本书系统介绍数字图像处理和分析的基本原理、经典内容及近年来的重要进展和实例，加强现代数学方法与数字图像处理的融合，把深度学习方法作为数字图像处理的一种重要方法贯穿于相应内容中。全书共12章，内容包括图像增强、图像压缩、图像复原、数学形态学、图像分割的传统方法、图像分割的现代方法、图像分割的深度学习方法及先验知识引导、图像配准传统方法、深度学习图像配准与传统图像配准的相互促进等。本书包括一些例题讲解，每章都有小结、参考文献和分级的复习思考题，其中一些复习思考题专注于学生综合能力的培养。

序
前言
第1章 绪论 1
1.1 数字图像处理的概念 1
1.2 数字图像处理的历史 2
1.3 数字图像处理的应用实例 3
1.4 数字图像处理的一些工具 10
1.5 数字图像处理的一些动态 11
1.6 本书的内容及特色 12
1.7 本书的结构 13
总结和复习思考 14
小结 14
复习思考题 14
参考文献 15
第2章 数字图像处理基础 16
2.1 人眼视觉基础 16
2.2 数字图像的数学表征 18
2.3 数字图像纹理 22
2.4 数字图像插值 24
2.5 深度学习发展历史 27
2.6 深度学习图像处理基本单元 29
总结和复习思考 42
小结 42
复习思考题 42
参考文献 44
第3章 数字图像增强 47
3.1 数字图像的空域增强 47
3.1.1 灰度映射 48
3.1.2 直方图修正 49
3.1.3 空域滤波 52
3.2 数字图像的频域增强 64
3.3 其他变换域的数字图像增强 70
3.4 基于低秩矩阵稀疏分解的图像去噪 84
3.5 混合域图像增强 88
3.6 深度学习图像增强 91
总结和复习思考 94
小结 94
复习思考题 95
参考文献 96
第4章 数字图像压缩 98
4.1 数字图像压缩基础 98
4.2 图像压缩模型 101
4.2.1 信源编码器和信源解码器 101
4.2.2 信道编码器和信道解码器 102
4.3 无损图像压缩 103
4.3.1 霍夫曼编码 103
4.3.2 算术编码 104
4.3.3 位平面编码 105
4.3.4 LZW编码 106
4.3.5 无损预测编码 107
4.4 有损图像压缩 108
4.4.1 有损预测编码 109
4.4.2 变换编码 111
4.4.3 模型编码 114
4.5 数字图像压缩标准 114
4.6 深度学习图像压缩 116
总结和复习思考 119
小结 119
复习思考题 120
参考文献 121
第5章 数字图像复原 123
5.1 常见图像退化及一般建模 124
5.2 常见图像噪声 125
5.3 空域噪声滤波器 129
5.4 图像的无约束复原 135
5.5 图像的有约束复原 137
5.6 深度学习图像复原 142
总结和复习思考 148
小结 148
复习思考题 148
参考文献 149
第6章 数学形态学图像处理 150
6.1 数学形态学的背景知识 150
6.2 二值图像数学形态学 151
6.3 灰度图像数学形态学 155
6.4 灰度图像数学形态学应用 158
总结和复习思考 162
小结 162
复习思考题 162
参考文献 163
第7章 数字图像分割的传统方法 164
7.1 数字图像分割的历史回顾 165
7.2 灰度阈值计算 166
7.2.1 基于类间方差优选化的灰度阈值计算 166
7.2.2 基于最小分类误差的灰度阈值计算 168
7.2.3 基于一维熵优选化的灰度阈值计算 170
7.2.4 基于模糊熵优选化的灰度阈值计算 172
7.2.5 基于图像过渡区域的灰度阈值计算 175
7.2.6 结合先验知识的有监督灰度阈值计算 176
7.2.7 局部灰度阈值计算 183
7.3 图像边缘计算 185
7.3.1 基于一阶偏导数的边缘检测 185
7.3.2 基于二阶偏导数的边缘检测 187
7.3.3 坎尼边缘算子 188
7.3.4 基于多项式逼近的边缘检测 190
7.4 基于区域的图像分割 191
7.4.1 区域生长与分裂合并 191
7.4.2 聚类算法 192
7.5 分水岭分割及分割的精细化 194
7.6 区域分割及边缘分割的融合 200
总结和复习思考 203
小结 203
复习思考题 204
参考文献 205
第8章 数字图像分割的现代方法 208
8.1 优选后验概率分割 208
8.2 马尔可夫随机场优选后验概率分割 211
8.3 主动轮廓模型分割 214
8.4 图切割分割 219
8.5 条件随机场分割及先验知识融合 226
8.6 现代分割方法的先验知识 230
8.6.1 现代分割方法的形状先验知识 230
8.6.2 现代分割方法的其他先验知识 238
8.6.3 现代分割方法先验知识的综合应用 239
总结和复习思考 243
小结 243
复习思考题 245
参考文献 245
第9章 数字图像配准 248
9.1 数字图像配准技术概述 248
9.2 数字图像配准的空间变换 250
9.3 数字图像配准的相似性测度 254
9.4 数字图像配准的优化策略 257
9.5 常见数字图像配准方法 265
9.6 常见数字图像配准工具 279
总结和复习思考 282
小结 282
复习思考题 283
参考文献 284
第10章 彩色图像处理 286
10.1 彩色基础 286
10.2 彩色空间 289
10.3 伪彩色图像处理 292
10.4 彩色图像各分量的灰度变换 295
10.5 彩色图像的增强 297
10.6 彩色图像的边缘提取 299
10.7 彩色图像的分割 301
10.8 基于四元数表征的彩色图像处理 303
10.8.1 基于四元数表征的彩色图像去噪 310
10.8.2 基于四元数表征的彩色图像边缘提取 316
10.9 深度学习彩色图像识别 317
总结和复习思考 326
小结 326
复习思考题 327
参考文献 328
第11章 深度学习图像分割 330
11.1 深度学习图像识别 330
11.2 深度学习图像检测 335
11.3 深度学习图像边缘检测 338
11.4 深度学习图像语义分割 342
11.4.1 U-Net图像分割 342
11.4.2 基于GAN的图像语义分割 346
11.5 深度学习语义分割的先验引导 348
11.5.1 深度学习图像语义分割的隐空间引导 349
11.5.2 深度学习图像语义分割的深度图谱引导 352
11.5.3 深度学习图像语义分割的多目标物联合引导 356
11.5.4 深度学习图像语义分割的高质量数据引导 360
总结和复习思考 367
小结 367
复习思考题 368
参考文献 369
第12章 深度学习图像配准 372
12.1 无监督的深度学习图像配准 372
12.2 监督学习配准测度 377
12.3 弱监督引导的图像配准 381
12.4 深度学习引导传统图像配准 386
12.5 生成对抗网络增强图像配准 389
12.6 可逆大形变深度学习图像配准 393
总结和复习思考 399
小结 399
复习思考题 400
参考文献 401