第2章 数字图像变换
2.1 图像的空间变换
2.1.1 图像的几何变换
（1）图像的平移变换
（2）图像的比例变换
（3）图像旋转变换
（4）图像镜像变换
2.1.2 灰度级插值
（1）最近邻插值法
（2）双线性插值法，具有低通滤波性质
（3）三次内插值法
2.1.3 图像的邻域操作
2.2 图像的傅里叶变换
2.2.1 什么是频率域
频域反应了图像在空域灰度变化的剧烈程度，也是图像灰度的变化度，即图像的梯度大小。图像的频域处理是指根据一定的图像模型，对图像频谱进行不同程度修改的技术。
2.3 图像的余弦变换
2.3.1 从DFT到DCT
2.3.3 离散余弦变换的性质
2.3.4 离散余弦变换应用：基于DCT的图像去噪
2.4 图像滤波
2.4.1 空域滤波
（1）领域平均法
（2）加权均值滤波
（3）中值滤波
2.4.2 频域滤波
2.5 图像的小波变换
2.5.1 小波分析的起源
2.5.2 连续小波变换
2.5.3 离散小波变换
2.5.4 小波变换的步骤及特点
2.5.5 例程精讲
2.5.6 小波变换的应用：基于小波变换的图像增强
2.6 图像的Hough变换
2.6.1 Hough变换的基本原理
2.6.2 例程精讲
2.6.3 融会贯通：基于Hough变换检测圆
2.7 图像的Walsh-Hadamard变换
2.7.1 Walsh-Hadamard变换的基本原理
2.7.2 例程精讲
2.7.3 Walsh-Hadamard变换在图像压缩领域的应用
2.8 图像的K-L变换
K-L变换（ Karhunen-Loeve Transform）是建立在统计特性基础上的一种变换，又称特征向量变换，主分量变换，霍特林（Hotelling）变换。
主要应用：
（1）降维与压缩
（2）构造参数模型
（3）人脸识别
2.8.1 K-L变换的基本原理
2.8.2 例程精讲
2.9 基于数学形态学的图像变换
2.9.1 数学形态学的起源
2.9.2 熟悉数学形态学的基本运算
第3章 数字图像分析
3.1 图像的色彩空间
3.1.1 常见的色彩空间
RGB、HSV、YUV、HSI色彩空间、灰度空间
3.1.2 例程精讲
3.1.3 彩色增强
3.2 图像的直方图
3.2.1 灰度直方图
3.2.2 例程精讲
3.2.3 融会贯通
3.2.4 应用：基于直方图的对比度增强
3.3 图像的纹理特征分析
3.3.1 什么是&”图像的纹理特征&”
3.3.2 灰度共生矩阵
3.3.3 例程精讲
3.3.4 融会贯通：灰度-梯度共生矩阵
3.4 图像的自相关函数
3.4.1 图像的自相关函数
3.4.2 例程精讲
3.4.3 图像局部自相关函数
3.5 视频图像分析与处理
3.5.1 视频图像及其特点分析
3.5.2 视频序列图像分析
3.5.3 视频序列图像处理
3.6 图像质量的评价
3.6.1 图像质量的客观评价
3.6.2 图像质量的主观评价
第4章 图像特征提取
4.1 图像的不变矩
4.1.1 不变矩的基本原理
4.1.2 例程精讲
4.2 图像的边缘检测
4.2.1 运用一阶微分算子检测图像边缘
4.2.2 运用二阶微分算子检测图像边缘
4.2.3 基于Canny算子检测图像边缘
4.2.4 基于SUSAN特征检测算子的边缘提取
4.3 Harris角点检测
（1）基于图像边缘的检测
（2）基于图像灰度的检测：通过计算点的曲率及梯度来检测角点。
4.3.1 何谓”角点”
4.3.2 Harris角点的基本原理
4.3.3 Harris角点的实现步骤
（1）参数a对角点检测的影响：
增大a的值，将减小角点响应值R，降低角点检测的灵性，减少被检测角点的数量；减小a值，将增大角点响应值R，增加角点检测的灵敏性，增加被检测角点的数量。
（2）Harris角点检测算子对亮度和对比度的变化不敏感
