本书详细介绍了图像处理的定义与图像处理技术的发展过程，阐述了图像处理的工作原理，涵盖了图像数字化、预处理、特征提取、分割、识别与分类等核心步骤；深入探讨了图像存储与变换技术，以及卷积神经网络在图像处理中的应用，为读者构建起坚实的理论基础；聚焦于图像去噪与增强技术，讲解了多种传统与基于深度学习的方法，如空间滤波、频域滤波以及DnCNN、Deep Bilateral Learning等前沿算法；细致剖析了图像超分辨率重建技术，包括传统方法与基于深度学习的解决方案，如SRCNN、ESPCN和RCAN等。在图像分类技术章节，对比了传统方法与深度学习方法的优劣，同时介绍了经典数据集，为读者提供实践的基准。在图像分割与目标检测技术章节，涵盖了从边缘检测到区域分割，再到基于深度学习的现代方法，如FCN、U-Net、YOLO、R-CNN等。本书最后一章通过一系列精选的图像处理技术应用案例，如红外小目标检测、水下图像增强、人体动作识别、多模态脑部肿瘤图像分割等，展现了图像处理技术在医学、工业、安全等多个领域的实际价值。
　　本书可作为普通高校机器人工程、自动化、电子科学与技术、计算机科学与技术、物联网工程等专业的数字图像处理、计算机视觉原理等课程的教材，也可供图像处理、机器人视觉、机器人自主导航、人工智能等研究方向的研究生学习参考。
　　本书配有电子课件、教学大纲和习题答案等教学资源，选用本书作教材的教师可登录www.cmpedu.com注册后下载，或发邮件至jinacmp@l63.com索取。

本书遵循教育部教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念，融入思政元素，注重理论与实践相结合。

数字图像处理是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等领域的工程学科，其主要通过计算机来模拟人的视觉功能，从客观事物的图像中提取信息，对提取的信息进行处理并加以理解，以达到提高图像质量、检测与识别图像中的目标的目的。
　　数字图像处理作为一门学科形成于20世纪60年代初期，早期是为了改善图像的质量，提升人的视觉效果；输入低质量图像，输出高质量图像；研究增强、复原、编码、压缩等方法。20世纪80年代至90年代，随着数字信号处理技术的日益成熟，数字图像处理开始采用更多的数字信号处理理论和技术，如傅里叶变换、小波变换等实现图像的去噪、增强、特征提取与识别等，其应用逐渐拓展到医学影像、遥感图像、工业检测等领域，相关的标准化工作也逐渐展开，确立了一系列基本的处理流程和标准。进入21世纪，计算机视觉技术的迅速发展为数字图像处理带来了新的动力和挑战，提出了一批新方法与新理论，同时出现了基于计算机的数字图像处理软件平台，这些工具平台有效地推动了数字图像处理技术的发展与应用。近年来，以深度学习为代表的人工智能技术在数字图像处理领域崛起，使得数字图像处理在图像识别、语义分割、风格转换等高级任务中取得了显著的进展和广泛的应用。
　　编写本书的主要目的是介绍数字图像处理原理与技术，为读者在数字图像处理领域进一步学习和研究奠定基础。为实现该目的，本书不仅包括数字图像处理的相关理论与数学背景知识，更将其与机器学习、深度学习等最新研究成果有机地融合。本书从低层次视觉处理中的图像存储变换、去噪增强及超分辨率等基础知识开始，逐步过渡到区域分割、分类识别、目标检测，最后通过案例介绍数字图像处理技术的典型应用，包括深度学习技术在数字图像处理中的应用等内容。读者通过学习可建立起有效可用的数字图像处理应用系统。
　　全书共10章：第1章为绪论，使读者对数字图像处理技术具有初步认识；第2章介绍了数字图像处理的存储与变换技术，包括图像与视频文件格式、图像变换等方法；第3章介绍了卷积神经网络的基本原理，为后续章节深入学习相关图像处理方法奠定了基础；第4～6章介绍了数字图像处理技术中的低层次处理方法，包括图像去噪、增强、超分辨率重建方法等；第7～9章介绍了数字图像处理技术中的高层次处理方法，包括图像分类、图像分割与目标检测技术，重点讲述了当前最新的基于深度学习的数字图像处理方法原理；第10章介绍了数字图像处理的典型应用案例，包括红外小目标检测、水下图像增强、人体动作识别、多模态脑部肿瘤图像分割等，使读者对数字图像处理技术在工程领域中的应用有初步的了解。
　　在本书编写过程中，编者参考了国内外近年来的最新文献资料，力求做到层次清楚、概念准确、语言流畅、内容丰富、图文并茂，既便于读者循序渐进地系统学习，又能使读者了解数字图像处理技术的最新发展。
　　本书编写人员主要有吴成东、于晓升、迟剑宁和张祥越。其中，吴成东、张祥越负责编写第1、2、3、6、10章；于晓升、迟剑宁负责编写第4、5、7、8、9章。参加本书资料检索与文字处理的还有课题组的部分研究生，在此谨表衷心的感谢。
　　数字图像处理技术的发展日新月异，其理论与实践也在不断地充实、完善与提高。由于编者的学术水平与写作水平有限，书中难免有错误与不妥之处，诚恳地希望读者批评指正。
　　编?者

