描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787121313837丛书名: 国外电子与通信教材系列
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。
1977年获UTK工学院职员成就奖；1978年获UTK校长研究学者奖；1980年获Magnavox工程教授奖；1980年获M. E. Brooks杰出教授奖；1981年，成为田纳西大学的IBM教授并于1984年被授予杰出成就教授；1985年，被迈阿密大学授予杰出男毕业生奖；1986年，被授予Phi Kappa Phi学者奖；1992年，获田纳西大学Nathan W. Dougherty工程优秀奖。
Richard E. Woods(理查德?E?伍兹)
理查德?E?伍兹，UTK电气工程系学士、硕士和博士。从业经历包括企业家、大学教师、咨询、企业管理和工业工程。*近创立了专门开发医用手持式计算机系统的MedData Interactive公司。他还是感知公司的创始人和副总载，负责公司的定量图像分析和自动决策产品的开发工作。
引言 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 使用数字图像处理领域的实例 4
1.3.1 伽马射线成像 5
1.3.2 X射线成像 5
1.3.3 紫外波段成像 7
1.3.4 可见光及红外波段成像 7
1.3.5 微波波段成像 10
1.3.6 无线电波段成像 10
1.3.7 使用其他成像方式的例子 11
1.4 数字图像处理的基本步骤 14
1.5 图像处理系统的组成 15
小结 17
参考文献 17
第2章 数字图像基础 20
引言 20
2.1 视觉感知要素 20
2.1.1 人眼的结构 20
2.1.2 眼睛中图像的形成 22
2.1.3 亮度适应和辨别 22
2.2 光和电磁波谱 24
2.3 图像感知和获取 26
2.3.1 使用单个传感器获取图像 27
2.3.2 使用条带传感器获取图像 27
2.3.3 使用传感器阵列获取图像 28
2.3.4 简单的图像形成模型 28
2.4 图像取样和量化 30
2.4.1 取样和量化的基本概念 30
2.4.2 数字图像表示 31
2.4.3 空间和灰度分辨率 34
2.4.4 图像内插 36
2.5 像素间的一些基本关系 38
2.5.1 相邻像素 38
2.5.2 邻接性、连通性、区域和边界 38
2.5.3 距离度量 40
2.6 数字图像处理中所用数学工具的介绍 41
2.6.1 阵列与矩阵操作 41
2.6.2 线性操作与非线性操作 42
2.6.3 算术操作 42
2.6.4 集合和逻辑操作 46
2.6.5 空间操作 49
2.6.6 向量与矩阵操作 53
2.6.7 图像变换 54
2.6.8 概率方法 56
小结 57
参考文献 58
习题 58
第3章 灰度变换与空间滤波 62
引言 62
3.1 背景知识 62
3.1.1 灰度变换和空间滤波基础 62
3.1.2 关于本章中的例子 63
3.2 一些基本的灰度变换函数 64
3.2.1 图像反转 64
3.2.2 对数变换 64
3.2.3 幂律(伽马)变换 66
3.2.4 分段线性变换函数 68
3.3 直方图处理 72
3.3.1 直方图均衡 72
3.3.2 直方图匹配(规定化) 77
3.3.3 局部直方图处理 83
3.3.4 在图像增强中使用直方图统计 85
3.4 空间滤波基础 88
3.4.1 空间滤波机理 88
3.4.2 空间相关与卷积 89
3.4.3 线性滤波的向量表示 92
3.4.4 空间滤波器模板的产生 93
3.5 平滑空间滤波器 93
3.5.1 平滑线性滤波器 93
3.5.2 统计排序(非线性)滤波器 96
3.6 锐化空间滤波器 97
3.6.1 基础 97
3.6.2 使用二阶微分进行图像锐化——
拉普拉斯算子 99
3.6.3 非锐化掩蔽和高提升滤波 100
3.6.4 使用一阶微分对(非线性)图像锐
化——梯度 101
3.7 混合空间增强法 103
3.8 使用模糊技术进行灰度变换和
空间滤波 105
3.8.1 引言 106
