本书在2019年出版的《数字图像处理及MATLAB实现（第3版）》基础上，结合当今机器学习算法的最新发展，修改、补充和完善而成。书中主要介绍了数字图像处理的基础知识、基本方法、程序实现和典型实践应用。全书分为三个部分，共12章。第一部分（第1～4章）介绍数字图像处理的基础知识；第二部分（第5～8章）介绍数字图像处理的各种技术；第三部分（第9～12章）介绍数字图像处理的扩展内容，包括基于深度学习的图像处理技术和工程应用案例等。每章分别介绍问题的背景、基本内容和方法、实践应用（通过MATLAB软件编程）及结果分析。本书内容系统性强，重点突出，理论与方法并重。

杨杰，女，博士研究生，武汉理工大学信息工程学院教授。主要研究方向为信息传输理论及应用，数字图像处理及模式识别。出版教材两部，在国内外主要刊物上发表的学术论文多篇，主持科研项目多项。

目 录

第一部分 数字图像处理基础
第1章 概述 1
1.1 数字图像处理及特点 1
1.1.1 数字图像及数字图像处理 1
1.1.2　数字图像处理的特点 2
1.2 数字图像处理系统 2
1.3 数字图像处理的研究内容 3
1.4 数字图像处理的应用及发展 4
1.4.1 数字图像处理的应用 4
1.4.2 数字图像处理的发展 7
1.5 全书内容简介 8
习题 9
第2章 数字图像处理基础 10
2.1 人类视觉系统 10
2.1.1 视觉系统的基本构造 10
2.1.2 亮度适应及鉴别 11
2.2 数字图像基础知识 14
2.2.1 图像的数字化及表达 14
2.2.2 图像获取 16
2.2.3 像素间的基本关系 18
2.2.4 图像分类 20
习题 24
第3章 数字图像处理基本运算 25
3.1 点运算 25
3.1.1 线性点运算 25
3.1.2 非线性点运算 27
3.2 代数运算及逻辑运算 28
3.2.1 加法运算 29
3.2.2 减法运算 30
3.2.3 乘法运算 32
3.2.4 除法运算 32
3.2.5 逻辑运算 33
3.3 几何运算 34
3.3.1 图像的平移 34
3.3.2 图像的镜像 35
3.3.3 图像的旋转 37
3.3.4 图像的缩放 38
3.3.5 灰度重采样 41
习题 44
第4章 图像变换 45
4.1 连续傅里叶变换 45
4.2 离散傅里叶变换 46
4.3　快速傅里叶变换 47
4.4 傅里叶变换的性质 48
4.4.1 可分离性 48
4.4.2 平移性质 49
4.4.3 周期性及共轭对称性 51
4.4.4 旋转性质 52
4.4.5 分配律 53
4.4.6 尺度变换 53
4.4.7 平均值 54
4.4.8 卷积定理 55
4.5 图像傅里叶变换实例 56
4.6 其他离散变换 58
4.6.1 离散余弦变换 58
4.6.2 二维离散沃尔什-哈达玛变换 61
4.6.3 卡胡南-拉维变换 65
4.6.4 小波变换 67
习题 71
第二部分 数字图像处理技术
第5章 图像增强 73
5.1 图像增强的概念及分类 73
5.2 空间域图像增强 74
5.2.1 基于灰度变换的图像增强 74
5.2.2 基于直方图处理的图像增强 77
5.2.3 空间域滤波增强 82
5.3 频率域图像增强 89
5.3.1 频率域图像增强基本理论 89
5.3.2 频率域平滑滤波器 90
5.3.3 频率域锐化滤波器 94
5.3.4 同态滤波器 96
习题 98
第6章 图像复原 100
6.1 图像复原及退化模型基础 100
6.1.1 图像退化的原因及退化模型 100
6.1.2 图像退化的数学模型 103
6.1.3 复原技术的概念及分类 104
6.2 噪声模型 104
6.2.1 一些重要噪声的概率密度函数 105
6.2.2 噪声参数的估计 108
6.3 空间域滤波复原 109
6.3.1 均值滤波器 109
6.3.2 顺序统计滤波器 112
6.3.3 自适应滤波器 115
6.4 频率域滤波复原 118
6.4.1 带阻滤波器 118
6.4.2 带通滤波器 121
6.4.3 其他频率域滤波器 121
6.5 估计退化函数 122
6.5.1 观察估计法 123
6.5.2 试验估计法 123
6.5.3 模型估计法 123
6.6 逆滤波 125
6.7 最小均方误差滤波——维纳滤波 126
6.8 几何失真校正 129
6.8.1 空间变换 130
6.8.2 灰度插值 132
6.8.3 实现 132
习题 135
第7章 图像压缩编码 137
7.1 概述 137
7.1.1 图像的信息量及信息熵 137
7.1.2 图像数据冗余 138
7.1.3 图像压缩编码方法 141
7.1.4 图像压缩技术的性能指标 141
7.1.5 保真度准则 143
7.2 无失真图像压缩编码 144
7.2.1 哈夫曼编码 144
7.2.2 游程编码 146
