本书较全面地介绍了数字图像处理的基础理论、经典算法及典型应用。本书内容包括数字图像处理基础知识、图像增强、图像复原、图像的几何变换与几何校正、形态学图像处理、图像分割、图像描述与特征提取等，并通过一个较完整的车牌识别系统向读者详细介绍了数字图像处理系统的基本设计思想与设计方法。本书实践部分介绍了OpenCV、NumPy、Matplotlib、Scikit-learn等图像处理相关工具包的常用方法，其中的代码汇集生成了“基于Python的图像处理算法演示系统v1.0”，以辅助读者理解算法。为适应人工智能等新技术的发展，本书简单介绍了卷积神经网络的平移、旋转、尺度缩放、形变等不变性，让读者理解卷积神经网络在图像处理方面的优势。
本书编者在编写过程中，收集整理了大量经典的图像处理算法，引入了新的图像处理技术，全书的例题在Python环境下均通过了调试。本书可作为普通高校电子信息、人工智能、计算机等专业的教材，也适合各类培训班作为教材使用。
本书配有以下教学资源：电子课件，习题答案，示例代码和对应的素材，图像处理算法演示系统。欢迎选用本书作教材的教师发邮件到jinacmp@163.com或登录www.cmpedu.com 注册下载。

俗话说“眼见为实”“百闻不如一见”，图像已成为人类获取和交换信息的主要来源。数字图像具有信息量大、占用的频带较宽且像素间的相关性强等特点，数字图像处理需要综合应用信息处理、计算机、机器学习、统计分析等各方面的知识和技术，对已有的图像进行变换、处理、重构，从而改进图像质量或从图像中提取有用的信息。
目前普通高等院校人工智能、计算机、电子信息等相关专业都开设了数字图像处理这门课程，对数字图像处理教材的需求和要求也在不断增加。在组织编写教材过程中，课题组遵循工程教育认证的成果导向理念来构建图像处理的课程体系；利用图像信息直观的特点，传播主流意识形态的道德价值观和思想政治理念，在潜移默化中展现课程思政；跟随人工智能、计算机等新技术的发展步伐，更新图像处理的教学内容和开发工具，努力推出实用性强、针对性强的数字图像处理教材。编者多年从事数字图像处理课程教学，收集、整理了大量的经典算法和应用，在此将多年来对数字图像处理技术的探索心得与大家共享。
本书主要内容
总体上，数字图像处理分三个层次：低级图像处理、中级图像处理和高级图像处理。本书主要介绍低级图像处理和中级图像处理，也就是对图像进行各种加工以改善图像的视觉效果或突出有用信息，进一步对图像中感兴趣的目标进行检测（或分割）和测量，以获得它们的客观信息，从而建立对图像的描述。本书没有介绍高级图像处理中的图像理解及场景解释等内容。
1.低级图像处理部分
本书的第1章是数字图像处理概述，主要介绍了数字图像的概念和相关术语、数字图像处理的特点、数字图像处理的主要研究内容以及数字图像处理的一些经典应用。
第2章介绍数字图像处理的一些基础知识，包括图像的数字化、数字图像的表示与坐标约定、图像模式及彩色模型、灰度统计特征、像素点之间的基本关系、图像质量评价以及Python图像处理编程基础等。
第3章介绍空域图像增强技术，主要介绍了线性灰度变换、非线性灰度变换和直方图处理等点处理技术，以及空域平滑、空域锐化等邻域处理技术，分析了点处理和邻域处理的特点和各种处理技术的功能效果。
第4章介绍频域图像增强技术，主要介绍了通过傅里叶变换实现图像增强的原理和步骤，分析了傅里叶变换的性质，学习了利用频域信息的特点对图像进行低通滤波、高通滤波的方法。
第5章介绍图像复原技术，主要介绍了线性移不变图像退化模型及非盲去卷积的图像复原原理，对无约束图像复原（逆滤波）和有约束图像复原（维纳滤波、约束最小二乘滤波等）等算法进行了公式推导，并对各算法进行了分析比较。
第6章介绍图像的几何变换与几何校正技术，主要介绍了图像常用的坐标变换和常用的灰度插值方法，进一步学习了刚体变换、仿射变换、投影变换和非线性变换等几何变换，简单介绍了几何校正的基本原理。
第7章介绍形态学图像处理技术，主要介绍了基本的形态学运算，包括腐蚀、膨胀、开运算、闭运算，分析了利用这些基本运算推导和组合成的各种数学形态学实用算法，并用这些算法对图像形状和结构进行了分析与处理。
2.中级图像处理部分
第8章介绍图像分割技术，阐述了图像分割的意义，介绍了图像分割的一些常用方法，包括阈值分割、边缘检测、区域分割等，着重介绍了一些图像分割的经典算法，包括阈值分割法、区域生长法、水域分割法等。