3.8.2 模糊集合论原理 106
3.8.3 模糊集合应用 110
3.8.4 使用模糊集合进行灰度变换 116
3.8.5 使用模糊集合进行空间滤波 117
小结 119
参考文献 119
习题 120
第4章 频率域滤波 124
引言 124
4.1 背景 124
4.1.1 傅里叶级数和变换简史 124
4.1.2 关于本章中的例子 125
4.2 基本概念 125
4.2.1 复数 125
4.2.2 傅里叶级数 126
4.2.3 冲激及其取样特性 126
4.2.4 连续变量函数的傅里叶变换 128
4.2.5 卷积 130
4.3 取样和取样函数的傅里叶变换 131
4.3.1 取样 131
4.3.2 取样函数的傅里叶变换 132
4.3.3 取样定理 134
4.3.4 混淆 135
4.3.5 由取样后的数据重建(复原)函数 137
4.4 单变量的离散傅里叶变换(DFT) 138
4.4.1 由取样后的函数的连续变换得
到DFT 138
4.4.2 取样和频率间隔间的关系 140
4.5 两个变量的函数的扩展 141
4.5.1 二维冲激及其取样特性 141
4.5.2 二维连续傅里叶变换对 141
4.5.3 二维取样和二维取样定理 142
4.5.4 图像中的混淆 143
4.5.5 二维离散傅里叶变换及其反变换 147
4.6 二维离散傅里叶变换的一些性质 148
4.6.1 空间和频率间隔的关系 148
4.6.2 平移和旋转 148
4.6.3 周期性 148
4.6.4 对称性 150
4.6.5 傅里叶谱和相角 154
4.6.6 二维卷积定理 157
4.6.7 二维离散傅里叶变换性质的小结 159
4.7 频率域滤波基础 161
4.7.1 频率域的其他特性 161
4.7.2 频率域滤波基础 162
4.7.3 频率域滤波步骤小结 165
4.7.4 空间和频率域滤波间的对应 166
4.8 使用频率域滤波器平滑图像 169
4.8.1 理想低通滤波器 169
4.8.2 布特沃斯低通滤波器 172
4.8.3 高斯低通滤波器 173
4.8.4 低通滤波的其他例子 174
4.9 使用频率域滤波器锐化图像 176
4.9.1 理想高通滤波器 176
4.9.2 布特沃斯高通滤波器 178
4.9.3 高斯高通滤波器 178
4.9.4 频率域的拉普拉斯算子 179
4.9.5 钝化模板、高提升滤波和高频
强调滤波 180
4.9.6 同态滤波 182
4.10 选择性滤波 184
4.10.1 带阻滤波器和带通滤波器 184
4.10.2 陷波滤波器 185
4.11 实现 187
4.11.1 二维DFT的可分性 187
4.11.2 用DFT算法计算IDFT 187
4.11.3 快速傅里叶变换(FFT) 187
4.11.4 关于滤波器设计的一些注释 190
小结 190
参考文献 190
习题 191
第5章 图像复原与重建 196
引言 196
5.1 图像退化/复原过程的模型 197
5.2 噪声模型 197
5.2.1 噪声的空间和频率特性 197
5.2.2 一些重要的噪声概率密度函数 198
5.2.3 周期噪声 201
5.2.4 噪声参数的估计 202
5.3 只存在噪声的复原——空间滤波 203
5.3.1 均值滤波器 203
5.3.2 统计排序滤波器 205
5.3.3 自适应滤波器 208
5.4 用频率域滤波消除周期噪声 211
5.4.1 带阻滤波器 211
5.4.2 带通滤波器 211
5.4.3 陷波滤波器 212
5.4.4 陷波滤波 213
5.5 线性、位置不变的退化 216
5.6 估计退化函数 218
5.6.1 图像观察估计 218
5.6.2 试验估计 218
5.6.3 建模估计 219
5.7 逆滤波 221
5.8 小均方误差(维纳)滤波 222
5.9 约束小二乘方滤波 224
5.10 几何均值滤波 227
5.11 由投影重建图像 228
5.11.1 引言 228
5.11.2 计算机断层(CT)原理 230
5.11.3 投影和雷登变换 232
5.11.4 傅里叶切片定理 235
5.11.5 使用平行射线束滤波反投影的重建 236
