《数字图像处理（第三版）》冈萨雷斯（目录）

《数字图像处理（第三版）》冈萨雷斯（目录部分）

1. 绪论

1.1. 什么是数字图像处理

1.2. 数字图像处理的起源

1.3. 使用数字图像处理领域的实例

1.3.1. 伽马射线成像

1.3.2. X射线成像

1.3.3. 紫外波段成像

1.3.4. 可见光及红外波段成像

1.3.5. 微波波段成像

1.3.6. 无线电波段成像

1.3.7. 使用其他成像方式的例子

1.4. 数字图像处理的基本步骤

1.5. 图像处理系统的组成

1.6. 小结

1.7. 参考文献

2. 数字图像基础

2.1. 视觉感知要素

2.1.1. 人眼的结构

2.1.2. 眼睛中图像的形成

2.1.3. 亮度适应和辨别

2.2. 光和电磁波谱

2.3. 图像感知和获取

2.4. 图像取样和量化

2.5. 像素间的一些基本关系

2.6. 数字图像处理中所用数学工具的介绍

2.6.1. 阵列与矩阵操作

2.6.2. 线性操作与非线性操作

2.6.3. 算术操作

2.6.4. 集合与逻辑操作

2.6.5. 空间操作

2.6.6. 向量与矩阵操作

2.6.7. 图像变换

2.6.8. 概率方法

2.7. 小结

2.8. 参考文献

2.9. 习题

3. 灰度变换与空间滤波

3.1. 背景知识

3.1.1. 灰度变换和空间滤波基础

3.1.2. 关于本章中的例子

3.2. 一些基本的灰度变换函数

3.2.1. 图像反转

3.2.2. 对数变换

3.2.3. 幂律（伽玛）变换

3.2.4. 分段线性变换函数

3.3. 直方图处理

3.3.1. 直方图均衡

3.3.2. 直方图匹配（规定化）

3.3.3. 局部直方图处理

3.3.4. 在图像处理中使用直方图统计

3.4. 空间滤波基础

3.4.1. 空间滤波机理

3.4.2. 空间相关与卷积

3.4.3. 线性滤波器的向量表示

3.4.4. 空间模板滤波器

3.5. 平滑空间滤波器

3.5.1. 平衡线性滤波器

3.5.2. 统计排序（非线性）滤波器

3.6. 锐化空间滤波器

3.6.1. 基础

3.6.2. 使用二阶微分锐化图像——拉普拉斯算子

3.6.3. 非锐化屏蔽和高提升滤波

3.6.4. 使用一阶微分锐化（非线性）图像——梯度

3.7. 混合空间增强法

3.8. 使用模糊技术进行灰度变换和滤波

3.8.1. 引言

3.8.2. 模糊集合论原理

3.8.3. 模糊集合应用

3.8.4. 使用模糊集合进行灰度变换

3.8.5. 使用模糊集合进行空间滤波

3.9. 小结

3.10. 参考文献

3.11. 习题

4. 频率域滤波

4.1. 背景

4.1.1. 傅里叶级数和变换简史

4.1.2. 关于本章中的例子

4.2. 基本概念

4.2.1. 复数

4.2.2. 傅里叶级数

4.2.3. 冲激及其取样特性

4.2.4. 连续变量函数的傅里叶变换

4.2.5. 卷积

4.3. 取样和取样函数的傅里叶变换

4.3.1. 取样

4.3.2. 取样函数的傅里叶变换

4.3.3. 取样定理

4.3.4. 混淆

4.3.5. 由取样后的数据重现（复原）函数

4.4. 单变量的离散傅里叶变换（DFT）

4.4.1. 由取样后的函数的连续变换得到DFT

4.4.2. 取样与频率间隔间的关系

4.5. 两个变量的函数的扩展

4.5.1. 二维冲激及其取样特性

4.5.2. 二维连续傅里叶变换对

4.5.3. 二维取样和二维取样定理

4.5.4. 图像中的混淆

4.5.5. 二维离散傅里叶变换及其反变换

4.6. 二维离散傅里叶变换的一些性质

4.6.1. 空间和频率间隔的关系

4.6.2. 平移和旋转

4.6.3. 周期性

4.6.4. 对称性

