本书着重阐述了数字图像处理的基本概念和实用技术，使读者能够使用这些技术解决数字图像处理过程中所遇到的各种问题。本书从数字图像处理技术的整体知识框架出发，讲述了其基本内容、背景以及相关的基础理论，包括图像数字化过程、图像信号的分析、基本的数学工具、经典的算法。以此为基础，引申讲解了图像处理中的深入知识，包括彩色与多频谱图像处理技术、图像分析和识别基础，为读者进一步学习和研究数字图像处理技术提供了导引。最后，简单介绍了图像处理工具MATLAB，以便读者对图像处理有一个感性的认识。
本书结构安排合理，叙述清晰、简练，适合作为高年级本科生和低年级研究生学习数字图像处理课程的教材，同时也可以作为从事数字图像处理研究和开发的技术人员的参考书。
无
21世纪是科学技术高速发展的时代，数字图像处理技术几乎在各个行业里都得到了广泛的应用。随着因特网的广泛应用和全球数字化的不断逼近，信息传输量的不断膨胀对图像处理的速度和压缩技术提出了越来越高的要求。随着科学技术的不断发展以及人们在日常生活中对图像信息的不断需求，使得这个交叉学科成为当代科学研究和应用开发中的一道亮丽的风景线。而数字图像信息及其处理技术正在发挥着越来越重要的作用。由于数字图像处理技术的不断发展以及图像处理必须具备的条件日益得到满足，数字图像处理已经在计算机科学、信息科学、生物科学、空间科学、气象学、工程科学、统计学、物理科学、医学等领域里得到广泛的重视和应用，并正在向传统的学科甚至社会科学等领域不断地渗透。
由于图像信息量的庞大，对相应的硬件和处理算法有着非常高的要求，所以早期图像处理技术的研究和应用受到了很大的限制。在20世纪60年代，很多图像处理算法只能在大型计算机上完成，70年代也只能在小型机上完成，到了80年代才能在台式机上运行。由于早期计算机网络的延伸范围极为有限，所以图像信息传输受到了极大的限制。目前信息高速公路的建设和全球化信息传输环境已经发展到了一个实用的水平，加上个人计算机已经成为普通家庭上网和信息处理的工具，因而以前所关心的硬件环境问题和应用的广泛性问题现在已经不再是图像处理专家关心的问题。制约图像处理发展的瓶颈问题现在已经变成加速图像处理技术应用和普及的手段。视频游戏、娱乐业和数字电视等与人们生活密切相关的需求的发展趋势表明数字图像处理的应用呈爆炸式地增长，它将使得数字图像处理的发展和前景非常光明。无论是在理论上还是在应用上，数字图像处理技术都存在着巨大的发展潜力。
作者从事数字图像处理技术的研究和教学已有18年的历史，从长期的教学和科研过程中发现，学生一方面对数字图像处理有着浓厚的兴趣，希望能很快掌握图像处理的精髓，但是另一方面，他们对与图像处理相关的数学感到害怕。另外不同专业的学生的知识结构和基础有着较大的差异，对图像处理的学习难度感觉不一。其实，数字图像处理和其他学科类似，既有久经考验的理论基础，又有不断发展的前沿技术。要想完整地掌握数字图像处理技术，没有坚实的理论基础是不行的。从本课程的特点来看，本科生最好是在学好数字图像处理的基础知识的基础上，对数字图像处理的后继内容有一定的了解，以便于更进一步的自学。若继续攻读研究生，则可以选择或自学“图像分析和理解”、“模式识别”等相应的后续课程。
我们在总结过去教学和科研工作经验的基础上，并参考了国内外最新版本的教材和论文，针对本科生和研究生的教学过程编写了这本书。本书力求体现如下特征：一是从数字图像处理技术的整体知识框架出发，让读者对数字图像处理技术的基本内容、背景以及相关的基础理论有深入的了解。其中包括图像数字化过程、图像信号的分析、基本的数学工具、经典的算法。二是以基本概念为基础，引申出图像处理中更深入的知识，包括彩色与多频谱图像处理技术、图像分析和识别基础，并简单介绍了一个图像处理工具，让读者在学习基本理论的基础上，进一步了解图像处理更深入的知识，给出一个图像处理工具的目的是让读者能够直观地理解图像处理的实际过程。书中每章结尾都给出了相关知识的要点，对读者学习该章内容提供了相关概念的纲要。另外，每章结尾还附有习题，可以帮助读者巩固所学知识。
