数字图像处理 MATLAB版【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

数字图像处理 MATLAB版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　数字图像处理学习方法1

1.1　数字图像处理技术学习对策1

1.2　新知识和技术进展学习攻守策略2

1.3　工程训练或研究课题推荐学习方式3

1.4　数字图像处理技术的应用前景4

第2章　小波分析基本理论6

2.1　Fourier变换到小波分析6

2.2　积分小波变换和时间-频率分析7

2.3　小波的多分辨分析与分解重构8

2.4　Mallat算法11

2.5　用提升方法构造的整数小波13

第3章　图像处理中的压缩编码／解码16

3.1　标量量化的JPEG压缩编码17

3.2　矢量量化编码19

3.3　基于小波变换的图像压缩20

3.3.1　编码原理21

3.3.2 图像统计特性和适合图像数据压缩小波基的确定23

3.3.3　基于小波变换的零树编码和集复合树编码压缩24

3.3.3.1　零树编码（EZW）24

3.3.3.2　集分割复合树（SPIHT）编码27

3.3.4　基于小波变换的对块零树编码压缩30

3.3.4.1　对块零树编码原理30

3.3.4.2　实验结果和结论32

3.4　小波树结构快速矢量量化编码方法34

3.4.1　小波树及其树结构矢量量化35

3.4.2　小波树结构矢量量化压缩编码37

3.4.3　小波树结构矢量量化编码快速算法实现37

3.5　码矢量激励预测编码39

3.5.1　预测图40

3.5.2　块截短编码42

3.5.3　改进块截短编码43

3.6　WT+IBTC压缩研究实验和结论44

3.7　三维多光谱数据压缩45

3.7.1　多光谱遥感图像KLT及其统计特征分析46

3.7.2　KLT码流分配的方法设计47

3.7.3.1　KLT+JPEG压缩49

3.7.3　实验结果和讨论49

3.7.3.2　基于KLT/WT+SFCVQ三维谱像数据压缩50

3.7.3.3　SFCVQ压缩编码51

3.7.3.4　实验结果与讨论52

3.8　本章部分程序54

习题62

第4章　空间域内图像增强63

4.1　均值滤波63

4.1.1　均值滤波的基本理论63

4.1.2　均值滤波器65

4.2　线性加权滤波66

4.3　梯度倒数加权滤波67

4.4.2　Digital TV线性滤波器69

4.4　基于Digital TV模型的线性滤波器69

4.4.1　TV模型69

4.5　边缘检测和噪声分类相结合的线性滤波器72

4.5.1　图像边缘检测算子72

4.5.1.1　灰度梯度算子72

4.5.1.2　Roberts交叉算子73

4.5.1.3　Sobel算子73

4.5.1.4　Kirsch算子74

4.5.1.5　Laplace算子74

4.5.1.6　分块平均的边缘检测方法74

4.5.2　分块平均边缘检测和噪声分类相结合的滤波器76

4.6　中值滤波器78

4.7　基于个数判断脉冲噪声的中值滤波器79

4.8 自适应门限的中值滤波器82

4.9　图像增强83

4.10　直方图处理85

4.10.1　直方图均衡化85

4.10.2　直方图规定化86

小结87

习题87

第5章　频率域内图像增强88

5.1　用巴特沃斯（Butterworth）滤波器进行图像滤波设计88

5.1.1　点阵图像的频谱特性及滤波方案88

5.1.2　模拟巴特沃斯低通滤波器设计89

5.1.4　数字低通、高通、带通滤波器90

5.1.3　模拟低通滤波器转变为数字低通滤波器90

5.1.5　巴特沃斯滤波器实验结果91

5.2　同态滤波92

5.2.1　图像形成模型92

5.2.2　同态滤波器92

小结94

习题94

第6章　小波域去噪滤波器95

6.1　门限相关的小波去噪滤波器95

6.1.1　Donoho软门限去噪滤波器95

6.1.2　硬门限去噪滤波器97

6.1.3　GCV阈值和SURE阈值软门限去噪滤波器98

6.1.4　Bayes估计阈值软门限去噪滤波器100

6.2　基于Context模型的空间自适应小波去噪滤波器101

6.3　基于尺度和空间混合模型的小波图像去噪滤波器104

6.4　基于隐马尔可夫树模型的小波去噪滤波器107

6.5　基于尺度空间和Context模型相结合的自适应小波去噪滤波器111

6.6　SAR图像处理116

6.6.1　SAR图像增强系统结构设计117

