計算機圖像處理

第1章 總論
1.1 何謂計算機圖像處理
1.1.1 計算機圖像信息處理的變遷
1.1.2 圖像處理和計算機圖形學
1.1.3 其他有關的技術領域
1.2 計算機圖像處理的特點
1.2.1 圖形.圖像.影像
1.2.2 數(shù)字圖像的優(yōu)點
1.2.3 圖像處理方法的分類及其關系
1.3 計算機圖像處理的利用目的
第2章 基本概念
2.1 計算機圖像數(shù)據(jù)處理
2.1.1 數(shù)字圖像
2.1.2 數(shù)字圖像在計算機內(nèi)的處理
2.2 直方圖
2.2.1 直方圖
2.2.2 直方圖的性質
2.2.3 直方圖的典型用法
2.2.4 直方圖的計算方法
2.3 圖像處理算法的形式
2.3.1 圖像處理功能
2.3.2 圖像處理運算的形式
2.3.3 局部處理和大局處理
2.3.4 并行處理和串行處理
2.3.5 跟蹤處理
2.3.6 迭代處理
2.3.7 位置不變處理和位置可變處理
2.3.8 窗口處理和模板處理
2.4 頻率域內(nèi)的處理
2.4.1 空間頻率
2.4.2 傅里葉變換
2.4.3 二維傅里葉變換
2.4.4 二維離散的傅里葉變換結果中的頻率分布
2.4.5 空間頻率域的濾波處理
2.4.6 二維離散的傅里葉變換的計算量
2.4.7 傅里葉變換的應用領域
2.5 其他的正交變換
2.6 圖像的表示和數(shù)據(jù)結構
2.6.1 圖像的數(shù)據(jù)結構
2.6.2 線圖像的表示
2.6.3 圖像的特征表示
2.7 彩色信息的處理
2.7.1 彩色信息處理的基礎
2.7.2 依據(jù)與色光有關的三刺激值的表示方法
2.7.3 依據(jù)亮度和兩個色差值的表示方法
2.7.4 依據(jù)顏色的三屬性的表示方法
2.8 圖像信息的顯示
2.8.1 中間色調(diào)顯示
2.8.2 限定色顯示
第3章 圖像信息的壓縮
3.1 圖像信息壓縮的意義
3.2 圖像的數(shù)據(jù)量和壓縮的標準
3.3 圖像編碼的結構
3.3.1 信息源編碼
3.3.2 圖像信息中包含的各種冗長度
3.3.3 空間上的冗長度的削減
3.4 預測編碼
3.4.1 預測編碼方法
3.4.2 預測編碼的結構
3.4.3 各種各樣的預測方法
3.4.4 時間軸方向上的預測
3.4.5 可動補償預測
3.4.6 動向量的檢測方法
3.5 變換編碼
3.5.1 變換編碼方法
3.5.2 變化編碼的基本結構
3.5.3 變換系數(shù)的編碼
3.6 平均信息量編碼
3.6.1 可變長編碼
3.6.2 平均信息量
3.6.3 代碼分配
3.6.4 霍夫曼編碼
3.6.5 算術編碼
3.7 實用的圖像編碼方式
3.7.1 靜止圖像編碼
3.7.2 運動圖像編碼
3.7.3 二值圖像編碼
第4章 圖像質量改善和圖像的重建
4.1 增強，復原，重建
4.2 對比度增強
4.2.1 灰度等級變換
4.2.2 直方圖變換
4.2.3 偽彩色顯示
4.3 銳化
4.4 平滑和噪聲消除
4.4.1 移動平均法
4.4.2 中值濾波
4.4.3 保持邊緣的平滑
4.4.4 滯后平滑
4.4.5 周期性噪聲和孤立噪聲的消除
4.5 圖像的復原
4.5.1 圖像劣化的模型
4.5.2 逆濾波
4.5.3 維納濾波
4.5.4 維納濾波的擴充
4.6 圖像的校正
4.6.1 幾何畸變的校正
4.6.2 輻射量畸變的校正
4.7 圖像的重建
4.7.1 計算機斷層法
4.7.2 依據(jù)投影數(shù)據(jù)的斷層圖像的復原
4.7.3 連續(xù)斷層圖像和體積數(shù)據(jù)
第5章 二值圖像處理
5.1 二值圖像處理的意義及其流程
5.2 圖像的二值化處理
5.2.1 二值化和閾值選擇
5.2.2 多值化
5.2.3 可變閾值法
5.3 二值圖像的連接性和距離
5.3.1 二值圖像的連接性
5.3.2 距離
5.4 二值圖像的分析和變換
5.4.1 連接成分的分析
5.4.2 二值圖形的變換
5..5 形態(tài)學運算
5.5.1 形態(tài)學運算的基礎
5.5.2 根據(jù)形態(tài)學運算的二值圖像處理
