數字圖像處理（第三版）（英文版） [Digital Image Processing, Third Ediiton] pdf epub mobi txt 电子书 下载 2025

☆☆☆☆☆

[美] Rafael，C.，Gonzalez（拉斐爾，C.，岡薩雷斯） ... 著，Rafael，C.，Gonzalez（拉斐爾，C.，岡薩雷斯） 譯

出版社： 电子工业出版社

ISBN：9787121305405

版次：3

商品编码：12113248

包装：平装

丛书名： 国外电子与通信教材系列

外文名称：Digital Image Processing, Third Ediiton

开本：16开

出版时间：2017-01-01

用纸：胶版纸

页数：976

字数：1776000#

編輯推薦

本書是數字圖像處理的經典教材，內容涵蓋數字圖像基礎、灰度變換與空間濾波、頻率域濾波、圖像復原與重建、彩色圖像處理、小波和多分辨率處理、圖像壓縮、形態學圖像處理、圖像分割、錶示與描述、目標識彆等，全球近700所高校采用為教材。

內容簡介

本書是關於數字圖像處理的經典著作，作者在對32個國傢的134所院校和研究所的教師、學生及自學者進行廣泛調查的基礎上編寫瞭第三版。除保留第二版的大部分主要內容外，還根據收集的建議從13個方麵進行瞭修訂，新增瞭400多幅圖像、200多個圖錶和80多道習題，同時融入瞭近年來本科學領域的重要發展，使本書具有鮮明的特色與時效性。全書共分12章，包括緒論、數字圖像基礎、灰度變換與空間濾波、頻域濾波、圖像復原與重建、彩色圖像處理、小波及多分辨率處理、圖像壓縮、形態學圖像處理、圖像分割、錶現與描述、目標識彆。

作者簡介

　　　　Rafael C. Gonzalez（拉婓爾.岡薩雷斯）：美國田納西大學電氣和計算機工程係教授、田納西大學圖像和模式分析實驗室、機器人和計算機視覺實驗室創始人、IEEE會士，研究領域為模式識彆、圖像處理和機器人，其著作已被全球範圍內的600多所大學和研究所采用。

　　　　Richard E. Woods 美國田納西大學電氣工程係博士，IEEE會員。

目錄

Preface 15
Acknowledgments 19
The Book Web Site 20
About the Authors 21

Chapter 1 Introduction 23
1．1 What Is Digital Image Processing? 23
1．2 The Origins of Digital Image Processing 25
1．3 Examples of Fields that Use Digital Image Processing 29
1．3．1 Gamma-Ray Imaging 30
1．3．2 X-Ray Imaging 31
1．3．3 Imaging in the Ultraviolet Band 33
1．3．4 Imaging in the Visible and Infrared Bands 34
1．3．5 Imaging in the Microwave Band 40
1．3．6 Imaging in the Radio Band 42
1．3．7 Examples in which Other Imaging Modalities Are Used 42
1．4 Fundamental Steps in Digital Image Processing 47
1．5 Components of an Image Processing System 50
Summary 53
References and Further Reading 53

Chapter 2 Digital Image Fundamentals 57
2．1 Elements of Visual Perception 58
2．1．1 Structure of the Human Eye 58
2．1．2 Image Formation in the Eye 60
2．1．3 Brightness Adaptation and Discrimination 61
2．2 Light and the Electromagnetic Spectrum 65
2．3 Image Sensing and Acquisition 68
2．3．1 Image Acquisition Using a Single Sensor 70
2．3．2 Image Acquisition Using Sensor Strips 70
2．3．3 Image Acquisition Using Sensor Arrays 72
2．3．4 A Simple Image Formation Model 72
2．4 Image Sampling and Quantization 74
2．4．1 Basic Concepts in Sampling and Quantization 74
2．4．2 Representing Digital Images 77
2．4．3 Spatial and Intensity Resolution 81
2．4．4 Image Interpolation 87
2．5 Some Basic Relationships between Pixels 90
2．5．1 Neighbors of a Pixel 90
2．5．2 Adjacency， Connectivity， Regions， and Boundaries 90
2．5．3 Distance Measures 93
2．6 An Introduction to the Mathematical Tools Used in Digital Image Processing 94
2．6．1 Array versus Matrix Operations 94
2．6．2 Linear versus Nonlinear Operations 95
2．6．3 Arithmetic Operations 96
2．6．4 Set and Logical Operations 102
2．6．5 Spatial Operations 107
2．6．6 Vector and Matrix Operations 114
2．6．7 Image Transforms 115
2．6．8 Probabilistic Methods 118
Summary 120
References and Further Reading 120
Problems 121