6.6.2　实验结果和结论118

小结121

习题121

7.1.1　基于像素的运动估计122

第7章　数字视频处理122

7.1　运动估计122

7.1.2　基于块的运动估计123

7.1.2.1　相位相关算法123

7.1.2.2　块匹配算法123

7.1.3　多分辨率运动估计127

7.1.4　几种运动估计方法的比较128

7.2　运动补偿130

7.2.1　运动补偿方式131

7.2.2　多假设运动补偿132

7.2.4　重叠可变块运动补偿133

7.2.3　重叠块运动补偿133

7.3　去隔行算法135

7.3.1　非运动补偿的去隔行算法135

7.3.1.1　线性滤波去隔行135

7.3.1.2　非线性滤波去隔行136

7.3.2　运动补偿的去隔行算法137

7.3.2.1　时域反向投影算法137

7.3.2.2　时间递归算法138

7.3.3　其他去隔行算法139

7.3.3.1　GAH去隔行算法139

7.3.3.2　MADM去隔行算法140

7.3.3.3　AMMC算法142

7.3.4　仿真结果146

7.4 去隔行算法FPGA实现149

7.4.1　VLSI设计方法简介150

7.4.2　去隔行算法FPGA实现150

7.4.2.1　运动检测模块151

7.4.2.2　插值系数计算模块152

7.4.2.3　帧内插值模块153

7.4.2.4　帧间插值模块154

7.4.2.5 自适应插值模块154

7.4.2.6　输出控制模块155

7.4.2.7　系统仿真综合结果156

7.5.1　SPIHT编码的C语言实现157

7.5　小波SPIHT编码方法C语言及DSP实现157

7.5.2 小波SPIHT编码在C6701评估板上实现159

7.5.2.1　WT6701PA DSP评估板介绍159

7.5.2.2　TMS320C6701 DSP结构160

7.5.2.3　流水线性能考虑事项162

7.5.2.4　C6701 DSP程序开发流程和CCS简介164

7.5.2.5　在WT6701PA板上实现图像高速小波变换166

7.5.2.6　SPIHT编码在WT6701PA板上实现170

7.5.2.7　WT6701PA板和主机之间的通信175

第8章　图像融合算法180

8.1　图像融合技术的发展过程180

8.2　基于小波变换图像融合的基本原理181

8.3.1　均值和标准差182

8.3　融合效果性能评价指标182

8.3.2 熵183

8.3.3　平均梯度183

8.3.4　互信息183

8.3.5　归一化指标184

8.4　高频域融合算法研究184

8.4.1　均值法185

8.4.2　最大值法185

8.4.3　基于区域的最大值法186

8.4.4　基于区域能量的图像融合算法187

8.4.5　基于边缘强度的自适应融合法189

8.4.6.1　PCNN的基本模型190

8.4.6　基于PCNN的图像融合算法190

8.4.6.2　图像融合中的PCNN设计191

8.4.6.3　基于PCNN的高频域融合算法实现192

8.4.7 改进的PCNN图像融合算法195

8.4.8　高频域内不同融合算法的比较196

8.5　低频域融合方法202

8.5.1　低频平均法203

8.5.2　基于低频域边缘的选择方案203

8.5.3　基于PCNN的低频域融合算法204

8.5.4　低频域内不同融合算法的比较205

8.6　最终融合结果208

第9章　计算机图形学基本实践212

9.1　立方体上贴图片及3D动画显示213

9.1.1　原理、设计和算法214

9.1.1.1　立方体建模，视-屏坐标系建模214

9.1.1.2　立方体的3D显示215

9.1.1.3　模型变换215

9.1.1.4　观察变换216

9.1.1.5　消隐处理216

9.1.1.6　投影变换217

9.1.1.7　屏平面至视区的变换217

9.1.2　表面图案纹理的粘贴及光照效果的添加218

9.1.2.1　纹理映射218

9.1.2.2　添加光照效果219

9.1.3　实验过程220

9.1.4　结果和讨论223

9.2　棋盘上放置透明球的阴影和透明效果224

9.2.1　原理、设计和算法224

9.2.2　算法和程序的总体设计225

9.2.3　实验过程229

9.2.4　结果及讨论230

小结231

习题232

附录1　MATLAB中图像工具箱基本技巧233

附录2　练习题参考答案和部分应用程序276

参考文献304