數(shù)字圖像處理

前言

本書對數(shù)字圖像處理進(jìn)行了較新的完整介紹。本書不僅適用于那些希望得到堅實基礎(chǔ)的初學(xué)者，而且考慮到了那些希望了解重要技術(shù)的關(guān)鍵分析和現(xiàn)代應(yīng)用的從業(yè)人員。這是原德文版本的第一個英文版本，該書已經(jīng)被以下人員廣泛使用。以圖像處理為工具的科學(xué)家和工程師，并且希望能深入理解，以便在自己的領(lǐng)域中對圖像問題形成自己的解決方案。需要自學(xué)該課程的信息技術(shù)（IT）專家，這些課程要包含能夠簡單地進(jìn)行改編的代碼和已經(jīng)實現(xiàn)的例子，以便使他們能夠立刻上手。需要包含豐富實例的介紹性教科書的所有從業(yè)人員和學(xué)生，教科書要適合本科高年級學(xué)生或者研究生，并且包含豐富的、經(jīng)過教學(xué)實際檢驗的練習(xí)、項目和實例。雖然我們專注于實際應(yīng)用和具體實現(xiàn)，但是我們并沒有忽略重要的細(xì)節(jié)和數(shù)學(xué)理論，因為這些對算法更深一層的理解是必須的。在著手寫這本教科書的時候，我們有著這樣一種考慮：簡單的一本圖像解決方案的書不足以給讀者提供更深層次的理解，不能使讀者將這些技術(shù)應(yīng)用到新的問題當(dāng)中去。為此我們從以下三個方面逐步展開：數(shù)學(xué)表達(dá)式的形式、簡要的偽代碼算法和完整的Java程序。我們再用一個統(tǒng)一的記號將這三個方面聯(lián)系在一起——這樣，我們就針對這個問題及其解決方案給出了多個角度的考慮，并且它們之間又是互相關(guān)聯(lián)的。預(yù)備知識我們沒有將數(shù)字圖像處理當(dāng)作一門數(shù)學(xué)學(xué)科，也沒有嚴(yán)格地按照信號處理的形式來介紹，而是從一個從業(yè)者和編程人員的角度出發(fā)，將其他教科書普遍應(yīng)用的形式替換為讀者更容易理解的構(gòu)成方式。為了更好地使用本書的程序部分，讀者需要具備一些基本的數(shù)據(jù)結(jié)構(gòu)和面向?qū)ο缶幊痰闹R，最好是Java。我們選擇Java出于很多方面的考慮，其中之一是：Java是很多學(xué)生在工科課程中學(xué)習(xí)的第一門編程語言。對于具有相關(guān)語言知識（比如C或者C++）的從業(yè)者來說，本書中的示例程序是很容易理解和擴(kuò)展的。

內(nèi)容概要

　　數(shù)字圖像處理作為計算機(jī)視覺、遙感圖像處理與識別、醫(yī)學(xué)圖像處理、視頻編碼與處理、圖像與視頻檢索等的基礎(chǔ)知識，已經(jīng)成為了計算機(jī)科學(xué)與技術(shù)、信號與信息處理等相關(guān)專業(yè)的必修基礎(chǔ)課程之一?！　　稊?shù)字圖像處理：Java語言算法描述》沒有將數(shù)字圖像處理當(dāng)作一門數(shù)學(xué)學(xué)科來介紹，也沒有嚴(yán)格地按照信號處理的形式來介紹，而是從一個從業(yè)者和編程人員的角度出發(fā)，以讀者更容易理解構(gòu)成的方式進(jìn)行講解。對數(shù)字圖像處理的每個主題，《數(shù)字圖像處理：Java語言算法描述》都是從理論知識到實際應(yīng)用的方式進(jìn)行講解，先介紹數(shù)學(xué)表達(dá)式，再給出簡要的偽代碼算法，最后給出完整的Java程序?！　　稊?shù)字圖像處理：Java語言算法描述》不僅特別適合作為計算機(jī)與信息技術(shù)類專業(yè)的高年級本科生或者研究生教材，對涉及圖像處理的相關(guān)研究者和開發(fā)人員來講，《數(shù)字圖像處理：Java語言算法描述》也是一本非常有用的技術(shù)參考書。

