禹晶、肖创柏、廖庆敏《数字图像处理（面向新工科的电工电子信息基础课程系列教材）》

本书专为教材定制，历时15年的沉淀和积累，源自三位作者累加超百年科研和教学的积累。配套课件、教学大纲、实验指导书、MATLAB源代码、习题解答、微课、动图、拓展阅读等教辅资源，为教学提供全方位服务。若选用本书作为教材，则提供进一步的教学支撑。

本书在Gonzalez所著的《数字图像处理》知识体系和内容架构的基础上，对线性空域滤波、图像去噪、几何校正、Otsu 阈值法、区域生长法、膨胀与腐蚀、特征提取等章节进行重新梳理，对直方图均衡化、直方图规定化、最小二乘复原、逆滤波、维纳滤波等内容进行修正。主要贡献在于：

• 增加图像插值的内容，几何校正独立成章
  本书增加图像插值的内容，由于几何校正包括空间变换和灰度插值两个阶段，将几何变换和图像插值两大部分的内容组织成章。除了在几何校正中的应用，几何变换和图像插值都各自有其广泛的应用。在图像插值部分，从插值核函数的角度介绍了三种常用的图像插值方法，通过统一的框架描述有助于直观地比较这三种插值方法。

• 对直方图均衡化、直方图规定化方法进行修正
  直方图规定化是从原累积直方图到任意指定函数的映射，而直方图均衡化是从原累积直方图到均匀分布累积直方图的映射，并非对累积直方图的灰度级量化。因此，直方图均衡化是直方图规定化的特例，而并非直方图规定化以直方图均衡化作为桥梁。本书对相关内容进行修正，将直方图均衡化统一到直方图规定化的框架中。

• 对巴特沃斯模拟滤波器以及模拟滤波器的频率转换内容进行修正
  经典数字滤波器设计包括IIR数字滤波器和FIR数字滤波器。IIR数字滤波器不适合数字图像处理的应用，FIR数字滤波器具有稳定性，以及易于设计和实现的特点。Gonzalez介绍的巴特沃斯和高斯滤波器都是典型的模拟滤波器，直接通过频率采样应用于数字图像。这部分的内容存在如下问题：①典型的巴特沃斯模拟低通滤波器，由幅值平方函数定义，在截止频率处幅值从最大值下降到它的 0.707，而不是0.5；②对于模拟滤波器，利用全通带减去低通（带通）滤波器转换为高通（带阻）滤波器，这种频率变换方法会引入脉冲信号，而脉冲信号是强干扰，其他选频滤波器，如高通、带通、带阻滤波器等，均可以由低通滤波器通过频率变换生成；③FIR 数字滤波器设计是对理想滤波器频率特性的直接逼近，利用频率采样设计FIR数字滤波器常用的方法是对理想滤波器直接采样，在过渡带增加采样点来降低振铃效应，而无需对典型的模拟滤波器频率采样来解决该问题，而模拟滤波器一般用于IIR数字滤波器的设计；④滤波器的设计不仅有圆对称滤波器，而且包括可分离滤波器，利用窗函数、频率采样等滤波器设计方法可以很容易地设计这两种不同结构的滤波器，而典型的一维模拟滤波器仅易于扩展到二维圆对称滤波器。本书在电子文档中修正和完善了数字滤波器设计的相关内容，这部分的内容将在后续的版本中更正。

• 对图像复原的内容进行重新安排，对逆滤波、维纳滤波等内容进行修正
  图像复原也称为盲解卷积，不处理点扩散函数（光学传递函数）的都不是图像复原。几何校正不属于图像复原，图像投影重建也不属于图像复原，都不能归入图像复原。由于图像复原是图像降质模型的求逆过程，其目的是使估计图像逼近原图像。因此本书按照最优性准则对图像复原进行分类，将其划分为最小均方误差估计、最大后验估计/极大似然估计和最小二乘估计复原三类。以频域和空域的分类不合理，频域只是实现方式，最小均方误差复原和最小二乘复原都有频域和空域解。逆滤波可认为是最小二乘复原的频域解，假设噪声不存在的情况下推导逆滤波的思路不合理。维纳滤波是线性最小均方复原的频域解，它是最小均方误差估计，不是最小二乘估计。MATLAB 也认为维纳滤波是最小二乘解。最小均方估计和最小二乘估计是两个完全不同的概念，最小均方估计假设已知信号的分布，线性最小均方误差估计假设已知信号的一、二阶矩，最小二乘估计无须已知信号的统计知识。另外，维纳滤波的推导建立在零均值平稳随机过程的基础之上，因此在频域滤波之前需要减去均值，滤波之后再加回均值。MATLAB 图像处理工具箱中的维纳滤波函数有误，本书在二维码提供的代码中修正了相关部分。

• 对图像复原中图像去噪的相关内容进行重新安排
  关于图像去噪的滤波器，不考虑降质过程的滤波都不是逆问题。Gonzalez将自适应中值滤波和自适应局部降噪滤波归并为自适应图像去噪滤波器。尽管它们都是滤波器，然而从本质上讲，自适应中值滤波属于图像增强，并不属于图像复原。而自适应局部降噪滤波器是在线性最小均方准则下推导的局部空域形式的维纳滤波器（本书称为自适应维纳滤波器），因此，它属于图像复原。从严格意义上来讲，通过求逆的图像去噪不属于图像复原，本质上应归入图像重建，但是由于都是建立在降质模型基础上的逆问题，不严格来讲可以与图像复原合并。但是，不考虑降质模型的方法不能归入图像复原，这是因为图像增强和图像复原的处理方法和评价标准本质不同。均值滤波器、统计排序滤波器和陷波滤波器都不属于图像复原。这相当于频域滤波器可分为经典滤波器和现代滤波器，尽管都称为滤波器，然而前者属于增强，后者属于复原。

