数字图像处理（第三版）

已经有别人翻译好了。。
链接：https://pan.baidu.com/s/1nMAACnLKo_475e7pg5qWJw
提取码：7gc3

目录

1. 绪论

1.1 数字图像处理简介
1.2 数字图像处理起源
1.3 数字图像处理应用实例

• 1.3.1 伽马射线成像
• 1.3.2 X射线成像
• 1.3.3 紫外波段成像
• 1.3.4 可见光和红外波段成像
• 1.3.5 微波波段成像
• 1.3.6 无线电波成像
• 1.3.7 其他实例

1.4 数字图像处理基本步骤
1.5 图像处理系统的组成部分
   总结
   参考文献和推荐阅读

2. 数字图像处理基础

2.1 视觉感知要素

• 2.1.1 人眼构造
• 2.1.2 图像在人眼的组成
• 2.1.3 亮度适应和识别

2.2 光和电磁波谱
2.3 图像感知和获取

• 2.3.1 单个传感器获取图像
• 2.3.2 带状传感器获取图像
• 2.3.3 传感器阵列获取图像

2.4 图像取样和量化

• 2.4.1 取样和量化的基本概念
• 2.4.2 数字图像复原
• 2.4.3 空间和强度（灰度）分辨率
• 2.4.4 图像插入

2.5 像素之间的基本关系

• 2.5.1 相邻像素
• 2.5.2 邻近性、连通性、区域和边界
• 2.5.3 距离测量

2.6 关于数学工具在数字图像处理中的使用

• 2.6.1 数组与矩阵运算
• 2.6.2 线性与非线性运算
• 2.6.3 算术运算
• 2.6.4 集合与逻辑运算
• 2.6.5 空间操作
• 2.6.6 向量和矩阵运算
• 2.6.7 图像转换
• 2.6.8 概率方法

   总结
   参考文献和推荐阅读
   问题

3.强度变换和空间滤波灰

3.1 背景

• 3.1.1 灰度变换和空间滤波基础
• 3.1.2 在本章中的一些实例

3.2 一些基本的灰度变换

• 3.2.1 图像反转
• 3.2.2 对数变换
• 3.2.3 幂次变换
• 3.2.4 分段线性变换函数

3.3 直方图处理

• 3.3.1 直方图均衡化
• 3.3.2 直方图匹配
• 3.3.3 局部增强
• 3.3.4 使用直方图进行图像增强

3.4 空间滤波基础

• 3.4.1 空间滤波的机制
• 3.4.2 空间相关性和回旋性
• 3.4.3 线性滤波的向量表示
• 3.4.4 生成空间过滤掩码

3.5 平滑空间滤波器

• 3.5.1 平滑线性滤波器
• 3.5.2 统计排序滤波器

3.6 锐化空间滤波器

• 3.6.1 基础
• 3.6.2 基于二阶微分的图像增强--拉普拉斯算子
• 3.6.3 反锐化掩模和高增强滤波
• 3.6.4 基于一阶微分的图像增强--梯度法

3.7 结合空间增强方法
3.8 使用模糊技术进行强度变换和空间变换

• 3.8.1 介绍
• 3.8.2 模糊集理论的原理
• 3.8.3 使用模糊集
• 3.8.4 使用模糊集处理灰度变换
• 3.8.5 使用模糊集处理空间滤波

   总结
   参考文献和推荐阅读
   问题

4. 频域滤波

4.1 背景

• 4.1.1 傅里叶级数变化的简要历史
• 本章实例

4.2 初级概念

• 4.2.1 复数
• 4.2.2 傅里叶级数
• 4.2.3 脉冲及其筛选特性
• 4.2.4 一个连续变量的傅里叶变换函数
• 4.2.5 总结

4.3 采样和采样傅里叶变换函数

• 4.3.1 实例
• 4.3.2 采样傅里叶变换函数
• 4.3.3 采样定理
• 4.3.4 引用
• 4.3.5 通过简单数据的功能重建（恢复）

4.4 一个变量的离散傅里叶变换（DFT）

• 4.4.1 从连续采样函数的变换中获取DFT
• 4.4.2 抽样和频率间隔之间的关系

4.5 扩展到俩个变量的函数

• 4.5.1 二维脉冲和筛选属性
• 4.5.2 二维连续傅里叶变换对
• 4.5.3 二维采样和二维采样定理
• 4.5.4 图像引用
• 4.5.5 二维离散傅里叶变换及其逆变换

