具体描述
《MATLAB 数字图像处理》以最新版的MATLAB R2011a为平台，结合大量的实例，全面、系统地讲解了MATLAB在数字图像处理中的实际应用。主要内容包括数字图像处理基础、数字图像运算、图像变换技术、图像的增强处理、图像压缩编码技术、图像复原技术、图像分割技术、图像数学形态学描述等。在讲解过程中，《MATLAB 数字图像处理》力求理论与实例相结合，深入浅出、循序渐进，使读者可以全面了解MATLAB数字图像处理技术，提高分析问题、反思问题、解决问题的能力。
作者简介
目录信息
1.1 MATLAB简介 1
1.1.1 MATLAB发展史 1
1.1.2 MATLAB的特点 2
1.1.3 MATLAB R2011a的新特点 3
1.2 MATLAB的安装 4
1.3 MATLAB集成环境 10
1.3.1 菜单栏 10
1.3.2 工具栏 15
1.3.3 Command Window 16
1.3.4 Command History 19
1.3.5 Workspace 20
1.3.6 Current Folder 22
1.3.7 搜索路径及其设置 22
1.4 联机帮助 25
1.4.1 帮助命令 25
1.4.2 帮助窗口 27
1.4.3 演示系统 28
1.5 MATLAB变量与表达式 29
1.5.1 数值 29
1.5.2 变量 30
1.5.3 表达式 32
1.6 矩阵及其运算 33
1.6.1 创建矩阵 33
1.6.2 拼接矩阵 38
1.6.3 矩阵寻访 43
1.6.4 矩阵的运算 46
第2章 MATLAB丰富绘图 51
2.1 二维图形的绘制及编辑 51
2.1.1 基本二维绘图 52
2.1.2 快捷绘图函数 55
2.1.3 绘制子图 57
2.1.4 坐标轴设置 60
2.1.5 图形标注 62
2.1.6 图形叠加 63
2.1.7 双y轴绘图 64
2.2 三维绘图 65
2.2.1 基本三维绘图 65
2.2.2 三维曲线图 66
2.2.3 三维等高线图 67
2.2.4 三维曲面图 68
2.3 三维图形编辑 70
2.3.1 视角设置 70
2.3.2 控制旋转 71
2.3.3 背景颜色设置 72
2.3.4 颜色设置 73
2.3.5 图形的着色设置 77
2.3.6 光照设置 78
2.3.7 透视设置 81
2.3.8 透明度设置 82
2.4 特殊图形 83
2.4.1 条形图 83
2.4.2 区域图 85
2.4.3 饼图 86
2.4.4 离散数据杆状图 87
2.4.5 阶梯图 89
2.4.6 矢量图 90
2.4.7 等高线图 93
2.4.8 散点图 95
第3章 数字图像处理基础 98
3.1 数字图像处理概述 98
3.1.1 数字图像处理及其特点 98
3.1.2 数字图像处理研究的主要内容 101
3.1.3 数字图像处理的应用 103
3.1.4 图像术语 105
3.1.5 图像文件格式 105
3.2 图像的读与写 106
3.2.1 图像文件的查询 106
3.2.2 图像文件的读取 109
3.2.3 图像文件写入 110
3.3 图像显示 112
3.3.1 二值图像的显示 112
3.3.2 灰度图像显示 113
3.3.3 RGB图像的显示 114
3.3.4 索引图像的显示 115
3.3.5 单帧显示 116
3.3.6 多帧显示 116
3.4 图像类型的转换 117
3.4.1 图像抖动 117
3.4.2 gray2ind函数 118
3.4.3 grayslice函数 119
3.4.4 im2bw函数 119
3.4.5 ind2gray函数 120
3.4.6 ind2rgb函数 121
3.4.7 mat2gray函数 121
3.4.8 rgb2gray函数 122
3.4.9 rgb2ind函数 123
3.5 颜色空间 124
3.5.1 颜色模型 124
3.5.2 图像退色处理 125
3.5.3 颜色模型的转换 127
3.6 纹理贴图 131
3.6.1 纹理贴图的概念 131
