数字图像处理与分析(第2版)(21世纪高等学校计算机系列规划教材) pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

龚声蓉 等 著

图书标签:

• 数字图像处理
• 图像分析
• 计算机科学
• 高等教育
• 教材
• 21世纪高等学校计算机系列
• 图像处理算法
• 图像特征提取
• 图像分割
• 图像识别

店铺： 博学精华图书专营店

出版社： 清华大学出版社

ISBN：9787302349440

商品编码：29730961049

包装：平装

出版时间：2014-05-01

基本信息

书名:数字图像处理与分析(第2版)(21世纪高等学校计算机系列规划教材)

：39.50元

售价：26.9元,便宜12.6元,折扣68

作者:龚声蓉 等

出版社：清华大学出版社

出版日期：2014-05-01

ISBN：9787302349440

字数：

页码：

版次：1

装帧：平装

开本：大32开

商品重量：0.4kg

编辑推荐

---

内容提要

---

《数字图像处理与分析（第2版）/21世纪高等学校计算机系列规划教材》可作为高校计算机科学、电子工程、自动化、生物医学、遥感、地质、矿业、通信、气象、农业等相关专业高年级本科生教材，也可供相关领域的大学教师、科研人员和工程技术人员参考。

目录

---

1.1 数字图像处理的发展
1.2 数字图像处理的相关概念
1.2.1 数字图像及其组成要素
1.2.2 图像处理
1.2.3 图像分析
1.2.4 图像理解
1.2.5 与相关学科的关系
1.3 数字图像处理方法
1.3.1 空域处理方法
1.3.2 变换域处理方法
1.4 数字图像处理的主要研究内容
1.5 数字图像处理的应用实例
1.5.1 生物医学中的应用
1.5.2 遥感领域中的应用
1.5.3 工业方面的应用
1.5.4 军事公安领域的应用
1.5.5 通信中的应用
1.5.6 交通中的应用
1.5.7 其他应用
1.6 小结
习题
第2章 数字图像表示及其处理
2.1 人眼成像及视觉信息的产生
2.2 简单的图像形成模型
2.2.1 亮度成像模型
2.2.2 颜色成像模型
2.2.3 颜色空间
2.3 图像的数字化
2.3.1 采样
2.3.2 量化
2.4 数字图像的基本类型
2.4.1 二值图像
2.4.2 灰度图像
2.4.3 RGB图像
2.4.4 索引图像
2.5 数字图像的基本文件格式
2.5.1 BMP文件格式
2.5.2 TIFF文件格式
2.5.3 GIF文件格式
2.5.4 PCX文件格式
2.5.5 JPEG文件格式
2.5.6 用VC 实现BMP图像文件的显示
2.6 小结
习题
第3章 图像增强
3.1 概述
3.2 空域增强
3.2.1 灰度变换增强
3.2.2 直方图变换增强
3.2.3 空间平滑滤波增强
3.3 频域增强
3.3.1 傅里叶变换
3.3.2 频域滤波增强
3.4 图像的锐化
3.4.1 基于一阶微分的图像增强——梯度算子
3.4.2 基于二阶微分的图像增强——拉普拉斯算子
3.5 彩色图像增强
3.5.1 伪彩色增强
3.5.2 假彩色增强
3.5.3 真彩色增强
3.6 小结
习题
第4章 图像编码与压缩
4.1 图像编码的必要性与可能性
4.1.1 图像编码的必要性
4.1.2 图像编码的可能性
4.2 图像编码分类
4.3 图像编码评价准则
4.3.1 客观保真度准则
4.3.2 主观保真度准则
4.4 图像编码模型
4.4.1 信源编码器和信源解码器
4.4.2 信道编码器和信道解码器
4.5 无损压缩
4.5.1 霍夫曼编码
4.5.2 费诺-香农编码
4.5.3 算术编码
4.5.4 游程编码
4.5.5 无损预测编码
4.6 有损压缩
4.6.1 有损预测编码
4.6.2 变换编码
4.7 JPEG图像编码压缩标准
4.7.1 JPEG的工作模式
4.7.2 基本工作模式
4.7.3 JPEG文件格式
4.8 MPEG视频编码压缩标准
4.9 小结
习题
第5章 图像复原
5.1 基本概念
5.1.1 图像退化一般模型
5.1.2 成像系统的基本定义
5.1.3 连续函数的退化模型
5.1.4 离散函数的退化模型
5.2 图像噪声与只存在噪声的空域滤波复原
5.2.1 常见的噪声及其概率密度函数
5.2.2 只存在噪声的空域滤波复原
5.3 无约束复原
5.3.1 无约束复原的代数方法
5.3.2 退化函数H(u,v)的估计
5.3.3 逆滤波
5.3.4 去除由匀速运动引起的模糊