4.6.5. 傅里叶谱和相角

4.6.6. 二维卷积定理

4.6.7. 二维离散傅里叶变换性质小结

4.7. 频率域滤波基础

4.7.1. 频率域的其他特性

4.7.2. 频率域滤波基础

4.7.3. 频率域滤波步骤小结

4.7.4. 空间和频率域滤波间的对应

4.8. 使用频率域滤波器平滑图像

4.8.1. 理想低通滤波器

4.8.2. 巴特沃斯低通滤波器

4.8.3. 高斯低通滤波器

4.8.4. 低通滤波的其他例子

4.9. 使用频率域滤波器锐化图像

4.9.1. 理想高通滤波器

4.9.2. 巴特沃斯高通滤波器

4.9.3. 高斯高通滤波器

4.9.4. 频率域的拉普拉斯算子

4.9.5. 钝化模板、高提升滤波和高频强调滤波

4.9.6. 同态滤波

4.10. 选择性滤波

4.10.1. 带阻滤波器和带通滤波器

4.10.2. 陷波滤波器

4.11. 实现

4.11.1. 二维DFT的可分性

4.11.2. 用DFT算法计算IDFT

4.11.3. 快速傅里叶变换（FFT）

4.11.4. 关于滤波器设计的一些注释

5. 图像复原与重建

5.1. 图像退化/复原过程的模型

5.2. 噪声模型

5.2.1. 噪声的空间和频率特性

5.2.2. 一些重要的噪声概率密度函数

5.2.3. 周期噪声

5.2.4. 噪声参数的估计

5.3. 只存在噪声的复原——空间滤波

5.3.1. 均值滤波器

5.3.2. 统计排序滤波器

5.3.3. 自适应滤波器

5.4. 用频率域滤波消除周期噪声

5.4.1. 带阻滤波器

5.4.2. 带通滤波器

5.4.3. 陷波滤波器

5.4.4. 最佳陷波滤波

5.5. 线性、位置不变的退化

5.6. 估计退化参数

5.6.1. 图像观察估计

5.6.2. 试验估计

5.6.3. 建模估计

5.7. 逆滤波

5.8. 最小均方误差滤波（维纳滤波）

5.9. 约束最小二乘方滤波

5.10. 几何均值滤波

5.11. 由投影重建滤波

5.11.1. 引言

5.11.2. 计算机断层（CT）原理

5.11.3. 投影和雷登变换

5.11.4. 傅里叶切片定理

5.11.5. 使用平行射线束滤波反投影的重建

5.11.6. 使用扇形射线束滤波反投影的重建

5.12. 小结

5.13. 参考文献

5.14. 习题

6. 彩色图像处理

6.1. 彩色基础

6.2. 彩色模型

6.2.1. RGB彩色模型

6.2.2. CMY和CMYK彩色模型

6.2.3. HSI彩色模型

6.3. 伪彩色图像处理

6.3.1. 灰度分层

6.3.2. 灰度到彩色的变换

6.4. 全彩色图像处理基础

6.5. 彩色变换

6.5.1. 公式

6.5.2. 补色

6.5.3. 彩色分层

6.5.4. 色调和彩色校正

6.5.5. 直方图处理

6.6. 平滑和锐化

6.6.1. 彩色图像平滑

6.6.2. 彩色图像锐化

6.7. 基于彩色的图像分割

6.7.1. HSI彩色空间的分割

6.7.2. RGB向量空间中的分割

6.7.3. 彩色边缘检测

6.8. 彩色图像中的噪声

6.9. 彩色图像压缩

6.10. 小结

6.11. 参考文献

6.12. 习题

7. 小波和多分辨率处理

7.1. 背景

7.1.1. 图像金字塔

7.1.2. 子带编码

7.1.3. 哈尔变换

7.2. 多分辨率展开

7.2.1. 级数展开

7.2.2. 尺度函数

7.2.3. 小波函数

7.3. 一维小波变换

7.3.1. 小波级数展开

7.3.2. 离散小波变换

7.3.3. 连续小波变换

7.4. 快速小波变换

7.5. 二维小波变换

7.6. 小波包

7.7. 小结

7.8. 参考文献

