前言 数字图像处理是利用数字计算机通过算法处理数字图像。数字图像处理的产生和发展主要受三个因素的影响： 第一，电子计算机的发展； 第二，基础学科的发展； 第三，应用需求的广泛增长。 1951年，离散变量自动电子计算机（EDVAC）开始运行，采用存储程序的体系结构，以数据的方式存储程序，计算机自动依次执行指令。存储程序奠定了现代数字计算机的体系结构，自此现代数字计算机开始了它的发展历程，如今已经发展到第五代，仍然采用存储程序的体系结构。由于电子计算机的进展，数字图像处理技术开始迅速发展起来。 数学和物理等基础学科是数字图像处理发展的前提，包括高等代数、数学最优化、概率论与数理统计、数学分析、数值分析、矩阵论、信息论、随机过程、集合论、几何光学、数字信号处理等。例如，图像获取中透镜成像原理涉及几何光学，图像表示涉及概率论和随机过程，概率论是直方图及其处理、统计矩描述的数学基础，直方图处理的推导中还用到微积分的知识，数字信号处理为理解图像频域以及频域滤波奠定理论基础，图像复原问题中求解图像降质逆过程的数学工具涉及概率论、矩阵论、数学最优化、数值分析和高等代数，信息论是图像压缩编码的理论保证，集合论是形态学图像处理的数学基础。 数字图像处理技术最早应用于太空项目和医学成像上。第一个成功的图像处理应用是美国喷气推进实验室对航天探测器“徘徊者7号”传输回来的月球照片进行几何和误差的校正。由于电磁波传播过程中，受到大气折射、地形起伏等影响，传感器所接收的信号与地表实际发射或反射的信号存在一定偏差，因此需要对传感器获取的影像进行一系列预处理。1895年伦琴发现的X射线用于医学成像诊断，1972年计算机断层扫描正式发表，借助计算机，将不同角度的X射线影像生成扫描区域的横截面（断层）图像，无须切割即可看到物体内部。随着多学科的交叉融合，数字图像处理学科逐步向其他学科领域渗透。如今数字图像处理已成为一门重要的计算学科，广泛应用于工程学、计算机科学、信息科学、统计学、物理学、化学、生物学、医学等各个学科领域，以及环境、农业、军事、工业和医疗等行业领域。视频和图像是人类获取信息的重要来源及利用信息的重要手段，人工智能和大数据的兴起与广泛应用推动了数字图像处理技术应用需求的与日俱增。 本书的主要目的是介绍数字图像处理的基本概念和方法，为读者在数字图像处理领域进一步学习和研究奠定基础。本书主要参考Rafael C.Gonzalez和Richard E.Woods所著《数字图像处理》的体系和内容，在此基础上融合作者的理解，对部分章节的结构性和逻辑性重新梳理，特别是空域滤波、频域变换、图像复原、小波变换、图像分割、图像压缩编码等章节。其中，傅里叶变换的相关内容参考John G.Proakis和Dimitris G.Manolakis所著的《数字信号处理： 原理、算法与应用》。本书增加了大量的插图和实例，有助于对理论知识的理解以及对实际应用的认识。 为了帮助读者厘清本书的结构安排，在此简短地说明本书的章节安排。本书共12章，第1章介绍数字图像处理的概况与发展，第2章介绍数字图像相关的基础知识，第3~6章讨论灰度图像的质量改善方法，属于狭义图像处理的范畴，图像增强是主观过程，而图像复原是客观过程。第7章的研究对象是彩色图像，介绍伪彩色映射以及专为向量空间设计的基本彩色图像处理和分析方法。第8章是将数学形态学应用到图像处理领域形成的独特分支，二值图像形态学处理通常用于图像分割的后处理，属于图像分析的范畴，而灰度图像形态学常用于图像的预处理，属于狭义图像处理的范畴。第9章的作用是将目标区域从背景中分离出来，输出是目标区域的二值图像，是特征提取的必要前提和基础，属于图像分析的范畴。第10章为数字图像处理和分析提供了一种局部时频分析的数学工具。第11章讨论图像数据量压缩的典型编码方法，是图像存储和传输的关键。第12章是将图像分割的区域边界或区域本身转换为机器可识别的特征向量，用于目标的分类和识别，属于图像分析的范畴。 各章都涉及专业深度的理论及内容，每一章都能够自成一书。数字图像处理理论与技术所包含的内容非常广泛，本书仅能概括地描述了数字图像处理的理论与技术所涉及的各个分支，提纲挈领地介绍图像处理的基本理论和方法，使读者对数字图像处理的理论与技术有较全面的了解，为进一步学习和科研奠定扎实的基础。 本书在编写的过程中得到国家自然科学基金（61501008）、北京市自然科学基金资助项目（4172002、4212014）和北京市教育委员会科技发展计划（KM201910005029）的资助，感谢机械工业出版社吴怡编辑对书稿初版的校对工作，感谢清华大学出版社文怡编辑对书稿出版的支持，同时，感谢司薇、肖霞、郗慧琴、唐智飞、汪彪、周飞、高林、郭乐宁、冯文静等同学提供的帮助。此外，还要感谢本书中所引用文献的作者。 本书从2008年规划撰写，根据作者多年教学与科研的实践经历，并参考大量相关文献，历经14年撰成本书。由于书中插图的收集历时很长，个别图片的出处已经不可考，如有侵权请联系删除。由于作者水平有限，敬请各位读者参与勘误，若发现书中的疏漏与不足，请发邮件至 tupwenyi@163.com，感谢各位读者的建议与指正。 作者2022年夏于清华园 课件+实验+源代码 习题

• 暂无课件
• 样章下载
• 暂无网络资源

扫描二维码
下载APP了解更多

版权图片链接