数字图像处理：原理与实践（MATLAB版） pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

左飞 著

图书标签:

• 数字图像处理
• MATLAB
• 图像处理
• 图像分析
• 模式识别
• 计算机视觉
• 算法
• 实践
• 高等教育
• 理工科

出版社： 电子工业出版社

ISBN：9787121244698

版次：1

商品编码：11572050

品牌：Broadview

包装：平装

开本：16开

出版时间：2014-11-01

用纸：胶版纸

页数：559

字数：722000

正文语种：中文

内容简介

　　《数字图像处理：原理与实践（MATLAB版）》全面系统地介绍了数字图像处理技术的理论与方法，内容涉及几何变换、灰度变换、图像增强、图像分割、图像去噪、小波变换、形态学处理、多尺度融合、偏微分方程应用、正交变换与图像压缩、边缘及轮廓检测、图像复原、图像去雾、多尺度空间构建与特征匹配等15大核心话题。工欲善其事，必先利其器。《数字图像处理：原理与实践（MATLAB版）》所有算法均配有完整的MATLAB实现代码，并以此为基础详细介绍了MATLAB中与图像处理有关的近200个函数的使用方法，便于读者学习与实践。此外，《数字图像处理：原理与实践（MATLAB版）》还提供了丰富的在线支持资源，方便为读者答疑解惑及提供辅助资料下载。

作者简介

　　左飞，服务于中国规模最大的移动通信运营商，业余时间他撰写了多部计算机方面的著作，并译有《编码》、《提高C++性能的编程技术》等经典名著。

内页插图

目录

第1章 绪论
1.1 数字图像处理概述
1.1.1 图像与数字图像
1.1.2 数字图像处理研究的内容
1.1.3 数字图像处理的应用
1.2 MATLAB概述
1.2.1 MATLAB的发展
1.2.2 MATLAB的特点
1.2.3 MATLAB的结构
1.3 在MATLAB中处理数字图像
1.3.1 MATLAB中的图像存储
1.3.2 MATLAB中的图像转换
1.3.3 MATLAB中图像的基本操作
本章参考文献及推荐阅读材料

第2章 图像的点运算
2.1 灰度直方图
2.1.1 灰度直方图简介
2.1.2 基本原理
2.1.3 编码实现
2.2 灰度线性变换
2.2.1 基本原理
2.2.2 编码实现
2.3 灰度非线性变换
2.3.1 灰度对数变换
2.3.2 灰度幂次变换
2.3.3 灰度指数变换
2.4 灰度拉伸
2.4.1 基本原理
2.4.2 编码实现
2.5 灰度均衡
2.5.1 基本原理
2.5.2 编码实现
2.6 直方图规定化
2.6.1 基本原理
2.6.2 编码实现
本章参考文献及推荐阅读材料

第3章 图像的几何变换
3.1 图像几何变换的基本理论
3.1.1 图像几何变换概述
3.1.2 图像几何变换的数学描述
3.2 图像的平移变换
3.2.1 效果预览
3.2.2 基本原理
3.2.3 编程实现
3.3 图像的镜像变换
3.3.1 效果预览
3.3.2 基本原理
3.3.3 编程实现
3.4 图像的转置
3.4.1 效果预览
3.4.2 基本原理
3.4.3 编程实现
3.5 图像的缩放
3.5.1 效果预览
3.5.2 基本原理
3.5.3 插值算法介绍
3.5.4 编程实现
3.6 图像的旋转
3.6.1 效果预览
3.6.2 基本原理
3.6.3 编程实现
本章参考文献及推荐阅读材料

第4章 图像的增强处理
4.1 卷积积分与邻域处理
4.1.1 理解卷积积分的概念
4.1.2 卷积应用于图像处理的原理
4.1.3 邻域处理的基本概念
4.1.4 运用模板实现邻域处理
4.2 图像的简单平滑
4.2.1 图像的简单平滑原理
4.2.2 简单平滑的编码实现
4.3 图像的高斯平滑
4.3.1 平滑线性滤波器
4.3.2 高斯平滑的原理
4.3.3 高斯分布
4.3.4 高斯平滑的算法实现
4.4 图像的中值滤波
4.4.1 统计排序滤波器
4.4.2 图像中值滤波的原理
4.4.3 图像中值滤波的算法实现
4.5 图像的双边滤波
4.6 图像的拉普拉斯锐化
4.6.1 图像的锐化
4.6.2 拉普拉斯锐化的原理
4.6.3 拉普拉斯锐化的编码实现
本章参考文献及推荐阅读材料