7.9. 习题

8. 图像压缩

8.1. 基础知识

8.1.1. 编码冗余

8.1.2. 空间冗余和时间冗余

8.1.3. 不相关的信息

8.1.4. 图像信息的度量

8.1.5. 保真度准则

8.1.6. 图像压缩模型

8.1.7. 图像格式、容器和压缩标准

8.2. 一些基本的压缩方法

8.2.1. 霍夫曼编码

8.2.2. Golomb编码

8.2.3. 算术编码

8.2.4. LZW编码

8.2.5. 行程编码

8.2.6. 基于符号的编码

8.2.7. 比特平面编码

8.2.8. 块变换编码

8.2.9. 预测编码

8.2.10. 小波编码

8.3. 数字图像水印

8.4. 小结

8.5. 参考文献

8.6. 习题

9. 形态学图像处理

9.1. 预备知识

9.2. 腐蚀和膨胀

9.2.1. 腐蚀

9.2.2. 膨胀

9.2.3. 对偶性

9.3. 开操作和闭操作

9.4. 击中和击不中变换

9.5. 一些基本的形态学算法

9.5.1. 边界提取

9.5.2. 孔洞填充

9.5.3. 连通分量的提取

9.5.4. 凸壳

9.5.5. 细化

9.5.6. 粗化

9.5.7. 骨架

9.5.8. 裁剪

9.5.9. 形态学重建

9.5.10. 二值图像形态学操作总结

9.6. 灰度级形态学

9.6.1. 腐蚀和膨胀

9.6.2. 开操作和闭操作

9.6.3. 一些基本的灰度级形态学算法

9.6.4. 灰度级形态学重建

9.7. 小结

9.8. 参考文献

9.9. 习题

10. 图像分割

10.1. 基础知识

10.2. 点、线和边缘检测

10.2.1. 背景知识

10.2.2. 孤立点的检测

10.2.3. 线检测

10.2.4. 边缘模型

10.2.5. 基本边缘检测

10.2.6. 更先进的闭眼检测技术

10.2.7. 边缘连接和边界检测

10.3. 阈值处理

10.3.1. 基础知识

10.3.2. 基本的全局阈值处理

10.3.3. 用OSTU方法的最佳全局阈值处理

10.3.4. 用图像平滑改善全局阈值处理

10.3.5. 利用边缘改进全局阈值处理

10.3.6. 多阈值处理

10.3.7. 可变阈值处理

10.3.8. 多变量阈值处理

10.4. 基于区域的分割

10.4.1. 区域生长

10.4.2. 区域分裂与聚合

10.5. 用形态学分水岭的分割

10.5.1. 背景知识

10.5.2. 水坝构建

10.5.3. 分水岭分割算法

10.5.4. 标记的使用

10.6. 分割中运动的应用

10.6.1. 空间域技术

10.6.2. 频率域技术

10.7. 小结

10.8. 参考文献

10.9. 习题

11. 表示和描述

11.1. 表示

11.1.1. 边界追踪

11.1.2. 链码

11.1.3. 使用最小周长多边形的多边形近似

11.1.4. 其他多边形近似方法

11.1.5. 标记图

11.1.6. 边界线段

11.1.7. 骨架

11.2. 边界描绘子

11.2.1. 一些简单的描绘子

11.2.2. 形状数

11.2.3. 傅里叶描绘子

11.2.4. 统计矩

11.3. 区域描绘子

11.3.1. 一些简单的描绘子

11.3.2. 拓扑描绘子

11.3.3. 纹理

11.3.4. 不变矩

11.4. 使用主成分进行描绘

11.5. 关系描绘子

12. 目标识别

12.1. 模式和模式类

12.2. 基于决策理论方法的识别

12.2.1. 匹配

12.2.2. 最佳统计分类器

12.2.3. 神经网络

12.3. 结构方法

12.4. 小结

12.5. 参考文献

12.6. 习题

A. 图像压缩编码表

B. 参考书目

C. 索引