5.4 有约束复原
5.4.1 约束小二乘方复原
5.4.2 维纳滤波
5.4.3 有约束方滤波
5.5 非线性复原方法
5.5.1 大后验复原
5.5.2 大熵复原
5.5.3 投影复原方法
5.6 几种其他图像复原技术
5.6.1 几何畸变校正
5.6.2 盲目图像复原
5.7 小结
习题
第6章 图像重建
6.1 概述
6.2 图像重建原理
6.3 傅里叶反投影重建
6.3.1 重建公式的推导
6.3.2 重建公式的实用化
6.4 卷积法重建
6.5 代数重建
6.6 重建图像的显示
6.6.1 三维图像重建的体绘制
6.6.2 三维图像重建的面绘制
6.7 小结
习题
第7章 图像分割技术
7.1 图像分割概述
7.2 基于边缘的分割
7.2.1 边缘检测概述
7.2.2 边缘检测方法
7.2.3 边界跟踪
7.3 基于阈值的分割
7.3.1 阈值分割原理及分类
7.3.2 全局阈值
7.3.3 局部阈值
7.3.4 阈值选取方法
7.4 基于熵的分割方法
7.4.1 一维大熵分割方法
7.4.2 二维大熵分割方法
7.5 基于区域的分割
7.5.1 区域生长法
7.5.2 区域分裂与合并法
7.6 基于形态学分水岭的分割
7.6.1 形态学图像处理基本概念和运算
7.6.2 基于分水岭的分割
7.7 基于聚类的分割
7.7.1 C均值聚类方法
7.7.2 模糊C均值聚类方法
7.8 彩色图像分割
7.8.1 直方图阈值法
7.8.2 彩色空间聚类法
7.8.3 区域生长法
7.9 小结
习题
第8章 图像特征提取与分析
8.1 概述
8.1.1 图像内容
8.1.2 图像特征
8.1.3 特征选择
8.2 颜色特征描述
8.2.1 符合视觉感知的颜色空间
8.2.2 颜色直方图
8.2.3 颜色矩
8.2.4 颜色集
8.2.5 颜色相关矢量
8.3 形状特征描述
8.3.1 几个基本概念
8.3.2 区域内部空间域分析
8.3.3 区域内部变换分析
8.3.4 区域边界的形状特征描述
8.4 图像的纹理分析技术
8.4.1 纹理分析概念
8.4.2 空间灰度共生矩阵
8.4.3 纹理能量测量
8.4.4 纹理的结构分析方法和纹理梯度
8.5 局部特征描述
8.5.1 概述
8.5.2 角点检测
8.5.3 区域描述子
8.6 小结
习题
第9章 图像匹配与识别
9.1 图像识别的基本概念
9.2 图像识别方法分类
9.3 基于匹配的图像识别
9.3.1 全局模板匹配
9.3.2 模板矢量匹配
9.4 统计识别方法
9.5 人工神经网络识别方法
9.5.1 BP神经网络图像识别
9.5.2 自组织神经网络识别方法
9.6 支持矢量机识别方法
9.6.1 SVM算法的基本思想
9.6.2 SVM算法的分类过程
9.6.3 人脸识别应用
9.7 模糊识别方法
9.8 句法识别方法
9.9 小结
习题
0章 基于MATLAB图像处理应用实例
10.1 MATLAB简介
10.1.1 MATLAB基础
10.1.2 MATLAB的运行
10.1.3 MATLAB图像处理功能
10.2 案例一： 数字水印嵌入与提取
10.2.1 数字水印的相关概念
10.2.2 数字水印的分类
10.2.3 数字水印系统的组成
10.2.4 水印系统设计
10.3 案例二： 图像配准
10.3.1 图像配准概述
10.3.2 基于RANSAC算法的Harris角点配准
10.4 案例三： 图像融合
10.4.1 图像融合概述
10.4.2 图像融合分类
10.4.3 像素域图像融合实现
10.5 案例四： 图像修复
10.5.1 图像修复概述
10.5.2 图像修复的数学模型
10.5.3 基于样本的图像修复算法
10.6 小结
习题
1章 基于C 的图像系统设计
11.1 概述
11.1.1 工业光源的选择
11.1.2 工业相机的选择
11.1.3 工业镜头的选择
11.1.4 图像系统实验平台案例
11.2 基于OpenCV的棋盘格摄像机标定
11.2.1 OpenCV简介
11.2.2 棋盘格摄像机标定
11.2.3 摄像机标定的步骤
11.3 车牌识别系统设计
11.3.1 彩色图像转换为灰度图像
11.3.2 图像灰度拉伸
11.3.3 图像的二值化
11.3.4 图像的梯度锐化
11.3.5 图像的中值滤波
11.3.6 车牌牌照区域的定位
11.3.7 确定牌照区域的4个坐标值
11.3.8 车牌区域截取
11.3.9 牌照几何位置的调整
11.3.10 牌照区域的二值化
11.3.11 牌照字符的切分
11.3.12 牌照字符的识别
11.4 小结
习题
参考文献

