本书共分9章。第1章综述Python语言的基本语法知识和数据结构；第2章介绍Python常用的图像处理第三方库的预备知识和安装方法；第3章系统介绍数字图像处理技术；第4～8章系统介绍常用图像库处理图像的增强、分割、配准、融合、可视化和形态学操作的应用；第9章是图像处理技术的综合应用，展示了两个应用案例：一是纳米材料SEM图像的结构颗粒统计分析；二是小儿肺部X光片的医学图像分析。
本书适合高等院校本科生和研究生作为图像处理技术类课程的教材，也可作为相关领域研究人员的学习或参考资料。

第1章 Python语言基础
1.1 Python语言的数据类型
1.1.1 整型和浮点型
1.1.2 字符串
1.2 Python语言的控制结构
1.2.1 分支语句
1.2.2 循环语句
1.3 Python语言的列表、元组、字典与集合
1.3.1 列表
1.3.2 元组
1.3.3 字典
1.3.4 集合
1.4 Python语言的函数
1.4.1 函数的定义和调用
1.4.2 函数的参数和返回值
1.5 Python语言的模块和类
1.5.1 模块的分类
1.5.2 模块的导入
1.5.3 Python的常用内置模块
1.5.4 图形模块turtle
1.5.5 扩展模块NumPy
第2章 Python图像处理库及安装
2.1 Python常用图像处理库
2.1.1 Scikit-Image
2.1.2 NumPy
2.1.3 SciPy
2.1.4 PIL/Pillow
2.1.5 OpenCV-Python
2.1.6 SimpleCV
2.1.7 Mahotas
2.1.8 SimpleITK
2.1.9 Pgmagick
2.1.10 Pycairo
2.2 第三方库的安装方法
2.2.1 pip命令和环境变量
2.2.2 文件安装
2.2.3 程序安装
2.2.4 pip版本升级和镜像安装
2.3 图像处理库Scikit-Image安装
2.4 图像处理库OpenCV安装
2.4.1 pip命令安装OpenCV
2.4.2 whl文件安装OpenCV
2.4.3 直接下载OpenCV
2.4.4 API
2.5 图像可视化库NumPy和Matplotlib安装
2.6 医学图像库Pydicom
2.6.1 医学影像学
2.6.2 DICOM文件结构
2.6.3 Pydicom图形库处理
2.6.4 Pydicom库的应用
第3章 数字图像处理基础
3.1 数字图像的基本概念
3.1.1 数字图像
3.1.2 数字图像基本操作
3.2 数字图像的类型与存储格式
3.2.1 数字图像类型
3.2.2 图像类型的转换
3.2.3 图像数据类型及转换
3.2.4 图像像素操作
3.2.5 数字图像的基本文件格式
3.3 数字图像的灰度直方图
3.3.1 图像灰度直方图概念
3.3.2 绘制直方图
3.3.3 图像灰度直方图的性质
3.3.4 直方图的用途
3.4 数字图像的色彩空间
3.4.1 常见的色彩空间
3.4.2 色彩空间的转换
3.4.3 通道的拆分和合并
3.5 数字图像的基木运算
3.5.1 图像的点运算
3.5.2 图像的代数运算
3.5.3 图像的儿何变换
3.6 数字图像的插值
3.6.1 捕值的概念
3.6.2 最邻近插值法
3.6.3 双线性内插法
3.6.4 三次多项式插值
实训1 数字图像的插值
第4章 图像增强
4.1 数字图像的增强技术
4.2 灰度变换增强
4.2.1 线性灰度变换
4.2.2 非线性灰度变换
4.2.3 分段线性灰度变换
4.3 直方图增强
4.3.1 直方图均衡化
4.3.2 直方图规定化
4.4 空间邻域增强
4.4.1 空间邻域平滑
4.4.2 空间邻域锐化
4.5 频域滤波增强
4.5.1 低通滤波
4.5.2 高通滤波
4.6 彩色增强
4.6.1 伪彩色增强
4.6.2 假彩色增强
实训2 通过指定的图像实现直方图增强
实训3 低通滤波图像
第5章 图像分割
5.1 图像分割概述
5.2 阈值分割原理与实现
5.2.1 固定阈值法
5.2.2 直方图双峰法
5.2.3 最大类间方差法
5.2.4 迭代法
5.2.5 最大熵法
5.2.6 自适应法
5.3 边缘分割原理与实现
5.3.1 常用边缘检测算子
5.3.2 霍夫变换
5.3.3 轮廓检测和绘制
5.4 区城分割原理与实现
5.4.1 区城生长法
5.4.2 区域分裂合并法
5.4.3 分水岭算法
5.5 基于特定理论的图像分割
5.5.1 基于聚类分析的图像分割方法
5.5.2 基于模糊集理论的图像分割方法
5.5.3 基于神经网络的图像分割方法
5.5.4 基于图论的图像分割方法
5.5.5 基于遗传算法的图像分割方法
5.5.6 基于小波变换的图像分割方法
实训4 阈值分割
实训5 边缘分割
实训6 区域分割
第6章 图像配准与融合
6.1 图像的配准和融合概念
6.1.1 概念解析
6.1.2 图像配准和融合过程解析
6.2 图像配准的基本框架
6.2.1 特征空间
6.2.2 搜索空间
6.2.3 搜索策略
6.2.4 灰度插值技术
6.2.5 相似性测度
6.3 基于灰度信息的图像配准
6.3.1 互相关法
6.3.2 序列相似度检测方法
6.3.3 互信息法
6.3.4 基于灰度的图像配准实例
6.4 基于特征的图像配准
6.4.1 基于点特征的图像配准
6.4.2 基于线特征的图像配准
6.4.3 基于区城特征的图像配准
6.5 基于变换城的图像配准
6.5.1 傅里叶变换特性
6.5.2 基于傅里叶变换的图像配准
6.6 图像配准的评价
6.7 图像融合
6.7.1 图像融合的概念
6.7.2 图像融合的分类
6.7.3 一个简单图像融合实例
实训7