数字图像处理教程（OPENCV版）侯俊杨晖_侯俊杨晖_9787111744849

本书系统介绍了数字图像处理的基本概念、原理和技术方法，以及图像处理技术如何用OPENCV编程实现。全书共12章，包括绪论、数字图像的基本概念和运算、图像灰度变换与空间域滤波、图像的频域处理、图像复原、彩色图像处理、小波与多分辨率处理、图像压缩、形态学处理、图像分割、目标的表示与描述、目标识别。
本书内容既覆盖图像处理技术的专业基础知识，又紧跟当前数字图像处理技术的发展动向，用适合理工类数字图像初学者的语言对新技术的原理、思路、实现方法进行介绍。全书表述通俗，易于理解。
本书可作为高等院校计算机科学与技术、光电信息、电子信息工程、通信工程、自动化、信号与信息处理、生物医学工程等专业本科生的专业课教材，也可作为相关研究方向研究生的基础课程教材，还可作为从事相关工作的技术人员的参考书。

随着计算机科学、光学、电子信息等技术的迅猛发展，许多应用领域采用数字图像处理取代人工处理，已经成为一个成本高效的解决方案。特别是近20年来，数字图像处理已经成为成熟的工程科学，理论创新及其应用领域均在不断加速拓展。
本书不仅介绍了数字图像处理的基本概念、理论和方法，还与时俱进地介绍了当前广泛应用的一些数字图像处理技术，对各技术如何采用OPENCV编程实现进行了介绍，并给出了部分编程示例。对于数字图像处理技术，本书基于三点介绍理论知识和算法：①图像处理的基础；②广泛应用；③对本书读者而言，能够采用OPENCV编程实现。综上，本书介绍的算法大多数在OPENCV中有集成，这样读者无须掌握算法的所有细节就能通过调用OPENCV类或函数实现算法仿真，降低了实现难度。同时，在介绍算法理论时，本书较好地平衡了算法总体思路介绍与细节说明的比重，便于读者理解掌握。
数字图像处理算法需要用到大量的数学知识，本书在介绍理论知识时采用通俗易懂的语言对技术的原理、思路进行了详细介绍，而非罗列大量数学公式。同时，对数学公式也进行了文字说明，深入浅出，降低了读者的理解难度。本书的主要内容如下：
第1章介绍了数字图像处理系统的组成、各波段电磁波的特性、视觉系统特性等，并列举了部分数字图像处理的应用领域。
第2章介绍了数字图像的基本概念和运算。关于图像各像素间的关系，本章介绍了像素的连通性、像素间距离不同的度量方式等。本章还介绍了图像间的算术计算、逻辑运算以及各类运算应用场景。对机器视觉中常用的图像仿射变换、图像内插像素值计算方法等也给出了数学模型。
第3章介绍了图像灰度变换以及空间域滤波。图像灰度变换用于增强图像的视觉效果，介绍了对数变换、幂律变换、直方图均衡、直方图规定化、限制对比度自适应直方图均衡等方法。图像在空间域可以通过平衡消除或减弱噪声，介绍了基本的空间域滤波原理、平滑和锐化滤波方法及示例，还介绍了边缘保留滤波器中的双边滤波器、meanshift滤波器等。
第4章介绍了图像在频域的处理，给出了傅里叶变换的性质，对低频滤波器、高频滤波器进行了详细介绍。此外，本章还对消除或减弱乘性干扰的同态滤波、消除周期性干扰的频率选择滤波器进行了详细介绍，并给出了滤波器实现的程序。
图像成像过程中由于某种原因会造成最终成像质量下降，称为图像退化，第5章给出了图像退化的数学模型，介绍了仅由噪声造成的退化图像如何复原、仅由退化函数造成的退化如何复原，并进一步介绍了以上两种退化因素均发生作用时的图像复原技术，如Lucy-Richardson复原算法。另外，还介绍了当退化函数未知、噪声未知时的图像盲复原采用的盲Lucy-Richardson算法。
第6章介绍了彩色图像的色彩空间，不同色彩空间对应不同的应用领域。此外还介绍了灰度图像伪彩色处理，以及彩色图像在不同色彩空间的平滑、锐化、分割等处理。
小波变换在图像去噪、图像融合、图像压缩、数字水印等领域的应用逐渐增多。第7章介绍了图像小波变换的基本理论，以及小波变换在图像去噪、图像融合中如何应用。
图像的存储和传输不可避免地需要图像压缩以减少数据量。第8章介绍了图像压缩常用的编码，如熵编码中的霍夫曼编码和算术编码、字典编码中的LZW编码、有损编码中的矢量量化编码等，并详细介绍了JPEG编码。此外，还介绍了基于小波变换的嵌入式零树小波编码，以及在数字电影、远程医疗、遥感中广泛使用的JPEG 2000图像编码等技术。
形态学处理是提取目标、消除噪声的常用技术，第9章介绍了二值图像和灰度图像的形态学处理技术及其应用场景。
图像分割是机器视觉中不可或缺的步骤，第10章不仅介绍了基于阈值、边缘、区域的基本分割方法，还详细介绍了基于聚类的Kmeans分割、依据高斯混合模型的EM分割算法、基于图论的Graph Cut和Grab Cut分割算法，以及形态学分水岭分割。对于利用分割提取视频中的运动目标，本章介绍了帧间差法及背景差法，并详细介绍了基于高斯混合模型的背景估计算法。
第11章介绍了图像中目标的各种表示与描述方法。除对边界、区域的常规描述外，还有对纹理特点的描述，如方向梯度直方图等，并介绍了减少数据维度的主成分分析法。针对当前机器视觉中常用的特征点描述，本章详细介绍了各类角点的检测算法，以及SIFT特征点、SURF特征点、ORB特征点的检测与描述，并给出了BRIEF描述子的说明。
第12章介绍了目标识别中特征的分类和特征点匹配，以及视频中运动目标的跟踪技术。本章首先介绍了分类的基本理论，然后对支持向量机（SVM）、神经网络结构进行了介绍。关于特征点匹配的方法介绍了暴力匹配、近似最近邻匹配方法。针对匹配结果的一致性问题，本章对RANSAC算法、基于网格的运动统计算法进行了详细介绍。在视频运动目标跟踪部分，本章详细介绍了稀疏估计的Lucas-Kanade法及其对应的金字塔Lucas-Kanade法、稠密估计的Farneback算法，以及meanshift跟踪、Camshift跟踪等运动目标跟踪算法。
本书的编写得到上海理工大学“一流本科

你还可能感兴趣

我要评论