Visual C++.NET數(shù)字圖像處理技術(shù)與應(yīng)用

第1章 數(shù)字圖像處理概述
1.1 圖像處理方法概述
1.1.1 圖像數(shù)字化處理簡介
1.1.2 數(shù)字圖像處理方法簡介
1.2 數(shù)字圖像處理系統(tǒng)
1.2.1 輸入系統(tǒng)
1.2.2 輸出系統(tǒng)
1.2.3 計算機處理器
1.2.4 大容量存儲器
1.3 數(shù)字圖像處理的主要研究內(nèi)容
第2章 數(shù)字圖像處理基礎(chǔ)
2.1 光度學(xué)簡介
2.1.1 光譜光視效率
2.1.2 明視覺. 暗視覺和介視覺
2.1.3 光通量和發(fā)光強度
2.1.4 亮度
2.1.5 照度
2.2 色度學(xué)簡介
2.2.1 彩色視覺基礎(chǔ)
2.2.2 顏色視覺理論
2.3 連續(xù)圖像簡介
2.3.1 連續(xù)圖像的表達式
2.3.2 二維線性系統(tǒng)
2.3.3 各種算子
2.3.4 連續(xù)圖像的統(tǒng)計模型
2.4 圖像的數(shù)字化
2.4.1 確定型圖像場抽樣和重建
2.4.2 隨機圖像場抽樣
2.4.3 抽樣圖像的量化
2.4.4 掃描. 彩色制式以及彩色空間的線性變換
第3章 數(shù)字圖像文件格式
3.1 數(shù)字圖像的存儲
3.1.1 位映射圖像
3.1.2 矢量圖像
3.2 MacPaint圖像文件格式
3.2.1 Mac Binary Header
3.2.2 圖案數(shù)據(jù)
3.2.3 圖像數(shù)據(jù)
3.2.4 創(chuàng)建MacPaint圖像文件
3.3 BMP圖像文件格式
3.3.1 位圖文件頭
3.3.2 位圖信息頭
3.3.3 調(diào)色板
3.3.4 實際的位圖數(shù)據(jù)
3.4 GIF圖像文件格式
3.4.1 GIF文件頭
3.4.2 邏輯屏幕描述塊
3.4.3 全局彩色表
3.4.4 圖像描述塊
3.4.5 局部彩色表
3.4.6 表基圖像數(shù)據(jù)
3.4.7 圖形控制擴展塊
3.4.8 無格式文本擴展塊
3.4.9 注釋擴展塊
3.4.10 應(yīng)用程序擴展塊
3.4.11 GIF文件結(jié)束塊
3.5 TIFF圖像文件格式
3.5.1 TIFF圖像文件頭
3.5.2 TIFF文件目錄
3.5.3 數(shù)據(jù)區(qū)塊
3.5.4 TIFF圖像文件分類
3.5.5 TIFF數(shù)據(jù)壓縮方法
3.6 PCX圖像文件格式
3.6.1 PCX圖像文件的結(jié)構(gòu)
3.6.2 PCX文件頭
3.6.3 PCX圖像壓縮數(shù)據(jù)
3.7 JPG圖像文件格式
3.7.1 JPEG編碼過程
3.7.2 JPEG文件結(jié)構(gòu)
3.8 PNG圖像文件格式
3.8.1 PNG圖像文件結(jié)構(gòu)簡介
3.8.2 PNG文件署名域
3.8.3 數(shù)據(jù)塊結(jié)構(gòu)
3.8.4 數(shù)據(jù)塊摘要
3.9 Visual C
.NET編程實現(xiàn)
3.9.1 Windows編程
3.9.2 源代碼及其說明
3.9.3 編譯條件
3.9.4 運行結(jié)果
第4章 圖像的幾何變換
4.1 圖像幾何變換的基礎(chǔ)知識
4.1.1 一般變換
4.1.2 仿射交換
4.1.3 透視變換
4.1.4 多項式變換
4.1.5 插值
4.1.6 抗混疊技術(shù)
4.2 圖像平移
4.2.1 基本原理
4.2.2 Visual C
.NET編程實現(xiàn)
4.3 圖像旋轉(zhuǎn)
4.3.1 基本原理
4.3.2 Visual C
.NET編程實現(xiàn)
4.4 圖像鏡像
4.4.1 基本原理
4.4.2 Visual C
.NET編程實現(xiàn)
4.5 圖像轉(zhuǎn)置
4.5.1 基本原理
4.5.2 Visual C
.NET編程實現(xiàn)
4.6 圖像縮放
4.6.1 基本原理
4.6.2 Visual C
.NET編程實現(xiàn)
4.7 插值算法
4.7.1 最近鄰插值
4.7.2 雙線性插值
4.7.3 雙三次插值
第5章 圖像的正交變換
5.1 正交函數(shù)的概念
5.2 連續(xù)傅里葉交換
5.2.1 傅里葉變換的基本概念
5.2.2 博里葉變換的性質(zhì)
5.3 離散傅里葉變換
5.3.1 離散傅里葉交換的基本概念
5.3.2 離散傅里葉變換的性質(zhì)
5.3.3 快速傅里葉變換
5.3.4 Visual C
.NET編程實現(xiàn)圖像博里葉交換
5.4 離散余弦變換
5.4.1 離散余弦變換的基本概念
5.4.2 離散余弦變換的性質(zhì)
5.5 沃爾什變換
5.5.1 沃爾什函數(shù)簡介
5.5.2 沃爾什函數(shù)的理論基礎(chǔ)
5.5.3 沃爾什函數(shù)的性質(zhì)
5.5.4 離散沃爾什變換
5.6 Hadamard變換
5.7 Slant變換
5.8 離散K－L變換
