《计算机图像处理》求取 ⇩

1图像的生成和光的度量1

1.1计算机图像处理和识别1

1.1.1 图像增强和恢复2

1.1.2 图像的压缩编码2

1.1.3 图像重建3

1.1.4 分割和描述3

1.1.5 景物匹配和识别3

1.2图像的生成4

1.2.1 光源的辐射度量5

1.2.2 光度学9

1.2.3 色度学11

1.2.4 三维成像几何学17

2视觉26

2.1视觉系统的基本构造27

2.1.1 人眼的光学机构27

2.1.2 视网膜29

2.1.3 视觉通路33

2.1.4 侧抑制和神经节的感受野34

2.2视觉现象42

2.2.1 亮度适应能力42

2.2.2 同时对比度43

2.2.3 对比灵敏度44

2.2.4 分辨率45

2.2.5 Mach带47

2.2.6 主观轮廓50

2.2.7 空间错觉52

2.3视觉模型53

2.2.1 单色视觉模型53

2.3.2 彩色视觉模型57

3数字图像60

3.1确定型图像的取样和重建60

3.1.1 取样60

3.1.2 重建62

3.2 随机图像的取样和重建64

3.3 取样脉冲的影响66

3.4 混叠效应69

3.5 图像的量化70

3.6 数字图像的表示73

3.7 数字图像的统计特性76

4数字图像的线性处理83

4.1线性算子83

4.1.1 广义线性算子83

4.1.2 线性算子的统计表示85

4.1.3 伪逆算子86

4.2叠加算子96

4.2.1 有限区域叠加算子96

4.2.2 循环区域叠加算子102

4.2.3 几种叠加算子之间的关系106

4.3二维酉变换109

4.3.1 酉变换算子109

4.3.2 Fourier变换114

4.3.3 Cosine变换120

4.3.4 Hotelling变换125

4.3.5 奇异值分解（SVD）变换128

4.3.6 Hadamard变换130

4.4变换域图像的统计性质132

4.4.1 已变换图像的一阶、二阶矩的解析表达式133

4.4.2 变换域中图像的概率密度模型137

5图像的增强和恢复139

5.1对比度增强（点处理）140

5.1.1 灰度变换法140

5.1.2 直方图修整法144

5.1.3 局部统计法152

5.2图像的平滑154

5.2.1 局部平均法154

5.2.2 频域中平滑174

5.2.3 空间域中的低通滤波175

5.2.4 多幅图像平均法176

5.3图像的锐化177

5.3.1 微分方法177

5.3.2 高通滤波181

5.3.3 同态图像增强183

5.3.4 钝掩模法185

5.4伪彩色和假彩色增强186

5.4.1 伪彩色增强186

5.4.2 假彩色增强188

5.5代数运算190

5.5.1 图像的相减运算191

5.5.2 图像的相除运算191

5.6几何校正193

5.6.1 空间几何坐标变换194

5.6.2 像点亮度的确定198

5.7图像恢复201

5.7.1 图像退化的模型201

5.7.2 图像恢复中病态性质和空间滤波203

5.7.3 逆滤波恢复204

5.7.4 Wiener滤波恢复207

5.7.5 功率谱均衡恢复211

5.7.6 约束最小平方恢复212

5.7.7 最大后验恢复215

5.7.8 最大熵恢复216

5.7.9 点扩展函数（PSF）的确定220

6图像的特征提取和符号描述226

6.1图像的特征226

6.1.1 幅值特征227

6.1.2 直方图特征227

6.1.3 变换系数特征229

6.1.4 灰度边沿特征230

6.1.5 彩色边沿特征230

6.1.6 线条和角点特征231

6.1.7 纹理特征231

6.2图像的分割232

6.2.1 按像点或按处理过像点的灰度值进行分割233

6.2.2 边沿的提取238

6.2.3 纹理及其特征的检测271

6.2.4 已知形状的曲线检测（Hough变换）284

6.2.5 角点的检测287

6.2.6 区域生成292

6.3图像的符号描述302

6.3.1 区域的表示与描述302

6.3.2 边界的表示与描述305

6.3.3 拓扑描述306

7匹配和识别307

7.1视觉的计算模型307

7.1.1 Marr计算模型308

7.1.2 Barrow计算模型310

7.1.3 Ballard计算模型314

7.1.4 Haralick对计算模型的意见316

7.2图像的匹配318

7.2.1 模板匹配法319

7.2.2 模板匹配法的改进324

7.2.3 模板匹配的统计性能330

7.2.4 关系结构匹配法356

7.3 通过类比和学习进行识别377

8图像信息的压缩384

8.1信源编码的基本概念384

8.1.1 引言384

8.1.2 信息385

8.1.3 图像相关函数390

8.1.4 率失真函数391

8.2信息保持编码和率失真编码392

8.2.1 信息保持编码定理393

8.2.2 高效编码方法394

8.2.3 率失真编码方法399

8.3正交变换编码401

8.3.1 变换编码特性402

8.3.2 K-L变换编码403

8.3.3 离散余弦变换405

8.3.4 其它变换编码407

8.3.5 变换编码中几个问题的考虑412

8.4预测编码（DPCM）415

8.4.1 DPCM工作原理415

8.4.2 线性预测编码417

8.4.3 非线性自适应预测421

8.4.4 最佳量化器424

8.5图像的帧间编码428

8.5.1 空间分辨率与时间轴分辨率的交换428

8.5.2 条件补充法430

8.5.3 帧内—帧间自适应编码431

8.5.4 运动检测技术433

8.6综合高频编码，二分量编码和矢量编码439

8.6.1 综合高频编码439

8.6.2 二分量编码442

8.6.3 矢量编码444

9重建447

9.1投影重建447

9.1.1 投影重建的基本概念448

9.1.2 滤波—逆投影重建453

9.1.3 扇束投影重建（扇束由等角间隔射线组成的）459

9.1.4 扇形投影重建（等间距共线检测器）466

9.1.5 代数重建技术469

9.2三维信息的恢复和表面重建476

9.2.1 体视方法476

9.2.2 从图像的明暗变化恢复三维信息495

10图像的并行处理519

10.1 引言519

10.2几个典型的快速／实时图像处理系统523

10.2.1 MPP位平面阵列处理机524

10.2.2 Cytocomputer流水线处理机527

10.2.3 ZMOB机529

10.3系统按逻辑结构分类530

10.3.1 控制流方式530

10.3.2 数据流方式531

10.3.3 归约方式532

10.3.4 匹配方式533

10.4非Von Neumann程序设计类型的推算模型536

10.4.1 面向客体的程序设计类型的推算模型537

10.4.2 函数程序设计类型的推算模型539

10.5面向知识表示的智能机542

10.5.1 知识表示的基本特征543

10.5.2 对付不确定、不完全和不一致的知识544

10.5.3 并行知识处理545

10.5.4 数据库、知识库与推理机545

10.6 图像处理专用芯片547

参考文献551