第5章 图像的形态学处理
5.1 数学形态学
5.2 一些必要的概念和符号约定
5.3 图像的腐蚀
5.3.1 腐蚀原理
5.3.2 编程实现
5.4 图像的膨胀
5.4.1 膨胀原理
5.4.2 编程实现
5.5 腐蚀和膨胀的性质及应用
5.5.1 腐蚀和膨胀的代数性质
5.5.2 腐蚀和膨胀的应用
5.6 开运算和闭运算
5.6.1 开运算
5.6.2 闭运算
5.6.3 编程实现
5.6.4 开运算和闭运算的代数性质
5.7 图像形态学的其他运算
5.7.1 击中/不击中运算
5.7.2 细化处理
本章参考文献及推荐阅读材料

第6章 边缘检测
6.1 基本概念及思想
6.1.1 边缘检测的基本概念
6.1.2 边缘检测的基本思想
6.2 基于梯度的常规方法
6.2.1 梯度算子及其离散化表示
6.2.2 用梯度算子进行边缘检测
6.2.3 带有方向信息的边缘检测
6.3 拉普拉斯算子
6.4 基于LoG和DoG的边缘检测
6.4.1 高斯拉普拉斯算子（LoG）
6.4.2 高斯差分算子（DoG）
6.5 Canny边缘检测算法
6.5.1 Canny准则
6.5.2 Canny算法与实现
本章参考文献及推荐阅读材料

第7章 图像分割
7.1 豪格变换
7.1.1 平面坐标系的转换
7.1.2 Hough变换的思想
7.1.3 直线的Hough变换
7.1.4 圆的Hough变换
7.2 轮廓跟踪
7.2.1 区域表示方法
7.2.2 单区域跟踪
7.2.3 多区域跟踪
7.2.4 编码实现
7.3 种子填充
7.3.1 算法介绍
7.3.2 编码实现
7.4 区域分割
7.4.1 区域分裂与合并
7.4.2 编程实现
7.5 水域分割
7.5.1 从必备的基本概念开始
7.5.2 分水岭分割算法的原理
7.5.3 标记控制的分水岭算法
本章参考文献及推荐阅读材料

第8章 正交变换与图像压缩
8.1 傅里叶变换
8.1.1 傅里叶变换的数学基础
8.1.2 傅里叶变换与傅里叶级数的关系
8.1.3 数字图像的傅里叶变换
8.1.4 快速傅里叶变换的算法
8.1.5 编程实现图像的快速傅里叶变换
8.2 离散余弦变换
8.2.1 基本概念及数学描述
8.2.2 离散余弦变换的快速算法
8.2.3 离散余弦变换的意义与应用
8.3 沃尔什-哈达玛变换
8.3.1 沃尔什函数
8.3.2 离散沃尔什变换及其快速算法
8.3.3 沃尔什变换的应用
8.4 卡洛南-洛伊变换
8.4.1 一些必备的基础概念
8.4.2 主成分变换的推导
8.4.3 编码实现主成分变换
8.4.4 应用K-L变换实现图像压缩
本章参考文献及推荐阅读材料

第9章 小波变换及其应用
9.1 子带编码
9.1.1 数字信号处理基础
9.1.2 多抽样率信号处理
9.1.3 图像的子带分解
9.2 哈尔函数与哈尔变换
9.2.1 哈尔函数的定义
9.2.2 哈尔函数的性质
9.2.3 酉矩阵与酉变换
9.2.4 二维离散线性变换
9.2.5 哈尔基函数
9.2.6 哈尔变换
9.3 小波的数学基础
9.3.1 小波的历史
9.3.2 理解小波的概念
9.3.3 多分辨率分析
9.3.4 小波函数的构建
9.3.5 小波序列展开
9.3.6 离散小波变换
9.3.7 连续小波变换
9.3.8 小波的容许条件与基本特征
9.4 快速小波变换
9.4.1 快速小波正变换
9.4.2 快速小波逆变换
9.4.3 图像的小波变换
9.5 小波在图像处理中的应用
本章参考文献及推荐阅读材料

第10章 偏微分方程与图像降噪
10.1 PM方程及其应用
10.1.1 一维热传导方程
10.1.2 各向异性扩散方程
10.1.3 PM扩散方程的实现
10.1.4 加性算子分裂
10.2 TV方法及其应用
10.2.1 泛函与变分法
10.2.2 全变分模型
10.2.3 TV算法的数值实现
10.2.4 基于TV的图像降噪实例
本章参考文献及推荐阅读材料