5.8.1 一維K－L變換
5.8.2 圖像的K－L變換
5.8.3 K－L變換的性質(zhì)
5.8.4 DCT與K－L變換的關(guān)系
5.8.5 K－L變換的應(yīng)用
5.9 奇異值分解變換
第6章 圖像增強
6.1 空域變換增強
6.1.1 灰度級修正
6.1.2 灰度變換法
6.1.3 直方圖修正
6.2 空域濾波增強
6.2.1 圖像的空域平滑
6.2.2 圖像的空域銳化
6.3 頻域增強
6.3.1 頻域增強的理論基礎(chǔ)
6.3.2 圖像的頻域平滑
6.3.3 圖像的頻域銳化
6.3.4 同態(tài)濾波
6.4 彩色增強
6.4.1 偽彩色增強
6.4.2 真彩色增強
第7章 圖像的數(shù)學(xué)形態(tài)學(xué)運算
7.1 數(shù)學(xué)形態(tài)學(xué)基礎(chǔ)知識
7.1.1 圖像與數(shù)學(xué)形態(tài)學(xué)的關(guān)系
7.1.2 數(shù)學(xué)形態(tài)學(xué)運算的設(shè)計原則
7.1.3 圖像的定量分析原則
7.1.4 數(shù)學(xué)形態(tài)學(xué)中的基本符號與術(shù)語
7.2 圖像的腐蝕
7.2.1 圖像腐蝕簡介
7.2.2 腐蝕的編程實現(xiàn)
7.3 圖像的膨脹
7.3.1 圖像膨脹簡介
7.3.2 腐蝕和膨脹的代數(shù)性質(zhì)
7.3.3 膨脹的編程實現(xiàn)
7.4 開運算和閉運算
7.4.1 開運算和閉運算的基本概念
7.4.2 開運算和閉運算的代數(shù)性質(zhì)
7.4.3 開運算和閉運算的編程實現(xiàn)
7.5 擊中與擊不中
7.6 圖像的骨架與細化算法
7.6.1 基本概念
7.6.2 圖像細化的編程實現(xiàn)
7.7 灰度圖像的數(shù)學(xué)形態(tài)學(xué)
7.7.1 投影. 表面函數(shù)與陰影集合
7.7.2 灰度圖像的腐蝕
7.7.3 灰度圖像的膨脹
7.7.4 灰度圖像的開運算和閉運算
7.7.5 灰度圖像的基本幾何特征
7.7.6 灰度圖像代數(shù)運算的另一種定義方法
第8章 圖像的邊緣檢測. 提取以及輪廓跟蹤
8.1 邊緣檢測
8.1.1 基本概念
8.1.2 基于經(jīng)典微分算子的邊緣檢測
8.1.3 經(jīng)典邊緣檢測算子的性能比較
8.1.4 LOG濾波器與Marr－Hildreth邊緣檢測算子
8.1.5 多灰度圖像的邊緣聚焦法
8.1.6 Carnny邊緣檢測算子
8.1.7 基于曲面擬合的邊緣檢測方法
8.1.8 松弛標記法
8.1.9 經(jīng)典邊緣檢測算子的編程實現(xiàn)
8.2 邊界描述
8.2.1 Hough變換
8.2.2 Freeman鏈碼
8.2.3 Hough變換的編程實現(xiàn)
8.3 邊緣提取. 輪廓跟蹤以及種子填充算法
8.3.1 邊緣提取
8.3.2 輪廓跟蹤
8.3.3 種子填充算法
8.3.4 邊緣提取與輪廓跟蹤的編程實現(xiàn)
第9章 圖像復(fù)原
9.1 圖像的退化
9.2 圖像復(fù)原的模型
9.2.1 圖像復(fù)原的一般模型
9.2.2 離散復(fù)原模型
9.3 連續(xù)圖像的復(fù)原
9.3.1 逆濾波法
9.3.2 維納濾波法
9.3.3 參數(shù)估值濾波法
9.4 離散圖像的復(fù)原
9.4.1 偽逆法
9.4.2 奇異值分解法
9.4.3 約束復(fù)原法
9.5 離散圖像的統(tǒng)計復(fù)原
9.5.1 線性回歸法
9.5.2 維納估計法
9.5.3 非線性約束復(fù)原法
9.6 運動模糊圖像的復(fù)原
9.7 退化模型未知時的復(fù)原方法
9.8 點擴展函數(shù)的確定
9.8.1 均勻直線運動時的點擴散函數(shù)
9.8.2 散焦時的點擴散函數(shù)
9.8.3 高斯降晰函數(shù)
9.8.4 大氣湍流時的點擴展函數(shù)
9.9 幾何畸變校正
9.9.1 圖像幾何學(xué)
9.9.2 圖像的幾何畸變
9.9.3 圖像的幾何校正
9.9.4 地球資源衛(wèi)星多光譜掃描圖像的幾何校正
9.9.5 灰度值的確定
第10章 圖像重建
10.1 圖像重建的物理基礎(chǔ)
10.1.1 傳輸式投影
10.1.2 計算機層析攝影原理
10.2 圖像的重建算法
10.2.1 問題的陳述
10.2.2 變換方法
10.2.3 級數(shù)展開法
10.3 反投影法
10.3.1 連續(xù)反投影
10.3.2 反投影算子的實現(xiàn)
10.4 平行束的卷積法
10.4.1 卷積. 希爾伯特變換和正則化
10.4.2 卷積法的推導(dǎo)
10.4.3 卷積法的實現(xiàn)
10.4.4 卷積法的優(yōu)點
10.5 傅里葉重建法
10.6 發(fā)散束的卷積法
10.6.1 發(fā)散束的卷積算法
10.6.2 卷積函數(shù)的選擇
10.6.3 點響應(yīng)函數(shù)
10.6.4 噪聲的重建
10.6.5 重排
參考文獻