數(shù)字圖像處理及行業(yè)應(yīng)用

前言
第1章緒論
1.1數(shù)字圖像處理的基本概念
1.1.1圖像的表示
1.1.2數(shù)字圖像處理的目的
1.2數(shù)字圖像處理的內(nèi)容和方法
1.2.1數(shù)字圖像處理的內(nèi)容
1.2.2數(shù)字圖像處理的方法
1.3數(shù)字圖像處理系統(tǒng)的構(gòu)成
1.4數(shù)字圖像處理的特色應(yīng)用
1.5本章小結(jié)
第2章數(shù)字圖像處理基礎(chǔ)
2.1數(shù)字圖像處理基礎(chǔ)概述
2.2圖像的視覺基礎(chǔ)
2.2.1人眼視覺系統(tǒng)
2.2.2人眼視覺模型
2.2.3人眼視覺特性
2.3圖像的數(shù)字化表示
2.3.1圖像的獲取
2.3.2圖像數(shù)字化過程
2.3.3數(shù)字圖像表示方法
2.4圖像像素間的關(guān)系
2.4.1圖像像素鄰域
2.4.2圖像像素鄰接
2.4.3像素間的距離
2.5圖像的算術(shù)運算
2.6本章小結(jié)
第3章圖像增強
3.1圖像增強概述
3.2空間域的圖像增強——直接灰度變換法
3.2.1圖像線性變換
3.2.2圖像非線性變換
3.3空間域的圖像增強——直方圖修正法
3.3.1直方圖的概念
3.3.2直方圖均衡化
3.3.3直方圖規(guī)定化
3.4空間域的濾波增強——平滑濾波與銳化濾波
3.4.1平滑濾波器
3.4.2銳化濾波器
3.5頻率域的圖像增強
3.5.1離散傅里葉變換
3.5.2頻率域平滑濾波——低通濾波器
3.5.3頻率域銳化濾波——高通濾波器
3.6本章小結(jié)
第4章圖像復(fù)原
4.1圖像復(fù)原概述
4.1.1圖像退化與復(fù)原的關(guān)系
4.1.2圖像降質(zhì)過程的數(shù)學(xué)模型
4.2常見的退化函數(shù)估計
4.3噪聲模型及只含噪聲圖像的復(fù)原
4.3.1各類常見噪聲模型
4.3.2空間域濾波對只含噪聲圖像的復(fù)原
4.3.3頻率域濾波對只含周期噪聲圖像的復(fù)原
4.4復(fù)原的經(jīng)典理論方法（選學(xué)）
4.4.1逆濾波復(fù)原
4.4.2維納濾波復(fù)原
4.4.3約束小二乘方濾波復(fù)原
4.5圖像的幾何失真變換
4.5.1基本的幾何失真變換
4.5.2灰度插值復(fù)原
4.6本章小結(jié)
第5章彩色圖像處理
5.1彩色圖像處理概述
5.2彩色基礎(chǔ)
5.2.1彩色的顏色屬性
5.2.2原色相加理論和原色相減理論
5.3彩色模型
5.3.1RGB彩色模型
5.3.2CMY和CMYK彩色模型
5.3.3HSI彩色模型
5.3.4與設(shè)備無關(guān)的彩色模型——Lab彩色模型
5.3.5彩色模型之間的變換
5.4偽彩色圖像處理
5.4.1灰度分層法
5.4.2灰度級到彩色變換法
5.5彩色變換
5.5.1調(diào)整彩色圖像亮度
5.5.2補色
5.5.3彩色分層
5.5.4色調(diào)和彩色校正
5.5.5直方圖處理
5.6彩色圖像增強
5.6.1彩色圖像平滑
5.6.2彩色圖像銳化
5.7彩色圖像分割
5.7.1HSI彩色模型分割
5.7.2RGB彩色模型分割
5.7.3彩色圖像邊緣檢測（選學(xué)）
5.8本章小結(jié)
第6章圖像壓縮
6.1圖像壓縮概述
6.2數(shù)學(xué)變換基礎(chǔ)
6.2.1數(shù)據(jù)冗余
6.2.2基礎(chǔ)變換
6.3無損壓縮編碼
6.3.1霍夫曼編碼
6.3.2行程編碼
6.3.3算術(shù)編碼