作者簡介

作者：(德國)伯格(Wilhelm Burger) (德國)伯奇(Mark J.Burger) 譯者：黃華 等

書籍目錄

第1章 品味像素1.1 圖像編程1.2 圖像分析和計算機(jī)視覺第2章 數(shù)字圖像2.1 數(shù)字圖像的類型2.2 圖像獲取2.2.1 針孔照相機(jī)模型2.2.2 “薄”透鏡2.2.3 數(shù)字化2.2.4 圖像尺寸和分辨率2.2.5 圖像坐標(biāo)系統(tǒng)2.2.6 像素值2.3 圖像文件格式2.3.1 光柵和矢量數(shù)據(jù)2.3.2 標(biāo)簽圖像文件格式(TIFF)2.3.3 圖形交換格式(GIF)2.3.4 可移植網(wǎng)絡(luò)圖形(PNG)2.3.5 JPEG2.3.6 Windows位圖(BMP)2.3.7 簡易位圖格式(PBM)2.3.8 其他文件格式2.3.9 比特和字節(jié)2.4 練習(xí)第3章 ImageJ3.1 圖像操作和處理3.2 ImageJ綜述3.2.1 關(guān)鍵特征3.2.2 交互式工具3.2.3 ImageJ插件3.2.4 第一個例子：圖像取反3.3 ImageJ和Java的其他信息3.3.1 ImageJ的資源3.3.2 用.Java編程3.4 練習(xí)第4章 直方圖4.1 什么是直方圖4.2 解讀直方圖4.2.1 圖像獲取4.2.2 圖像缺陷4.3 直方圖計算4.4 多于8位圖像的直方圖4.4.1 像素組合4.4.2 例子4.4.3 實現(xiàn)4.5 彩色圖像直方圖4.5.1 強(qiáng)度直方圖4.5.2 單個顏色通道直方圖4.5.3 合并顏色直方圖4.6 累積直方圖4.7 練習(xí)第5章 點運(yùn)算5.1 圖像強(qiáng)度修正5.1.1 對比度和亮度5.1.2 利用設(shè)定門限限制結(jié)果值5.1.3 圖像求反5.1.4 閾值操作5.2 點運(yùn)算和直方圖5.3 自動對比度調(diào)整5.4 修正的自動對比度調(diào)整5.5 直方圖均衡化5.6 直方圖規(guī)定化5.6.1 頻率和概率5.6.2 直方圖規(guī)定化的原理5.6.3 調(diào)整為分段線性分布5.6.4 調(diào)整到給定直方圖(直方圖匹配)5.6.5 例子5.7 Gamma校正5.7.1 為什么是Gamma5.7.2 Gamma函數(shù)5.7.3 真實Gamma值5.7.4 Gamma校正應(yīng)用5.7.5 實現(xiàn)5.7.6 修正Gamma校正5.8 ImageJ中的點運(yùn)算5.8.1 利用查找表進(jìn)行點運(yùn)算5.8.2 算術(shù)運(yùn)算5.8.3 包含多幅圖像的點運(yùn)算5.8.4 兩幅圖像進(jìn)行點運(yùn)算的方法5.8.5 多幅圖像的ImageJ插件5.9 練習(xí)第6章 濾波器6.1 什么是濾波器6.2 線性濾波器6.2.1 濾波矩陣6.2.2 運(yùn)用濾波器6.2.3 計算濾波器算子6.2.4 濾波器插件示例6.2.5 整數(shù)系數(shù)6.2.6 任意尺寸的濾波器6.2.7 線性濾波器的類型6.3 線性濾波器的性質(zhì)6.3.1 線性卷積6.3.2 線性卷積的性質(zhì)6.3.3 線性濾波的可分離性6.3.4 濾波器的脈沖響應(yīng)6.4 非線性濾波器6.4.1 最小值和最大值濾波6.4.2 中值濾波6.4.3 帶權(quán)中值濾波器6.4.4 其他非線性濾波器6.5 濾波器的實現(xiàn)6.5.1 濾波程序的效率6.5.2 圖像邊界的處理6.5.3 調(diào)試濾波器程序6.6 ImageJ中的濾波運(yùn)算6.6.1 線性濾波器6.6.2 高斯濾波器6.6.3 非線性濾波器6.7 練習(xí)第7章 邊緣和輪廓7.1 邊緣是怎么來的7.2 基于梯度的邊緣檢測7.2.1 偏導(dǎo)數(shù)和梯度7.2.2 導(dǎo)數(shù)濾波器7.3 邊緣檢測算子7.3.1 Prewitt算子和Sobel算子7.3.2 Roberts算子7.3.3 羅盤算子7.3.4 ImageJ中的邊緣檢測算子7.4 其他邊緣檢測算子7.4.1 基于二階導(dǎo)數(shù)的邊緣檢測7.4.2 不同尺度下的邊緣7.4.3 Canny算子7.5 從邊緣到輪廓7.5.1 輪廓跟蹤7.5.2 邊緣圖7.6 邊緣銳化7.6.1 邊緣銳化和拉普拉斯濾波器7.6.2 USM銳化7.7 練習(xí)第8章 角點檢測8.1 感興趣點8.2 Hlarris角點檢測器8.2.1 局部結(jié)構(gòu)矩陣8.2.2 角點響應(yīng)函數(shù)8.2.3 確定角點8.2.4 例子8.3 實現(xiàn)8.3.1 步驟1：計算角點響應(yīng)函數(shù)8.3.2 步驟2：選擇“好的”角點8.3.3 顯示角點8.3.4 小結(jié)8.4 練習(xí)第9章 檢測簡單曲線9.1 顯著結(jié)構(gòu)9.2 Hough變換9.2.1 參數(shù)空間……第10章 形態(tài)學(xué)濾波器第11章 二值圖像中的區(qū)域第12章 彩色圖像第13章 頻譜技術(shù)介紹第14章 二維離散傅里葉變換第15章 離散余弦變換（DCT) 第16章 幾何運(yùn)算第17章 圖像比較附錄A 數(shù)學(xué)記號附錄B Java摘記附錄C ImageJ的簡短參考附錄D 源代碼

