目錄
第1章　緒論 1
1.1　數(shù)字圖像處理簡(jiǎn)介 1
1.1.1 什么是圖像 1
1.1.2 圖像的分類 1
1.1.3 數(shù)字圖像的產(chǎn)生 1
1.1.4 數(shù)字圖像處理的研究?jī)?nèi)容 1
1.2　數(shù)字圖像的表示方法 4
1.2.1 二值圖像 4
1.2.2 灰度圖像 4
1.2.3 RGB圖像 5
1.2.4 索引圖像 5
1.2.5 多幀圖像 6
1.3　計(jì)算機(jī)中的數(shù)字圖像文件格式 6
1.3.1 BMP文件格式 7
1.3.2 GIF文件格式 7
1.3.3 JPEG文件格式 8
1.3.4 TIFF文件格式 9
1.4　數(shù)字圖像處理系統(tǒng)的組成 10
1.5　常見的數(shù)字圖像處理操作 10
1.6　本章小結(jié) 11
習(xí)題 11
第2章　數(shù)字圖像處理基礎(chǔ) 12
2.1　色度學(xué)基礎(chǔ) 12
2.1.1 三基色原理 12
2.1.2 顏色模型 13
2.2　圖像的數(shù)字化技術(shù) 16
2.2.1 圖像的數(shù)學(xué)模型 16
2.2.2 圖像的采樣 17
2.2.3 圖像的量化 18
2.3　像素的基本關(guān)系 19
2.3.1 像素的鄰域 19
2.3.2 鄰接性、連通性、區(qū)域和邊界 20
2.3.3 距離度量 21
2.4　圖像質(zhì)量評(píng)價(jià) 22
2.4.1 圖像質(zhì)量的主觀評(píng)價(jià) 22
2.4.2 圖像質(zhì)量的客觀評(píng)價(jià) 23
2.5　本章小結(jié) 25
習(xí)題 25
第3章　Python圖像處理基礎(chǔ) 27
3.1　Python語(yǔ)言 27
3.2　Python圖像處理庫(kù) 27
3.3　Python圖像處理開發(fā)環(huán)境配置 28
3.3.1　基于Python軟件的開發(fā)環(huán)境配置 29
3.3.2　基于Anaconda軟件的開發(fā)環(huán)境配置 35
3.4　圖像文件的基本操作 35
3.4.1 圖像文件讀取 35
3.4.2 圖像文件顯示 36
3.4.3 圖像文件保存 36
3.4.4 視頻文件讀取 37
3.5　圖像類型轉(zhuǎn)換 38
3.5.1 RGB圖像轉(zhuǎn)換為灰度圖像 38
3.5.2 二值圖像的轉(zhuǎn)換 39
3.5.3 數(shù)據(jù)矩陣轉(zhuǎn)換為數(shù)字圖像 40
3.6　本章小結(jié) 41
習(xí)題 41
第4章　圖像變換 43
4.1　圖像的幾何變換 43
4.1.1 圖像的平移 43
4.1.2 圖像的鏡像 45
4.1.3 圖像的縮放 46
4.1.4 圖像的轉(zhuǎn)置 48
4.1.5 圖像的旋轉(zhuǎn) 49
4.1.6 圖像的剪切 50
4.1.7 圖像的插值 50
4.2　圖像的離散傅里葉變換 57
4.2.1 連續(xù)傅里葉變換 57
4.2.2 離散傅里葉變換 58
4.2.3 離散傅里葉變換的性質(zhì) 59
4.2.4 圖像二維離散傅里葉變換的Python實(shí)現(xiàn) 61
4.3　圖像的離散余弦變換 62
4.3.1 一維離散余弦變換 62
4.3.2 二維離散余弦變換 62
4.3.3 圖像二維離散余弦變換的Python實(shí)現(xiàn) 63
4.4　本章小結(jié) 64
習(xí)題 64
第5章　圖像增強(qiáng) 65
5.1　圖像增強(qiáng)分類 65
5.1.1 空間域增強(qiáng) 65
5.1.2 頻域增強(qiáng) 65
5.2　直接灰度變換法 65
5.2.1 線性變換 66
5.2.2 非線性變換 69
5.3　直方圖修正法 72
5.3.1 圖像的灰度直方圖 72
5.3.2 直方圖均衡化 74
5.4　鄰域增強(qiáng)算法 78
5.4.1 鄰域平均值法 78
5.4.2 中值濾波法 80
5.4.3 微分運(yùn)算算法 82
5.5　頻域增強(qiáng) 87
5.5.1 低通濾波 88
5.5.2 高通濾波 90
5.5.3 帶通濾波和帶阻濾波 91
5.5.4 同態(tài)濾波 92
5.6　圖像退化及復(fù)原 93
5.7　本章小結(jié) 94
習(xí)題 94
第6章　圖像形態(tài)學(xué)處理 96
6.1　圖像形態(tài)學(xué)概述 96
6.1.1 圖像形態(tài)學(xué)發(fā)展 96
6.1.2 數(shù)學(xué)形態(tài)學(xué)基礎(chǔ) 97
6.1.3 在Python軟件中創(chuàng)建結(jié)構(gòu)元素 100
6.2　二值圖像形態(tài)學(xué)處理 101
