《图像处理、分析与机器视觉（第二版）》是为计算机专业图像处理、图像分析和机器视觉课程编写的教材，被美国卡耐基梅隆大学等高等学校选用。
本书内容包括图像预处理、图像分割、形状表示与描述、物体识别与图像理解、三维视觉、数学形态学图像处理技术、离散图像变换、图像压缩、纹理描述、运动分析以及实际应用的案例研究等等。全书力图将复杂的概念用易于理解的算法描述出来，书中提供了大量图示和插图，特别有助于对概念的理解。每章最后还附有大量思考题和练习题以及丰富的参考文献列表，便于读者学习和理解。
本书所讲解的概念和原理覆盖了十分广泛的领域，涉及人工智能(如启发式搜索)、信号处理(如卷积、傅立叶变换)、人工神经网络、模式识别、模糊数学等一系列相关学科。读者通过学习本书，可以学到这些学科中很多具有普遍价值的知识和具体的应用方法。
本书可作为高等院校计算机专业高年级本科生和研究生相应课程的教材，可以结合实际情况学习相应的章节。本书也特别适合有一定基础的读者自学。本书对从事相关科学技术领域的研究和工程技术人员也有很高的参考价值。此外，对于本领域的专业人士也可结合其英文版一起作为技术手册使用。
目录
- 第1章引言
- 1.1总结
- 1.2习题
- 1.3参考文献
- 第2章数字图像及其性质
- 2.1基本概念
- 2.1.1图像函数
- 2.1.2狄拉克(Dirac)分布和卷积
- 2.1.3傅立叶变换
- 2.1.4作为随机过程的图像
- 2.1.5作为线性系统的图像
- 2.2图像数字化
- 2.2.1采样
- 2.2.2量化
- 2.2.3彩色图像
- 2.3数字图像性质
- 2.3.1数字图像的度量和拓扑性质
- 2.3.2直方图
- 2.3.3图像的视觉感知
- 2.3.4图像品质
- 2.3.5图像中的噪声
- 2.4总结
- 2.5习题
- 2.6参考文献
- 第3章图像分析的数据结构
- 3.1图像数据表示的层次
- 3.2传统图像数据结构
- 3.2.1矩阵
- 3.2.2链
- 3.2.3拓扑数据结构
- 3.2.4关系结构
- 3.3分层数据结构
- 3.3.1金字塔
- 3.3.2四叉树
- 3.3.3其他金字塔结构
- 3.4总结
- 3.5习题
- 3.6参考文献
- 第4章图像预处理
- 4.1像素亮度变换
- 4.1.1与位置相关的亮度校正
- 4.1.2灰度级变换
- 4.2几何变换
- 4.2.1像素坐标变换
- 4.2.2亮度插值
- 4.3局部预处理
- 4.3.1图像平滑
- 4.3.2边缘检测算子
- 4.3.3二阶导数过零点
- 4.3.4图像处理中的尺度
- 4.3.5Canny边缘提取
- 4.3.6参数化边缘模型
- 4.3.7多光谱图像中的边缘
- 4.3.8其他局部预处理算子
- 4.3.9自适应邻域性预处理
- 4.4图像复原
- 4.4.1容易复原的退化
- 4.4.2逆滤波
- 4.4.3维纳滤波
- 4.5总结
- 4.6习题
- 4.7参考文献
- 第5章分割
- 5.1阈值化
- 5.1.1闽值检测方法
- 5.1.2最优闽值化
- 5.1.3多光谱闽值化
- 5.1.4分层数据结构下的闽值化
- 5.2基于边缘的分割
- 5.2.1边缘图像闽值化
- 5.2.2边缘松弛法
- 5.2.3边界跟踪
- 5.2.4作为图搜索的边缘跟踪
- 5.2.5作为动态规划的边缘跟踪
- 5.2.6Hough变换
- 5.2.7使用边界位置信息的边界检测
- 5.2.8从边界构造区域
- 5.3基于区域的分割
- 5.3.1区域归并
- 5.3.2区域分裂
- 5.3.3分裂与归并
- 5.3.4分水岭分割
- 5.3.5区域增长后处理
- 5.4匹配
- 5.4.1匹配标准
- 5.4.2匹配的控制策略
- 5.5高级最优边界与表面检测方法
- 5.5.1边界对的同时检测
- 5.5.2表面检测
- 5.6总结
- 5.7习题
- 5.8参考文献
- 第6章形状表示与描述
- 6.1区域标识
- 6.2基于轮廓的形状表示与描述