（3）Harris角点检测算子具有旋转不变性
（4）Harris角点检测算子不具有尺度不变性
4.3.5 例程精讲
4.4 SIFT特征提取与描述
4.4.1 SIFT算法
SIFT（Scale Invariant Feature Transform）
主要思路是：首先建立图像的尺度空间表示，然后再尺度空间中搜索图像的极值点，由极值点再建立特征描述向量，最后用特征描述向量进行相似度匹配。
采用SIFT 方法提取的图像特征具有放缩不变性、旋转不变性，仿射不变性，还有一定的抗光照变化和抗视点变换性能。该特征还具有高度的可区分性，能够在一个具有大量特征数据的数据库中进行精确地匹配。SIFT还使用金字塔算法大大缩小了提取特征时的运算量。
计算方法分为四个步骤:尺度空间极值提取、特征点定位、特征方向赋值和提取特征点描述。
(1)尺度空间极值检测：使用差分高斯（Difference of Gaussina，DoG）极值为判断依据。
（2）确定关键点位置及尺度：剔除对比度低的点，剔除边缘点。
（3）关键点方向确定。
4.4.2 SIFT特征描述
4.4.3 例程精讲
4.5 SURF特征提取与描述
4.5.1 积分图像
4.5.2 DoH近似
4.5.3 尺度空间表示
4.5.4 SURF特征描述算子
4.5.5 例程一点通
第5章 图像识别技术
5.1 模式识别的概念
5.1.1 什么是模式识别
5.1.2 模式识别的主要方法
5.1.3 模式识别的应用
5.2 基于图像的模式识别方法
5.2.1 句法模式识别
5.2.2 统计模式识别
5.2.3 模糊模式识别
5.2.4 神经网络模式识别
5.3 基于图像模式识别的过程
5.4 基于神经网络与矩特征的模式识别
5.4.1 神经网络简介
5.4.2 识别算法实现流程
5.4.3 例程精讲
5.4.4 实验结果
第6章 实战案例详解
6.1 测绘领域的应用：基于SURF的图像拼接
6.1.1 研究图像拼接的意义
6.1.2 基本原理及实现步骤
6.1.3 例程精讲
6.1.4 实际中需要注意的问题
6.2 信息安全领域的应用：基于小波变换的数字水印技术
6.2.1 数字水印技术
6.2.2 嵌入数字水印的基本原理
6.2.3 数字水印的特点
6.2.4 基于小波变换的数字水印嵌入
6.2.5 例程精讲
6.3 多媒体通信领域的应用：基于PIFS分形压缩编码技术
6.3.1 压缩编码概述
6.3.2 基于PIFS的图像压缩
6.4 安防领域的应用：高效视频监控系统
6.4.1 视频监控系统的基本原理
6.4.2 基于 Computer Vision System的系统设计
6.5 交通领域中的应用：基于视频的车流量统计
6.5.1 车流量检测系统
6.5.2 基于高斯混合背景模型的背景建模
6.5.3 例程精讲
第7章 思维技法点拨
7.1 学习点拨：谈学习数字图像处理的经验
7.1.1 面向应用：层层分解、抓住要点
7.1.2 面向学习：追根溯源、比较总结
7.2 思维点拨：运用Triz思维，突破图像处理瓶颈
7.2.1 Triz理论概述
7.2.2 实例分析：运用Triz理论改进Hough变换的实时性
7.3 方法点拨：基于MDA（模型驱动构架）的图像处理
7.3.1 模型驱动开发思想概述
7.3.2 模型驱动开发的优势
7.3.3 模型驱动开发在图像处理领域中的应用
7.3.4 基于Simulink-Blocks的模型驱动开发图像处理
7.4 技巧点拨：仿生理论助力图像处理技术发展
7.4.1 仿生理论与图像处理技术相结合的优势
7.4.2 实例分析：猫视觉皮层仿生的图像分割
附录
附录A 常用MATLAB图像处理指令功能语法索引
附录B 系统对象功能汇总
附录C Triz矛盾矩阵表39项技术参数及40条创新原理