5.11.6 使用扇形射线束滤波反投影的重建 240
小结 244
参考文献 244
习题 245
第6章 彩色图像处理 249
引言 249
6.1 彩色基础 249
6.2 彩色模型 254
6.2.1 RGB彩色模型 254
6.2.2 CMY和CMYK彩色模型 257
6.2.3 HSI彩色模型 257
6.3 伪彩色图像处理 262
6.3.1 灰度分层 262
6.3.2 灰度到彩色的变换 265
6.4 全彩色图像处理基础 267
6.5 彩色变换 268
6.5.1 公式 269
6.5.2 补色 271
6.5.3 彩色分层 271
6.5.4 色调和彩色校正 273
6.5.5 直方图处理 275
6.6 平滑和锐化 276
6.6.1 彩色图像平滑 276
6.6.2 彩色图像锐化 278
6.7 基于彩色的图像分割 279
6.7.1 HSI彩色空间的分割 279
6.7.2 RGB向量空间中的分割 279
6.7.3 彩色边缘检测 281
6.8 彩色图像中的噪声 283
6.9 彩色图像压缩 284
小结 285
参考文献 285
习题 286
第7章 小波和多分辨率处理 289
引言 289
7.1 背景 289
7.1.1 图像金字塔 290
7.1.2 子带编码 292
7.1.3 哈尔变换 297
7.2 多分辨率展开 300
7.2.1 级数展开 300
7.2.2 尺度函数 301
7.2.3 小波函数 304
7.3 一维小波变换 306
7.3.1 小波级数展开 306
7.3.2 离散小波变换 308
7.3.3 连续小波变换 309
7.4 快速小波变换 311
7.5 二维小波变换 317
7.6 小波包 322
小结 330
参考文献 330
习题 331
第8章 图像压缩 334
引言 334
8.1 基础知识 335
8.1.1 编码冗余 336
8.1.2 空间冗余和时间冗余 337
8.1.3 不相关的信息 337
8.1.4 图像信息的度量 338
8.1.5 保真度准则 340
8.1.6 图像压缩模型 341
8.1.7 图像格式、容器和压缩标准 343
8.2 一些基本的压缩方法 345
8.2.1 霍夫曼编码 345
8.2.2 Golomb编码 346
8.2.3 算术编码 350
8.2.4 LZW编码 351
8.2.5 行程编码 353
8.2.6 基于符号的编码 357
8.2.7 比特平面编码 359
8.2.8 块变换编码 361
8.2.9 预测编码 373
8.2.10 小波编码 387
8.3 数字图像水印 394
小结 398
参考文献 398
习题 399
第9章 形态学图像处理 402
引言 402
9.1 预备知识 402
9.2 腐蚀和膨胀 404
9.2.1 腐蚀 404
9.2.2 膨胀 406
9.2.3 对偶性 407
9.3 开操作与闭操作 407
9.4 击中或击不中变换 411
9.5 一些基本的形态学算法 412
9.5.1 边界提取 412
9.5.2 孔洞填充 413
9.5.3 连通分量的提取 414
9.5.4 凸壳 416
9.5.5 细化 417
9.5.6 粗化 418
9.5.7 骨架 418
9.5.8 裁剪 420
9.5.9 形态学重建 421
9.5.10 二值图像形态学操作小结 426
9.6 灰度级形态学 428
9.6.1 腐蚀和膨胀 428
9.6.2 开操作和闭操作 430
9.6.3 一些基本的灰度级形态学算法 431
9.6.4 灰度级形态学重建 435
小结 437
参考文献 437
习题 438
第10章 图像分割 443
引言 443
10.1 基础知识 443
10.2 点、线和边缘检测 445
10.2.1 背景知识 445
10.2.2 孤立点的检测 447
10.2.3 线检测 449
10.2.4 边缘模型 450
10.2.5 基本边缘检测 454
10.2.6 更先进的边缘检测技术 459
10.2.7 边缘连接和边界检测 46
前 言
When something can be read without effort, great effort has gone into its writing.