第11章 图像复原
11.1 从图像的退化到复原
11.1.1 图像的退化模型
11.1.2 连续的退化模型
11.1.3 离散的退化模型
11.2 常规的图像复原示例
11.2.1 循环矩阵的对角化
11.2.2 逆滤波的基本原理
11.2.3 维纳滤波及其应用
11.2.4 露茜-理查德森算法
11.3 暗通道优先的图像去雾算法
11.3.1 暗通道的概念与意义
11.3.2 暗通道去雾霾的原理
11.3.3 算法实现与应用
11.3.4 算法不足及改进方向
本章参考文献及推荐阅读材料

第12章 图像的特征检测
12.1 SIFT特征检测
12.1.1 尺度空间构造
12.1.2 空间极值检测
12.1.3 方向赋值
12.1.4 特征描述
12.1.5 算法实现
12.2 SURF特征检测
12.2.1 积分图
12.2.2 DoH近似
12.2.3 尺度空间表达
12.2.4 特征描述
12.2.5 算法实现
12.3 KAZE特征检测
12.3.1 非线性扩散滤波
12.3.2 尺度空间的构造
12.3.3 特征检测与描述
本章参考文献及推荐阅读材料

附录A 必不可少的数学基础
附录B 图像编码的理论基础

前言/序言

《数字图像处理：原理与实践（MATLAB版）》图书简介 洞悉像素的奥秘，掌握图像的语言，开启智慧的视觉世界。 在这信息爆炸的时代，图像以其直观、丰富的信息承载能力，成为我们理解世界、交流思想的关键媒介。从医学影像的诊断辅助，到工业检测的精益求精，从安防监控的实时预警，到科学研究的深度探索，数字图像处理技术无处不在，扮演着越来越重要的角色。它不仅仅是计算机视觉的基础，更是人工智能、大数据等前沿领域不可或缺的赋能技术。 《数字图像处理：原理与实践（MATLAB版）》是一本为致力于深入理解数字图像处理技术，并希望将其应用于实际问题的读者量身打造的权威指南。本书跳脱出理论的象牙塔，聚焦于将深奥的数学原理与鲜活的工程实践紧密结合，尤其侧重于利用被誉为“工程计算的瑞士军刀”的MATLAB平台，让读者在动手实践中真正掌握图像处理的核心技术。 本书内容精髓： 本书围绕数字图像处理的完整流程，层层深入，由浅入深，为您构建一个清晰而全面的知识体系。我们将从数字图像最基础的构成单元——像素出发，逐步揭示图像的数字化过程，探索其数学本质。 第一部分：图像处理的基础理论与预备知识 数字图像的本质： 在此部分，我们首先将清晰地阐述数字图像是如何被采集、表示和存储的。您将理解像素的概念、图像的几何特征（如分辨率、像素深度、色彩模型RGB、CMYK、HSV等），以及不同图像格式（如BMP、JPEG、PNG）的特点与选择。这如同建筑的基石，稳固的理论基础是后续所有高级应用的前提。 图像的数学表达： 图像处理离不开强大的数学工具。我们将引入傅里叶变换、卷积、线性代数等在图像处理中扮演核心角色的数学概念。您将学习如何用数学语言描述图像的各种特性，理解滤波器、变换等操作的数学原理，从而更深刻地理解图像处理算法的内在逻辑。 MATLAB环境的搭建与基础操作： 为了让理论紧随实践，本书将系统介绍MATLAB开发环境的配置与基本使用。您将熟悉MATLAB的命令行操作、脚本编写、变量管理、基本数据类型等，并学习如何利用MATLAB的内置函数进行矩阵运算、绘图等基础操作，为后续的图像处理实践做好准备。 第二部分：图像的增强与复原 空间域图像增强： 图像的“美颜”与“瘦身”工作始于空间域。我们将详细介绍点运算（如灰度变换、对比度拉伸、直方图均衡化）和邻域运算（如平滑滤波、锐化滤波）的原理与MATLAB实现。您将学习如何通过调整像素值来改善图像的视觉效果，去除噪声，突出细节，例如： 灰度变换： 对比度增强，分段线性变换，伽马校正等，让昏暗的图像重现生机。 直方图处理： 直方图均衡化与规定化，使图像的灰度分布更均匀，细节更突出。 空间滤波： 均值滤波、高斯滤波用于去噪，拉普拉斯算子、Sobel算子用于边缘检测与锐化，让模糊的图像重现清晰。 频率域图像增强： 傅里叶变换揭示了图像的频率信息。本部分将带领您探索如何利用频率域滤波器来增强或抑制图像的特定频率分量，从而实现与空间域互补的增强效果。您将学习低通滤波、高通滤波、同态滤波等在频率域的应用，有效抑制周期性噪声，增强图像的整体对比度。 图像复原： 图像在采集、传输过程中往往会受到各种噪声的污染，或者因模糊而丢失信息。本部分将深入讲解各种图像复原技术，包括： 噪声模型与估计： 识别并量化不同类型的噪声（如高斯噪声、椒盐噪声、周期噪声），为后续去噪算法的选择提供依据。 逆滤波与维纳滤波： 针对模糊退化模型，介绍如何尝试恢复原始图像，并学习维纳滤波在噪声存在时如何兼顾去模糊和降噪。 约束最小二乘滤波： 在保证一定平滑度的前提下进行图像复原。 形态学滤波： 利用结构元素对图像进行腐蚀、膨胀、开运算、闭运算等操作，用于消除噪声、连接断裂的物体、分离粘连的物体等。 