数字图像处理，即用计算机对图像进行处理。 将一幅物理图像在计算机里用一个数整数矩阵表示， 这个矩阵的每一个元素均是一个像素，每个像素具 有两个属性：位置和灰度。位置是指像素所在的行 和列；灰度是指像素的亮暗程度。由于图像通常是 来自于我们的现实世界，它们可以用数学函数来描 述，因此可以用数学方法对其进行分析和处理

专业术语及表示方法 图像与视觉之间的关系 图像象素间的关系 图像间的运算

基于阈值选取的图像分割方法 基于区域的图像分割方法 基于边缘检测的图像分割

一、图像增强（去噪） 二、图像分割（边缘检测） 三、目标表达、识别、跟踪 四、图像匹配（数据融合） 五、压缩与编码（JPEG2000） 六、图像数据库 七、基于内容检索（手写体识别，人脸识别） 八、信息隐藏与数字水印

9.1 图像基础及色彩应用 9.2 静态图像的制作 9.3 动画图像制作 9.4 动态交互图像的制作 9.5 网站首页的设计

一个有效的二值图像处理运算集是从数学形态学下的 集合论方法发展起来的。尽管它的基本的运算很简单,但 它们和它们的推广结合起来可以产生复杂得多的效果。并 且,它们适合于用相应的硬件构造查找表的方式实现快速 的流水线处理。这种方法通常用于二值图像但也可以扩展 到灰度级图像的处理

第一节 图像信号及质量评价 第二节 图像信号的数字化 第三节 数字图像编码及几种常见的编码方法 第四节 数字图像压缩编码的主要国际标准

针对传统接触式尺寸测量方法的缺点,探讨利用数字图像处理技术进行几何尺寸测量的方法,为产品的尺寸测量提供实时、快速、有效、经济的测量途径.给出了利用数字图像处理技术进行非接触式尺寸测量的方法,它包括图像的预处理,二值化,图像分割,轮廓线条的提取、拟合、光滑,系统的标定,尺寸的计算等.并从理论和实践上证明该方法的可行性和正确性

提出一种基于参考模型的视网膜特征量化方法，结合医生诊断过程中关注的视网膜形态变化特征，提出一系列适用于计算机判断分析视网膜状态的可量化特征.在完成正常光学相干断层成像（OCT）中视网膜内界膜（ILM）、光感受器内外节交界处（ISOS）、布鲁赫膜（BM）分割提取的基础上，利用统计方法构建正常视网膜参考模型.结合参考模型和医生所关注的视网膜厚度、边界平滑度以及边界连续性，实现视网膜不同区域厚度特征、厚度比值特征、梯度特征、曲率、标准差、相关系数特征的计算.基于正常OCT图像所构建的参考模型，获取了正常视网膜的厚度及形态特征量化数值.通过分析比较异常OCT图像与参考模型特征数值之间的差异，可以对应表征出异常图像中病变导致的异常形态所在位置及严重程度.实验结果表明，通过参考模型获得的正常视网膜特征信息可以为医生提供数值参考，同时对异常OCT图像量化得到的特征数值可以表现出图像中的异常形态，为后续的异常判断提供基础

 色彩基础  色彩模型  伪彩色处理  色彩变换  彩色图像的平滑与锐化  彩色图像分割  彩色图像压缩