- 数字图像处理(MATLAB版高等学校计算机专业系列教材)
- - 作者：编者:李丽宏//李志华//马永强|责编:龙启铭//王玉梅
  - 出版社：清华大学
  - ISBN：9787302698883
  - 出版日期：2025/09/01
  - 页数：210
- 售价：19.6

内容大纲
“数字图像处理”已成为高等学校电子信息及计算机类专业的核心课程之一。本书依据编者多年“数字图像处理”课程的教学经验，参考相关文献并结合实际科研应用案例编写而成，主要介绍数字图像处理的基本概念、原理以及应用。全书共10章，前9章分别为绪论、图像处理基础知识、图像变换、图像增强、图像压缩编码、图像分割、图像形态学、图像描述、神经网络与深度学习，第10章为应用案例，引导读者回顾所学内容、查漏补缺、融会贯通，加深对图像处理算法的综合理解，提高实践能力。
本书从易到难，从简单到复杂，突出重点，难度适宜，并配备相应MATLAB程序进行理论仿真，循序渐进地带领读者学习并掌握关键知识，非常适合作为相关专业本科生和研究生的“数字图像处理”课程教材，也可供相关领域的从业者参考使用。
作者介绍
目录
第1章  绪论
  1.1  图像与像素
  1.2  数字图像处理发展概述
  1.3  图像处理的任务
  1.4  基本的图像处理系统
    1.4.1  图像处理硬件系统
    1.4.2  图像处理软件系统
  1.5  数字图像处理技术的应用
    1.5.1  航空航天领域的应用
    1.5.2  生物医学领域的应用
    1.5.3  通信领域的应用
    1.5.4  工业领域的应用
    1.5.5  军事和公安领域的应用
    1.5.6  文化艺术领域的应用
  习题一
第2章  图像处理基础知识
  2.1  人类视觉与色度学基础
    2.1.1  人类视觉
    2.1.2  色度学基础
  2.2  颜色模型
    2.2.1  RGB模型
    2.2.2  HSV模型
    2.2.3  HSI模型
    2.2.4  CMYK模型
    2.2.5  YCbCr模型
  2.3  图像数字化方法
  2.4  数字图像表示方法
    2.4.1  灰度图像
    2.4.2  彩色图像
    2.4.3  二值图像
    2.4.4  索引图像
  2.5  图像的统计特征
  习题二
第3章  图像变换
  3.1  概述
  3.2  傅里叶变换
    3.2.1  连续傅里叶变换
    3.2.2  离散傅里叶变换
    3.2.3  应用傅里叶变换应注意的问题
  3.3  离散余弦变换
    3.3.1  一维离散余弦变换
    3.3.2  二维离散余弦变换
  3.4  离散沃尔什变换
    3.4.1  一维离散沃尔什变换
    3.4.2  二维离散沃尔什变换
  3.5  离散哈达玛变换
    3.5.1  一维离散哈达玛变换
    3.5.2  二维离散哈达玛变换
  习题三
第4章  图像增强

  4.1  概述
    4.1.1  图像增强技术分类
    4.1.2  图像增强技术与图像复原技术的关系
  4.2  空域图像增强
    4.2.1  空域点运算增强
    4.2.2  空域区域增强
  4.3  频域图像增强
    4.3.1  低通滤波
    4.3.2  高通滤波
  习题四
第5章  图像压缩编码
  5.1  数字图像压缩基本概念
    5.1.1  熵
    5.1.2  平均码长
    5.1.3  编码效率
    5.1.4  压缩比
    5.1.5  统计编码
  5.2  Huffman压缩编码
  5.3  Shannon压缩编码
  5.4  算术编码
  5.5  预测编码与变换编码
  习题五
第6章  图像分割
  6.1  图像分割概述
  6.2  像素邻域与连通性
  6.3  阈值分割
    6.3.1  全局阈值分割
    6.3.2  局部阈值分割
  6.4  区域生长
  6.5  边缘检测
    6.5.1  边缘检测的基本原理
    6.5.2  边缘检测的实现
  6.6  Hough变换
    6.6.1  Hough变换检测原理
    6.6.2  Hough变换检测的实现
  习题六
第7章  图像形态学
  7.1  图像腐蚀
  7.2  图像膨胀
  7.3  图像开运算
  7.4  图像闭运算
  习题七
第8章  图像描述
  8.1  二值图像几何特征
  8.2  二维形状描述
    8.2.1  分散度
    8.2.2  矩不变量
  8.3  纹理描述
    8.3.1  纹理分析概述
    8.3.2  基于共生矩阵的纹理特征分析技术

  习题八
第9章  神经网络与深度学习
  9.1  神经网络
    9.1.1  感知器
    9.1.2  多层感知器
  9.2  深度学习
    9.2.1  深度学习模型
    9.2.2  激活函数
    9.2.3  损失函数
    9.2.4  模型评估指标
  习题九
第10章  应用案例
  10.1  传统图像处理算法应用案例
  10.2  深度学习算法应用案例

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目