6.2.1 膨脹及其實(shí)現(xiàn) 102
6.2.2 腐蝕及其實(shí)現(xiàn) 104
6.2.3 開運(yùn)算及其實(shí)現(xiàn) 106
6.2.4 閉運(yùn)算及其實(shí)現(xiàn) 107
6.3　灰度圖像形態(tài)學(xué)處理 108
6.3.1 灰度圖像膨脹 109
6.3.2 灰度圖像腐蝕 110
6.3.3 灰度圖像開運(yùn)算與閉運(yùn)算 112
6.4　圖像形態(tài)學(xué)處理應(yīng)用 113
6.5　本章小結(jié) 114
習(xí)題 115
第7章　圖像分割 116
7.1　圖像分割基本概念 116
7.1.1 圖像分割的定義 116
7.1.2 圖像分割的分類 116
7.2　基于邊緣的圖像分割 117
7.2.1 邊緣分割方法的基本原理 117
7.2.2 Canny算子 118
7.3　基于區(qū)域的圖像分割 120
7.3.1 閾值法 121
7.3.2 生長(zhǎng)合并法 126
7.4　基于顯著性分析的圖像分割 128
7.5　本章小結(jié) 131
習(xí)題 131
第8章　圖像壓縮 132
8.1　圖像壓縮基礎(chǔ) 132
8.1.1 數(shù)據(jù)冗余相關(guān)概念 132
8.1.2 圖像壓縮模型 133
8.1.3 圖像格式和壓縮標(biāo)準(zhǔn) 133
8.1.4 圖像壓縮分類 134
8.2　常見的壓縮編碼技術(shù) 135
8.2.1 哈夫曼編碼 135
8.2.2 算術(shù)編碼 139
8.2.3 LZW編碼 142
8.2.4 行程編碼 146
8.2.5 DPCM編碼 148
8.2.6 小波變換編碼 148
8.3　本章小結(jié) 149
習(xí)題 150
第9章 數(shù)字水印 151
9.1　數(shù)字作品的版權(quán)保護(hù) 151
9.1.1 數(shù)字作品的特點(diǎn) 151
9.1.2 數(shù)字作品的版權(quán)保護(hù)現(xiàn)狀 151
9.2　版權(quán)保護(hù)技術(shù)發(fā)展 152
9.2.1 數(shù)字水印技術(shù)的發(fā)展 152
9.2.2 大版權(quán)時(shí)代DCI體系發(fā)展 153
9.3　數(shù)字水印技術(shù) 155
9.3.1 數(shù)字水印技術(shù)的概念 155
9.3.2 數(shù)字水印技術(shù)的基本原理 155
9.3.3 數(shù)字水印技術(shù)的特點(diǎn) 156
9.3.4 數(shù)字水印的分類 156
9.3.5 數(shù)字水印的評(píng)價(jià)標(biāo)準(zhǔn) 157
9.4　典型的數(shù)字水印方案 158
9.4.1 空間域數(shù)字水印算法 158
9.4.2 變換域數(shù)字水印算法 164
9.5　本章小結(jié) 169
習(xí)題 169
第10章　指紋識(shí)別 170
10.1　指紋識(shí)別技術(shù)概述 170
10.1.1 古代指紋學(xué)發(fā)展 170
10.1.2 近代指紋學(xué)發(fā)展 170
10.1.3 指紋概念及特性 171
10.1.4 指紋分類 171
10.2　指紋識(shí)別關(guān)鍵技術(shù) 172
10.2.1 指紋圖像采集 172
10.2.2 指紋圖像預(yù)處理 173
10.2.3 指紋特征提取 175
10.2.4 指紋比對(duì) 176
10.3　指紋識(shí)別算法Python程序?qū)崿F(xiàn) 177
10.4　本章小結(jié) 182
習(xí)題 182
第11章 病理圖像處理 183
11.1　病理診斷概述 183
11.1.1 病理診斷存在的社會(huì)背景 183
11.1.2 我國(guó)病理診斷發(fā)展需求 185
11.2　病理圖像處理技術(shù)發(fā)展現(xiàn)狀 186
11.2.1 病理圖像處理技術(shù)的由來(lái) 186
11.2.2 病理圖像處理技術(shù)發(fā)展歷史 188
11.2.3 基于深度學(xué)習(xí)的病理圖像處理技術(shù)發(fā)展 188
11.3　病理圖像處理案例的實(shí)現(xiàn) 189
11.3.1 擬解決的實(shí)際醫(yī)學(xué)問(wèn)題 189
11.3.2 病理切片圖像的預(yù)處理 191
11.3.3 基于深度學(xué)習(xí)的病理圖像識(shí)別的模型訓(xùn)練 196
11.3.4 測(cè)試圖像分類預(yù)測(cè) 200
11.4　本章小結(jié) 201
習(xí)題 202
參考文獻(xiàn) 203