本书的主要内容包括：第1章简要介绍了图像处理的主要内容和分类、图像的表象、基本物理假设以及图像处理的硬软件设备等，概述了图像处理的基本内容；第2章的目的是让读者了解图像与视觉的关系，理解视觉过程的特征。读者可以自学本章，也可以由教师简单讲授；第3章包括图像信号的数学表示、图像的运算、线性系统、图像的卷积计算、图像的统计特性。本章内容主要是让读者了解图像的表示和计算方法以及后续章节中用得较多的数学工具；第4章到第7章是图像处理的基本理论基础，也是本书的基础理论重点，包括图像变换、图像增强与复原、图像压缩与编码、图像重建等内容。对于不同的内容，力求处理方法的多样性，侧重于算法的经典性，强调以数学分析作为工具的概念上的理解，让读者对基础原理有透彻的理解，从感性上升到理性的深入领悟；第8章和第9章是经典理论基础的后继知识，包括彩色与多频谱图像处理与图像分析和识别基础，为读者进一步学习和研究提供导引；最后一章介绍了一个比较流行的图像处理工具，让读者对图像处理有一个感性的认识。综上所述，本书章节结构由基本概念、经典理论、后继知识以及实际工具组成。此外，在各个章节中涉及到更加广泛的理论和应用内容，其目的是让读者对数字图像处理有一个全面的了解，为进一步深入研究打下坚实的基础。
本书在编写过程中得到了本课题组的老师、博士生和硕士生的大力支持，在此表示衷心的感谢！
由于作者水平有限，难免有不妥和错误之处，恳请读者批评指正。
作 者
2003年12月
陈传波 金先级 编著：陈传波: 1957年8月生。华中科技大学教授，博士生导师。先后毕业于华中理工大学自控与计算机系工业自动化专业和华中理工大学计算机系模式识别与机器智能专业。1984年去德国MAT公司和美国Finnigan Institute进修学习。1986去美国学习。1988年晋升为讲师，1992年晋升为副教授，1996年晋升为教授。现任华中科技大学软件学院副院长。曾任武汉华工赛百数据系统有限公司总裁、计算机应用科学和技术系系主任，计算机应用研究所所长，计算机及应用教研室主任，ASIC研究所副所长。兼任中国计算机学会计算机应用专业委员会副主任委员，湖北省宇航学会计算机应用专业委员会主任委员，国家高性能计算（武汉）中心学术委员会委员，ACM 会员。1993获政府特殊津贴。湖北省跨世纪学术带头人。 主持完成的纵横向项目包括基金、863、预研基金、军口、部属、以及大型横向等科研项目32项。累积科研经费1800多万元，80%为软件研究项目，其中一项软件系统成果被美国FINNIGAN公司和德国MAT公司买去。获得省部级科技成果一等奖一次、二等奖两次、三等奖三次。在国内外权威和重要学术刊物上发表论文148篇，编著2部。指导博士后1人、博士8人、硕士88人、留学生5人。
第1章 绪论 1
1.1 图像处理概述 1
1.1.1 图像处理的分类 1
1.1.2 数字图像处理的主要内容 1
1.1.3 图像处理的应用 2
1.2 图像的表象 3
1.2.1 图像信息 3
1.2.2 光照模型 4
1.2.3 亮度函数 5
1.2.4 图像的表征 5
1.2.5 数字图像 6
1.3 基本的物理假设 7
1.3.1 景物表面存在假设 7
1.3.2 分层次假设 7
1.3.3 相似性假设 7
1.3.4 空间的连续性假设 8
1.3.5 不连续中的连续性假设 8
1.4 图像处理系统的硬件设备 8
1.4.1 图像处理系统的输入设备 9
1.4.2 图像处理系统的输出设备 10
1.4.3 图像数据的存储设备 10
1.4.4 图像处理主机系统的构成 11
1.5 图像处理软件 11
1.5.1 图像数据格式 11
1.5.2 数字图像处理工具软件MATLAB 12
1.5.3 图像的获取 12
1.5.4 应用软件的编制 12
本章要点 13
习题 13
第2章 图像与视觉系统 15
2.1 视觉系统 15
2.1.1 视觉系统的基本构造 15
2.1.2 视觉模型 18
2.2 光度学及色度学原理 20
2.2.1 色彩的基本属性 20
2.2.2 三基色混色及色度表示原理 21
2.2.3 表示色彩的几种规范 22
2.3 亮度和颜色感觉的视觉特性 24
2.3.1 刺激强度与感觉的关系 24
2.3.2 亮度适应和颜色适应 25
2.3.3 亮度对比和颜色对比 25
2.3.4 颜色感觉与刺激面积的关系 25
2.3.5 主观颜色 26
2.3.6 暖色与冷色 26
2.4 视觉的空间性质 26
2.4.1 视力 27
2.4.2 视觉的空间频率特性 27
2.5 视觉的时间特性 28
2.5.1 整合时间 28