3.6.2 纹理映射 132
第4章 数字图像运算 135
4.1 点运算 135
4.1.1 线性点运算 135
4.1.2 非线性点运算 137
4.2 代数运算 138
4.2.1 代数运算的异常处理 138
4.2.2 图像加法运算 139
4.2.3 图像减法运算 141
4.2.4 图像乘法运算 142
4.2.5 图像除法运算 143
4.2.6 绝对值差运算 144
4.2.7 线性组合运算 145
4.2.8 图像求补运算 146
4.3 图像逻辑运算 147
4.4 图像的几何运算 148
4.4.1 图像的缩放 148
4.4.2 图像的旋转 150
4.4.3 图像的剪切 150
4.4.4 图像的平移 151
4.4.5 图像的镜像 153
4.5 空间变换 156
4.5.1 仿射变换 156
4.5.2 投影变换 157
4.5.3 几何配准 162
4.6 邻域与块操作 164
4.6.1 滑动邻域操作 165
4.6.2 非重叠块处理 166
4.6.3 快速块处理 168
4.6.4 块操作的其他函数 171
4.6.5 特殊区域处理 172
4.6.6 特殊区域的滤波 176
4.6.7 特定区域的填充 177
第5章 图像变换技术 178
5.1 图像变换的概述 178
5.2 正交变换通用算子 178
5.3 傅里叶变换 179
5.3.1 一维连续傅里叶变换 179
5.3.2 一维离散傅里叶变换 180
5.3.3 二维连续傅里叶变换 180
5.3.4 二维离散傅里叶变换 181
5.3.5 实现傅里叶变换的MATLAB函数 181
5.3.6 傅里叶变换性质 184
5.4 离散余弦变换 189
5.4.1 一维离散余弦变换 189
5.4.2 二维离散余弦变换 190
5.4.3 快速离散余弦变换 190
5.4.4 离散余弦变换的MATLAB实现 191
5.5 沃尔什（Walsh）-哈达玛（Hadamard）变换 194
5.5.1 沃尔什-哈达玛变换概述 194
5.5.2 沃尔什-哈达玛变换MATLAB实现 195
5.6 Hough变换 197
5.6.1 Hough变换的基本原理 197
5.6.2 Hough变换的MATLAB实现 198
5.7 Radon变换 200
5.7.1 Radon变换概述 200
5.7.2 Radon变换的MATLAB实现 201
5.7.3 Radon逆变换 203
5.8 Fan-Beam变换 205
5.8.1 计算Fan-Beam投影 206
5.8.2 重构Fan-Beam投影 207
5.8.3 Radon投影和Fan-Beam投影转换 209
第6章 图像的增强处理 211
6.1 灰度变换增强 211
6.1.1 像素值及其统计特性 211
6.1.2 灰度变换 217
6.1.3 灰度值调整 223
6.1.4 直方图均衡化 225
6.1.5 直方图规定化 227
6.2 空域滤波增强 228
6.2.1 平滑滤波器 229
6.2.2 中值滤波器 232
6.2.3 自适应滤波器 236
6.2.4 锐化滤波器 237
6.3 频域滤波增强 240
6.3.1 低通滤波 241
6.3.2 高通滤波器 243
6.3.3 带通滤波器 246
6.3.4 同态滤波器 247
6.4 彩色增强 249
6.4.1 伪彩色增强 250
6.4.2 真彩色增强 255
第7章 图像压缩编码技术 257
7.1 图像压缩编码技术概述 257
7.1.1 图像压缩编码的必要性 257
7.1.2 图像压缩的可能性 258
7.1.3 图像编码性能指标 259
7.2 图像编码质量评价 259
7.2.1 客观评价准则 259
7.2.2 主观评价准则 260
7.2.3 压缩比 261
7.3 变换编码 261
7.4 无损压缩编码 266
7.4.1 哈夫曼编码技术 266
7.4.2 行程编码 270
7.4.3 算术编码 272
7.5 有损压缩编码 277
7.5.1 预测编码 277
7.5.2 主成分变换编码 281
