本书主要介绍数字图像处理的基础方法，在第一版的基础上，对内容进行优化，增加了关于数字图像处理三类深度学习网络模型的介绍。
本书共11章，重点介绍数字图像处理的基本概念、图像增强、图像几何变换、图像去噪、图像锐化、图像分割、二值图像处理、彩色图像处理、图像变换、图像压缩编码、图像处理的深度学习网络模型等。
本书沿袭了第一版深入浅出、算例引导，方便读者理解和掌握相关内容的撰写风格。本书可作为高等院校电子信息工程、信息与通信工程、信号与信息处理、计算机、应用数学、自动化等相关专业本科生或研究生的教材及参考书，也可作为工程技术人员和相关应用研究人员的参考用书。

第1章 引言
1.1 数字图像处理、计算机视觉、计算机图形学
1.2 数字图像处理系统的结构
1.3 数字图像的基本概念
1.3.1 数字图像的数值描述
1.3.2 数字图像的灰度直方图
1.4 数字图像处理的主要研究内容
1.5 本书的结构安排
习题
第2章 图像增强
2.1 γ校正
2.2 对比度线性展宽
2.3 灰级窗与灰级窗切片
2.3.1 灰级窗
2.3.2 灰级窗切片
2.4 动态范围调整
2.4.1 线性动态范围调整
2.4.2 非线性动态范围调整
2.5 直方图均衡化
2.6 自适应直方图均衡化
2.7 伪彩色
2.8 Retinex图像增强方法
习题
第3章 图像几何变换
3.1 图像的位置变换
3.1.1 图像的平移
3.1.2 图像的镜像
3.1.3 图像的旋转
3.2 图像的形状变换
3.2.1 图像的缩小
3.2.2 图像的放大
3.2.3 图像的错切
3.3 齐次坐标与图像的仿射变换
3.4 图像几何畸变的校正
习题
第4章 图像去噪
4.1 图像噪声
4.2 均值滤波
4.2.1 均值滤波的原理
4.2.2 均值滤波方法
4.3 中值滤波
4.3.1 中值滤波的原理
4.3.2 中值滤波方法
4.4 边界保持类平滑滤波
4.4.1 K近邻均值滤波
4.4.2 对称近邻均值滤波
4.5 非局部均值滤波
习题
第5章 图像锐化
5.1 图像细节的基本特征
5.2 一阶微分算子
5.2.1 具有方向性的一阶微分算子
5.2.2 Roberts交叉微分算子
5.2.3 Sobel微分算子
5.2.4 Priwitt微分算子
5.3 二阶微分算子
5.3.1 Laplacian微分算子
5.3.2 Wallis微分算子
5.4 微分算子在边缘检测中的应用
5.5 Canny算子
5.6 LOG滤波算法
习题
第6章 图像的分割
6.1 阈值分割方法
6.1.1 p-参数法
6.1.2 最大熵方法
6.1.3 最大类间、类内方差比法
6.2 区域生长分割方法
习题
第7章 二值图像处理
7.1 二值图像中的基本概念
7.1.1 连接与点特性
7.1.2 几何特征
7.2 腐蚀与膨胀
7.2.1 腐蚀
7.2.2 膨胀
7.3 开运算与闭运算
7.3.1 开运算
7.3.2 闭运算
7.4 贴标签
7.4.1 连通域标签法
7.4.2 轮廓标签法
7.5 细线化方法
习题
第8章 彩色图像处理
8.1 彩色的形成原理与基本概念
8.2 表色系
8.2.1 计算颜色模型系统
8.2.2 视觉颜色模型系统
8.2.3 工业颜色模型系统
8.3 色彩平衡
8.3.1 白平衡法
8.3.2 灰色世界法
8.4 彩色补偿
习题
第9章 图像变换
9.1 图像的频域变换（傅里叶变换）
9.1.1 一维傅里叶变换
9.1.2 二维傅里叶变换
9.1.3 快速傅里叶变换（FFT）
9.1.4 图像的频谱分布特性
9.2 小波变换
9.2.1 连续小波变换
9.2.2 离散小波变换
9.2.3 小波的多尺度分解与重构
9.3 小波变换在图像处理中的应用
9.3.1 应用于图像压缩
9.3.2 应用于图像融合
9.3.3 应用于图像增强
9.3.4 应用于图像去噪
习题
第10章 图像压缩编码
10.1 图像冗余的概念
10.1.1 冗余的概念
10.1.2 图像中的冗余
10.2 图像无损压缩编码
10.2.1 行程编码（RLE）
10.2.2 哈夫曼（Huffman）编码
10.3 图像有损压缩编码
10.3.1 彩色图像的有损编码
10.3.2 小波变换编码
习题
第11章 深度学习与图像处理
11.1 深度卷积网络的基本结构
11.1.1 卷积层
11.1.2 激活层
11.1.3 BN层（批数据归一化处理层）
11.1.4 池化层
11.2 超分辨率图像重建卷积网络
11.2.1 SRCNN网络
11.2.2 ESPCN网络
11.3 图像分类深度卷积网络
11.3.1 LeNet-5网络
11.3.2 AlexNet网络
11.4 图像目标检测深度卷积网络
11.4.1 Faster-RCNN网络
11.4.2 YOLO网络
习题
参考文献