4.4.1 可分离性（Separability） 55
4.4.2 平移性质（Translation） 56
4.4.3 周期性和共轭对称性（Periodicity and Conjugate Symmetry） 58
4.4.4 旋转性质（Rotation） 59
4.4.5 分配律（Distribution Law） 59
4.4.6 尺度变换（Scaling） 60
4.4.7 平均值（Average Value） 61
4.4.8 卷积定理（Convolution Theorem） 62
4.5 图像傅里叶变换实例（Examples of Image Fourier Transform） 62
4.6 其他离散变换（Other Discrete Transform） 65
4.6.1 离散余弦变换（Discrete Cosine Transform） 65
4.6.2 二维离散沃尔什—哈达玛变换（Walsh-Hadamard Transform） 68
4.6.3 卡胡楠—列夫变换（Kahunen-Loeve Transform） 72
小结（Summary） 73
习题（Exercises） 74


第二部分 图像处理技术

第5章 图像增强（Image Enhancement） 75
5.1 图像增强的概念和分类（Concepts and Categories of Image Enhancement） 75
5.2 空间域图像增强（Image Enhancement in the Spatial Domain） 76
5.2.1 基于灰度变换的图像增强（Image Enhancement based on Gray Levels） 76
5.2.2 基于直方图处理的图像增强（Image Enhancement based on Histogram Processing）
79
5.2.3 空间域滤波增强（Spatial Filtering Enhancement） 84
5.3 频率域图像增强（Image Enhancement in the Frequency Domain） 91
5.3.1 频率域增图像强基本理论（Fundamentals of Image Enhancement
in the Frequency Domain） 91
5.3.2 频率域平滑滤波器（Frequency Smoothing Filters） 92
5.3.3 频率域锐化滤波器（Frequency Sharpening Filters） 95
5.3.4 同态滤波器（Homomorphic Filters） 97
小结（Summary） 99
习题（Exercises） 99
第6章 图像复原（Image Restoration） 101
6.1 图像复原及退化模型基础（Fundamentals of Image Restoration and
Degradation Model） 101
6.1.1 图像退化的原因及退化模型（Causes of Image Degradation and
Degradation Model） 102
6.1.2 图像退化的数学模型（Mathematic Model of Image Degradation） 104
6.1.3 复原技术的概念及分类（Concepts and Categories of Restoration） 105
6.2 噪声模型（Noise Models） 106
6.2.1 一些重要噪声的概率密度函数（Some Important Noise Probability
Density Functions） 106
6.2.2 噪声参数的估计（Estimation of Noise Parameters） 109
6.3 空间域滤波复原（Restoration with Spatial Filtering） 110
6.3.1 均值滤波器（Mean Filters） 110
6.3.2 顺序统计滤波器（Order-Statistics Filters） 113
6.4 频率域滤波复原（Restoration with Frequency Domain Filtering） 116
6.4.1 带阻滤波器（Bandreject Filters） 117
6.4.2 带通滤波器（Bandpass Filters） 119
6.4.3 其他频率域滤波器（Other Filters in Frequency Domain） 119
6.5 估计退化函数（Estimating the Degradation Function） 121
6.5.1 图像观察估计法（Estimation by Image Observation） 121
6.5.2 试验估计法（Estimation by Experimentation） 121
6.5.3 模型估计法（Estimation by Modeling） 122
6.6 逆滤波（Inverse Filtering） 124
6.7 *小均方误差滤波——维纳滤波（Minimum Mean Square Error Filtering-
Wiener Filtering） 125
6.8 几何失真校正（Geometric Distortion Correction） 128
6.8.1 空间变换（Spatial Transformation） 129
6.8.2 灰度插值（Gray-Level Interpolation） 131
6.8.3 实现（Implementation） 131
小结（Summary） 134
习题（Exercises） 134
第7章 图像压缩编码（Image Compression Coding Technology） 136
7.1 概述（Introduction） 136
7.1.1 图像的信息量与信息熵（Information Content and Entropy） 136
7.1.2 图像数据冗余（Image Data Redundancy） 138
7.1.3 图像压缩编码方法（Coding Methods of Image Compression） 140
7.1.4 图像压缩技术的性能指标（Evaluation Index of Image Compression Approaches）
140
7.1.5 保真度准则（Fidelity Criteria） 142
7.2 无失真图像压缩编码（Lossless Image Compression） 143
7.2.1 哈夫曼编码（Huffman Coding） 143
7.2.2 游程编码（Run-Length Coding） 145
7.2.3 算术编码（Arithmetic Coding） 148
7.3 有限失真图像压缩编码（Lossy Image Compression） 150
7.3.1 率失真函数（Rate Distortion Function） 151
7.3.2 预测编码和变换编码（Prediction Coding and Transform Coding） 152
7.3.3 矢量量化编码（Vector Quantification Coding） 160
7.4 图像编码新技术（New Image Coding Technology） 162
7.4.1 子带编码（Subband Coding） 162
7.4.2 模型基编码（Model-Based Coding） 163
7.4.3 分形编码（Fractal Coding） 164
7.5 图像压缩技术标准（Image Compression Standards） 164
7.5.1 概述（Introduction） 164
7.5.2 JPEG压缩（JPEG Compression） 165
7.5.3 JPEG 2000 166
7.5.4 H.26x标准（H.26x Standards） 168
7.5.5 MPEG标准（MPEG Standards） 168
小结（Summary） 169
习题（Exercises） 170
第8章 图像分割（Image Segmentation） 171
8.1 概述（Introduction） 171
8.2 边缘检测和连接（Edge Detection and Connection） 173
8.2.1 边缘检测（Edge Detection） 173
8.2.2 边缘连接（Edge Connection） 181

 2/3   首页 上一页 1 2 3 下一页 尾页

教材 研究生/本科/专科教材 工学

在线阅读