4.6 关于二维离散傅里叶变换的性能

• 4.6.1 空间和频率间隔的关系
• 4.6.2 平动和转动
• 4.6 3 周期性
• 4.6.4 对称性
• 4.6.5 傅里叶谱和相位角
• 4.6.6 二位卷积定理
• 4.6 7 二维离散傅立叶变换特性的总结

4.7 频率滤波的基础知识

• 4.7.1 频率的附加特性
• 4.7.2 频域滤波基础
• 4.7.3 频率滤波的基本步骤
• 4.7.4 空间和频域之间的滤波的对应关系

4.8 平滑的频域滤波器

• 4.8.1 理想低通滤波器
• 4.8.2 巴特沃斯低通滤波器
• 4.8.3 高斯低通滤波器
• 4.8.4 低通滤波器的其他列子

4.9 频域锐化滤波器

• 4.9.1 理想高通滤波器
• 4.9.2 巴特沃斯高通滤波器
• 4.9.3 高斯高通滤波器
• 4.9.4 频域中的拉普拉斯算子
• 4.9.5 锐化模板，高频提升滤波，高频加强滤波
• 4.9.6 同态滤波

4.10 选择滤波

• 4.10.1 带阻和带通滤波器
• 4.10.2 陷波滤波器

4.11 成就

• 4.11.1 二维DFT的可分离性
• 4.11.2 使用DFT算法计算IDFT
• 4.11.3 快速傅里叶变换（FFT）
• 4.11.4 对滤波器设计的一些评论

   总结
   参考文献和推荐阅读
   问题

5. 图像恢复与重建

5.1 图像退化/复原过程模型
5.2 噪声模型

• 5.2.1 空间和频属噪声
• 5.2.2 一些重要的噪声密度属性函数
• 5.2.3 周期噪声
• 5.2.4 噪声参数估计

5.3 只在有噪声的情况下恢复-空间滤波

• 5.3.1 均值滤波器
• 5.3.2 统计排序滤波器
• 5.3.3 自适应滤波器

5.4 频域滤波削减周期噪声

• 5.4.1 带阻滤波器
• 5.4.2 带通滤波器
• 5.4.3 险波滤波器
• 5.4.4 最佳险波滤波器

5.5 线性，位置不变的退化
5.6 估计退化函数

• 5.6.1 通过图像观察估计
• 5.6.2 通过实验估计
• 5.6.3 通过模型估计

5.7 逆滤波
5.8 最小均方误差滤波（维纳滤波）
5.9 约束最小二乘滤波
5.10 几何平均滤波器
5.11 从投影重建图像

• 5.11.1 介绍
• 5.11.2 计算机断层扫描原理（CT）
• 5.11.3 投影和氡变换
• 5.11.4 傅里叶定理
• 5.11.5 使用平行束滤波反投影重建
• 5.11.6 使用扇形光束滤波反投影重建

