Digital image processing technology and application

　　
　　 前言
　　第1章 引言1
　　 1.1 图像的基本概念1
　　 1.2 数字图像处理系统3
　　 1.2.1 静态数字图像处理3
　　 1.2.2 三维成像4
　　 1.2.3 数字视频处理5
　　 1.3 数字图像处理的主要研究内容6
　　 1.4 本书的结构安排9
　　第2章 图像的增强与去噪10
　　 2.1 图像的灰度增强10
　　 2.1.1 线性对比度展宽10
　　 2.1.2 直方图均衡化11
　　 2.1.3 伪彩色增强14
　　 2.1.4 Retinx图像增强方法16
　　 2.2 图像的噪声抑制18
　　 2.2.1 图像质量的客观评价指标18
　　 2.2.2 均值滤波18
　　 2.2.3 中值滤波20
　　 2.2.4 基于小波变换的阈值去噪21
　　 2.2.5 基于维纳滤波的图像去噪23
　　 2.2.6 基于偏微分方程的图像去噪24
　　 2.3 图像的锐化26
　　 2.3.1 一阶锐化算法27
　　 2.3.2 二阶锐化算法32
　　 2.4 应用示例1：大雾天气下的图像清晰化34
　　 2.4.1 雾况的建模34
　　 2.4.2 光学厚度的确定与分割35
　　 2.4.3 清晰化处理36
　　 2.5 应用示例2：具有高光抑制的夜间图像清晰化37
　　 2.5.1 亮度分量的估计与处理37
　　 2.5.2 反射分量的处理38
　　 2.5.3 高光抑制39
　　第3章 图像的几何变换41
　　 3.1 齐次坐标与图像的仿射变换41
　　 3.2 三维图像的投影变换42
　　 3.2.1 投影与投影变换43
　　 3.2.2 透视投影43
　　 3.2.3 平行投影46
　　 3.3 图像几何畸变的校正51
　　 3.3.1 几何畸变的描述51
　　 3.3.2 畸变关系已知情况下的畸变校正51
　　 3.3.3 畸变关系未知情况下的畸变校正52
　　 3.4 应用示例1：基于内容感知的图像非等比例缩放53
　　 3.4.1 能量函数的定义53
　　 3.4.2 低能量线的选取53
　　 3.4.3 敏感区域的能量提升54
　　 3.5 应用示例2：QR码图像的几何畸变校正55
　　第4章 图像的分割57
　　 4.1 阈值法57
　　 4.1.1 类间类内最大方差比法57
　　 4.1.2 最大熵法58
　　 4.1.3 聚类法59
　　 4.2 区域提取法60
　　 4.2.1 区域生长法60
　　 4.2.2 分裂-合并法61
　　 4.3 基于色彩特征的图像分割方法62
　　 4.3.1 RGB色系下的图像分割63
　　 4.3.2 YCbCr色系下的图像分割63
　　 4.3.3 HSV色系下的图像分割64
　　 4.4 神经元网络在图像分割中的应用65
　　 4.4.1 基于BP神经元网络的图像分割65
　　 4.4.2 基于SOFM神经元网络的图像分割70
　　 4.5 应用示例1：肾小球区域的分割72
　　 4.5.1 基于遗传算法的肾小球区域定位72
　　 4.5.2 基于分水岭算法的肾小球边缘提取73
　　 4.5.3 肾小球区域的分割74
　　 4.6 应用示例2：具有黑白混叠的二维条码的条空分割74
　　 4.6.1 明显白区域的提取与分割75
　　 4.6.2 明显黑区域的提取与分割76
　　 4.6.3 边缘过渡区域与小骨架区域的确定76
　　 4.6.4 边缘过渡区域的处理76
　　 4.6.5 小骨架区域的处理77
　　第5章 图像的数学形态学处理79
　　 5.1 二值图像中的基本概念79
　　 5.1.1 连接关系79
　　 5.1.2 内部点与边界点80
　　 5.1.3 连接数与交叉数80
　　 5.1.4 几何特征81
　　 5.2 贴标签82
　　 5.3 细线化83
　　 5.3.1 距离变换84
　　 5.3.2 骨架线的提取85
　　 5.4 二值图像的腐蚀与膨胀86
　　 5.4.1 腐蚀86
　　 5.4.2 膨胀88
　　 5.5 灰度图像的腐蚀与膨胀90
　　 5.5.1 灰度值腐蚀90
　　 5.5.2 灰度值膨胀91
　　 5.6 二值图像的开运算与闭运算92
　　 5.6.1 开运算92
　　 5.6.2 闭运算93
　　 5.7 灰度图像的开运算与闭运算94
　　 5.8 应用示例1：基于灰度腐蚀、膨胀的断层插值图像96
　　 5.9 应用示例2：印章 图像的预处理98
　　 5.9.1 采用贴、删标签的方法去除噪声与空穴98
　　 5.9.2 采用闭运算弥补印鉴中的断裂99
　　 5.9.3 利用圆形度对印鉴进行分类9……