第一章　簡介
1.1 背景
1.2 影像的表示
1.3 數位影像處理
1.4 數位影像處理系統
1.5 本書架構

第二章　取樣與量化
2.1 取樣
2.2 量化
2.3 向量量化
習題

第三章　鄰域處理
3.1 簡介
3.2 低通與高通濾波器
3.3 排序濾波器
3.4 高斯濾波器
3.5 雙邊濾波器
3.6 邊緣偵測濾波器
習題

第四章　轉換法
4.1 簡介
4.2 KL轉換
4.3 主成份分析
4.4 好轉換的特性
4.5 正交轉換
4.6 傅立葉轉換
4.7 離散餘弦轉換
4.8 Walsh-Hadamard轉換
4.9 Haar轉換
4.10 SVD轉換
4.11 小波轉換
習題

第五章　影像增強
5.1 點處理增強
5.2 直方圖修整
5.3 局部增強
5.4 空間濾波
5.5 頻域的影像增強法
5.6 色彩模型
5.7 彩色影像增強
習題

第六章　影像復原
6.1 影像降質系統
6.2 降質系統的矩陣描述
6.3 代數復原方法
6.4 反濾波法
6.5 最小平方濾波器
6.6 限制性最小平方復原
6.7 盲目影像還原技術
6.8 非線性偏移不變降質系統的一個實例(除霧)
習題

第七章　影像壓縮
7.1 資料編碼與資料壓縮
7.2 影像壓縮模型
7.3 訊息理論基礎
7.4 無失真壓縮
7.5 有損耗壓縮
7.6 影像壓縮標準 JPEG
7.7 動態視訊壓縮
7.8 以小波轉換壓縮之實例
習題


第八章　影像分割
8.1 導論
8.2 影像分割處理
8.3 以門檻值法實現影像分割
8.4 以區域法實現影像分割
8.5 以邊界法實現影像分割
8.6 以邊緣法實現影像分割
8.7 分割影像之儲存
8.8 影像分割前置處理 --- LUM濾波器
習題

第九章　表示與描述
9.1 基本表示方法
9.2 B-樣條函數曲線表示法
9.3 邊界描述子
9.4 一般區域描述子
9.5 紋理區域描述子
9.6 形態學
9.7 特徵檢測、描述與匹配簡介
9.8 角點檢測器
9.9 尺度不變特徵轉換
9.10 加速強健特徵
9.11 隨機樣本一致性
9.12 影像對齊
習題


第十章　圖樣識別
10.1 分類
10.2 支持向量機
10.3 AdaBoost機器學習算法
10.4 隨機森林分類演算法
10.5 統計決策圖樣辨識
10.6 特徵選取
10.7 聚類
10.8 利用類神經網路做圖樣識別
10.9 深度學習網路
習題

第十一章　影像系統評估
11.1 影像品質評估
11.2 一般辨識器效能評估
11.3 不平衡測試集的分類器性能度量
11.4 新分類器性能測量方法：A-means
11.5 其他系統評估準則
習題

(附錄及參考文獻採QRcode掃描方式呈現)
附錄
附錄A 數學基礎
附錄B 四類DCT 的產生
附錄C JPEG-LS 部份程式實現說明
附錄D 支持向量機的公式推導
附錄E 核空間和最佳化理論簡介

參考文獻asnd 第一章　簡介
1.1 背景
1.2 影像的表示
1.3 數位影像處理
1.4 數位影像處理系統
1.5 本書架構

第二章　取樣與量化
2.1 取樣
2.2 量化
2.3 向量量化
習題

第三章　鄰域處理
3.1 簡介
3.2 低通與高通濾波器
3.3 排序濾波器
3.4 高斯濾波器
3.5 雙邊濾波器
3.6 邊緣偵測濾波器
習題

第四章　轉換法
4.1 簡介
4.2 KL轉換
4.3 主成份分析
4.4 好轉換的特性
4.5 正交轉換
4.6 傅立葉轉換
4.7 離散餘弦轉換
4.8 Walsh-Hadamard轉換
4.9 Haar轉換
4.10 SVD轉換
4.11 小波轉換
習題

第五章　影像增強
5.1 點處理增強
5.2 直方圖修整
5.3 局部增強
5.4 空間濾波
5.5 頻域的影像增強法
5.6 色彩模型
5.7 彩色影像增強
習題

第六章　影像復原
6.1 影像降質系統
6.2 降質系統的矩陣描述
6.3 代數復原方法
6.4 反濾波法
6.5 最小平方濾波器
6.6 限制性最小平方復原
6.7 盲目影像還原技術
6.8 非線性偏移不變降質系統的一個實例(除霧)
習題

第七章　影像壓縮
7.1 資料編碼與資料壓縮
7.2 影像壓縮模型
7.3 訊息理論基礎
7.4 無失真壓縮
7.5 有損耗壓縮
7.6 影像壓縮標準 JPEG
7.7 動態視訊壓縮
7.8 以小波轉換壓縮之實例
習題