第三部分：图像的变换与编码 图像变换： 图像变换是理解图像内容、进行特征提取的关键。我们将深入探讨： 离散余弦变换（DCT）： JPEG压缩的核心，理解其能量聚集特性。 小波变换： 能够同时捕捉图像的空间和频率信息，在图像压缩、去噪、特征提取等方面表现出色。 Hough变换： 用于检测图像中的直线、圆等几何形状，是模式识别中的重要工具。 图像压缩： 在数据存储和传输日益重要的今天，高效的图像压缩技术至关重要。您将学习： 无损压缩与有损压缩： 理解两者原理与应用场景。 基于变换的压缩： 如JPEG标准中DCT的应用。 预测编码： 利用像素间的相关性进行编码。 第四部分：图像分割 图像分割的原理与方法： 图像分割是将图像划分为若干个具有意义的区域或对象的关键步骤，是许多高级视觉任务（如目标识别、场景理解）的基础。本部分将全面介绍： 基于阈值的方法： 全局阈值、局部阈值、Otsu方法等，简单高效。 区域生长法： 从种子点出发，根据特定准则生长出目标区域。 边缘检测与连接： 利用边缘信息来分割物体。 基于区域分裂与合并的方法： 递归地划分和合并图像区域。 Watershed变换： 将图像看作地形图，根据流域的原理进行分割。 分水岭算法： 深刻理解其原理与在分割中的应用。 MATLAB的分割工具箱： 本书将指导您如何利用MATLAB强大的图像处理和计算机视觉工具箱（Image Processing Toolbox, Computer Vision Toolbox）中的函数，高效地实现各种图像分割算法。 第五部分：形态学图像处理 二值图像形态学： 腐蚀、膨胀、开运算、闭运算、击中不击中变换等，用于形状分析、物体提取、连通组件分析等。 灰度图像形态学： 灰度腐蚀、灰度膨胀、灰度开运算、灰度闭运算，以及顶帽变换、黑帽变换等，用于灰度图像的平滑、增强、去噪等。 形态学梯度与骨架提取： 利用形态学操作计算图像的梯度，以及提取物体的骨架。 第六部分：颜色图像处理 颜色空间： RGB、CMYK、HSV、YUV等不同颜色空间的特性与转换。 颜色图像增强： 在不同颜色空间下进行对比度调整、色彩平衡等。 颜色分割： 基于颜色特征对图像进行分割。 第七部分：特征提取与描述 图像特征的意义： 您将理解特征点、边缘、角点、纹理等特征在图像识别、匹配、跟踪中的重要性。 SIFT、SURF、ORB等特征点检测与描述算法： 学习如何提取具有旋转、尺度不变性的特征点，并对其进行描述。 纹理特征提取： 学习如何量化图像的纹理信息。 第八部分：图像识别与应用 模式识别基础： 介绍分类器、判别函数等基本概念。 模板匹配： 寻找图像中与特定模板相似的区域。 机器学习在图像识别中的应用： 介绍支持向量机（SVM）、K近邻（KNN）等算法在图像分类中的应用。 深度学习与卷积神经网络（CNN）概述： 简要介绍CNN在现代图像处理和计算机视觉领域的革命性影响，并提供进一步学习的指引。 实际应用案例： 通过具体的实例，展示数字图像处理技术在人脸识别、物体检测、医学影像分析、工业自动化检测等领域的应用。 本书特色： 理论与实践并重： 每一项理论知识都配有详细的MATLAB代码示例，读者可以立即动手运行，验证理论，加深理解。 循序渐进的难度： 从最基础的概念入手，逐步引入更复杂的算法和技术，确保不同基础的读者都能轻松掌握。 丰富的MATLAB代码： 提供大量高质量、可运行的MATLAB代码，读者可以直接使用、修改和扩展，极大地提高了学习效率。 贴近工程实际： 案例选择具有代表性，紧密结合实际工程应用，帮助读者了解技术如何在现实世界中发挥作用。 清晰的逻辑结构： 全书内容组织严谨，脉络清晰，从图像的本质到高级应用，层层递进，便于读者构建完整的知识体系。 丰富的可视化图示： 大量图示化的解释，帮助读者直观理解抽象的算法原理和处理过程。 适合读者： 计算机科学与技术、电子工程、自动化、生物医学工程等相关专业的在校学生： 掌握课程知识，完成课程设计与毕业论文的理想参考。 图像处理、计算机视觉、模式识别领域的工程师与研究人员： 快速掌握前沿技术，提升工作效率，解决实际问题。 对数字图像处理技术感兴趣的业余爱好者： 开启探索像素世界、洞察图像奥秘的奇妙旅程。 学习本书，您将能够： 深刻理解数字图像处理的基本原理和核心算法。 熟练运用MATLAB进行图像的采集、显示、处理与分析。 掌握图像增强、复原、分割、特征提取等关键技术。 能够独立设计和实现简单的图像处理应用。 为进一步学习更高级的计算机视觉和人工智能技术打下坚实的基础。 《数字图像处理：原理与实践（MATLAB版）》 不仅仅是一本书，它更是一扇通往广阔数字图像世界的大门，是一把解锁无限可能的钥匙。我们诚挚地邀请您，与我们一同踏上这场精彩的视觉探索之旅，用代码驾驭像素，用智慧洞察世界！

