本书是依据编者多年从事数字图像处理教学和科研工作的研究成果与心得体会，并参考相关文献编写而成的。本书注重数字图像处理理论与应用的紧密结合，在阐述基本理论的基础上，以强调实践应用为特色，基于MATLAB工程软件介绍了大量图像处理基本方法的实现实例。全书共8章，分别为概述、数字图像处理基础、图像变换、MATLAB图像处理工具箱、图像增强、图像复原、图像压缩与编码、数字图像处理的工程应用。本书第1～7章配有课程思政案例设计和精心设计的练习题，可以帮助读者巩固所学知识。
本书可作为普通高等院校自动化、通信工程、电子信息工程、计算机科学与技术、生物医学工程、应用数学等相关专业的本科生及研究生教材，也可供从事人工智能、模式识别等领域研究工作的工程技术人员和研究人员参考。

第1章 概述
1.1 数字图像和数字图像处理
1.1.1 数字图像的定义
1.1.2 数字图像处理的任务
1.2 图像处理、图像分析和计算机视觉
1.2.1 图像处理
1.2.2 图像分析
1.2.3 计算机视觉
1.2.4 典型的计算处理
1.3 数字图像处理系统
1.3.1 图像处理硬件
1.3.2 图像处理软件
1.4 数字图像处理的应用领域
1.5 课程思政
本章小结
练习一
第2章 数字图像处理基础
2.1 视觉和感知要素
2.1.1 人眼的结构
2.1.2 人眼的成像方式
2.1.3 人眼视觉基础
2.2 色度学基础与颜色模型
2.2.1 色度学基础
2.2.2 颜色模型
2.3 数字图像的生成与表示
2.3.1 图像信号的数字化
2.3.2 数字图像的表示方法
2.4 数字图像的数值描述
2.4.1 矩阵坐标系与直角坐标系
2.4.2 数字图像的数据结构
2.4.3 常见的数字图像格式
2.5 像素间的一些基本关系
2.5.1 相邻像素
2.5.2 邻接性和连通性
2.5.3 距离度量
2.6 课程思政
本章小结
练习二
第3章 图像变换
3.1 离散傅里叶变换
3.1.1 一维离散傅里叶变换
3.1.2 一维快速傅里叶变换
3.1.3 二维离散傅里叶变换
3.1.4 二维快速傅里叶变换
3.2 离散余弦变换
3.2.1 一维离散余弦变换
3.2.2 二维离散余弦变换
3.3 沃尔什—哈达玛变换
3.3.1 沃尔什变换
3.3.2 哈达玛变换
3.4 霍特林变换
3.5 小波变换
3.5.1 小波
3.5.2 连续小波变换
3.5.3 离散小波变换
3.5.4 小波包
3.6 课程思政
本章小结
练习三
第4章 MATLAB图像处理工具箱
4.1 图像处理工具箱简介
4.2 MATLAB中的图像类型及类型转换
4.2.1 图像和图像数据
4.2.2 图像处理工具箱支持的图像类型
4.2.3 MATLAB图像类型转换
4.3 图像文件的读/写、显示和查询
4.3.1 图像文件的读取
4.3.2 图像文件的显示
4.3.4 图像文件的查询
4.4 图像处理中MATLAB的常用函数
4.5 课程思政
本章小结
练习四
第5章 图像增强
5.1 基于直方图修正的图像增强
5.1.1 直方图
5.1.2 直方图均衡化
5.1.3 直方图规定化
5.2 基于灰度变换的图像增强
5.2.1 线性灰度变换
5.2.2 非线性灰度变换
5.3 图像锐化处理
5.3.1 梯度锐化法
5.3.2 拉普拉斯锐化法
5.4 频域图像增强
5.4.1 低通滤波
5.4.2 高通滤波
5.4.3 同态滤波
5.5 彩色图像增强
5.5.1 伪彩色增强
5.5.2 真彩色增强
5.6 课程思政
本章小结
练习五
第6章 图像复原
6.1 图像退化模型
6.1.1 连续退化模型
6.1.2 离散退化模型
6.2 噪声模型
6.2.1 噪声概率密度函数
6.2.2 噪声参数的估计
6.3 空域滤波复原
6.3.1 空域滤波器
6.3.2 自适应空域滤波器
6.4 频域滤波复原
6.4.1 频域滤波与周期噪声
6.4.2 常用频域滤波器
6.5 典型图像复原方法
6.5.1 逆滤波复原
6.5.2 维纳滤波复原
6.5.3 非线性迭代复原
6.5.4 约束最小二乘方滤波复原
6.6 几何失真校正
6.7 课程思政
本章小结
练习六
第7章 图像压缩与编码
7.1 背景知识
7.1.1 图像信息量与信息熵
7.1.2 图像数据冗余
7.2 无失真图像压缩编码
7.2.1 无损编码理论
7.2.2 统计编码技术
7.2.3 典型压缩编码算法
7.3 有限失真图像压缩编码
7.3.1 预测编码
7.3.2 变换编码
7.4 JPEG压缩
7.4.1 JPEG标准
7.4.2 JPEG
7.5 动态图像压缩
7.5.1 动态图像压缩技术标准
7.5.2 视频压缩方法
7.6 课程思政
本章小结
练习七
第8章 数字图像处理的工程应用
8.1 医学图像处理平台的设计
8.1.1 GUIDE基本操作
8.1.2 平台设计
8.2 雾霾场景下基于Retinex的图像去雾
8.2.1 Retinex基本原理
8.2.2 单尺度Retinex去雾
8.2.3 多尺度Retinex去雾
8.3 结合语义特征的人脸图像去模糊
8.3.1 网络结构
8.3.2 损失函数
8.3.3 训练策略
8.3.4 MATLAB实现
本章小结
参考文献