第八章　影像分割
8.1 導論
8.2 影像分割處理
8.3 以門檻值法實現影像分割
8.4 以區域法實現影像分割
8.5 以邊界法實現影像分割
8.6 以邊緣法實現影像分割
8.7 分割影像之儲存
8.8 影像分割前置處理 --- LUM濾波器
習題

第九章　表示與描述
9.1 基本表示方法
9.2 B-樣條函數曲線表示法
9.3 邊界描述子
9.4 一般區域描述子
9.5 紋理區域描述子
9.6 形態學
9.7 特徵檢測、描述與匹配簡介
9.8 角點檢測器
9.9 尺度不變特徵轉換
9.10 加速強健特徵
9.11 隨機樣本一致性
9.12 影像對齊
習題


第十章　圖樣識別
10.1 分類
10.2 支持向量機
10.3 AdaBoost機器學習算法
10.4 隨機森林分類演算法
10.5 統計決策圖樣辨識
10.6 特徵選取
10.7 聚類
10.8 利用類神經網路做圖樣識別
10.9 深度學習網路
習題

第十一章　影像系統評估
11.1 影像品質評估
11.2 一般辨識器效能評估
11.3 不平衡測試集的分類器性能度量
11.4 新分類器性能測量方法：A-means
11.5 其他系統評估準則
習題

(附錄及參考文獻採QRcode掃描方式呈現)
附錄
附錄A 數學基礎
附錄B 四類DCT 的產生
附錄C JPEG-LS 部份程式實現說明
附錄D 支持向量機的公式推導
附錄E 核空間和最佳化理論簡介

參考文獻askw 第一章　簡介
1.1 背景
1.2 影像的表示
1.3 數位影像處理
1.4 數位影像處理系統
1.5 本書架構

第二章　取樣與量化
2.1 取樣
2.2 量化
2.3 向量量化
習題

第三章　鄰域處理
3.1 簡介
3.2 低通與高通濾波器
3.3 排序濾波器
3.4 高斯濾波器
3.5 雙邊濾波器
3.6 邊緣偵測濾波器
習題

第四章　轉換法
4.1 簡介
4.2 KL轉換
4.3 主成份分析
4.4 好轉換的特性
4.5 正交轉換
4.6 傅立葉轉換
4.7 離散餘弦轉換
4.8 Walsh-Hadamard轉換
4.9 Haar轉換
4.10 SVD轉換
4.11 小波轉換
習題

第五章　影像增強
5.1 點處理增強
5.2 直方圖修整
5.3 局部增強
5.4 空間濾波
5.5 頻域的影像增強法
5.6 色彩模型
5.7 彩色影像增強
習題

第六章　影像復原
6.1 影像降質系統
6.2 降質系統的矩陣描述
6.3 代數復原方法
6.4 反濾波法
6.5 最小平方濾波器
6.6 限制性最小平方復原
6.7 盲目影像還原技術
6.8 非線性偏移不變降質系統的一個實例(除霧)
習題

第七章　影像壓縮
7.1 資料編碼與資料壓縮
7.2 影像壓縮模型
7.3 訊息理論基礎
7.4 無失真壓縮
7.5 有損耗壓縮
7.6 影像壓縮標準 JPEG
7.7 動態視訊壓縮
7.8 以小波轉換壓縮之實例
習題


第八章　影像分割
8.1 導論
8.2 影像分割處理
8.3 以門檻值法實現影像分割
8.4 以區域法實現影像分割
8.5 以邊界法實現影像分割
8.6 以邊緣法實現影像分割
8.7 分割影像之儲存
8.8 影像分割前置處理 --- LUM濾波器
習題

第九章　表示與描述
9.1 基本表示方法
9.2 B-樣條函數曲線表示法
9.3 邊界描述子
9.4 一般區域描述子
9.5 紋理區域描述子
9.6 形態學
9.7 特徵檢測、描述與匹配簡介
9.8 角點檢測器
9.9 尺度不變特徵轉換
9.10 加速強健特徵
9.11 隨機樣本一致性
9.12 影像對齊
習題


第十章　圖樣識別
10.1 分類
10.2 支持向量機
10.3 AdaBoost機器學習算法
10.4 隨機森林分類演算法
10.5 統計決策圖樣辨識
10.6 特徵選取
10.7 聚類
10.8 利用類神經網路做圖樣識別
10.9 深度學習網路
習題

第十一章　影像系統評估
11.1 影像品質評估
11.2 一般辨識器效能評估
11.3 不平衡測試集的分類器性能度量
11.4 新分類器性能測量方法：A-means
11.5 其他系統評估準則
習題

(附錄及參考文獻採QRcode掃描方式呈現)
附錄
附錄A 數學基礎
附錄B 四類DCT 的產生
附錄C JPEG-LS 部份程式實現說明
附錄D 支持向量機的公式推導
附錄E 核空間和最佳化理論簡介

參考文獻