- 6.2.1链码
- 6.2.2简单几何边界表示
- 6.2.3边界的傅立叶变换
- 6.2.4使用片段序列的边界描述
- 6.2.5B样条表示
- 6.2.6其他基于轮廓的形状描述方法
- 6.2.7形状不变量
- 6.3基于区域的形状表示与描述
- 6.3.1简单的标量区域描述
- 6.3.2矩
- 6.3.3凸包
- 6.3.4基于区域骨架的图表示
- 6.3.5区域分解
- 6.3.6区域邻近图
- 6.4形状类别
- 6.5总结
- 6.6习题
- 6.7参考文献
- 第7章物体识别
- 7.1知识表示
- 7.2统计模式识别
- 7.2.1分类原理
- 7.2.2分类器设置
- 7.2.3分类器学习
- 7.2.4聚类分析
- 7.3神经元网络
- 7.3.1前馈网络
- 7.3.2非监督学习
- 7.3.3Hopfield神经元网络
- 7.4句法模式识别
- 7.4.1语法与语言
- 7.4.2句法分析与句法分类器
- 7.4.3句法分类器学习与语法推导
- 7.5作为图匹配的识别
- 7.5.1图和子图的同构
- 7.5.2图的相似度
- 7.6识别中的优化技术
- 7.6.1遗传算法
- 7.6.2模拟退火
- 7.7模糊系统
- 7.7.1模糊集合和模糊隶属函数
- 7.7.2模糊集合运算
- 7.7.3模糊推理
- 7.7.4模糊系统设计与训练
- 7.8总结
- 7.9习题
- 7.10参考文献
- 第8章图像理解
- 8.1图像理解控制策略
- 8.1.1并行和串行处理控制
- 8.1.2分层控制
- 8.1.3自底向上的控制策略
- 8.1.4基于模型的控制策略
- 8.1.5混合的控制策略
- 8.1.6非分层控制
- 8.2活动轮廓模型——蛇行
- 8.3点分布模型
- 8.4图像理解中的模式识别方法
- 8.5场景标注和约束传播
- 8.5.1离散松弛法
- 8.5.2概率松弛法
- 8.5.3搜索解释树
- 8.6语义图像分割和理解
- 8.6.1语义区域增长
- 8.6.2遗传图像解释
- 8.7隐马尔可夫模型
- 8.8总结
- 8.9习题
- 8.10参考文献
- 第9章3D视觉.几何和辐射学
- 9.13D视觉任务
- 9.1.1Marr理论
- 9.1.2其他视觉范畴：主动和有目的的视觉
- 9.23D视觉的几何
- 9.2.1射影几何学基础
- 9.2.2单透视摄像机
- 9.2.3单摄像机标定概述
- 9.2.4从已知场景标定一个摄像机
- 9.2.5双摄像机和立体感知
- 9.2.6双摄像机几何学——基本矩阵
- 9.2.7摄像机的相对运动——本质矩阵
- 9.2.8从图像对应点估计基本矩阵
- 9.2.9视觉中的极线几何的应用
- 9.2.10三摄像机和更多摄像机
- 9.2.11立体对应点算法
- 9.2.12距离图像的主动获取
- 9.3辐射学与3D视觉
- 9.3.1在确定灰度量级时的辐射学考虑
- 9.3.2表面反射
- 9.3.3由阴影到形状
- 9.3.4光度测量立体视觉
- 9.4总结
- 9.5习题
- 9.6参考文献
- 第10章3D视觉的应用
- 10.1由X到形状
- 10.1.1由运动到形状
- 10.1.2由纹理到形状
- 10.1.3其他由X到形状的技术
- 10.2完全的3D物体
- 10.2.13D物体.模型以及相关问题
- 10.2.2线条标注
- 10.2.3体积表示和直接测量
- 10.2.4体积建模策略
- 10.2.5表面建模策略
- 10.2.6为获取完整3D模型的面元标注与融合
- 10.3基于3D模型的视觉
- 10.3.1一般考虑
- 10.3.2Goad算法
- 10.3.3基于模型的亮度图像曲面物体识别
- 10.3.4基于模型的距离图像识别
- 10.43D场景的2D视图表达
- 10.4.1观察空间
- 10.4.2多视图表达和示象图
- 10.4.3作为2D视图结构化表达的几何基元
- 10.4.4利用存储的2D视图显示3D真实世界场景
