数字图像处理广泛应用于自动化、电子信息及计算机等重要领域。本书作为数字图像处理的入门教材，在内容上尽可能涵盖数字图像处理基础知识的各个方面。全书共8章，分为3个部分：第1部分（第1章和第2章）介绍数字图像处理的基础知识和基本处理方法；第2部分（第3~5章）介绍典型的数字图像处理任务（图像重建、复原与分割）和常用方法；第3部分（第6～8章）介绍图像分析与理解方法，内容涉及图像表示、识别与生成。每章都附有思考题与习题和相关文献，有兴趣的读者可以进一步钻研探索。　　本书可作为高等院校自动化、电子信息、计算机及相关专业本科生或研究生的教材，也可供对数字图像处理感兴趣的研究人员和工程技术人员参考。　　本书配有以下教学资源：PPT课件、教学大纲、程序代码、习题答案，欢迎选用本书作教材的教师，登录www. cmpedu. com注册后下载，或发邮件至jinacmp＠163. com索取。

本书遵循教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念，融入思政元素，注重理论与实践相结合。

本书是一本介绍数字图像处理的教科书，为了使尽可能多的读者通过本书对数字图像处理有所了解，本书尝试尽可能少地涉及数学知识。然而，少量的概率统计和线性代数与微积分知识似乎不可避免。因此，本书更适合大学二年级以上的理工科本科生和研究生，以及具有类似背景的对数字图像处理和计算机视觉感兴趣的读者。　　全书共8章，大体上可分为3个部分：第1部分包括第1章和第2章，介绍数字图像处理的基础知识和基本处理方法；第2部分包括第3~5章，介绍典型的数字图像处理任务和常用方法；第3部分包括第6~8章，介绍图像分析与理解等进阶知识。除了前2章，其他各章均相对独立，读者可以根据自己的兴趣和具体情况选择使用。　　本书针对每章中介绍的模型和方法原理，给出知识点相应的Python程序代码，读者可通过书中二维码获得。除第1章外，其他每章都给出课程项目，通过课程项目牵引串联理论知识点，帮助读者巩固本章所学知识，并引导读者扩展相关知识。　　本书力求理论概念严谨，论证简明扼要，在具备理论性、系统性和实用性的同时，突出实时性。图像处理技术飞速发展，本书力争体现近年来的最新研究成果和已经得到广泛使用的典型技术，这些内容既参考了有关学术文献又结合了作者的一些研究工作成果以及近年来的教学教案。　　本书由哈尔滨工程大学智能科学与工程学院相关教师共同编写，其中第1章由邢向磊和刘涛编写；第2章由丛山编写；第3章、第7章和第8章由邢向磊编写；第4章由邢会明和邢向磊编写；第5章由叶秀芬编写；第6章由姚晓辉和丛山编写。全书由邢向磊和丛山统稿。　　由于编者水平有限，书中错漏之处在所难免，恳请广大读者批评指正。　　编者