7.2.3 算术编码 148
7.3 有限失真图像压缩编码 151
7.3.1 率失真函数 151
7.3.2 预测编码及变换编码 153
7.3.3 矢量量化编码 160
7.4 图像编码新技术 162
7.4.1 子带编码 162
7.4.2 模型基编码 163
7.4.3 分形编码 164
7.5 图像压缩技术标准 164
7.5.1 概述 165
7.5.2 JPEG压缩 165
7.5.3 JPEG 2000 166
7.5.4 H.26x标准 168
7.5.5 MPEG标准 168
习题 169
第8章 图像分割 171
8.1 概述 171
8.2 边缘检测及连接 172
8.2.1 边缘检测 172
8.2.2 边缘连接 180
8.3 阈值分割 183
8.3.1 基础 183
8.3.2 全局阈值 184
8.3.3 自适应阈值 189
8.3.4 最佳阈值的选择 189
8.3.5 分水岭算法 190
8.4 区域分割 192
8.4.1 区域生长法 192
8.4.2 区域分裂合并法 194
8.5 二值图像处理 196
8.5.1 数学形态学图像处理 197
8.5.2 开运算及闭运算 200
8.5.3 一些基本形态学算法 202
习题 205
第三部分 数字图像处理扩展内容
第9章 彩色图像处理 207
9.1 彩色图像基础 207
9.1.1 彩色图像的概念 207
9.1.2 彩色基础 208
9.2 彩色模型 212
9.2.1 RGB彩色模型 212
9.2.2 CMY彩色模型及CMYK彩色模型 214
9.2.3 HSI彩色模型 215
9.3 伪彩色处理 218
9.3.1 背景 218
9.3.2 强度分层 219
9.3.3 灰度级到彩色变换 221
9.3.4 假彩色处理 223
9.4 全彩色图像处理 224
9.4.1 全彩色图像处理基础 224
9.4.2 彩色平衡 225
9.4.3 彩色图像增强 227
9.4.4 彩色图像平滑 229
9.4.5 彩色图像锐化 231
9.5 彩色图像分割 232
9.5.1 HSI彩色空间分割 233
9.5.2 RGB彩色空间分割 233
9.5.3 彩色边缘检测 235
9.6 彩色图像处理的应用 238
9.6.1 去红眼 239
9.6.2 肤色检测 239
9.6.3 基于彩色的跟踪 240
习题 241
第10章 图像表示及描述 243
10.1 背景 243
10.2 颜色特征 244
10.2.1 灰度特征 244
10.2.2 直方图特征 245
10.2.3 颜色矩 246
10.3 纹理特征 246
10.3.1 自相关函数 247
10.3.2 灰度差分统计 248
10.3.3 灰度共生矩阵 250
10.3.4 频谱特征 253
10.4 边界特征 255
10.4.1 边界表达 255
10.4.2 边界特征描述 259
10.5 区域特征 262
10.5.1 简单的区域描述 262
10.5.2 拓扑描述 266
10.5.3 形状描述 267
10.5.4 矩 268
10.6 主成分 271
10.6.1 主成分基础 271
10.6.2 主成分描述 273
10.7 特征提取的应用 275
10.7.1 粒度测定 275
10.7.2 圆形目标判别 278
10.7.3 运动目标特征提取 279
习题 281
第11章 基于深度学习的数字图像处理 283
11.1 深度学习概述 283
11.1.1 深度学习的基本思想 283
11.1.2 深度学习的优势 284
11.2 卷积神经网络 284
11.2.1 卷积神经网络架构 285
11.2.2 卷积层 285
11.2.3 池化层 287
11.2.4 全连接层 287
11.3 基于深度学习的图像分类 288
11.3.1 基本原理 288
11.3.2 经典图像分类网络 290
11.3.3 图像分类网络的MATLAB实现 292
11.4 基于深度学习的图像去噪 295
11.4.1 基本原理 295
11.4.2 经典图像去噪网络 296
11.4.3 图像去噪网络的MATLAB实现 297
11.5 基于深度学习的图像压缩 300
11.5.1 基本原理 300
11.5.2 图像压缩网络的MATLAB实现 301
11.6 基于深度学习的图像分割 303
11.6.1 基本原理 304
11.6.2 经典图像分割网络 305
11.6.3 图像分割网络的MATLAB实现 306
习题 307
第12章 数字图像处理的工程应用 308
12.1 基于图像处理的红细胞数目检测 308
12.2 基于肤色分割及灰度积分算法的人眼定位 310
12.3 基于DCT的数字水印算法 315
12.4 基于BP神经网络的手写汉字识别 321
12.5 基于卡尔曼滤波的多目标检测及跟踪 329
参考文献 338