评分☆☆☆☆☆

不得不说，这本书的出版时机和内容侧重点，恰好契合了我近期在工作中的一个实际需求。我们团队正在尝试将一些图像识别技术集成到现有的产品线中，而对数字图像处理的底层原理和高效实现方式的掌握，是这个项目能否成功的关键。这本书在“图像增强”和“图像复原”这两个章节的安排上，让我眼前一亮。它不仅讲解了经典的滤波技术，比如均值滤波、高斯滤波，还深入探讨了非线性滤波，比如中值滤波，以及它们的优缺点和适用场景。更重要的是，书中似乎花了不少笔墨来介绍各种去噪算法，这对于处理实际采集到的含噪图像至关重要。我注意到，书中还提到了使用MATLAB的图像处理工具箱来实现这些功能，这对我来说太及时了。能够看到具体代码示例，并且有详细的注释和解释，远比仅仅阅读理论公式要高效得多。我对书中关于图像复原的部分也抱有很高的期望，例如如何处理模糊、如何恢复退化的图像，这些都是我们在实际工作中经常会遇到的挑战。希望这本书能为我们提供行之有效的解决方案，帮助我们提升图像处理的精度和效率。

评分☆☆☆☆☆

这本书的章节划分和内容组织，让我感受到了作者在编写过程中的用心良苦。作为一名对计算机视觉领域颇有兴趣的在职开发者，我一直在寻找一本能够将理论与实际工程应用紧密结合的书籍。《数字图像处理：原理与实践（MATLAB版）》似乎恰好满足了我的需求。我注意到书中在“特征提取”和“图像识别基础”这两个章节的篇幅和深度，让我感到非常兴奋。特征提取是构建更高级计算机视觉系统的基石，书中很可能详细介绍了SIFT、SURF、HOG等经典特征提取算法的原理、计算方法以及在MATLAB中的实现。而图像识别的基础，这可能包括了最简单的模板匹配，到更复杂的分类器如SVM、KNN等的介绍。我尤其关注书中是否会讲解如何将这些提取到的特征与分类器结合，从而实现简单的图像分类任务。能够看到理论讲解与MATLAB代码示例的无缝衔接，这对我来说是学习的最佳方式。这本书如果能够帮助我建立起从图像输入到特征提取，再到初步识别的完整流程，那将是我近期最宝贵的学习资源。