2.5.2 闪烁 29
2.5.3 视野与视觉的关系 29
2.5.4 运动感觉 29
2.6 主观轮廓和空间错觉 30
2.6.1 主观轮廓 30
2.6.2 空间错觉 30
本章要点 31
习题 32
第3章 图像信号分析基础 33
3.1 图像信号的数学表示 33
3.1.1 信号的采样 33
3.1.2 信号的量化 34
3.1.3 图像信号的采样 35
3.1.4 图像信号的量化 35
3.1.5 灰度直方图 37
3.2 图像的运算 38
3.2.1 点运算 38
3.2.2 代数运算 39
3.2.3 几何运算 40
3.3 线性系统 42
3.3.1 线性系统的性质 42
3.3.2 线性移不变系统 43
3.3.3 二维线性移不变系统的频率响应 44
3.4 图像的卷积计算 45
3.4.1 卷积积分 45
3.4.2 二维卷积 46
3.4.3 离散二维卷积的矩阵运算 47
3.4.4 卷积与滤波 49
3.5 图像的统计特性 51
3.5.1 图像的振幅分布特性 51
3.5.2 差值信号的振幅分布特性 51
3.5.3 图像的自相关函数 51
3.5.4 图像的振幅谱 52
3.5.5 功率有限的图像空域功率谱与自相关函数 52
3.5.6 图像信息的信息量 53
本章要点 54
习题 55
第4章 图像变换 57
4.1 积分变换 57
4.2 连续傅里叶变换 57
4.2.1 傅里叶积分的复数形式 58
4.2.2 傅里叶积分变换 59
4.2.3 傅里叶变换的性质 61
4.3 离散傅里叶变换 64
4.3.1 离散傅里叶变换的定义 64
4.3.2 离散傅里叶变换的性质 65
4.4 快速傅里叶变换 67
4.4.1 傅里叶变换的周期性分析 68
4.4.2 FFT的计算机算法 70
4.5 二维离散傅里叶变换 72
4.5.1 二维离散傅里叶变换的定义 72
4.5.2 二维离散傅里叶变换的性质 73
4.5.3 图像的傅里叶变换实例 73
4.6 正交变换的一般表示形式 74
4.6.1 通用变换公式 74
4.6.2 变换核的可分离性和对称性 75
4.6.3 正交变换的矩阵表示 75
4.6.4 几个重要概念 75
4.7 其他离散正交变换 77
4.7.1 沃尔什变换 77
4.7.2 哈达玛变换 79
4.7.3 离散余弦变换 83
4.7.4 哈尔变换 84
4.7.5 K-L变换 85
4.8 小波变换 87
4.8.1 基本概念 87
4.8.2 连续小波变换（CWT） 87
4.8.3 小波变换的滤波器实现 88
4.8.4 理想带通滤波器簇 89
4.8.5 子带编码 90
4.8.6 尺度向量 90
4.8.7 基本小波与小波变换 91
4.8.8 二维离散小波变换 92
本章要点 94
习题 95
第5章 图像增强与复原 97
5.1 图像增强原理 97
5.1.1 灰度级映射变换增强原理 97
5.1.2 图像的频域增强原理 98
5.2 图像增强的直方图方法 99
5.2.1 直方图的映射变换 99
5.2.2 直方图均衡化 100
5.2.3 直方图规定化 103
5.3 图像平滑化 107
5.3.1 邻域平均法 107
5.3.2 低通滤波法 108
5.3.3 多图像平均法 111
5.4 图像的锐化 112
5.4.1 微分锐化法 112
5.4.2 高通滤波法 115
5.5 同态图像增强方法 117
5.6 图像复原 119
5.6.1 图像退化的数学模型 119
5.6.2 图像复原中的主要问题 120
5.6.3 逆滤波方法 121
5.6.4 功率谱均衡复原 122
5.6.5 点扩散函数的确定 123
5.6.6 线性代数复原 124
本章要点 126
习题 127
第6章 图像压缩与编码 129
6.1 图像信息的冗余 129
6.2 数字图像的质量评价 130
6.3 无损压缩及其编码方法 130
6.3.1 香农信息保持编码定理 130
6.3.2 哈夫曼编码 131
6.3.3 算术编码 132
6.3.4 双字长编码 134
6.4 有损压缩编码 134
6.4.1 率失真理论 134
6.4.2 其他失真度量 135
6.5 预测编码 136
6.5.1 DPCM工作原理 136
6.5.2 线性预测编码 137