6.4有損壓縮編碼
6.4.1有損預(yù)測編碼
6.4.2變換編碼
6.4.3其他編碼
6.5圖像壓縮標(biāo)準(zhǔn)與圖像格式
6.5.1JPEG
6.5.2JPEG2000
6.5.3其他圖像壓縮標(biāo)準(zhǔn)
6.5.4圖像格式
6.6本章小結(jié)
第7章圖像形態(tài)學(xué)及其應(yīng)用
7.1圖像形態(tài)學(xué)概述
7.2二值圖像數(shù)學(xué)形態(tài)學(xué)的運算工具——腐蝕與膨脹
7.2.1數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)知識
7.2.2二值腐蝕與膨脹
7.3二值圖像數(shù)學(xué)形態(tài)學(xué)的運算工具——開運算與閉運算
7.3.1二值圖像開運算
7.3.2二值圖像閉運算
7.4數(shù)學(xué)形態(tài)學(xué)的常見算法
7.4.1邊界提取
7.4.2孔洞填充
7.4.3擊中與擊不中變換
7.4.4提取連通分量
7.4.5細化和粗化
7.4.6骨架抽取
7.5灰度圖像形態(tài)學(xué)
7.5.1灰度腐蝕與膨脹
7.5.2灰度開運算與閉運算
7.6本章小結(jié)
第8章圖像分割
8.1圖像分割概述
8.2點、線的邊緣檢測方法
8.2.1邊緣檢測原理
8.2.2點檢測
8.2.3線檢測
8.2.4各種邊緣檢測算子及性能對比
8.2.5霍夫（Hough）變換
8.3基于閾值的分割方法
8.3.1閾值分割的原理與分類
8.3.2全局閾值分割
8.3.3局部閾值分割
8.4基于區(qū)域提取的分割方法
8.4.1區(qū)域生長
8.4.2區(qū)域分裂與合并
8.5形態(tài)學(xué)分水嶺算法分割圖像
8.6其他分割算法（選學(xué)）
8.6.1超像素的區(qū)域分割
8.6.2運動視頻在分割中的運用
8.7本章小結(jié)
第9章圖像特征提取
9.1圖像特征提取概述
9.2邊界預(yù)處理表示方法
9.2.1鏈碼
9.2.2小周長多邊形近似邊界
9.2.3標(biāo)記圖
9.2.4骨架
9.3邊界特征描繪子
9.3.1基礎(chǔ)邊界描繪子
9.3.2形狀數(shù)
9.3.3傅里葉描繪子
9.3.4統(tǒng)計矩
9.4區(qū)域描繪特征(選學(xué))
9.4.1一些基本的區(qū)域描繪子
9.4.2拓撲描繪子
9.4.3紋理
9.4.4矩不變量
9.4.5特征描繪子的主分量
9.5尺度不變特征變換
9.5.1尺度空間極值檢測（選學(xué)）
9.5.2關(guān)鍵點定位
9.5.3方向確定
9.5.4關(guān)鍵點描述
9.6本章小結(jié)
第10章圖像識別
10.1圖像識別概述
10.2基于傳統(tǒng)機器學(xué)習(xí)的圖像識別
10.2.1監(jiān)督學(xué)習(xí)算法
10.2.2非監(jiān)督學(xué)習(xí)算法
10.3分類模型評價指標(biāo)
10.4基于深度學(xué)習(xí)的圖像識別
10.5本章小結(jié)
第11章圖像處理的綜合應(yīng)用實例分析
11.1車牌識別綜合案例分析
11.1.1車牌識別概述
11.1.2車牌識別原理
11.1.3車牌識別案例實驗分析
11.2陶瓷碗口圓度檢測綜合案例分析
11.2.1陶瓷碗口圓度檢測概述
11.2.2陶瓷碗口圓度檢測原理
11.2.3陶瓷碗口圓度檢測實驗分析
11.3陶瓷碗口缺口檢測綜合案例分析
11.3.1陶瓷碗口缺口檢測概述
11.3.2陶瓷碗口缺口檢測原理及實驗分析
11.4墻地