   总结
   参考文献和推荐阅读
   问题

6.彩色图像处理

6.1 色彩基础
6.2 色彩模式

• 6.2.1 RGB模式
• 6.2.2 CMY和CMYK色彩模式
• 6.2.3 HSL 色彩模式

6.3 伪彩色图像处理

• 6.3.1 强度分层
• 6.3.2 色彩强度变化

6.4 全彩图像处理基本知识
6.5 彩色变化

• 6.5.1 公式
• 6.5.2 补色
• 6.5.3 色彩分层
• 6.5.4 色调和色彩矫正
• 6.5.5 直方图处理

6.6 平滑和锐化

• 6.6.1 平滑彩色图像
• 6.6.2 锐化彩色图像

6.7 基于颜色的图像分割

• 6.7.1 HSI色彩空间分割
• 6.7.2 RGB色彩空间分割
• 6.7.3 色彩边缘检测

6.8 彩色图像的噪声
6.9 彩色图像压缩

   总结
   参考文献和推荐阅读
   问题

7.小波和多分辨率处理

7.1 背景

• 7.1.1 图像金字塔
• 7.1.2 子带编码
• 7.1.3 哈尔变化

7.2 多分辨率展开

• 7.2.1 序列展开
• 7.2.2 尺度展开
• 7.2.3 小波展开

7.3 一维小波变化

• 7.3.1 小波系列扩展
• 7.3.2 离散小波变换
• 7.3.3 连续小波变换

7.4 快速小波变化
7.5 二维小波变化
7.6 小波包

   总结
   参考文献和推荐阅读
   问题

8.图像压缩

8.1 基础

• 8.1.1 编码冗余
• 8.1.2 空间和时间冗余
• 8.1.3 无关信息
• 8.1.4 测量图像信息
• 8.1.5 保真度准则
• 8.1.6 图像压缩模型
• 8.1.7 图像格式，内容压缩标准

8.2 一些基本的压缩方式

• 8.2.1 霍夫曼编码
• 8.2.2 哥伦布编码
• 8.2.3 算术编码
• 8.2.4 LZW编码
• 8.2.5 游程编码
• 8.2.6 符号编码
• 8.2.7 位面编码
• 8.2.8 块变换编码
• 8.2.9 预测编码
• 8.2.10 小波编码

8.3 数字图像水印

   总结
   参考文献和推荐阅读
   问题

9.形态图像处理

9.1 序言
9.2 腐蚀和膨胀

• 9.2.1 腐蚀
• 9.2.2 膨胀
• 9.2.3 俩重性

9.3 开操作和闭操作
9.4 击中或击不中变换
9.5 一些基本的形态学算法

• 9.5.1 边界提取
• 9.5.2 区域填充
• 9.5.3 连通分量的提取
• 9.5.4 凸壳
• 9.5.5 细化
• 9.5.6 粗化
• 9.5.7 骨架
• 9.5.8 裁剪
• 9.5.9 形态重建
• 9.5.10 二值图像的形态学运算总结

9.6 灰度级图像扩展

• 9.6.1 腐蚀和帮助
• 9.6.2 开操作和闭操作
• 9.6.3 一些基本的灰度形态算法
• 9.6.4 灰度形态重建

   总结
   参考文献和推荐阅读
   问题

10.图像分割

10.1 基础
10.2 点，线和边缘检测

• 10.2.1 背景
• 10.2.2 检测孤立点
• 10.2.3 线路检测
• 10.2.4 边缘模型
• 10.2.5 基本边缘检测
• 10.2.6 更多关于边缘检测的前沿技术
• 10.2.7 边连接和边界检测

10.3 门限处理

• 10.3.1 功能
• 10.3.2 基本全局阈值
• 10.3.3 使用Otsu方法进行最佳全局阈值处理
• 10.3.4 使用图像平滑提升全局阈值
• 10.3.5 使用边缘提升全局阈值
• 10.3.6 增加阈值
• 10.3.7 有效阈值
• 10.3.8 多变量阈值

10.4 基于区域的分割

• 10.4.1 区域增长
• 10.4.2 区域分裂和合并

10.5 使用形态分水岭分割 // ？

• 10.5.1 背景
• 10.5.2 水坝构造
• 10.5.3 分水岭分割算法
• 10.5.4 应用标记

10.6 分割中运动的应用

• 10.6.1 空间技术
• 10.6.2 频域技术

   总结
   参考文献和推荐阅读
   问题

11. 表示和描述

11.1 表现

• 边界跟随
• 链码
• 使用最小周长的多边形近似多边形
• 其他多边形近似方法
• 签名
• 边界段
• 骨架

11.2 边界描绘

• 基本描述
• 形状数
• 傅里叶描述符
• 统计时刻

11.3 区域描绘子

• 基本描述
• 拓朴描述符
• 纹理
• 瞬间不变量

11.4 运用主分量进行描绘
11.5 关系描绘

   总结
   参考文献和推荐阅读
   问题

物体识别

12.1 模式和模式类
12.2 基于决策理论方法识别

• 匹配
• 最佳统计分类器
• 神经网络

12.3 结构方法

• 匹配形状编号
• 线性匹配

   总结
   参考文献和推荐阅读
   问题