章節(jié)摘錄

插圖：在我們初看一項圖像處理任務(wù)時，經(jīng)常會認(rèn)為存在著某種簡單的解決方法，特別是那些我們自身視覺系統(tǒng)能夠輕易完成的任務(wù)。但在實踐中，開發(fā)可靠、魯棒并且實時性好的方案是困難或者徹底不可能的。當(dāng)問題涉及圖像分析的時候尤其如此。也就是說，當(dāng)最終目標(biāo)不是增強(qiáng)或者改變圖像的視覺效果，而是提取圖像內(nèi)容中有意義的信息時，例如從背景中辨別目標(biāo)、沿著一幅地圖上街道行走或者找到一個牛奶盒上的條形碼，完成這些任務(wù)往往比我們想象的要復(fù)雜得多。我們希望技術(shù)能夠在那些人類自身視覺系統(tǒng)能夠完成的方面有所提高。從簡單的能夠舉起重物的杠桿、可以看到遠(yuǎn)處景物的望遠(yuǎn)鏡，到復(fù)雜的載著我們穿越各大洲的飛機(jī)——科學(xué)創(chuàng)造帶給我們的諸多成果，在一些領(lǐng)域中以驚人的效率提升了我們自身生物系統(tǒng)所決定的先天能力。因此當(dāng)我們發(fā)現(xiàn)在圖像分析領(lǐng)域中，今天的技術(shù)遠(yuǎn)不能與我們自身視覺系統(tǒng)的能力相媲美時，或許會感到羞愧。雖然這種狀態(tài)可能會一直延續(xù)，但是不要因此而氣餒，而要把它作為一種挑戰(zhàn)，去開發(fā)創(chuàng)造性的解決方法。利用如今的工具、技術(shù)和基礎(chǔ)知識，不僅能夠解決眾多的問題，還能夠創(chuàng)建魯棒、可靠和快速的應(yīng)用。圖像分析并不是本書的主題，它通常自然地穿插于圖像處理之中。我們將在以下幾處詳細(xì)討論這種圖像處理與圖像分析的交叉：尋找簡單曲線（第9章）、圖像區(qū)域分割（第11章）以及圖像比較（第17章）。在這些討論中，我們采用自底向上的方法直接處理像素數(shù)據(jù)，而不使用特定領(lǐng)域知識（例如盲處理）。這樣我們的解決方法就從本質(zhì)上體現(xiàn)了圖像處理、模式識別和計算機(jī)視覺之間的差異。盡管這兩個學(xué)科是以圖像處理為基礎(chǔ)的，甚至嚴(yán)重依賴于圖像處理技術(shù)，但它們的最終目標(biāo)卻是高層次的認(rèn)知。

編輯推薦

《數(shù)字圖像處理:Java語言算法描述》：內(nèi)容全面：《數(shù)字圖像處理:Java語言算法描述》內(nèi)容包含了圖像文件格式、直方圖、點操作、濾波器、邊緣與輪廓、角點檢測、簡單曲線檢測、形態(tài)學(xué)濾波、二值圖像區(qū)域、彩色圖像與色彩空間、傅立葉變換、DCT變換、幾何操作、圖像壓縮等。容易理解：《數(shù)字圖像處理:Java語言算法描述》從實際應(yīng)用和具體實現(xiàn)的角度出發(fā)，通俗易懂地講解了各種圖像處理的原理、數(shù)學(xué)表達(dá)，同時給出了簡要的偽代碼算法和完整的Java程序?qū)崿F(xiàn)，偽代碼算法和程序?qū)崿F(xiàn)有助于算法原理的理解。練習(xí)得當(dāng)：《數(shù)字圖像處理:Java語言算法描述》大多數(shù)章節(jié)后面都列有難易適當(dāng)?shù)木毩?xí)題，完成這些練習(xí)題有助于掌握學(xué)習(xí)內(nèi)容、加深理解并提高實際動手能力。使用Java作為編程語言：與C++、C#等相比，Java具有平臺無關(guān)性，只要計算機(jī)上有Java虛擬機(jī)，Java編寫的同一程序能夠在任何操作系統(tǒng)上運(yùn)行。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    數(shù)字圖像處理 PDF格式下載

---