5.6 形狀的特征與表示
5.6.1 圖形的形狀特征
5.6.2 圖形的形狀表示
5.7 三維二值圖像處理
5.7.1 三維二值圖像
5.7.2 連接性與距離
5.7.3 三維連接成分的處理
第6章 圖像的特征提取
6.1 以圖像分析.識別為目的的特征提取
6.2 邊緣檢測
6.2.1 邊緣的模型
6.2.2 圖像的微分
6.2.3 基于梯度的邊緣檢測
6.2.4 基于拉普拉斯算子的邊緣檢測
6.2.5 根據(jù)最佳適配的邊緣檢測
6.3 線檢測
6.3.1 線檢測算子
6.3.2 非極大點的抑制
6.3.3 邊緣跟蹤
6.3.4 霍夫變換
6.4 區(qū)域分割
6.4.1 區(qū)域擴張法
6.4.2 利用特征空間上的群聚的區(qū)域分割
6.5 紋理分析
6.5.1 紋理特征
6.5.2 紋理特征量的計算
6.5.3 紋理區(qū)域的分割
6.5.4 紋理邊緣的檢測
第7章 立體信息和運動的提取
7.1 從二維圖像求深度和運動
7.2 距離信息的提取
7.2.1 照相機模型
7.2.2 立體法的測量原理
7.2.3 被動立體法
7.2.4 主動立體法
7.3 三維形狀的復原
7.3.1 根據(jù)陰影的形狀復原
7.3.2 其他的形狀復原法
7.3.3 照度差立體法
7.4 距離圖像的特征提取
7.4.1 距離圖像的邊緣檢測
7.4.2 距離圖像的區(qū)域提取
7.4.3 形狀的模型化
7.5 從時間序列圖像的運動提取
7.5.1 運動的提取
7.5.2 視覺速度向量場的計算
7.5.3 時空間圖像的利用
7.6 根據(jù)運動的三維形狀復原
7.6.1 根據(jù)運動的形狀復原
7.6.2 根據(jù)時間序列圖像的深度提取
7.6.3 剛體的三維運動的提取
第8章 圖像識別的方法
8.1 圖像的識別及其流程
8.2 依據(jù)二維圖像匹配的位置檢測
8.2.1 依據(jù)樣板匹配的位置檢測
8.2.2 與匹配濾波器的關系
8.2.3 高速樣板匹配
8.2.4 樣板匹配的改進
8.2.5 依據(jù)特征匹配的位置檢測
8.3 依據(jù)二維圖像匹配的識別
8.3.1 依據(jù)樣板匹配的識別
8.3.2 依據(jù)線圖形形狀匹配的識別
8.3.3 依據(jù)能量最小化的形狀匹配
8.3.4 依據(jù)利用射影空間的圖像匹配的識別
8.4 三維物體的識別
8.4.1 向三維的擴展
8.4.2 表示三維形狀的模型
8.4.3 退化成二維的模型
8.4.4 在射影空間表示的模型
8.5 統(tǒng)計圖案識別
8.5.1 特征選擇
8.5.2 分類
8.5.3 依據(jù)最大似然法的分類
8.5.4 依據(jù)識別樹的分類
8.5.5 無教師分類
8.6 部分空間法
8.6.1 CLAFIC法
8.6.2 正交部分空間法
8.6.3 學習部分空間法
第9章 圖像生成的方法
9.1 圖像生成--計算機圖形學
9.2 二維圖形學
9.2.1 圖形的繪制過程
9.2.2 模型變換（視野變換）
9.2.3 直線的繪制
9.2.4 曲線的繪制
9.2.5 填充圖形的繪制
9.2.6 反走樣
9.3 三維模型與數(shù)據(jù)表示
9.3.1 線框模型
9.3.2 表面模型
9.3.3 實體模型
9.4 三維圖形學的基本流程
9.4.1 模型變換和視野變換
9.4.2 裁剪
9.4.3 投影變換
9.5 隱藏線.隱藏面的消除
9.5.1 后向面消隱
9.5.2 深度排序法
9.5.3 z緩沖區(qū)法
9.5.4 掃描線法
9.6 反射模型
9.6.1 光和亮度
9.6.2 反射特性
9.6.3 陰影模型
9.6.4 平滑陰影
9.7 整體光照明模型
9.7.1 二遍法
9.7.2 raytracing法
9.7.3 radiosity法
9.8 紋理變換
9.8.1 紋理變換的基礎
9.8.2 紋理變換的擴充
9.9 基于圖像的重建
9.9.1 無形狀模型數(shù)據(jù)的重建方法
9.9.2 其他的IBR方法
9.10立體數(shù)據(jù)的可視化
9.10.1 等值面顯示
9.10.2 逆映像型積分顯示
參考文獻