數碼影像處理教學（OPENCV版）

前言
第1章緒論1
1.1數碼影像處理系統的組成1
1.2電磁波譜與可見光1
1.3電磁波傳感器3
1.4視覺系統特性3
1.4.1視覺適應性4
1.4.2視覺惰性4
1.4.3同時比較效應與馬赫帶效應4
1.4.4視覺分辨率5
1.4.5視覺錯覺5
1.5數碼影像處理應用6
習題7
第2章數碼影像的基本概念與運算8
2.1影像成像模型8
2.2影像中的基本概念8
2.2.1採樣和量化8
2.2.2數碼影像表示8
2.2.3空間分辨率與灰階分辨率9
2.2.4OPENCV中的影像讀取10
2.3像素間的基本關係12
2.3.1相鄰像素12
2.3.2連通性、區域和邊界12
2.3.3距離度量15
2.4數碼影像的基本操作15
2.4.1影像間算術運算15
2.4.2影像邏輯運算18
2.4.3影像空間幾何變換20
習題26
第3章影像灰階變換與空間域濾波27
3.1常用灰階變換27
3.1.1線性變換27
3.1.2對數轉換與反對數轉換28
3.1.3冪律變換(伽瑪變換)28
3.1.4分段線性變換29
3.2基於直方圖的灰階變換31
3.2.1直方圖31
3.2.2直方圖均衡34
3.2.3直方圖規定化(直方圖匹配)37
3.2.4限制對比自適應直方圖均衡39
3.3空間域濾波42
3.3.1空間域濾波基礎知識42
3.3.2平滑濾波44
3.3.3銳化濾波48
習題53
第4章影像的頻域處理55
4.1二維離散傅立葉變換55
4.1.1二維離散傅立葉變換與反變換55
4.1.2二維離散傅立葉變換性質56
4.2頻域濾波基礎知識60
4.2.1頻域濾波基礎60
4.2.2頻域濾波步驟60
4.3頻域低通濾波61
4.3.1理想低通濾波器61
4.3.2巴特沃斯低通濾波器62
4.3.3高斯低通濾波器63
4.4頻域高通濾波65
4.4.1理想高通濾波器65
4.4.2巴特沃斯高通濾波器66
4.4.3高斯高通濾波器67
4.4.4拉普拉斯濾波器67
4.4.5反銳化掩蔽與高提升濾波68
4.5同態濾波68
4.6頻率選擇濾波器73
4.6.1帶阻濾波器和帶通濾波器73
4.6.2陷波濾波器74
習題76
第5章影像復原78
5.1影像退化模型與復原模型78
5.2噪音模型79
5.2.1常見的噪音機率密度函數79
5.2.2週期噪音82
5.2.3噪音參數估計83
5.3復原僅由噪聲造成的退化影像83
5.3.1非線性均值濾波83
5.3.2統計排序濾波85
5.3.3自適應濾波88
5.4退化函數的估計值89
5.5逆濾波90
5.6維納濾波91
5.7有約束最小平方法濾波95
5.8Lucy-Richardson復原(非盲L-R復原)96
5.9影像盲復原101
習題102
第6章彩色影像處理103
6.1彩色影像基礎103
6.2色彩空間104
6.2.1RGB色彩空間與CMY色彩空間104
6.2.2HSI色彩空間與HSV色彩空間106
6.2.3Lab色彩空間108
6.2.4YCbCr色彩空間與YUV色彩空間109
6.3偽彩色影像處理110
6.3.1空間域偽彩色處理110
6.3.2頻域濾波偽彩色處理112
6.4色彩變換112
6.4.1補色變換112
6.4.2色彩分割113
6.4.3彩色影像灰階化116
6.4.4彩色影像直方圖均衡118
6.4.5色調與色彩校正118
6.5彩色影像空間濾波121
6.5.1彩色影像的平滑121
6.5.2彩色影像的銳化122
6.6彩色影像邊緣檢測124
習題125
第7章小波與多分辨率處理126
7.1小波變換基礎126
7.1.1小波函數126
7.1.2連續小波轉換127
7.1.3離散小波轉換128
7.1.4多尺度分析與Mallat演算法129
7.1.5提升小波130
7.1.6小波包變換131
7.2影像小波變換133
7.3小波影像去噪聲136