1960年6月生，辽宁省大连市人。1983年7月毕业于沈阳建筑工程学院电气自动化专业，获工学学士学位，荣获辽宁省优秀毕业生称号；1988年6月毕业于清华大学自动控制理论与应用专业，获工学硕士学位；1994年9月毕业于东北大学工业自动化专业，获工学博士学位；1997年8月，在英国WALES大学智能工程专业博士后出站。曾应邀多次赴国外大学进行访问研究与学术交流。

目录
前言
第1章　绪论 1
1.1　图像处理的定义 1
1.2　图像处理技术的发展过程 2
1.3　图像处理的工作原理 5
1.4　图像处理技术的应用领域 7
1.5　图像处理的软件及编程工具 10
思考题与习题 13
参考文献 13
第2章　图像存储与变换技术 15
2.1　图像存储格式 15
2.2　视频存储格式 21
2.3　图像变换技术 26
思考题与习题 32
参考文献 33
第3章　卷积神经网络 34
3.1　卷积神经网络概述 34
3.2　卷积神经网络的发展历史及典型应用 36
3.3　卷积神经网络的结构 40
3.4　卷积神经网络的训练和优化 42
思考题与习题 47
参考文献 47
第4章　图像去噪技术 49
4.1　图像噪声与退化模型 49
4.2　基于空间滤波的图像去噪 51
4.3　基于频域滤波的图像去噪 57
4.4　基于深度学习的图像去噪 64
思考题与习题 67
参考文献 67
第5章　图像增强技术 68
5.1　图像增强概述 68
5.2　基于空间滤波的图像增强 69
5.3　基于频域滤波的图像增强 77
5.4　基于深度学习的图像增强 87
思考题与习题 92
参考文献 92
第6章　图像超分辨率重建技术 93
6.1　图像超分辨率重建概述 93
6.2　传统图像超分辨率重建方法 94
6.3　基于深度学习的图像超分辨率重建 103
6.4　超分辨率重建的质量评价 110
思考题与习题 112
参考文献 112
第7章　图像分类技术 113
7.1　图像分类概述 113
7.2　传统图像分类方法 118
7.3　基于深度学习的图像分类 126
7.4　迁移学习 132
思考题与习题 141
参考文献 142
第8章　图像分割技术 143
8.1　图像分割概述 143
8.2　基于边缘的图像分割 145
8.3　基于区域的图像分割 158
8.4　基于深度学习的图像分割 161
思考题与习题 171
参考文献 172
第9章　目标检测技术 173
9.1　目标检测概述 173
9.2　传统目标检测方法 174
9.3　基于深度学习的目标检测方法 184
9.4　目标检测评价指标与性能评估 207
思考题与习题 211
参考文献 211
第10章　图像处理技术应用案例 213
10.1　红外小目标检测技术 213
10.2　水下图像增强技术 217
10.3　人体动作识别技术 220
10.4　多模态脑部肿瘤图像分割技术 225
10.5　眼底图像青光眼检测技术 228
10.6　新视图合成技术 232
10.7　工业缺陷检测技术 236
10.8　偏振增强技术 240
10.9　视觉抓取技术 243
思考题与习题 247
参考文献 248