本书分为数字图像处理基础理论和智能数字图像处理方法两篇。数字图像处理基础理论篇涵盖数字图像处理的概念、数字图像处理的基本运算、基于点运算的图像增强、基于空域的图像增强、基于频域的图像增强、数字图像复原技术、数学形态学的图像处理方法、数字图像的分割技术等知识。智能数字图像处理方法篇涵盖智能图像处理的基础知识、智能图像处理的发展及应用、基于智能技术的图像去噪技术、基于智能技术的暗光图像增强技术、基于智能技术的图像语义分割、基于智能技术的图像彩色化处理、基于智能技术的图像风格化处理技术以及基于智能技术的图像修复技术等内容。
本书内容全面、体系完整、案例丰富，适合作为高校数字图像处理、智能数字图像处理及相关课程的教材，也适合智能数字图像处理方向的技术人员参考。

前言
第一篇 数字图像处理基础理论
第1章 概论
1.1 数字图像概述
1.1.1 图像与数字图像的概念
1.1.2 数字图像的表示与实例
1.1.3 像素及其邻域
1.2 数字图像处理技术的发展及应用
1.3 数字图像处理方法概述
1.4 数字图像处理的主要技术与系统构成
1.5 图像处理编程基础
1.5.1 Python编程基础
1.5.2 Matlab编程基础
习题
第2章 人类的感知与数字图像的质量
2.1 人眼结构与视觉特性
2.1.1 人眼结构
2.1.2 人眼的视觉特性
2.1.3 人类的视觉感知
2.1.4 视觉感知特征在图像处理中的作用
2.2 影响数字图像质量的因素
2.2.1 空间分辨率
2.2.2 强度等级分辨率
2.2.3 对比度
2.2.4 清晰度
习题
第3章 图像的基本运算与变形处理
3.1 图像的基本运算
3.1.1 代数运算
3.1.2 逻辑运算
3.1.3 图像的几何运算
3.2 图像的重采样与插值运算
3.3 图像的变形处理
3.3.1 基于三角形区域变换的图像变形
3.3.2 基于四边形区域变换的图像变形
习题
第4章 图像增强处理
4.1 空域处理技术
4.1.1 点运算
4.1.2 直方图处理
4.1.3 伪彩色处理
4.2 滤波器
4.3 空域滤波处理
4.3.1 空域平滑技术
4.3.2 空域锐化技术
4.3.3 空域平滑与锐化相结合的滤波实例
4.4 频域滤波处理
4.4.1 图像频域处理基础
4.4.2 利用傅里叶变换进行图像处理
4.4.3 频域的平滑滤波
4.4.4 高通滤波锐化处理
习题
第5章 图像复原技术
5.1 图像复原基础
5.2 图像退化与数学模型
5.3 典型的图像复原方法
5.4 退化函数估计方法
5.4.1 图像观察估计法
5.4.2 试验估计法
5.4.3 模型估计法
5.5 逆滤波复原及其实现方法
5.5.1 逆滤波复原基础
5.5.2 逆滤波复原的实现方法
5.6 维纳滤波复原及其实现方法
5.6.1 维纳滤波复原基础
5.6.2 维纳滤波复原的实现方法
5.7 噪声模型
5.8 空域滤波复原
5.8.1 均值滤波器
5.8.2 统计滤波器
5.8.3 自适应滤波器
习题
第6章 彩色图像处理
6.1 人类视觉对色彩的感知与色彩空间
6.2 RGB彩色图像的特效处理
6.3 彩色图像处理
6.3.1 彩色图像的平滑处理
6.3.2 彩色图像的锐化
6.3.3 彩色图像的分割
6.3.4 彩色图像的边缘提取
6.4 假彩色处理
习题
第7章 数学形态学方法
7.1 集合论基础知识
7.1.1 元素和集合
7.1.2 平移和反射
7.1.3 结构元
7.2 数学形态学的基本运算
7.2.1 腐蚀
7.2.2 膨胀
7.2.3 开运算
7.2.4 闭运算
7.3 利用数学形态学处理图像
习题
第8章 图像压缩与编码技术
8.1 图像压缩技术基础
8.1.1 编码与解码
8.1.2 图像压缩的必要性和可能性
8.1.3 信源编码
8.1.4 图像压缩的性能指标
8.2 无损压缩编码
8.2.1 哈夫曼编码
8.2.2 香农-范诺编码
8.2.3 游程编码
8.2.4 预测编码
8.2.5 算术编码
习题
第9章 图像分割
9.1 图像分割基础
9.1.1 图像分割的概念
9.1.2 图像分割的基本方法
9.1.3 图像分割系统的构成
9.2 非连续性检测
9.2.1 孤立点的检测
9.2.2 线的检测
9.2.3 边缘检测
9.3 边缘连接
9.3.1 局部处理方法
9.3.2 霍夫变换及实现方法
9.4 阈值分割法
9.4.1 单阈值分割法与多阈值分割法
9.4.2 均值迭代阈值分割法
9.4.3 类间方差分割法
9.4.4 常见的多阈值分割法
9.5 基于区域的分割方法
9.5.1 区域生长算法
9.5.2 区域分裂合并算法
9.6 基于能量的分割方法
9.6.1 主动轮廓方法
9.6.2 主动轮廓线演化的实例
9.6.3 水平集方法
习题
第二篇 智能数字图像处理方法
第10章 人工智能基础知识
10.1 人工智能技术的发展背景
10.2 机器学习基础
10.2.1 机器学习的概念
10.2.2 机器学习算法的步骤
10.3 机器学习与深度学习
10.4 深度学习基础
10.4.1 深度学习技术的发展
10.4.2 神经元与人工神经网络
10.4.3 神经网络的结构
10.4.4 卷积神经网络
10.4.5 循环神经网络
10.5 深度学习编程框架
10.5.1 TensorFlow
10.5.2 PyTorch
习题