7.3.1模極大值去噪聲法136
7.3.2小波閾值去噪聲法137
7.4小波影像融合139
習題141
第8章影像壓縮142
8.1影像壓縮基礎142
8.1.1冗餘142
8.1.2保真度143
8.2常用編碼144
8.2.1霍夫曼編碼144
8.2.2算術編碼145
8.2.3遊程編碼146
8.2.4LZW編碼147
8.2.5向量量化編碼149
8.3位平面編碼149
8.4變換編碼150
8.4.1離散餘弦變換150
8.4.2JPEG影像壓縮152
8.4.3基於小波的影像壓縮155
8.5視訊壓縮160
習題163
第9章形態學處理164
9.1預備知識164
9.2腐蝕與膨脹165
9.2.1腐蝕165
9.2.2膨脹167
9.2.3對偶性169
9.3開運算和閉運算170
9.3.1開運算170
9.3.2閉運算170
9.4擊中與擊不中變換171
9.5一些基本形態學演算法173
9.5.1邊界提取173
9.5.2種子填入173
9.5.3提取連通分量174
9.5.4凸包175
9.5.5細化、骨架化和粗化177
9.5.6形態學重建180
9.6灰階影像的形態學處理183
9.6.1腐蝕和膨脹183
9.6.2開運算和閉運算183
9.6.3頂帽變換與底帽變換185
9.6.4形態學濾波186
9.6.5形態學梯度186
習題187
第10章影像分割189
10.1邊緣檢測189
10.1.1邊緣檢測基礎189
10.1.2一階邊緣偵測算子190
10.1.3Marr-Hildreth邊緣檢測192
10.1.4Canny邊緣檢測194
10.1.5Hough變換195
10.2基於閾值的影像分割200
10.2.1閾值分割基礎知識201
10.2.2全局閾值分割202
10.2.3局部閾值分割204
10.3基於區域的影像分割205
10.3.1區域生長法205
10.3.2區域分裂合併法206
10.4基於聚類的影像分割206
10.4.1kmeans影像分割207
10.4.2基於高斯混合模型的影像分割208
10.5基於圖論的圖像分割212
10.5.1圖論的基本概念212
10.5.2Graph Cut影像分割213
10.5.3Grab Cut影像分割215
10.6形態學分水嶺分割217
10.6.1分水嶺分割217
10.6.2基於標記的分水嶺分割218
10.7運動目標分割221
10.7.1幀間差法221
10.7.2背景差法與背景估計221
習題225
第11章目標的表示與描述227
11.1表示227
11.1.1邊界追蹤227
11.1.2鏈碼228
11.1.3多邊形近似229
11.2邊界描述子230
11.2.1一些基本描述子230
11.2.2傅立葉描述子231
11.3區域描述子232
11.3.1一些基本描述子232
11.3.2區域矩與不變矩232
11.4紋理描述236
11.4.1灰階直方圖統計矩236
11.4.2LBP特徵237
11.4.3共生矩陣238
11.4.4方向梯度直方圖239
11.5主成分分析用於特徵降維241
11.6特徵點檢測與描述242
11.6.1Harris角點、Shi-Tomasi角點和FAST角點檢測242
11.6.2SIFT特徵點檢測與描述248
11.6.3SURF特徵點檢測與描述253
11.6.4BRIEF描述子256
11.6.5ORB特徵點檢測與描述257
習題259
第12章目標識別260
12.1基於決策理論的模式辨識260
12.1.1基於匹配的決策260
12.1.2統計分類器262
12.1.3神經網絡265
12.2特徵點匹配267
12.2.1特徵點匹配基礎267
12.2.2匹配一致性272
12.3運動目標追蹤277
12.3.1光流法277
12.3.2meanshift追蹤283
12.3.3Camshift追蹤287
習題292
參考文獻293