作者介绍

---

文摘

---

序言

---

《数字图像处理与分析（第2版）》是一本旨在全面介绍数字图像处理与分析基础理论、核心算法和应用技术的权威教材。本书的定位是面向21世纪高等学校计算机科学与技术相关专业规划教材，旨在为学生打下坚实的理论基础，培养解决实际问题的能力。 本书特色与亮点： 1. 系统性与全面性： 本书内容涵盖了数字图像处理与分析的各个主要领域，从基本的图像表示、增强、复原，到高级的分割、特征提取、识别与理解，再到现代的医学影像分析、遥感影像处理等应用方向，力求为读者构建一个完整的知识体系。 2. 理论与实践相结合： 在深入阐述各类算法的数学原理和理论依据的同时，本书也非常注重算法的实现和应用。书中提供了大量的示例，并引导读者理解算法的实际效果，为读者掌握实际操作技能奠定基础。 3. 清晰的逻辑结构： 全书的章节安排循序渐进，从基础概念入手，逐步深入到复杂的主题。每个章节都围绕一个核心主题展开，逻辑清晰，便于读者理解和学习。 4. 面向现代计算机科学教育： 作为“21世纪高等学校计算机系列规划教材”，本书紧密结合当前计算机科学与技术的发展趋势，融入了前沿的研究成果和技术动态，力求培养具有创新精神和实践能力的高素质人才。 5. 丰富的教学资源支持： 教材通常会配备相应的辅助教学资源，例如课件、习题集、实验指导等，以支持教师的教学和学生的学习。 本书主要内容概述： 第一部分：数字图像基础 绪论： 介绍数字图像处理与分析的基本概念、发展历史、主要应用领域以及在现代社会中的重要地位。阐述本书的学习目标和研究方法。 图像的形成与获取： 探讨图像是如何生成的，包括光学系统、传感器、采样与量化等关键过程。介绍不同类型的图像采集设备，如数码相机、扫描仪、医学成像设备等。 图像的数学表示： 详细介绍数字图像的数学模型，包括像素、灰度级、色彩空间（如RGB、HSV、CMYK等）及其相互转换。为后续的图像处理算法奠定数学基础。 第二部分：图像增强 空间域增强： 点运算： 介绍灰度变换（如线性变换、对数变换、指数变换、分段线性变换）、直方图均衡化和直方图规定化等技术，用于改善图像的对比度和灰度分布。 邻域运算： 讲解线性滤波（如平滑滤波器，高斯滤波）和非线性滤波（如中值滤波、最大值/最小值滤波器）在图像去噪和边缘提取中的作用。 锐化： 介绍拉普拉斯算子、Sobel算子、Prewitt算子等梯度算子，以及高提升滤波等方法，用于增强图像的细节和轮廓。 频率域增强： 傅里叶变换基础： 介绍傅里叶级数和傅里叶变换，以及离散傅里叶变换（DFT）和快速傅里叶变换（FFT）在图像处理中的应用。 频率域滤波： 讲解低通滤波、高通滤波、带通滤波、带阻滤波以及同态滤波等方法，用于改善图像的整体质量，如去除周期性噪声。 第三部分：图像复原 图像退化模型： 分析导致图像质量下降的各种退化过程，如模糊（运动模糊、失焦模糊）、噪声（高斯噪声、椒盐噪声、周期噪声）等，并建立相应的数学模型。 逆滤波与维纳滤波： 介绍如何通过逆滤波尝试恢复退化图像，并分析其局限性。讲解维纳滤波在噪声存在下的图像复原效果。 约束最小二乘滤波： 介绍在信噪比和退化函数不确定的情况下，如何通过约束最小二乘方法进行图像复原。 运动模糊的复原： 专门探讨运动模糊的退化模型及其复原方法。 第四部分：图像分割 阈值法： 介绍全局阈值法（Otsu法）和局部阈值法，用于根据像素灰度值将图像分割成不同区域。 