《普通高等教育“十一五”国家级规划教材：数字图像处理（MATLAB版）（第2版）》是在2007年出版的《数字图像处理》（MATLAB版）一书的基础上经修改而成的。
    本版保留了原教材以概要形式讲述基本理论，并紧密结合实践应用研究的特色，对少量内容进行了修改，对第1版中出现的错误进行了修订。《普通高等教育“十一五”国家级规划教材：数字图像处理（MATLAB版）（第2版）》论述清晰、概念明确、重点突出并配有大量源代码，便于教学和自学。
    全书内容包括：小波分析和应用的基本理论、图像压缩编码、空间域内图像增强、频域内图像增强、小波域去噪滤波器、数字视频处理、图像融合算法以及附录。各章均配有不同层次的习题以及源代码以供参考。
    《普通高等教育“十一五”国家级规划教材：数字图像处理（MATLAB版）（第2版）》以精缩的理论知识、实践教学和工程训练相结合，可以用作计算机应用、通信工程和电子工程专业高年级本科生、研究生、工程硕士、教师及工程技术人员学习数字图像处理和基本图形学技术的参考书或实验教学指导书，也可作为本科生和研究生的研究型课程教材。

第1章 数字图像处理学习方法
1.1 数字图像处理技术学习对策
1.2 新知识和技术进展学习攻守策略
1.3 工程训练或研究课题推荐学习方式
1.4 数字图像处理技术的应用前景

第2章 小波分析基本理论
2.1 傅里叶变换到小波分析
2.2 积分小波变换和时间一频率分析
2.3 小波的多分辨分析与分解重构
2.4 Mallat算法
2.5 用提升方法构造的整数小波

第3章 图像处理中的压缩编码／解码
3.1 标量量化的JPEG压缩编码
3.2 矢量量化编码
3.3 基于小波变换的图像压缩
3.3.1 编码原理
3.3.2 图像统计特性和适合图像数据压缩小波基的确定
3.3.3 基于小波变换的零树编码和集复合树编码压缩
3.3.4 基于小波变换的对块零树编码压缩
3.4 小波树结构快速矢量量化编码方法
3.4.1 小波树及其树结构矢量量化
3.4.2 小波树结构矢量量化压缩编码
3.4.3 小波树结构矢量量化编码快速算法实现
3.5 码矢量激励预测编码
3.5.1 预测图
3.5.2 块截短编码
3.5.3 改进块截短编码
3.6 WT+IBTC压缩研究实验和结论
3.7 三维多光谱数据压缩
3.7.1 多光谱遥感图像KLT及其统计特征分析
3.7.2 KLT码流分配的方法设计
3.7.3 实验结果和讨论
3.8 本章部分程序
习题

第4章 空间域内图像增强
4.1 均值滤波
4.1.1 均值滤波的基本理论
4.1.2 均值滤波器
4.2 线性加权滤波
4.3 梯度倒数加权滤波
4.4 基于Digital TV模型的线性滤波器
4.4.1 TV模型
4.4.2 Digital TV线性滤波器
4.5 边缘检测和噪声分类相结合的线性滤波器
4.5.1 图像边缘检测算子
4.5.2 分块平均边缘检测和噪声分类相结合的滤波器
4.6 中值滤波器
4.7 基于个数判断脉冲噪声的中值滤波器
4.8 自适应门限的中值滤波器
4.9 图像增强
4.10 直方图处理
4.10.1 直方图均衡化
4.10.2 直方图规定化
小结
习题

第5章 频率域内图像增强
5.1 用巴特沃斯（Butterworth）滤波器进行图像滤波设计
5.1.1 点阵图像的频谱特性及滤波方案
5.1.2 模拟巴特沃斯低通滤波器设计
5.1.3 模拟低通滤波器转变为数字低通滤波器
5.1.4 数字低通、高通、带通滤波器
5.1.5 巴特沃斯滤波器实验结果
5.2 同态滤波
5.2.1 图像形成模型
5.2.2 同态滤波器
小结
习题

第6章 小波域去噪滤波器
6.1 门限相关的小波去噪滤波器
6.1.1 Donoho软门限去噪滤波器
6.1.2 硬门限去噪滤波器
6.1.3 GCV阈值和SURE阈值软门限去噪滤波器
6.1.4 Bayes估计阈值软门限去噪滤波器
6.2 基于Context模型的空间自适应小波去噪滤波器
6.3 基于尺度和空间混合模型的小波图像去噪滤波器
6.4 基于隐马尔可夫树模型的小波去噪滤波器
6.5 基于尺度空间和Context模型相结合的自适应小波去噪滤波器
6.6 基于父系数及邻域系数的双树复数小波去噪滤波器
6.7 基于Context模型和3D视频图像的小波去噪滤波器
6.8 SAR图像处理
6.8.1 SAR图像增强系统结构设计
6.8.2 实验结果和结论
小结
习题

第7章 数字视频处理
7.1 运动估计
7.1.1 基于像素的运动估计
7.1.2 基于块的运动估计
7.1.3 多分辨率运动估计
7.1.4 几种运动估计方法的比较
7.2 运动补偿
7.2.1 运动补偿方式
7.2.2 多假设运动补偿
7.2.3 重叠块运动补偿
7.2.4 重叠可变块运动补偿
7.3 去隔行算法
7.3.1 非运动补偿的去隔行算法
7.3.2 运动补偿的去隔行算法
7.3.3 其他去隔行算法
7.3.4 仿真结果
7.4 去隔行算法FPGA实现
7.4.1 VLSI设计方法简介
7.4.2 去隔行算法FPGA实现
7.5 小波SPIHT编码方法C语言及DSP实现
7.5.1 SPIHT编码的C语言实现
7.5.2 小波SPIHT编码在C6701评估板上实现
小结
习题

第8章 基于多尺度的PCNN图像融合算法
8.1 图像融合技术的发展过程
8.2 基于小波变换图像融合的基本原理
8.3 融合效果性能评价指标
8.3.1 均值和标准差
8.3.2 熵
8.3.3 平均梯度
8.3.4 互信息
8.3.5 归一化指标
8.4 高频域融合算法研究
8.4.1 均值法
8.4.2 最大值法
8.4.3 基于区域的最大值法
8.4.4 基于区域能量的图像融合算法
8.4.5 基于边缘强度的自适应融合法
8.4.6 基于PCNN的图像磁舍算法
8.4.7 改进的PCNN图像融合算法
8.4.8 高频域内不同融合算法的比较
8.5 低频域融合方法
8.5.1 低频平均法
8.5.2 基于低频域边缘的选择方案
8.5.3 基于PCNN的低频域融合算法
8.5.4 低频域内不同融合算法的比较
8.5.5 最终融合结果
8.6 改进拉普拉斯能量和的尖锐频率局部化Contourlet域多聚焦图像融合
8.6.1 尖锐频率局部化Contourlet变换
8.6.2 循环平移SFLCT域图像融合方法
8.6.3 融合规则
8.6.4 实验结果
8.7 非子采样Contourlet变换域内的空间频率激励的PCNN的图像融合
8.7.1 图像融合中的NSCT
8.7.2 基于NSCT-SF-PCNN的图像融合算法
8.7.3 实验结果
8.8 PCNN图像融合的相关方法
附录1 MATLAB中图像工具箱基本技巧
附录2 练习题参考答案和部分应用程序
参考文献