Chapter 3 Intensity Transformations and Spatial Filtering 126
3．1 Background 127
3．1．1 The Basics of Intensity Transformations and Spatial Filtering 127
3．1．2 About the Examples in This Chapter 129
3．2 Some Basic Intensity Transformation Functions 129
3．2．1 Image Negatives 130
3．2．2 Log Transformations 131
3．2．3 Power-Law (Gamma) Transformations 132
3．2．4 Piecewise-Linear Transformation Functions 137
3．3 Histogram Processing 142
3．3．1 Histogram Equalization 144
3．3．2 Histogram Matching (Specification) 150
3．3．3 Local Histogram Processing 161
3．3．4 Using Histogram Statistics for Image Enhancement 161
3．4 Fundamentals of Spatial Filtering 166
3．4．1 The Mechanics of Spatial Filtering 167
3．4．2 Spatial Correlation and Convolution 168
3．4．3 Vector Representation of Linear Filtering 172
3．4．4 Generating Spatial Filter Masks 173
3．5 Smoothing Spatial Filters 174
3．5．1 Smoothing Linear Filters 174
3．5．2 Order-Statistic (Nonlinear) Filters 178
3．6 Sharpening Spatial Filters 179
3．6．1 Foundation 180
3．6．2 Using the Second Derivative for Image Sharpening-The Laplacian 182
3．6．3 Unsharp Masking and Highboost Filtering 184
3．6．4 Using First-Order Derivatives for (Nonlinear) Image Sharpening―The Gradient 187
3．7 Combining Spatial Enhancement Methods 191
3．8 Using Fuzzy Techniques for Intensity Transformations and Spatial Filtering 195
3．8．1 Introduction 195
3．8．2 Principles of Fuzzy Set Theory 196
3．8．3 Using Fuzzy Sets 200
3．8．4 Using Fuzzy Sets for Intensity Transformations 208
3．8．5 Using Fuzzy Sets for Spatial Filtering 211
Summary 214
References and Further Reading 214
Problems 215

Chapter 4 Filtering in the Frequency Domain 221
4．1 Background 222
4．1．1 A Brief History of the Fourier Series and Transform 222
4．1．2 About the Examples in this Chapter 223
4．2 Preliminary Concepts 224
4．2．1 Complex Numbers 224
4．2．2 Fourier Series 225
4．2．3 Impulses and Their Sifting Property 225
4．2．4 The Fourier Transform of Functions of One Continuous Variable 227
4．2．5 Convolution 231
4．3 Sampling and the Fourier Transform of Sampled Functions 233
4．3．1 Sampling 233
4．3．2 The Fourier Transform of Sampled Functions 234
4．3．3 The Sampling Theorem 235
4．3．4 Aliasing 239
4．3．5 Function Reconstruction (Recovery) from Sampled Data 241
4．4 The Discrete Fourier Transform (DFT) of One Variable 242
4．4．1 Obtaining the DFT from the Continuous Transform of a Sampled Function 243
4．4．2 Relationship Between the Sampling and Frequency Intervals 245
4．5 Extension to Functions of Two Variables 247
4．5．1 The 2-D Impulse and Its Sifting Property 247
4．5．2 The 2-D Continuous Fourier Transform Pair 248
4．5．3 Two-Dimensional Sampling and the 2-D Sampling Theorem 249
4．5．4 Aliasing in Images 250
4．5．5 The 2-D Discrete Fourier Transform and Its Inverse 257
4．6 Some Properties of the 2-D Discrete Fourier Transform 258
4．6．1 Relationships Between Spatial and Frequency Intervals 258
4．6．2 Translation and Rotation 258
4．6．3 Periodicity 259
4．6．4 Symmetry Properties 261
4．6．5 Fourier Spectrum and Phase Angle 267
4．6．6 The 2-D Convolution Theorem 271
4．6．7 Summary of 2-D Discrete Fourier Transform Properties 275
4．7 The Basics of Filtering in the Frequency Domain 277
4．7．1 Additional Characteristics of the Frequency Domain 277
4．7．2 Frequency Domain Filtering Fundamentals 279
4．7．3 Summary of Steps for Filtering in the Frequency Domain 285
4．7．4 Correspondence Between Filtering in the Spatial and Frequency Domains 285
4．8 Image Smoothing Using Frequency Domain Filters 291
4．8．1 Ideal Lowpass Filters 291
4．8．2 Butterworth Lowpass Filters 295
4．8．3 Gaussian Lowpass Filters 298
4．8．4 Additional Examples of Lowpass Filtering 299
4．9 Image Sharpening Using Frequency Domain Filters 302
4．9．1 Ideal Highpass Filters 303
4．9．2 Butterworth Highpass Filters 306
4．9．3 Gaussian Highpass Filters 307
4．9．4 The Laplacian in the Frequency Domain 308
4．9．5 Unsharp Masking， Highboost Filtering， and High-Frequency-Emphasis Filtering 310
4．9．6 Homomorphic Filtering 311
4．10 Selective Filtering 316
4．10．1 Bandreject and Bandpass Filters 316
4．10．2 Notch Filters 316
4．11 Implementation 320
4．11．1 Separability of the 2-D DFT 320
4．11．2 Computing the IDFT Using a DFT Algorithm 321
4．11．3 The Fast Fourier Transform (FFT) 321
4．11．4 Some Comments on Filter Design 325
Summary 325
References and Further Reading 326
Problems 326