7.5.3 哈达玛变换编码 285
7.6 JPEG标准 286
7.7 基于DCT的图像水印技术 295
7.8 小波图像编码 297
7.8.1 连续小波变换 297
7.8.2 离散小波变换 298
7.8.3 小波图像消噪处理 302
7.8.4 小波图像压缩处理 303
7.8.5 小波图像增强处理 305
7.8.6 小波图像融合处理 307
第8章 图像复原技术 311
8.1 图像复原概述 311
8.2 图像退化模型 312
8.2.1 连续退化模型 313
8.2.2 离散退化模型 315
8.2.3 退化模型的矩阵对角化运算 317
8.3 退化函数估计 317
8.3.1 图像观察估计法 317
8.3.2 试验估计法 318
8.3.3 模型估计法 318
8.4 逆滤波 320
8.4.1 无约束复原 320
8.4.2 逆滤波复原 321
8.4.3 消除匀速运动模糊 322
8.5 维纳滤波 323
8.5.1 有约束滤波 323
8.5.2 维纳滤波复原 324
8.5.3 维纳滤波复原的MATLAB实现 325
8.6 约束最小二乘滤波 328
8.6.1 滤波模型 328
8.6.2 约束最小二乘滤波的MATLAB实现 330
8.7 Lucy-Richardson滤波 334
8.7.1 Lucy-Richardson滤波模型 334
8.7.2 Lucy-Richardson滤波的MATLAB实现 335
8.8 盲卷积滤波 339
8.8.1 盲卷积滤波算法 339
8.8.2 盲卷积滤波的MATLAB实现 340
第9章 图像分割技术 344
9.1 图像分割定义 344
9.2 阈值分割 345
9.2.1 人工选择法 347
9.2.2 自动阈值法 348
9.2.3 分水岭算法 353
9.3 区域分割 357
9.3.1 区域生长法 357
9.3.2 区域分裂合并法 361
9.3.3 四叉树分解法 363
9.4 运动分割 367
9.4.1 背景差值法 367
9.4.2 图像差分法 369
9.5 彩色图像分割 370
9.5.1 彩色图像分割 371
9.5.2 聚类算法 371
9.6 边缘检测 374
9.6.1 梯度算子 375
9.6.2 罗伯特（Roberts）边缘算子 375
9.6.3 索贝尔（Sobel）边缘算子 376
9.6.4 Prewitt边缘算子 377
9.6.5 拉普拉斯（Laplacian）边缘算子 379
9.6.6 高斯-拉普拉斯（LOG）边缘算子 379
9.6.7 坎尼（Canny）边缘算子 382
第10章 图像数学形态学描述 385
10.1 数学形态学的基本运算 385
10.1.1 结构元素 385
10.1.2 膨胀运算 389
10.1.3 腐蚀运算 392
10.1.4 开闭运算 393
10.1.5 击中/击不中变换 395
10.2 数学形态学应用 397
10.2.1 骨架化 397
10.2.2 边界提取 399
10.2.3 区域填充 400
10.2.4 移除对象 401
10.2.5 距离变换 402
10.3 形态学重构 405
10.3.1 标记图像与掩模图像 406
10.3.2 像素的连通性 407
10.3.3 寻找峰值与谷值 408
10.4 区域、对象及特性度量 413
10.4.1 标记连通区域 413
10.4.2 对象选择 415
10.4.3 面积计算 416
10.5 查表操作 417
10.5.1 创建一个查找表 417
10.5.2 使用查找表 418
参考文献 420
· · · · · · (收起)
读后感
用户评价