边缘检测： 深入讲解各种边缘检测算子，如Roberts、Prewitt、Sobel、Laplacian、Canny算子，以及它们在提取图像边界中的性能差异。 区域分割： 介绍区域生长法、区域分裂与合并法，用于根据像素的相似性将图像分割成具有相似属性的区域。 基于连接组件的分割： 讲解如何识别和标记图像中的连通区域。 分水岭变换： 介绍分水岭算法在图像分割中的原理和应用。 第五部分：图像特征提取与描述 几何特征： 介绍如何提取物体的几何属性，如面积、周长、质心、方向、紧密度等。 纹理特征： 讲解常用的纹理描述方法，如灰度共生矩阵（GLCM）、局部二值模式（LBP）、Gabor滤波器等，用于刻画图像的表面粗糙度和模式。 形状特征： 介绍轮廓描述、傅里叶描述符、区域描述等方法，用于描述物体的形状。 特征匹配： 探讨如何对提取的特征进行匹配，为后续的识别和跟踪奠定基础。 第六部分：图像识别与理解 分类器： 介绍各种常用的分类器，如K近邻（KNN）、支持向量机（SVM）、贝叶斯分类器等，用于将提取的特征映射到预定义的类别。 模式识别基础： 讲解模式识别的基本原理，包括特征选择、特征提取和分类器设计。 目标检测与识别： 介绍如何定位图像中的特定目标并进行识别。 场景理解： 探讨如何从图像中理解整体场景的信息，包括物体之间的关系和场景的含义。 第七部分：现代图像处理技术与应用 形态学图像处理： 讲解腐蚀、膨胀、开运算、闭运算等基本形态学操作，以及它们在图像去噪、连接、细化等方面的应用。 多分辨率分析： 介绍图像的金字塔表示和Wavelet变换，用于多尺度分析和图像压缩。 医学图像处理： 介绍在医学影像（如CT、MRI、X光）中的应用，包括图像增强、分割、配准和三维重建。 遥感图像处理： 探讨在卫星图像、航空影像等遥感数据中的处理技术，如图像增强、变化检测、分类等。 计算机视觉基础： 简要介绍计算机视觉领域的一些核心问题，如相机标定、立体视觉、运动估计、光流等。 深度学习在图像处理中的应用（可选）： （如果第二版更新了这部分内容）介绍卷积神经网络（CNN）等深度学习模型在图像分类、目标检测、图像分割等任务中的最新进展和应用。 本书适用于： 高等学校计算机科学与技术、软件工程、自动化、电子信息工程等专业本科生和研究生。 从事图像处理、计算机视觉、模式识别、人工智能等领域的研究人员和工程师。 对数字图像处理技术感兴趣的自学者。 通过学习本书，读者将能够深入理解数字图像处理与分析的理论体系，掌握各类核心算法的原理和实现方法，并具备将其应用于解决实际问题的能力，为未来在相关领域的发展打下坚实的基础。

评分☆☆☆☆☆

坦率地说，这本书的理论深度和广度都超出了我的预期，它不仅仅是一本入门读物，更是一本可以放在案头随时查阅的参考手册。最让我印象深刻的是它对图像分析部分的处理，那种系统性和层次感非常到位。它没有满足于介绍经典的边缘检测和分割技术，而是深入探讨了基于模型的方法，比如活动轮廓模型（Snakes）和图割理论在图像分割中的应用。这些内容通常在更高级的研究生教材中才会详述，但这本书却能用相对易懂的语言将它们融入整体框架中，既保证了专业性，又照顾了读者的接受度。这体现了编者团队深厚的学术功底和高超的教学艺术。对于那些希望深入研究计算机视觉或医学影像分析的读者来说，这本书提供的理论基础是极其坚实和全面的，它为你打开了通往前沿研究的大门。