Chapter 5 Image Restoration and Reconstruction 333
5．1 A Model of the Image Degradation/Restoration Process 334
5．2 Noise Models 335
5．2．1 Spatial and Frequency Properties of Noise 335
5．2．2 Some Important Noise Probability Density Functions 336
5．2．3 Periodic Noise 340
5．2．4 Estimation of Noise Parameters 341
5．3 Restoration in the Presence of Noise Only―Spatial Filtering 344
5．3．1 Mean Filters 344
5．3．2 Order-Statistic Filters 347
5．3．3 Adaptive Filters 352
5．4 Periodic Noise Reduction by Frequency Domain Filtering 357
5．4．1 Bandreject Filters 357
5．4．2 Bandpass Filters 358
5．4．3 Notch Filters 359
5．4．4 Optimum Notch Filtering 360
5．5 Linear， Position-Invariant Degradations 365
5．6 Estimating the Degradation Function 368
5．6．1 Estimation by Image Observation 368
5．6．2 Estimation by Experimentation 369
5．6．3 Estimation by Modeling 369
5．7 Inverse Filtering 373
5．8 Minimum Mean Square Error (Wiener) Filtering 374
5．9 Constrained Least Squares Filtering 379
5．10 Geometric Mean Filter 383
5．11 Image Reconstruction from Projections 384
5．11．1 Introduction 384
5．11．2 Principles of Computed Tomography (CT) 387
5．11．3 Projections and the Radon Transform 390
5．11．4 The Fourier-Slice Theorem 396
5．11．5 Reconstruction Using Parallel-Beam Filtered Backprojections 397
5．11．6 Reconstruction Using Fan-Beam Filtered Backprojections 403
Summary 409
References and Further Reading 410
Problems 411

Chapter 6 Color Image Processing 416
6．1 Color Fundamentals 417
6．2 Color Models 423
6．2．1 The RGB Color Model 424
6．2．2 The CMY and CMYK Color Models 428
6．2．3 The HSI Color Model 429
6．3 Pseudocolor Image Processing 436
6．3．1 Intensity Slicing 437
6．3．2 Intensity to Color Transformations 440
6．4 Basics of Full-Color Image Processing 446
6．5 Color Transformations 448
6．5．1 Formulation 448
6．5．2 Color Complements 452
6．5．3 Color Slicing 453
6．5．4 Tone and Color Corrections 455
6．5．5 Histogram Processing 460
6．6 Smoothing and Sharpening 461
6．6．1 Color Image Smoothing 461
6．6．2 Color Image Sharpening 464
6．7 Image Segmentation Based on Color 465
6．7．1 Segmentation in HSI Color Space 465
6．7．2 Segmentation in RGB Vector Space 467
6．7．3 Color Edge Detection 469
6．8 Noise in Color Images 473
6．9 Color Image Compression 476
Summary 477
References and Further Reading 478
Problems 478

