第0章 數字圖像處理概述
0.1 數字圖像
0.1.1 什麼是數字圖像
0.1.2 數字圖像的顯示
0.1.3 數字圖像的分類
0.1.4 數字圖像的實質
0.1.5 數字圖像的表示
0.1.6 圖像的空間和灰度級分辨率
0.2 數字圖像處理與識別
0.2.1 從圖像處理到圖像識別
0.2.2 什麼是機器視覺
0.2.3 數字圖像處理和識別的應用實例
0.3 數字圖像處理的預備知識
0.3.1 鄰接性、連通性、區域和邊界
0.3.2 距離度量的幾種方法
0.3.3 基本的圖像操作
第1章 MATLAB圖像處理編程基礎
1.1 Matlab操作簡介
1.1.1 Matlab軟件環境
1.1.2 文件操作
1.1.3 在線幫助的使用
1.1.4 變量的使用
1.1.5 矩陣的使用
1.1.6 細胞數組（Cell Array）和結構體（Structure）
1.1.7 關系運算與邏輯運算
1.1.8 常用圖像處理數學函數
1.1.9 Matlab程序流程控制
1.1.10 M文件編寫
1.1.11 Matlab函數編寫
1.2 Matlab圖像類型及其存儲方式
1.3 Matlab的圖像轉換
1.4 讀取和寫入圖像文件
1.5 圖像的顯示
第2章 Visual C++圖像處理編程基礎
2.1 位圖文件及其C++操作
2.1.1 設備無關位圖
2.1.2 BMP圖像文件數據結構
2.2 認識CImg類
2.2.1 主要成員函數列表
2.2.2 公有成員
2.3 CImg類基礎操作
2.3.1 加載和寫入圖像
2.3.2 獲得圖像基本信息
2.3.3 檢驗有效性
2.3.4 按像素操作
2.3.5 改變圖像大小
2.3.6 重載的運算符
2.3.7 在屏幕上繪制位圖圖像
2.3.8 新建圖像
2.3.9 圖像類型的判斷與轉化
2.4 DIPDemo工程
2.4.1 DIPDemo主界面
2.4.2 圖像操作和處理類——CImg和CImgProcess
2.4.3 文檔類——CDIPDemoDoc
2.4.4 視圖類——CDIPDemoView
2.5 CImg應用示例
2.5.1 打開圖像
2.5.2 清空圖像
2.5.3 像素初始化方法
2.5.4 保存圖像
第3章 圖像的點運算
3.1 灰度直方圖
3.1.1 理論基礎
3.1.2 Matlab實現
3.1.3 Visual C++實現
3.2 灰度的線性變換
3.2.1 理論基礎
3.2.2 Matlab實現
3.2.3 Visual C++實現
3.3 灰度對數變換
3.3.1 理論基礎
3.3.2 Matlab實現
3.3.3 Visual C++實現
3.4 伽瑪變換
3.4.1 理論基礎
3.4.2 Matlab實現
3.4.3 Visual C++實現
3.5 灰度閾值變換
3.5.1 理論基礎
3.5.2 Matlab實現
3.5.3 Visual C++實現
3.6 分段線性變換
3.6.1 理論基礎
3.6.2 Matlab實現
3.6.3 Visual C++實現
3.7 直方圖均衡化
3.7.1 理論基礎
3.7.2 Matlab實現
3.7.3 Visual C++實現
3.8 直方圖規定化（匹配）
3.8.1 理論基礎
3.8.2 Matlab實現
3.8.3 Visual C++實現
第4章 圖像的幾何變換
4.1 解決幾何變換的一般思路
4.2 圖像平移
4.2.1 圖像平移的變換公式
4.2.2 圖像平移的實現
4.3 圖像鏡像
4.3.1 圖像鏡像的變換公式
4.3.2 圖像鏡像的實現
4.4 圖像轉置
4.4.1 圖像轉置的變換公式
4.4.2 圖像轉置的實現
4.5 圖像縮放
4.5.1 圖像縮放的變換公式
4.5.2 圖像編寫的實現
4.6 圖像旋轉
4.6.1 以原點為中心的圖像旋轉
4.6.2 以任意點為中心的圖像旋轉
4.6.3 圖像旋轉的實現
4.7 插值算法
4.7.1 最近鄰插值
4.7.2 雙線性插值及其Visual C++實現
4.7.3 高階插值
4.8 圖像配準
4.8.1 什麼是圖像配準
4.8.2 人臉圖像配準的Matlab實現
4.9 Visual C++實用案例——汽車牌照的投影失真校正
4.9.1 系統分析與設計
4.9.2 系統實現
4.9.3 功能測試
第5章 空間域圖像增強
5.1 圖像增強基礎
5.1.1 為什麼要進行圖像增強
5.1.2 圖像增強的分類
5.2 空間域濾波
5.2.1 空間域濾波和鄰域處理
5.2.2 邊界處理
5.2.3 相關和卷積
5.2.4 濾波操作的Matlab實現
5.2.5 濾波操作的Visual C++實現
5.3 圖像平滑
5.3.1 平均模板及其實現
5.3.2 高斯平滑及其實現
5.3.3 通用平滑濾波的Visual C++實現
5.3.4 自適應平滑濾波
5.4 中值濾波
5.4.1 性能比較
5.4.2 一種改進的中值濾波策略
5.4.3 中值濾波的工作原理
5.5 圖像銳化
5.5.1 理論基礎
5.5.2 基于一階導數的圖像增強——梯度算子
5.5.3 基于二階微分的圖像增強——拉普拉斯算子
5.5.4 基于一階與二階導數的銳化算子的比較
5.5.5 高提升濾波及其實現
5.5.6 高斯-拉普拉斯變換（Laplacian of a Gaussian，LoG）
第6章 頻率域圖像增強
第7章 彩色圖像處理
第8章 形態學圖像處理
第9章 圖像分割
第10章 特征提取
第11章 圖像識別初步
第12章 人工神經網絡
第13章 支持向量機