评分☆☆☆☆☆

这本书的版式设计和排版风格，给人一种非常专业且易于阅读的感觉。作为一名在校研究生，我经常需要查阅各种技术书籍来支撑我的学术研究，而一本好的教科书，除了内容本身，其呈现方式同样重要。《数字图像处理：原理与实践（MATLAB版）》在这方面做得相当不错。书中大量使用了图表和公式来解释复杂的概念，而且这些图表都绘制得清晰明了，公式推导也显得逻辑严谨。我特别欣赏的是，书中似乎将一些重要的理论公式和对应的MATLAB实现代码并列展示，这样读者可以非常直观地理解理论是如何转化为实际操作的。例如，在讲解傅里叶变换在图像处理中的应用时，书中很可能详细介绍了如何利用MATLAB的FFT函数来实现图像的频域分析和滤波。我对书中关于“图像变换”和“图像分割”部分的介绍非常期待。我正在研究的课题涉及到对医学影像进行自动分割，这需要对各种分割算法有深入的理解，包括阈值分割、区域生长法、边缘检测等。希望这本书能够提供全面的算法介绍，并配有易于理解的MATLAB代码示例，这将极大地加速我的研究进程。

评分☆☆☆☆☆

刚收到这本《数字图像处理：原理与实践（MATLAB版）》，还没来得及深入研读，但仅仅翻阅一下目录和一些章节的引言，就已经感觉到了这本书的厚重和扎实。作者在开篇就点明了数字图像处理作为一门跨学科领域的特性，它融合了数学、计算机科学、信号处理乃至生物学和医学等多个学科的知识，这本身就让我对接下来的学习充满了期待。书中对基本概念的引入，比如像素、灰度、色彩空间等的阐释，看起来都十分严谨，同时也注重理论与实际的结合。我特别留意到，书中似乎用了相当大的篇幅来介绍图像的几何变换，像是平移、旋转、缩放等等，这些基础操作在很多高级应用中都是必不可少的预处理步骤。从书中的布局来看，作者似乎并没有直接跳到复杂的算法，而是循序渐进，从最根本的原理讲起，这一点对于初学者来说无疑是非常友好的。我个人对图像分割和特征提取的部分很感兴趣，希望书中能够对这些内容有详尽的阐述，并辅以恰当的MATLAB示例，让我能够真正理解其背后的数学原理和编程实现。总体而言，初步的印象是这本书内容全面，逻辑清晰，是深入学习数字图像处理领域一个极佳的起点。

评分☆☆☆☆☆

一直以来，我都在寻找一本能够系统性讲解数字图像处理的经典著作，而《数字图像处理：原理与实践（MATLAB版）》似乎正是这样一本。从书名就能看出，它强调“原理”与“实践”的结合，这正是许多理论书籍所欠缺的。这本书在“色彩空间”和“图像压缩”这两个章节的深度，让我感到惊喜。色彩空间的部分，不仅仅是介绍RGB、CMYK等基本概念，可能还会涉及到更专业的YUV、HSV等，并且分析它们在不同应用场景下的优劣。而图像压缩，这可是数字图像处理中最具实际意义的领域之一，从无损压缩到有损压缩，各种经典算法如JPEG、PNG的原理，书中应该都会有详细的讲解。更重要的是，结合MATLAB的实践，我相信我能更深刻地理解压缩算法是如何工作的，以及如何在保持图像质量和减小文件大小之间取得平衡。我对于书中可能涉及到的DCT（离散余波变换）和DWT（离散小波变换）在图像压缩中的应用尤为感兴趣，这些都是现代图像压缩技术的核心。这本书的出现，无疑为我提供了一个绝佳的学习平台。

评分☆☆☆☆☆

包装都没有，导致书皮破了

评分☆☆☆☆☆

包装都没有，导致书皮破了

评分☆☆☆☆☆

好书，不过没有外包装，看着有点旧。

评分☆☆☆☆☆

不错

评分☆☆☆☆☆

据说评价超过十个字有机会领到京豆。

评分☆☆☆☆☆

据说评价超过十个字有机会领到京豆。

评分☆☆☆☆☆

没看呢，不过习惯好评，看完再来评价

评分☆☆☆☆☆

印刷真的没的说，但是内容真的不如冈萨雷斯那本

评分☆☆☆☆☆

印刷真的没的说，但是内容真的不如冈萨雷斯那本