Enrique Jardiel Poncela
第三版是本书的一次重要修订。如同由Gonzalez和Wintz编写的1977年版和1988年版，以及由Gonzalez和Woods编写的1992年版和2002年版那样，这一版同样是为学生和教师考虑而准备的。本书的主要目的仍是介绍数字图像处理的基本概念和方法，并为读者在该领域进一步学习和研究打下坚实的基础。为实现这一目的，我们仍将重点放在基础知识和普通应用上。本书要求读者的数学知识具备大学本科高年级和研究生一年级的水平，即需要掌握数学分析、向量、矩阵、概率、统计、线性系统和计算机编程方面的基本知识。本书的Web网站为读者提供了所需背景知识的回顾指南。
本书在数字图像处理领域处于引领地位30多年的主要原因是，我们对读者不断变化的教育需求给予了极大的关注。第三版是在我们广泛调查的基础上编写的，这些调查涉及32个国家的134所高校和研究机构的教师、学生与自学者。根据调查的反馈情况，本书做了如下修订：
? 更早、更全面地介绍了图像处理中所用的数学工具。
? 扩充说明了直方图处理技术。
? 逐步叙述了复杂的算法。
? 扩充说明了空间相关和卷积的内容。
? 介绍了模糊集合理论及其在图像处理中的应用。
? 修订了频率域处理的内容，从基本原理开始，说明了如何从数据取样得出离散傅里叶变换。
? 覆盖了关于计算机断层（CT）的内容。
? 清楚地叙述了小波的基本概念。
? 修订了关于数据压缩的内容，包含了更多的视频压缩技术、标准和水印。
? 扩充了形态学的章节，包含了形态学重建的内容，修订了灰度形态学的内容。
? 扩充了图像分割的内容，包含了更先进的技术，如坎尼算法的边缘检测技术，更全面地探讨了图像的阈值处理。
? 更新了图像表示与描述章节的内容。
? 精简了关于结构目标识别的内容。
第三版中的新内容和重新组织的内容试图在论述的严密性、描述的清晰性和市场调查的反馈之间保持平衡，同时尽量将篇幅控制在合理的范围内。第三版的主要改动如下。
第1章：更新了图片，并根据后续章节的变化重写了正文部分。
第2章：本章约修订了50%的内容，包含了新图像和更清晰的说明。主要修订包括：新增了关于图像内插的一节，以及综述本书所用主要数学工具的一节。此前分散在全书中的大量图像处理应用现在整合到了第2章中。例如，我们把图像平均和图像相减移到了这一章。这遵循了我们在第二版中就开始的做法，即在讨论中尽可能把许多应用前移，以便更好地引导读者。学完重新组织的第2章后，读者可基本了解数字图像加工和处理的方式。本章是编写本书其余章节的坚实基础。
第3章：本章的主要修订是，详细探讨了空间相关、卷积及利用空间模板对图像滤波的应用。我们在进行市场调查时发现了读者普遍关心的一个问题，即要求用大量实例来说明直方图均衡化和规定化，对这一问题的回应是，我们增加了一些说明这些处理工具的例子。模糊集合及其在图像处理中的应用也是调查反馈普遍要求的内容，因此本章中纳入了模糊集合理论基础及其在灰度变换与空间滤波两种图像处理中的主要应用。