Chapter 7 Wavelets and Multiresolution Processing 483
7．1 Background 484
7．1．1 Image Pyramids 485
7．1．2 Subband Coding 488
7．1．3 The Haar Transform 496
7．2 Multiresolution Expansions 499
7．2．1 Series Expansions 499
7．2．2 Scaling Functions 501
7．2．3 Wavelet Functions 505
7．3 Wavelet Transforms in One Dimension 508
7．3．1 The Wavelet Series Expansions 508
7．3．2 The Discrete Wavelet Transform 510
7．3．3 The Continuous Wavelet Transform 513
7．4 The Fast Wavelet Transform 515
7．5 Wavelet Transforms in Two Dimensions 523
7．6 Wavelet Packets 532
Summary 542
References and Further Reading 542
Problems 543

Chapter 8 Image Compression 547
8．1 Fundamentals 548
8．1．1 Coding Redundancy 550
8．1．2 Spatial and Temporal Redundancy 551
8．1．3 Irrelevant Information 552
8．1．4 Measuring Image Information 553
8．1．5 Fidelity Criteria 556
8．1．6 Image Compression Models 558
8．1．7 Image Formats， Containers， and Compression Standards 560
8．2 Some Basic Compression Methods 564
8．2．1 Huffman Coding 564
8．2．2 Golomb Coding 566
8．2．3 Arithmetic Coding 570
8．2．4 LZW Coding 573
8．2．5 Run-Length Coding 575
8．2．6 Symbol-Based Coding 581
8．2．7 Bit-Plane Coding 584
8．2．8 Block Transform Coding 588
8．2．9 Predictive Coding 606
8．2．10 Wavelet Coding 626
8．3 Digital Image Watermarking 636
Summary 643
References and Further Reading 644
Problems 645

Chapter 9 Morphological Image Processing 649
9．1 Preliminaries 650
9．2 Erosion and Dilation 652
9．2．1 Erosion 653
9．2．2 Dilation 655
9．2．3 Duality 657
9．3 Opening and Closing 657
9．4 The Hit-or-Miss Transformation 662
9．5 Some Basic Morphological Algorithms 664
9．5．1 Boundary Extraction 664
9．5．2 Hole Filling 665
9．5．3 Extraction of Connected Components 667
9．5．4 Convex Hull 669
9．5．5 Thinning 671
9．5．6 Thickening 672
9．5．7 Skeletons 673
9．5．8 Pruning 676
9．5．9 Morphological Reconstruction 678
9．5．10 Summary of Morphological Operations on Binary Images 684
9．6 Gray-Scale Morphology 687
9．6．1 Erosion and Dilation 688
9．6．2 Opening and Closing 690
9．6．3 Some Basic Gray-Scale Morphological Algorithms 692
9．6．4 Gray-Scale Morphological Reconstruction 698
Summary 701
References and Further Reading 701
Problems 702

Chapter 10 Image Segmentation 711
10．1 Fundamentals 712
10．2 Point， Line， and Edge Detection 714
10．2．1 Background 714
10．2．2 Detection of Isolated Points 718
10．2．3 Line Detection 719
10．2．4 Edge Models 722
10．2．5 Basic Edge Detection 728
10．2．6 More Advanced Techniques for Edge Detection 736
10．2．7 Edge Linking and Boundary Detection 747
10．3 Thresholding 760
10．3．1 Foundation 760
10．3．2 Basic Global Thresholding 763
10．3．3 Optimum Global Thresholding Using Otsu’s Method 764
10．3．4 Using Image Smoothing to Improve Global Thresholding 769
10．3．5 Using Edges to Improve Global Thresholding 771
10．3．6 Multiple Thresholds 774
10．3．7 Variable Thresholding 778
10．3．8 Multivariable Thresholding 783
10．4 Region-Based Segmentation 785
10．4．1 Region Growing 785
10．4．2 Region Splitting and Merging 788
10．5 Segmentation Using Morphological Watersheds 791
10．5．1 Background 791
10．5．2 Dam Construction 794
10．5．3 Watershed Segmentation Algorithm 796
10．5．4 The Use of Markers 798
10．6 The Use of Motion in Segmentation 800
10．6．1 Spatial Techniques 800
10．6．2 Frequency Domain Techniques 804
Summary 807
References and Further Reading 807
Problems 809

