本书结合人工智能的发展，既包括传统数字图像处理的知识， 又介绍基于人工智能的数字图像处理技术。在传统的数字图像处理技术中， 涵盖了数字图像处理的概念基础、数字图像处理的基本运算、基于点运算的图像增强、 基于空域的图像增强、基于频域处理的图像增强、 彩色图像处理、 数学形态学的图像处理方法等。在智能图像处理方法的内容中涵盖了智能图像处理的基础知识、智能图像处理的发展及应用、基于智能技术的去噪技术、基于智能技术的暗光图像增强技术、基于智能技术的图像编码技术、基于智能技术的图像修复技术、基于智能技术生成技术等。

前言
第一篇　数字图像处理基础理论
第1章　概论2
　1.1　数字图像概述2
　　1.1.1　图像与数字图像的概念2
　　1.1.2　数字图像的表示与实例5
　　1.1.3　像素及其邻域8
　1.2　数字图像处理技术的发展
及应用10
　1.3　数字图像处理方法概述11
　1.4　数字图像处理的主要技术与
系统构成12
　1.5　图像处理编程基础13
　　1.5.1　Python编程基础13
　　1.5.2　Matlab编程基础24
　习题28
第2章　人类的感知与数字图像的质量30
　2.1　人眼结构与视觉特性30
　　2.1.1　人眼结构30
　　2.1.2　人眼的视觉特性31
　　2.1.3　人类的视觉感知32
　　2.1.4　视觉感知特征在图像
处理中的作用34
　2.2　影响数字图像质量的因素36
　　2.2.1　空间分辨率36
　　2.2.2　强度等级分辨率36
　　2.2.3　对比度37
　　2.2.4　清晰度37
　习题38
第3章　图像的基本运算与变形处理40
　3.1　图像的基本运算40
　　3.1.1　代数运算40
　　3.1.2　逻辑运算44
　　3.1.3　图像的几何运算47
　3.2　图像的重采样与插值运算55
　3.3　图像的变形处理57
　　3.3.1　基于三角形区域变换的
图像变形57
　　3.3.2　基于四边形区域变换的
图像变形59
　习题60
第4章　图像增强处理63
　4.1　空域处理技术64
　　4.1.1　点运算64
　　4.1.2　直方图处理68
　　4.1.3　伪彩色处理74
　4.2　滤波器79
　4.3　空域滤波处理80
　　4.3.1　空域平滑技术80
　　4.3.2　空域锐化技术85
　　4.3.3　空域平滑与锐化相结合的
滤波实例93
　4.4　频域滤波处理94
　　4.4.1　图像频域处理基础94
　　4.4.2　利用傅里叶变换进行
图像处理100
　　4.4.3　频域的平滑滤波102
　　4.4.4　高通滤波锐化处理108
　习题113
第5章　图像复原技术116
　5.1　图像复原基础116
　5.2　图像退化与数学模型116
　5.3　典型的图像复原方法117
　5.4　退化函数估计方法118
　　5.4.1　图像观察估计法118
　　5.4.2　试验估计法118
　　5.4.3　模型估计法119
　5.5　逆滤波复原及其实现方法119
　　5.5.1　逆滤波复原基础119
　　5.5.2　逆滤波复原的实现方法120
　5.6　维纳滤波复原及其实现方法121
　　5.6.1　维纳滤波复原基础121
　　5.6.2　维纳滤波复原的实现方法122
　5.7　噪声模型124
　5.8　空域滤波复原125
　　5.8.1　均值滤波器125
　　5.8.2　统计滤波器126
　　5.8.3　自适应滤波器127
　习题127
第6章　彩色图像处理129
　6.1　人类视觉对色彩的感知与
色彩空间129
　6.2　RGB彩色图像的特效处理132
　6.3　彩色图像处理138
　　6.3.1　彩色图像的平滑处理138
　　6.3.2　彩色图像的锐化139
　　6.3.3　彩色图像的分割140
　　6.3.4　彩色图像的边缘提取141
　6.4　假彩色处理142
　习题143
第7章　数学形态学方法146
　7.1　集合论基础知识146
　　7.1.1　元素和集合146
　　7.1.2　平移和反射147
