◆8.1 像素间的基本关系 ◆8.2 目标物边界的描述 ◆8.3 目标物的区域描述 ◆8.4 图像的几何特征 ◆8.5 图像的矩描述 ◆8.6 图像的纹理描述 ◆8.7 形态学在纹理描述中的应用

1.1 概述 1.2 图像处理的内容 1.3 图像处理的特点 1.4 图像的数据格式 1.5 视觉现象 1.6 颜色与颜色空间 1.7 图像处理系统框图

 5.1 图像退化的数学模型  5.2 噪声模型  5.3 噪声估计  5.4 退化函数估计  5.5 无约束图像恢复  5.6 有约束图像恢复

8.1 图像分割 Image Segmentation ◼ 1、概述和分类 ◼ 2、基于灰度的分割技术 ◼ 3、基于梯度的分割技术 ◼ 4、彩色图像分割技术 ◼ 5、分割评价 8.2 图像描述 Image Description ◼ 1、概述和分类 ◼ 2、链码描绘子 ◼ 3、傅立叶描绘子 ◼ 4、矩

◆5.0 概述 ◆5.1 退化模型 ◆5.2 常见退化模型及辨识方法 ◆5.3 图像的无约束恢复 ◆5.4 图像的有约束最小二乘恢复 ◆5. 5 5. 5 几何畸变图像的恢复 ‹5.6 超分辨率图像复原

1. 图像压缩的概念、目的和意义 2. 图像的行程编码、霍夫曼编码方法 3.图像压缩的标准及发展现状

6.1 图像退化原因与复原技术分类化的数学模型 6.2 逆滤波复原 6.3 约束复原 6.4 非线性复原方法 6.5 盲图像复原 6.6 几何失真校正 6.7 实验：图像复原

压缩目的 基本原理 基本方法 图像编码标准 7.1 编码的目的 7.2 图像压缩的基本原理 7.3 编码器和典型的编码方法

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 图像压缩的基本概念 4.1.1 数据冗余 4.1.2 保真度标准 4.1.3 图像压缩模型 第二节 无损压缩 4.2.1 基于字典的压缩 4.2.2 统计编码 4.2.3 无损预测编码