高等院校教师

目录前言第1章绪论1.1数字图像处理的起源和发展历程1.1.1数字图像处理的发展历史1.1.2数字图像处理的发展现状及人工智能变革的机遇1.2数字图像处理实例1.2.1图像增强实例1.2.2图像去噪实例1.2.3图像复原实例1.2.4图像识别实例1.2.5图像生成实例1.3数字图像处理系统1.3.1图像处理系统的构成1.3.2相机几何模型1.3.3光度立体与图像形成的光照模型1.3.4数字图像的表示与图像处理基本步骤本章小结思考题与习题参考文献第2章图像增强2.1数字图像处理基础2.1.1线性操作与非线性操作2.1.2空间操作2.1.3概率方法2.2点运算和灰度变换2.2.1图像反转2.2.2对数变换2.2.3幂律变换2.3直方图处理2.3.1直方图基本概念与绘制2.3.2直方图均衡化2.3.3直方图规定化2.3.4局部直方图均衡化2.3.5传统图像风格转换算法2.4卷积与空间滤波2.4.1空间滤波基础2.4.2平滑空间滤波器2.4.3锐化空间滤波器2.5频域滤波2.5.1基本概念与频域滤波基础2.5.2二维傅里叶变换的一些性质2.5.3频域平滑滤波器2.5.4频域锐化滤波器2.6基于深度学习的图像增强2.6.1深度学习基础2.6.2神经网络2.6.3卷积神经网络2.6.4基于深度学习的图像风格转换2.6.5基于深度学习技术的图像彩色增强2.7本章课程项目实验本章小结思考题与习题参考文献第3章图像重建与几何变换3.1基于统计学习的图像重建基础3.1.1主成分分析基础3.1.2基于PCA的图像重建与压缩3.1.3图像表观信息与几何信息3.2图像几何变换与重建3.2.1仿射与射影几何变换3.2.2图像插值算法3.2.3图像形变与标准姿态对齐3.3基于深度学习的图像重建与解耦3.3.1基于深度学习的图像重建3.3.2基于深度学习的图像表观与几何信息解耦3.4本章课程项目实验本章小结思考题与习题参考文献第4章图像复原4.1图像退化与复原处理4.2噪声模型4.2.1噪声的空间和频率特性4.2.2一些重要的噪声概率密度函数4.2.3周期噪声4.2.4估计噪声参数4.3图像退化函数估计4.3.1采用观察法估计退化函数4.3.2采用试验法估计退化函数4.3.3采用建模法估计退化函数4.4最小均方误差滤波器4.5图像去雾模型4.5.1基于暗通道先验的图像去雾算法4.5.2水下图像复原模型4.6基于深度学习的图像复原4.7本章课程项目实验本章小结思考题与习题参考文献第5章图像分割5.1基础知识与边缘检测5.1.1点与线检测5.1.2边缘检测5.1.3Canny边缘检测5.1.4边缘连接与霍夫变换5.2阈值处理5.2.1全局阈值处理5.2.2基于OTSU的全局阈值处理5.3基于图论的图像分割5.3.1图论基础5.3.2基于图割法的图像分割5.4基于马尔可夫随机场的图像分割5.4.1马尔可夫随机场基础5.4.2基于MRF的图像分割5.5基于深度学习的图像分割5.5.1基于深度学习的图像语义分割5.5.2基于深度学习的图像实例分割5.6本章课程项目实验本章小结思考题与习题参考文献第6章图像表示6.1图像表示基础6.2图像角点检测6.2.1角点表示目标函数6.2.2Harris角点检测算法6.3多分辨率与图像金字塔6.3.1图像多分辨率技术6.3.2高斯和拉普拉斯金字塔6.3.3多分辨率展开6.4经典图像表示描述子6.4.1尺度不变特征变换SIFT6.4.2方向梯度直方图HOG6.4.3局部二值描述LBP6.5图像纹理表示6.5.1纹理分析基础6.5.2基于马尔可夫随机场的图像纹理描述6.5.3基于深度学习的图像纹理描述6.6本章课程项目实验本章小结思考题与习题参考文献第7章图像识别7.1构建图像分类问题模型7.1.1基于贝叶斯决策理论的图像分类模型7.1.2基于PCA/FDA的人脸识别模型7.1.3基于深度学习的图像分类模型7.2构建图像检测问题模型7.2.1基于HOG结合支持向量机的行人检测7.2.2基于Harr小波与集成分类器的人脸检测7.2.3基于深度学习的图像检测模型7.3本章课程项目实验本章小结思考题与习题参考文献第8章图像生成8.1图像生成技术概述8.2基于隐变量描述的图像生成技术8.2.1概率框架下的隐变量模型8.2.2基于EM的交替反向传播算法8.3多视图与多模态图像生成模型8.3.1多视图与多模态图像生成概述8.3.2多视图图像生成8.3.3多模态生成模型8.4基于变分自编码器的图像生成8.4.1变分推断8.4.2基于VAE的图像生成与重建技术8.5基于生成对抗网络的图像生成8.5.1概率框架下的生成对抗模型8.5.2基于GAN的图像生成技术8.5.3基于条件GAN的图像生成技术8.6本章课程项目实验本章小结思考题与习题参考文献