• 对脉冲噪声的统计模型进行修正
  关于脉冲噪声的统计模型，Gonzalez的前两版中以噪声的概率分布描述，脉冲噪声分布律的概率之和不等于1，后两版以图像的概率分布描述，随机变量取其他值是指任何一个可能值，而不是指其他任何可能值之和，且像素值也有极小值和极大值的可能，不是只有脉冲噪声是极大值或极小值。本书以噪声的分布律描述，修正了脉冲噪声概率分布的描述。

• 对自适应中值滤波进行修正
  在自适应中值滤波过程中，Gonzalez首先判断邻域像素的中间值是否为极值。当中间值不是极值时，才判断当前像素的灰度值是否为极值。只有当两者条件均满足时，才输出当前像素的灰度值。应直接判断当前像素的灰度值是否为极值，若当前像素的本身都不是极值，直接输出当前像素的灰度值，更好地保持图像的特性，同时查找中间值也增加了时间开销。

• 对边缘和边缘检测的概念进行修正
  边缘检测普遍上定义为灰度不连续性检测。然而不连续存在二义性，一方面可以理解为不同区域之间的不连续，另一方面是数学分析中的不连续点（间断点）的概念。这个定义仅适用于简单阶跃边缘的定义，不具有一般性，而且易于产生混淆。边缘可以定义为灰度变化率的极大值点，依据一阶导数的极值点，或二阶导数的过零点进行边缘检测。

• 对有限差分的相关内容进行完善
  关于有限差分，Gonzalez 在计算差分时不考虑4邻域和对角邻域中两个像素的距离不同，始终是两个像素值相减；且在链码相关部分，差分链码使用前向差分，形状数使用后向差分，不统一。本书在拉普拉斯变换、图像插值和中心差分（边缘检测的一阶差分方法）中统一为数学的差分计算公式，即变化率是指单位步长下的变化量，并统一计算前向差分。

• 从空域滤波角度对二值图像形态学中膨胀和腐蚀的定义和过程进行描述
  Gonzalez从集合角度定义膨胀和腐蚀，不易理解。本书从空域滤波角度对二值图像形态学中膨胀和腐蚀的定义和过程进行描述，并给出了动画演示过程。使用结构元素对图像的形态学处理与滤波模板的空域滤波具有类似的过程，在形态学基本运算中也将结构元素在图像中遍历，结构元素的原点与各个像素位置重合，结构元素与对应图像区域的集合运算结果作为输出图像中对应原点的值。

• 图像分割中增加一类基于模式分类的图像分割方法
  在实际应用中利用模式识别的方法是一种主要的图像分割方法。图像分割可以看成像素的分类或聚类问题，即对图像中每个像素分配所属的类别标签。大部分的模式分类方法都能够用于像素的分类。本书图像分割中增加一类基于分类或聚类的图像分割方法。

• 对特征提取的内容进行重新梳理
  模式识别和计算机视觉是特征提取的两大重要应用领域，在近几十年特征提取方法发展迅速。Gonzalez的重点在于二值图像分析，从边界描述和区域描述的角度介绍特征描述子。本书对该章重新梳理，从全局特征和局部特征的角度描述特征提取方法，删除了不常用的链码等二值目标描述子，以及直方图矩分析法、频谱分析法等纹理描述子，增加了经典的Harris、HoG等局部特征和描述方法，以及Gabor滤波器组的纹理描述方法等。

本书逻辑缜密、文字精炼、双色印刷、制作精良。全书共276个二维码，其中，目录页的二维码提供教辅资源，其他275个二维码包括70个MATLAB代码、20个微课、49个拓展阅读的电子文档、24个动态图像、100幅电子版高清插图、12幅思维导图。

本书提供330幅插图，其中24幅插图配有动态图像，对文字讲解辅助图形解释，图文并茂，形象生动。彩色图像以及高分辨率图像提供电子版高清插图，目前在教辅资源二维码中扩充到109幅。

各章节配有实例，提供70个实例的MATLAB源代码，便于了解从算法理论到实际应用的具体过程，通过动手实践深入理解算法，加强对算法的直观认知。

配套全书10章共1937页课件，扩充49个电子文档，为教学提供便捷的服务，也覆盖更广的知识内容和课程体系。

配套20个微课，涵盖各章总结以及关键知识点。各章总结配合思维导图，归纳了主要内容以及它们之间的关联，通过各章学习的思维导引，有助于读者从整体上了解本课程的知识体系和逻辑架构。关键知识点深度剖析重点、难点内容，通过动画演示算法的过程，给出重要公式或结论的直观解释，包括电子成像多样性、直方图规定化、中值滤波、自适应中值滤波、直方图、卷积与互相关、线性空域滤波、傅里叶变换、膨胀与腐蚀运算，以及击中/击不中运算等10个知识点。其中卷积与互相关图形展示了从一维到二维的计算过程，说明了卷积、互相关与线性滤波之间的区别与联系；傅里叶变换详细讲解从三角函数形式的傅里叶级数到离散傅里叶变换的演化过程。通过几分钟的视频可全面理解复杂的概念和方法。