Chapter 11 Representation and Description 817
11．1 Representation 818
11．1．1 Boundary (Border) Following 818
11．1．2 Chain Codes 820
11．1．3 Polygonal Approximations Using Minimum-Perimeter Polygons 823
11．1．4 Other Polygonal Approximation Approaches 829
11．1．5 Signatures 830
11．1．6 Boundary Segments 832
11．1．7 Skeletons 834
11．2 Boundary Descriptors 837
11．2．1 Some Simple Descriptors 837
11．2．2 Shape Numbers 838
11．2．3 Fourier Descriptors 840
11．2．4 Statistical Moments 843
11．3 Regional Descriptors 844
11．3．1 Some Simple Descriptors 844
11．3．2 Topological Descriptors 845
11．3．3 Texture 849
11．3．4 Moment Invariants 861
11．4 Use of Principal Components for Description 864
11．5 Relational Descriptors 874
Summary 878
References and Further Reading 878
Problems 879

Chapter 12 Object Recognition 883
12．1 Patterns and Pattern Classes 883
12．2 Recognition Based on Decision-Theoretic Methods 888
12．2．1 Matching 888
12．2．2 Optimum Statistical Classifiers 894
12．2．3 Neural Networks 904
12．3 Structural Methods 925
12．3．1 Matching Shape Numbers 925
12．3．2 String Matching 926
Summary 928
References and Further Reading 928
Problems 929

Appendix A 932
Bibliography 937
Index 965

精彩書摘

　　《數字圖像處理（第三版）（英文版）》：
　　Because distances are positive and monotonic， we can work with the distance squared instead， thus avoiding square root computations.However，implementing Eq.（6.7—1） or （6.7—2） is computationally expensive for images of practical size， even if the square roots are not computed.A compromiseis to use a bounding box， as illustrated in Fig.6.43（c）.In this approach，the box is centered on a， and its dimensions along each of the color axes is chosen proportional to the standard deviation of the samples along each of the axis.Computation of the standard deviations is done only once using sample color data.
　　Given an arbitrary color point， we segment it by determining whether or not it is on the surface or inside the box， as with the distance formulations However， determining whether a color point is inside or outside a box is much simpler computationally when compared to a spherical or elliptical enclosure.Note that the preceding discussion is a generalization of the method intro duced in Section 6.5.3 in connection with color slicing.
　　……

前言/序言

這一版本的《數字圖像處理》是本書的一次重要修訂。正如由Gonzalez和Wintz編寫的1977年版和1988年版及由Gonzalez和Woods編寫的1992年版和2002年版那樣，這一版本同樣是為學生和教師考慮而準備的。本書的主要目的仍是介紹數字圖像處理的基本概念和方法，並為讀者在該領域進一步學習和研究打下堅實的基礎。為實現這一目的，我們仍將重點放在基礎知識和普通應用上。本書麵嚮大學高年級本科生和研究生，要求學生修習過數學分析、嚮量、矩陣、概率、統計、綫性係統和計算機編程等方麵的課程。為方便讀者的學習，本書的配套網站提供瞭相關的背景材料。

本書在數字圖像處理領域處於引領地位30多年的主要原因是，我們對讀者的不斷變化的教育需求給予瞭極大的關注。當前版本是在我們不斷進行廣泛調查的基礎上編寫的。這些調查涉及32個國傢的134所院校和研究機構的教師、學生和自學者。根據調查的結果，本書做瞭如下修訂：