　　7.1.3　结构元147
　7.2　数学形态学的基本运算148
　　7.2.1　腐蚀148
　　7.2.2　膨胀150
　　7.2.3　开运算152
　　7.2.4　闭运算153
　7.3　利用数学形态学处理图像154
　习题159
第8章　图像压缩与编码技术162
　8.1　图像压缩技术基础162
　　8.1.1　编码与解码162
　　8.1.2　图像压缩的必要性和
可能性162
　　8.1.3　信源编码163
　　8.1.4　图像压缩的性能指标163
　8.2　无损压缩编码164
　　8.2.1　哈夫曼编码165
　　8.2.2　香农-范诺编码167
　　8.2.3　游程编码169
　　8.2.4　预测编码169
　　8.2.5　算术编码171
　习题171
第9章　图像分割173
　9.1　图像分割基础173
　　9.1.1　图像分割的概念173
　　9.1.2　图像分割的基本方法173
　　9.1.3　图像分割系统的构成174
　9.2　非连续性检测174
　　9.2.1　孤立点的检测175
　　9.2.2　线的检测176
　　9.2.3　边缘检测177
　9.3　边缘连接179
　　9.3.1　局部处理方法179
　　9.3.2　霍夫变换及实现方法179
　9.4　阈值分割法181
　　9.4.1　单阈值分割法与多阈值
分割法182
　　9.4.2　均值迭代阈值分割法184
　　9.4.3　最大类间方差分割法186
　　9.4.4　常见的多阈值分割法187
　9.5　基于区域的分割方法189
　　9.5.1　区域生长算法189
　　9.5.2　区域分裂合并算法192
　9.6　基于能量的分割方法193
　　9.6.1　主动轮廓方法193
　　9.6.2　主动轮廓线演化的实例195
　　9.6.3　水平集方法197
　习题199
第二篇　智能数字图像处理方法
第10章　人工智能基础知识202
　10.1　人工智能技术的发展背景202
　10.2　机器学习基础203
　　10.2.1　机器学习的概念203
　　10.2.2　机器学习算法的步骤205
　10.3　机器学习与深度学习208
　10.4　深度学习基础209
　　10.4.1　深度学习技术的发展209
　　10.4.2　神经元与人工神经网络210
　　10.4.3　神经网络的结构212
　　10.4.4　卷积神经网络214
　　10.4.5　循环神经网络217
　10.5　深度学习编程框架218
　　10.5.1　TensorFlow218
　　10.5.2　PyTorch220
　习题222
第11章　智能图像增强技术225
　11.1　智能图像增强技术的发展225
　11.2　常见的自动编码器225
　11.3　去噪自动编码器实例227
　11.4　栈式暗光自动编码器的
图像增强实例228
　11.5　基于CNN的暗光图像
增强实例229
　11.6　基于先验知识的图像
去噪方法231
　习题233
第12章　智能图像语义分割技术234
　12.1　智能图像语义分割技术的
发展234
　12.2　基于AlexNet的图像分类技术235
　12.3　基于FCN的语义分割技术238
　12.4　其他分割策略240
　习题243
第13章　智能图像彩色化处理技术246
　13.1　智能图像彩色化处理
技术的发展246
　13.2　基于深度神经网络的
彩色化方法247
　13.3　基于卷积神经网络的
彩色化方法248
　13.4　用户引导的实时彩色化方法249
　习题251
第14章　智能图像风格化处理252
　14.1　智能图像风格化处理
技术的发展252
　14.2　基于卷积神经网络的
风格迁移技术253
　14.3　基于感知的实时风格
迁移方法255
　习题258
第15章　智能图像的修复处理260
　15.1　智能图像修复技术的发展260
　15.2　基于上下文信息编码的
图像重绘修补算法261
　15.3　基于全局与局部一致性的
图像修补算法265
　习题267
参考文献270