學變換函數使圖像的對比度提高，在圖像空間所進行的灰度變換本質上是一種點處理方法。根據處理的過程，常用空域灰度變換包括以下三種： (1) 直接灰度變換，通過選擇合適的變換公式依次對每個像素點進行處理。
(2) 基於灰度直方圖的灰度變換。
(3) 對多個灰度圖像進行代數運算實現灰度變換。
直接灰度變換增強法包括基於數學函數的灰度變換方法和基於傳統光學增強方法兩類。基於數學函數的灰度變換方法包括線性拉伸變換、非線性拉伸變換方法。基於傳統光學的圖像增強方法主要包括亮度調節、對比度調節、圖像反轉等多種方法。實際上，傳統的光學增強方法也可通過數學變換實現。
5．3．1線性灰度拉伸