? 書中更早、更全麵地介紹瞭圖像處理中所用的數學工具。

? 擴充說明瞭直方圖處理技術。

? 逐步敘述瞭復雜的算法。

? 擴充說明瞭空間相關和捲積。

? 介紹瞭模糊集閤理論及其在圖像處理中的應用。

? 修訂瞭頻率域處理的內容，從基本原理開始，說明瞭如何從數據取樣得齣離散傅裏葉變換。

? 增加瞭關於計算機斷層(CT)的內容。

? 在關於小波的一章中，清楚地敘述瞭基本概念。

? 修訂瞭關於數據壓縮的章節，包含瞭更多的視頻壓縮技術、更新的標準和水印。

? 擴充瞭形態學的內容，包含瞭形態學重建，並對灰度形態學進行瞭修訂。

? 擴充瞭圖像分割的內容，包含瞭更先進的邊緣檢測技術(如坎尼算法)，並從更廣的角度探討瞭圖像的閾值處理。

? 更新瞭關於圖像錶示與描述的章節。

? 精簡瞭關於結構目標識彆的內容。

盡管在當前版本中添加瞭新的內容，並對有些內容進行瞭重組，但我們已盡量在論述的嚴密性、錶示的清晰性和市場調查的反饋之間保持瞭平衡，同時盡量將篇幅控製在瞭閤理的範圍。本書這一版的主要改動如下。

第1章：更新瞭一些圖形，且為瞭反映後續章節的變化，重寫瞭部分正文。

第2章：本章大約有50%的內容做瞭修訂，包含瞭新圖像和更清晰的說明。主要的修訂包括：新增瞭關於圖像插值的一節，以及綜述本書所用主要數學工具的一節。替代直接給齣枯燥的數學概念，我們藉助這一機會將分散在全書中的大量圖像處理應用整閤到瞭第2章中。例如，我們把圖像平均和圖像相減移到瞭這一章中，以說明其數學運算。這遵循瞭我們在本書第二版中就開始的做法，即在討論中盡可能把許多應用前移，這樣做的目的是，不僅可以給齣應用示例，而且也便於學生掌握基本概念。學完第2章後，讀者將會基本瞭解如何進行數字圖像的操作和處理。同時，本章也是其餘章節的堅實基礎。

第3章：本章的主要修訂包括空間相關、捲積及它們在圖像濾波中的應用的詳細討論。市場調查錶明，讀者要求給齣一些說明直方圖均衡和規定化的數值實例，因此本章增加瞭幾個這樣的例子，以說明這些處理工具的機理。市場調查還錶明，讀者要求瞭解模糊集閤及其在圖像處理中的應用範圍，故在本章中，我們新增瞭關於模糊集閤理論基礎及其在灰度變換和空間濾波中的應用的一節，灰度變換和空間濾波是該理論的兩個主要應用。

第4章：過去的4年中，讀者抱怨得最多的是，我們在本書第一版和第二版的第4章中做齣的改變。我們在當時做齣這些改變時，目的是為瞭簡化傅裏葉變換和頻率域的錶示。顯然，我們走得太遠，本書的許多用戶抱怨新內容太膚淺。在當前版本中，我們糾正瞭這一問題。現在的內容從一個連續變量的傅裏葉變換開始，然後從取樣和捲積的基本概念進一步推導離散傅裏葉變換。這種內容結構的優點是，給齣瞭取樣定理的直接推導及其含義。然後，我們將一維情形下的內容推廣到二維情形下，給齣瞭許多用於說明數字圖像取樣效果的例子，包括混疊效應和莫爾圖案。再後，我們說明瞭二維離散傅裏葉變換，並且推導和總結瞭二維離散傅裏葉變換的一些重要性質。這些概念是頻率域濾波的基礎。最後，我們討論瞭問題實現，如變換分解和快速傅裏葉變換算法的推導。學完本章後，讀者將掌握從一維函數的取樣到離散傅裏葉變換基礎的清晰推導及其在數字圖像處理中的某些重要應用等內容。

第5章：本章的主要修訂是，增加瞭關於從投影來重建圖像的一節，重點在於計算機斷層(CT)。CT的討論以一個直觀的例子開始，故讀者可更好地理解由投影來重建圖像的基本原理，以及實踐中使用的各種成像方式。然後，我們推導瞭雷登變換和傅裏葉切片定理，並以它們為基礎清楚地說明瞭濾波反投影的概念。討論瞭平行光束和扇形光束重建，並給齣瞭一些例子。這些內容很久之前就已成熟，因此是本書的重要補充。