第4章：过去4年，读者抱怨得多的是对版和第二版的第4章所做的更改。当时做出这些改变时，目的是为了简化傅里叶变换和频率域的表述。显然，我们走得太远，因为读者抱怨新内容太浅。第三版纠正了这一问题。现在的内容从连续变量的傅里叶变换开始，再用取样和卷积的基本概念进一步推导了离散傅里叶变换。这种变化的优点是，更直观地引入了取样定理。然后，我们将一维情形推广到了二维情形，并给出了说明数字图像取样效果的一些例子。再后，我们介绍了二维离散傅里叶变换，推导和总结了一些重要性质。这些概念是频率域滤波的基础。后，我们讨论了问题实现，如变换分解和快速傅里叶变换算法的推导。学完本章后，读者可掌握从一维函数的取样到离散傅里叶变换基础的清晰推导过程，以及其在数字图像处理中的某些重要应用。
第5章：本章增加了关于从投影重建图像的一节，重点在于计算机断层(CT)。CT的内容用投影重建图像的基本原理和实践中所用成像模型的例子开始。然后，推导了雷登变换和傅里叶切片定理，并以它们为基础清楚地说明了滤波反投影的概念。讨论了平行光束和扇形光束重建，并用一些例子进行了说明。这些内容较老，但对本书是重要的补充。
第6章：本章只做了符号表示的澄清和更正，未增加新内容。
第7章：读者反馈从前一章过渡到小波对初学者来说较为困难，因此我们重写了一些基础内容。
第8章：为使内容跟上发展形势，本章已完全重写。新编码技术内容扩展到了视频，修订了标准，介绍了图像水印处理。这种新的编排方式更易于学生掌握。
第9章：本章的主要变化是包含了形态学重建的新内容，修订了灰度级形态学的内容，并详细介绍了二值图像和灰度级图像的形态学重建，以便学生开发出更复杂、更有用的形态学算法。
第10章：本章做了大量修订。组织方式与之前相同，但新增了关于分割技术的内容，详细讨论并说明了边缘模型及其性质。介绍先进的边缘检测技术时，包含了Marr-Hildreth边缘检测器和坎尼边缘检测器。重写了关于阈值处理的一节，包含了较为流行的Otsu方法，这种方法易于理解和实现，且应用广泛。关于贝叶斯方法的内容则移到第12章介绍，那时还会详细探讨贝叶斯决策规则。此外，还讨论了如何利用边缘信息来改进阈值处理，并给出了自适应阈值处理的新例子。关于形态学分水岭和运动分割应用的内容，除阐述更为清楚外，基本上未做改动。
第11章：本章的主要变化是边界跟踪算法，详细推导了用小周长多边形拟合数字边界的算法，增加了用于纹理描述的共生矩阵内容。与11.4节的所有例子一样，11.2节和11.3节中的许多例子都是新的。
第12章：本章的变化是，新增了关于相关匹配的内容，以及用贝叶斯分类器识别多光谱图像中感兴趣区的新例子。结构分类方面的章节只限于讨论串匹配。
以上修订，导致了本书新增了400多幅图像、200多幅图表和80多道习题。书中适当的位置给出了复杂处理过程的逐步算法。同时，更新了参考文献。
本书的Web网站在第二版发行期间就已完成，并取得了很大的成功，每月的访问量都在20 000以上。相应于第三版本，我们重新设计和升级了这一网站。关于该网站的详细功能和内容，请读者参阅后面的“本书网站”和“致谢”部分。
第三版反映了2002年以来读者不断变化的需求。自1977年首次出版以来，本书在全球范围内被读者广泛接受的原因之一是，本书一直强调基本概念，包括试图提供尽快引出知识主体的稳定方法。我们遵循相同的原则编写了本书的第三版。
Rafael C. Gonzalez
Richard E. Woods
评论
还没有评论。