评分☆☆☆☆☆

这本书的排版和插图简直是教科书级别的典范，每一次翻阅都是一种视觉享受。我记得有一次，我正在为一个复杂的形态学操作感到困惑，那个概念本身就有点抽象。结果，我翻到相关章节时，看到那组精心设计的彩色插图，不同结构元对不同形状的图像进行操作后的效果被清晰地展示出来，对比鲜明，脉络分明。那一瞬间，所有的困惑都烟消云散了。很多技术书籍为了节省成本或者追求简洁，往往在图示上敷衍了事，但这本教材显然在细节上投入了巨大的心血。除了图像本身的处理过程，书中对算法的伪代码描述也做得非常规范和清晰，如果你习惯于边阅读边动手编程，这些伪代码无疑是最好的脚手架。它不是那种冷冰冰的纯理论堆砌，而是将理论与实践的桥梁搭建得异常稳固，让人感觉作者是真正站在学习者的角度来组织内容的。

评分☆☆☆☆☆

我过去也读过几本关于数字图像处理的书籍，但大多要么过于偏重理论而缺乏实操指导，要么就是技术更新太慢，很多新进展都没有体现。而这本教材给我的感觉是恰到好处的平衡和适度的前瞻性。它在扎实的基础理论构建之上，非常巧妙地穿插了一些近些年的发展趋势的讨论，比如对深度学习在图像增强和分类中应用的初步探讨，虽然篇幅不长，但足以让读者感受到这个领域的发展脉搏。此外，本书在处理一些经典的、跨越时代的算法时，非常注重历史渊源的梳理，这使得我能更好地理解这些经典算法是如何一步步演化和改进的。这种兼顾历史深度和前沿广度的内容组织方式，让这本书的生命力大大增强，它不会因为时间的流逝而迅速过时，而是能持续为读者提供稳定可靠的知识支撑。

评分☆☆☆☆☆

这本书的语言风格非常沉稳、严谨，带有一种资深教授在讲台上传授毕生所学的庄重感。它很少使用那些过于花哨或口语化的表达，而是专注于精确地阐述每一个概念的内涵和外延。这种严谨性对于学习一门精确的理工科知识至关重要，因为它避免了因语言歧义而产生的误解。例如，在讨论噪声模型时，作者对高斯白噪声、椒盐噪声的数学特性描述得非常到位，并且清晰地区分了它们在不同场景下的适用性和对不同滤波器的响应差异。我特别喜欢它在章节末尾设置的“思考题”，这些问题往往不是简单的概念回顾，而是需要读者进行综合运用和批判性思考的开放性问题，这极大地锻炼了我的分析和解决问题的能力。这本书像一位耐心的导师，要求你不仅要学会“做什么”，更要明白“为什么这样做”。

评分☆☆☆☆☆

这本书真是让我大开眼界，完全颠覆了我对图像处理的刻板印象。它不仅仅是罗列了一堆晦涩难懂的公式和算法，更像是一场引人入胜的智力探险。作者的叙事风格非常独特，仿佛在跟你娓娓道来每一个技术背后的故事和逻辑。比如，在介绍傅里叶变换的时候，他没有直接抛出那些复杂的数学表达式，而是通过生动的比喻，将抽象的频率域概念具象化，让我这个初学者都能迅速抓住精髓。我特别欣赏书中对“理解而非死记硬背”的强调，它鼓励读者去思考，去探究为什么这个算法有效，而不是盲目地应用。这种教学方式极大地激发了我的学习热情，让我愿意花更多时间去钻研那些看似困难的部分。而且，书中的案例选择也非常贴近实际应用，从简单的去噪、增强到复杂的特征提取，每一步都有清晰的理论支撑和直观的效果展示，让人感觉自己真的掌握了一门实用的技术。读完后，我对数字图像处理的理解不再停留在表面的操作层面，而是上升到了一个更深层次的认知高度。