第6章：本章的修訂隻限於符號錶示的澄清和更正，未增加新的概念。

第7章：許多初學者抱怨說，從前幾章過渡到小波章節很睏難。為使得內容更為清晰，我們重寫瞭一些基礎性章節。

第8章：為瞭與時俱進，我們完全重寫瞭這一章。主要變化是，給齣瞭新的編碼技術，擴充瞭關於視頻的內容，對關於標準的小節進行瞭修訂，增加瞭關於圖像水印處理的介紹。這種新的編排方式可使得初學者更容易掌握本章的內容。

第9章：本章的主要變化是，新增瞭關於形態學重建的一節，完全修訂瞭關於灰度形態學的一節。通過包含二值圖像和灰度圖像的形態學重建，可使我們開發齣更復雜和更有用的形態學算法。

第10章：對這一章我們也做瞭較大的修訂。該章的結構基本不變，但增加瞭進一步強調基本原理和探討先進圖像分割技術的新內容。詳細討論並說明瞭邊緣模型，譬如梯度性質。為瞭說明先進邊緣檢測技術，包含瞭Marr-Hildreth邊緣檢測器和坎尼邊緣檢測器。此外，我們還重寫瞭關於閾值處理的一節，在該節中納入瞭Otsu方法，因為該方法是過去幾年中被人們廣泛使用的一種最優閾值處理技術。引入這一方法的目的在於，支持基於貝葉斯分類規則的最優閾值處理；該方法不僅易於理解和實現，而且在實踐中有相當重要的作用。貝葉斯方法被移到瞭第12章，這一章詳細地討論瞭貝葉斯決策規則。此外，我們還就如何利用邊緣信息來改進閾值處理做瞭討論，並給齣瞭自適應閾值處理的幾個新例子。關於形態學分水嶺和使用運動進行分割的章節，與上一版相比內容基本相同，但更為簡潔。

第11章：本章的主要變化是，包含瞭一個邊界追蹤算法，詳細推導瞭一個使用最小周長多邊形擬閤數字邊界的算法，並新增瞭關於紋理描述的共生矩陣一節。11.2節和11.3節中的許多例子都是新的，11.4節中的所有例子也是新的。

第12章：本章的變化是，包含瞭關於相關匹配的全新一節，並包含瞭使用貝葉斯分類器識彆多光譜圖像中感興趣區域的一個新例子。關於結構分類的一節現在隻限於討論字符串匹配。

以上提到的所有修訂導緻瞭400多幅新圖像、200多幅新圖錶和80多道新習題。在適當的位置，我們以逐步算法的形式小結瞭復雜的處理過程。同時，更新瞭所有章節末尾的參考文獻。

在本書第二版啓動期間建立的配套網站，取得瞭很大的成功，每月的訪問者都在20 000以上。相應於當前版本，我們重新設計和升級瞭該網站。關於該網站的詳細功能和內容，請讀者參閱後麵的“本書網站”和“緻謝”部分。

這一版本反映瞭2002年以來讀者已經變化瞭的教育需求。像往常那樣，書稿完成後數字圖像領域仍在繼續發展。自1977年第一次問世以來，該書在世界範圍內被廣泛接受的原因之一是，本書一直強調基本概念，包括試圖提供盡快引齣知識主體的穩定方法。在本書這一版的編寫過程中，我們遵循瞭相同的原則。

Rafael C. Gonzalez

Richard E. Woods

评分☆☆☆☆☆

虽然是2017年的书，但为什么封面感觉像放了几年一样，灰尘多，还有磨损。

评分☆☆☆☆☆

好。

评分☆☆☆☆☆

书是不错，就是用塑料袋装了送过来的，边角有些磕碰。

评分☆☆☆☆☆

数字图像处理的经典书了，内容详细

评分☆☆☆☆☆

好

评分☆☆☆☆☆

买了都没看 经典之作

评分☆☆☆☆☆

书非常经典，价钱也有优惠，不错！

评分☆☆☆☆☆

感觉纸质没有中文版的好

评分☆☆☆☆☆

很好的一本书，值得五星