6.5.3 自适应预测编码 139
6.5.4 自适应量化器 141
6.6 变换编码 142
6.6.1 离散余弦变换 142
6.6.2 DCT的自适应量化 143
6.6.3 图像子块的分类 143
6.6.4 DCT编码与解码 144
6.6.5 变换编码的特性 146
6.7 运动图像的帧间压缩编码 147
6.8 图像压缩的标准化 148
6.9 图像压缩编码的新进展 149
6.9.1 小波变换压缩编码 149
6.9.2 分形编码 152
6.9.3 人工神经网络压缩编码 153
本章要点 158
习题 159
第7章 图像重建 161
7.1 投影－频域重建 161
7.1.1 投影函数的表示 161
7.1.2 投影定理 162
7.1.3 从傅里叶变换重建 163
7.2 反向投影重建方法 164
7.2.1 反向投影操作原理 164
7.2.2 反向投影重建公式的推导 164
7.2.3 反投影方法的数字实现 166
7.2.4 三维图像重建 167
7.3 代数重建技术 167
7.3.1 图像的描述 168
7.3.2 Kaczmarz迭代算法 168
7.3.3 加权系数的确定 171
7.4 双目立体视觉 172
7.4.1 立体视觉 172
7.4.2 双目立体视觉原理 172
7.4.3 对应点的匹配 175
7.4.4 匹配算法 175
本章要点 176
习题 177
第8章 彩色与多频谱图像处理 179
8.1 彩色图像处理 179
8.1.1 彩色坐标变换 179
8.1.2 彩色图像复原 181
8.1.3 图像增强 182
8.1.4 伪彩色 182
8.1.5 假彩色增强 185
8.1.6 基于颜色特征的图像检索 186
8.2 多光谱图像处理 187
8.2.1 多光谱图像处理简介 187
8.2.2 几何矫正 188
8.2.3 比值处理 189
8.2.4 遥感图像的分类 189
8.2.5 气象卫星图像 190
8.3 影像融合 190
8.3.1 影像融合概述 190
8.3.2 小波融合方法 191
8.4 遥感超谱图像处理 192
8.4.1 超谱图像概述 192
8.4.2 超谱图像分类 193
8.4.3 超谱图像的压缩 193
本章要点 194
习题 195
第9章 图像分析与识别基础 197
9.1 视觉再认模式 197
9.1.1 模板匹配模式 197
9.1.2 特征分析模式 199
9.1.3 结构描述模式 201
9.1.4 傅里叶模式 202
9.2 图像分割 202
9.2.1 阈值分割法 202
9.2.2 边缘检测法 205
9.2.3 区域增长法 207
9.2.4 二值图像分割法 208
9.2.5 图像的分割信息结构 210
9.2.6 图像分割质量的评价 212
9.3 图像的特征 215
9.3.1 幅值特征 215
9.3.2 灰度直方图特征 215
9.3.3 变换系数特征 217
9.3.4 边缘特征 218
9.3.5 矩特征 218
9.3.6 线条和角点特征 219
9.3.7 纹理特征 219
9.4 分类 219
9.4.1 特征提取的原则 219
9.4.2 分类器 220
9.4.3 特征选取 221
9.4.4 统计分类的Bayes决策方法 223
9.4.5 分类器的类型 225
9.5 模式识别的结构方法 225
9.5.1 系统构成的基本原理 226
9.5.2 系统构成 226
9.5.3 描述模式的语言和文法 227
9.5.4 句法分析 230
本章要点 232
习题 233
第10章 图像处理的MATLAB工具 235
10.1 图像的输入与输出 235
10.1.1 图像的输入 235
10.1.2 图像的输出 235
10.1.3 图像的显示 236
10.2 颜色操作 236
10.2.1 变换彩色空间 236
10.2.2 调整色彩板 237
10.3 图像的变换 238
10.3.1 快速傅里叶变换 238
10.3.2 离散余弦变换 239
10.4 图像运算与操作 240
10.4.1 图像直方图 240
10.4.2 图像统计 241
10.5 卷积与滤波 242
10.5.1 卷积 242
10.5.2 二维滤波 242
参考文献 245