第9章介绍图像描述和特征提取技术，阐述了图像描述和特征提取的必要性，介绍了图像的灰度描述、边界描述、区域描述、纹理描述方法，着重介绍了图像的直方图特征、链码描述和傅里叶描述、几何特征和不变矩、矩分析法和灰度共生矩阵法等，较详细地介绍了HOG特征，分析了一般图像识别系统的工作流程。
第10章介绍一个较为完整的车牌识别系统。本章教学内容与配套的算法演示系统相结合，让读者对图像处理系统有一个较为全面的认识。
本书特点
（1） 内容新颖、实用性强。随着人工智能的发展，越来越多的工程应用和教学研究都使用Python语言，本教材的例题都是使用Python语言实现的，符合实际应用的需要。本教材紧跟新技术发展前沿，收集了一些人工智能、计算机等方面的新技术应用。
（2） 示例典型丰富、内容完整。在多年的数字图像处理教学过程中，笔者收集、整理了大量经典例题，并在编书过程中有所选择，以方便读者较全面地了解图像增强、图像变换、图像复原、几何变换、形态学处理、图像分割、图像描述、特征提取等经典图像处理技术。
（3） 教学资料丰富。笔者汲取了国内外图像处理的教学经验，整理了一套较为完整和实用的教学资料，包括PPT课件、练习习题、图像处理实验指导书以及“基于Python的图像处理算法演示系统v1.0”等。
教学安排
本书介绍了数字图像处理的基础知识和数字图像处理编程技术，学习本书需要数字信号处理的基础知识以及Python程序设计知识。
作为教材，笔者推荐的总课时是48课时。建议在上完本课程后，再开设一到两周的数字图像处理的课程设计，以巩固数字图像处理的知识，并加强同学们的数字图像处理程序设计能力。推荐的课时分配见下表。课时分配表
序号课时教 学 内 容实 验 内 容12第1章图像处理概述26第2章图像处理基础知识310第3章空域图像增强空域图像增强实验48第4章频域图像增强频域图像增强实验56第5章图像复原图像复原实验62第6章图像的几何变换与几何校正72第7章形态学图像处理86第8章图像分割图像分割实验94第9章图像描述与特征提取102自主安排相关教学
致谢
本书由蔡体健和刘伟主编，参编人员包括王杉、刘志伟、刘遵雄、邓芳芳。编写分工如下：蔡体健编写了第2、3、4、6、9章，刘伟编写了第5、7、8章，王杉编写了第1章，刘遵雄编写了第10章，邓芳芳编写了附录。本书由蔡体健和刘志伟负责统稿。
编者在教材编写过程中参考了都柏林理工学院Brian Mac Namee教授、巴塞尔大学Philippe Cattin教授、斯坦福大学Gordon Wetzstein教授、休斯顿大学Shishir K.Shah博士、山东大学陈辉教授等的数字图像处理课件；此外，还得到了华东交通大学人工智能系的支持，在此表示感谢。由于编者水平有限，时间也比较仓促，书中的错误和不妥之处在所难免，敬请读者批评指正。
编者

第1章图像处理概述
1.1数字图像
1.2数字图像处理
1.2.1什么是数字图像处理
1.2.2数字图像处理的基本特点
1.2.3相关学科与领域
1.3数字图像处理的研究内容
1.3.1数字图像处理的三个层次
1.3.2数字图像处理课程的主要
研究内容
1.3.3数字图像处理中的几种
运算处理
1.4数字图像处理的经典应用
1.4.1天文方面的应用
1.4.2遥感图像应用
1.4.3医学图像应用
1.4.4工业检测方面的应用
1.4.5公安执法方面的应用
1.4.6智能监控方面的应用
1.4.7文体艺术图像应用
1.4.8图像检索
1.4.9办公室自动化图像应用
1.5数字图像处理的发展趋势
练习
第2章图像处理基础知识
2.1图像的数字化
2.1.1图像采样
2.1.2图像量化
2.1.3非均匀采样与量化
2.2数字图像的表示
2.2.1图像的数学表示
2.2.2在计算机中的矩阵表示
2.2.3坐标约定
2.3图像模式及彩色模型
2.3.1图像模式
2.3.2RGB彩色模型
2.3.3HSI彩色模型
2.3.4彩色模型之间的相互转换
2.4图像的灰度分布——直方图
2.5像素点之间的基本关系
2.5.1像素与邻域
2.5.2邻接性、连通性、区域和边界
2.5.3距离度量
2.6图像质量评价
2.6.1主观评价
2.6.2客观评价
2.6.3常用的评价指标