我是一名研究生，正在进行一项关于医学影像增强的研究，说实话，市面上大部分的图像处理书籍都过于偏重学术推导，读完后感觉理论知识是充盈了，但实际应用时却感觉“手脚不协调”。然而，翻阅这本《MATLAB 数字图像处理》后，那种困惑感几乎烟消云散。它的结构安排非常注重工程实践的连贯性。比如，在处理噪声和对比度增强这两个常见难题时，作者没有采用“A方法完结，再讲B方法”的线性叙事，而是将它们编织成一个完整的预处理流程。我特别喜欢其中关于自适应直方图均衡化（AHE/CLAHE）的讲解，它详细说明了为什么在局部区域进行均衡化比全局操作更有效，并且通过几组对比图清晰展示了过度增强带来的伪影问题，这种对细节的把控，体现了作者深厚的工程经验。它不是那种只告诉你“怎么做”的书，它更着重解释“为什么这么做”，这种深层次的认知构建，对我后续设计自己的图像算法至关重要，感觉自己像是拥有了一套顶级的工具箱，里面的每一件工具都附带着精确的使用说明书和保养手册。
这本《MATLAB 数字图像处理》读起来感觉像是一次穿越时空的数字探险，它不像教科书那样枯燥乏味，反而更像是一位经验老到的向导，带着你深入光影交织的算法迷宫。我特别欣赏作者在介绍基础理论时所采用的类比手法，比如将傅里叶变换比作“拆解声音的乐谱”，一下子就让原本抽象的数学概念变得鲜活起来。书中对于不同滤波器的效果对比展示极其详尽，从简单的均值滤波到复杂的非局部均值，每一种算法的优缺点、适用场景都被剖析得淋漓尽致。更难得的是，作者并没有止步于理论，而是紧密结合实际的MATLAB代码实现。很多次我只是看懂了理论，但在尝试自己编写代码时却束手无策，而这本书提供的示例代码总能精准地填补我的知识盲区，让我能够立即动手实践，验证理论的可行性。尤其是涉及到形态学操作的部分，那几页关于结构元素设计与应用场景的讲解，简直是艺术品，清晰地勾勒出了如何用简单的几何操作去“雕刻”图像的轮廓和结构。这本书真正教会我的，是如何用编程的语言去“思考”图像，而不是仅仅停留在“看见”图像的层面。
坦白讲，我最初是被这本书的封面设计吸引的，它带着一种早期计算机图形学的复古美感，但真正让我愿意把它放在床头夜读的，是它对图像分析部分的处理方式。很多书籍在讲到特征提取时，往往只是简单罗列SIFT、SURF等算法的名称，然后草草了结。然而，本书用了足足三个章节来深度挖掘这些描述符背后的几何意义和尺度空间理论。作者非常耐心地解释了什么是“斑点检测”与“边缘检测”在不同尺度下的表现差异，以及如何通过高斯差分来近似拉普拉斯算子。这种对图像特征的“本体论”式的探讨，让我开始重新审视自己过去对“特征”这个概念的肤浅理解。阅读过程中，我发现自己不仅在学习如何调用函数，更在学习如何从图像的本质属性出发，去设计更鲁棒的特征提取方案。这种由表及里的学习体验，极大地提升了我对图像识别领域前沿研究的理解能力。
这本书的叙事节奏掌握得非常好，它没有让我在初期的基础知识点上停留过久，而是迅速将我带入了更具挑战性的主题，比如色彩空间变换和图像恢复。关于色彩空间，它不仅清晰地区分了RGB、HSV、Lab的适用性，还深入探讨了在色彩恒常性研究中，不同空间对光照变化的敏感度差异。更令人眼前一亮的是在图像去模糊（Deblurring）一章中，对维纳滤波和盲反卷积的对比分析。作者没有简单地提供一个“一刀切”的解决方案，而是通过大量的模拟实验数据，直观地展示了在噪声水平和模糊核未知的情况下，每种方法的性能瓶颈和适用边界。这使得读者在面对真实、充满未知变量的模糊图像时，能够做出明智的技术选择，而不是盲目套用公式。这本书的整体风格是严谨而又充满探索精神的，它鼓励读者不仅要掌握现有技术，更要学会批判性地评估这些技术的局限性。
这本书给我的感觉是，它更像是一本“实战手册”而非“参考词典”。我过去尝试过几本号称“全面”的图像处理书籍，结果往往是内容包罗万象，但深度却浅尝辄止，关键的算法细节模糊不清。但《MATLAB 数字图像处理》在处理诸如图像分割（特别是基于能量函数的活动轮廓模型）时，展示出了极高的专业水准。它没有回避那些复杂的偏微分方程和梯度下降过程，而是用一种非常“务实”的方式去解读它们——如何将其转化为MATLAB可以执行的迭代过程，每一步的收敛条件是什么，如何选择初始值来避免局部最优。这种对算法“落地性”的关注，是我最为赞赏的。它不惧怕展示复杂性，但又总能提供一条清晰的路径将复杂性转化为可操作的代码。对于一个希望从“会用”MATLAB函数库进阶到“理解”底层机制的读者来说，这本书的价值是无可替代的，它架设起了一座连接理论殿堂与工程实践的坚实桥梁。