2.7Python的图像处理编程
2.7.1Python图像处理工具包
2.7.2可视化工具包
练习
第3章空域图像增强
3.1图像增强方法
3.2灰度变换
3.2.1线性灰度变换
3.2.2非线性灰度变换
3.3基于直方图的灰度变换
3.3.1直方图均衡化
3.3.2直方图规定化
3.4空域滤波与邻域运算
3.5空域平滑滤波
3.5.1均值滤波
3.5.2高斯滤波
3.5.3阈值邻域平滑滤波
3.5.4中值滤波
3.6空域锐化滤波
3.6.1一阶微分算子
3.6.2二阶微分算子
3.6.3梯度的各向同性
3.7空域滤波与卷积运算
3.7.1空域低通滤波与高通滤波
3.7.2图像滤波边界处理
3.7.3相关运算与卷积运算
练习
第4章频域图像增强
4.1傅里叶变换原理
4.2离散傅里叶变换
4.2.1一维离散傅里叶变换
4.2.2离散傅里叶变换的矩阵向量
表示形式
4.2.3一维离散卷积
4.2.4二维离散傅里叶变换
4.3数字图像的傅里叶变换性质
4.3.1可分离性
4.3.2共轭对称性
4.3.3周期性
4.3.4平移性
4.3.5旋转不变性
4.3.6卷积定理
4.4频域图像平滑
4.4.1理想低通滤波器
4.4.2巴特沃斯低通滤波器
4.4.3高斯低通滤波器
4.5频域图像锐化
4.5.1理想高通滤波器
4.5.2巴特沃斯高通滤波器
4.5.3高斯高通滤波器
4.6空域滤波与频域滤波的关系
练习
第5章图像复原
5.1图像复原与图像增强的关系
5.2噪声模型及去噪方法
5.2.1噪声模型
5.2.2噪声仿真
5.2.3空域滤波去噪方法
5.2.4频域滤波去噪方法
5.3图像退化模型
5.3.1线性移不变退化模型
5.3.2退化函数的估计
5.3.3平面运动模糊退化模型
5.4图像复原算法
5.4.1无约束的图像复原
5.4.2有约束的图像复原
5.5补充数学知识
5.5.1卷积的矩阵向量表示
5.5.2循环矩阵的对角形式
练习
第6章图像的几何变换与
几何校正
6.1基本的坐标变换
6.1.1图像平移
6.1.2镜像变换
6.1.3图像旋转
6.1.4图像缩放
6.2灰度插值运算
6.2.1最近邻插值
6.2.2双线性插值
6.2.3双三次插值
6.3图像几何变换类别
6.3.1刚体变换
6.3.2仿射变换
6.3.3投影变换
6.3.4非线性变换
6.4图像的几何校正
6.4.1图像的几何畸变描述
6.4.2图像几何校正方法
练习
第7章形态学图像处理
7.1形态学基础
7.1.1集合运算
7.1.2结构元素与形态学运算
7.2基本的形态学运算
7.2.1腐蚀运算
7.2.2膨胀运算
7.2.3开运算
7.2.4闭运算
7.3形态学算法
7.3.1边界提取
7.3.2区域填充
7.3.3连通分量提取
7.3.4骨架提取
练习
第8章图像分割
8.1图像分割技术简介
8.2阈值分割
8.2.1直方图阈值法
8.2.2基本全局阈值法
8.2.3最大类间方差法
8.2.4移动平均变阈值法
8.2.5自适应阈值法
8.3边缘检测与连接
8.3.1边缘检测
8.3.2边界连接
8.4区域分割法
8.4.1区域生长法
8.4.2分裂合并法
8.4.3图像水域分割
练习
第9章图像描述与特征提取
9.1灰度描述
9.1.1幅度特征
9.1.2变换系数特征
9.1.3直方图特征
9.2边界描述
9.2.1链码描述
9.2.2傅里叶描述
9.3区域描述
9.3.1几何特征
9.3.2矩
9.4纹理描述
9.4.1矩分析法
9.4.2灰度差分统计法
9.4.3灰度共生矩阵法
9.5常用的特征提取算法
9.6MNIST手写数字识别系统
练习
第10章车牌识别系统
10.1车牌识别系统的主要组成和
工作流程
10.2车牌检测与定位模块
10.2.1边缘检测和数学形态学处理
10.2.2大小形状特征
10.2.3仿射校正
10.2.4颜色特征
10.3车牌字符分割模块
10.3.1字符分割前的预处理
10.3.2水平投影去除上下边界
10.3.3垂直投影字符分割法
10.4车牌识别模块
10.4.1准备数据样本
10.4.2训练模型阶段
10.4.3识别字符阶段
练习
附录图像处理实验指导
（Python版）
实验一Python图像处理编程基础
实验二空域图像增强
实验三频域图像增强
实验四图像复原
实验五图像分割
参考文献