编辑推荐
（1）涵盖十分广泛的领域，包括人工智能、信号处理、人工神经网络、模式识别、机器学习、模糊数学等一系列相关学科。
（2）图将复杂的概念通过具体示例用易于理解的算法来描述，提供了大量包含图示和处理结果的插图，特别有助于读者的学习和理解。
（3）提供了丰富的参考文献，既列出了经过时间考验的经典论文，也列出了能反映未来发展方向的新进展，适于读者进一步深入探索。
内容简介
《图像处理、分析与机器视觉·第4版/世界著名计算机教材精选》是英文第4版的中文翻译，大约有五分之一的内容更新。主要更新的内容包括：增加了一些新的算法，增加了习题部分，重写了部分内容。更为具体的内容更新请参考作者序。《图像处理、分析与机器视觉·第4版/世界著名计算机教材精选》是在第3版中文翻译的基础上，按照直译的原则进行翻译的，与英文版形成完全的对照。对于英文版中明显存在的排印或疏忽类的错误，都进行了更正。由于这些错误一般都很明显，因此译文中没有专门声明，读者如果对照英文版，不难看出其出处。
目录
第1章引言1
1.1动机1
1.2计算机视觉为什么是困难的2
1.3图像表达与图像分析的任务4
1.4总结7
1.5习题7
1.6参考文献8
第2章图像及其表达与性质9
2.1图像表达若干概念9
2.2图像数字化11
2.2.1采样11
2.2.2量化12
2.3数字图像性质13
2.3.1数字图像的度量和拓扑性质13
2.3.2直方图17
2.3.3熵18
2.3.4图像的视觉感知18
2.3.5图像品质20
2.3.6图像中的噪声21
2.4彩色图像22
2.4.1色彩物理学22
2.4.2人所感知的色彩23
2.4.3彩色空间26
2.4.4调色板图像28
2.4.5颜色恒常性28
2.5摄像机概述29
2.5.1光敏传感器29
2.5.2黑白摄像机30
2.5.3彩色摄像机32
2.6总结32
2.7习题33
2.8参考文献35
第3章图像及其数学与物理背景37
3.1概述37
3.1.1线性37
3.1.2狄拉克（Dirac）分布和卷积37
3.2积分线性变换38
3.2.1作为线性系统的图像39
3.2.2积分线性变换引言39
3.2.31D傅里叶变换39
3.2.42D傅里叶变换43
3.2.5采样与香农约束45
3.2.6离散余弦变换47
3.2.7小波变换48
3.2.8本征分析52
3.2.9奇异值分解53
3.2.10主分量分析54
3.2.11Radon变换56
3.2.12其他正交图像变换56
3.3作为随机过程的图像57
3.4图像形成物理59
3.4.1作为辐射测量的图像59
3.4.2图像获取与几何光学60
3.4.3镜头像差和径向畸变63
3.4.4从辐射学角度看图像获取65
3.4.5表面反射67
3.5总结69
3.6习题70
3.7参考文献71
第4章图像分析的数据结构73
4.1图像数据表示的层次73
4.2传统图像数据结构74
4.2.1矩阵74
4.2.2链76
4.2.3拓扑数据结构76
4.2.4关系结构77
4.3分层数据结构78
4.3.1金字塔78
4.3.2四叉树79
4.3.3其他金字塔结构80
4.4总结81
4.5习题82
4.6参考文献83
第5章图像预处理85
5.1像素亮度变换85
5.1.1位置相关的亮度校正85
5.1.2灰度级变换86
5.2几何变换88
5.2.1像素坐标变换88
5.2.2亮度插值89
5.3局部预处理91
5.3.1图像平滑91
5.3.2边缘检测算子97
5.3.3二阶导数过零点100
5.3.4图像处理中的尺度104
5.3.5Canny边缘提取105
5.3.6参数化边缘模型107
5.3.7多光谱图像中的边缘107
5.3.8频域的局部预处理108
5.3.9用局部预处理算子作线检测112
5.3.10角点（兴趣点）检测113
5.3.11最大稳定极值区域检测116
5.4图像复原117
5.4.1容易复原的退化118
5.4.2逆滤波118
5.4.3维纳滤波118
5.5总结120
5.6习题121
5.7参考文献126
第6章分割Ⅰ130
6.1阈值化130
6.1.1阈值检测方法132
6.1.2最优阈值化133
6.1.3多光谱阈值化135
6.2基于边缘的分割136
6.2.1边缘图像阈值化137
6.2.2边缘松弛法138
6.2.3边界跟踪139
6.2.4作为图搜索的边缘跟踪143
6.2.5作为动态规划的边缘跟踪149
6.2.6Hough变换152
6.2.7使用边界位置信息的边界
???检测157
6.2.8从边界构造区域157
6.3基于区域的分割159
6.3.1区域归并160
6.3.2区域分裂161
6.3.3分裂与归并162
6.3.4分水岭分割165
6.3.5区域增长后处理167
6.4匹配167
6.4.1模版匹配168
6.4.2模版匹配的控制策略170
6.5分割的评测问题170
6.5.1监督式评测171
6.5.2非监督式评测173
6.6总结174
6.7习题176
6.8参考文献178
第7章分割Ⅱ185
7.1均值移位分割185
7.2活动轮廓模型——蛇行190
7.2.1经典蛇行和气球191
7.2.2扩展193
7.2.3梯度矢量流蛇194
7.3几何变形模型——水平集和测地
??活动轮廓198
7.4模糊连接性203
7.5面向基于3D图的图像分割208
7.5.1边界对的同时检测208
7.5.2次优的表面检测211
7.6图割分割212
7.7最优单和多表面分割217
7.8总结227
7.9习题228
7.10参考文献229
第8章形状表示与描述237
8.1区域标识239
8.2基于轮廓的形状表示与描述241
8.2.1链码241
8.2.2简单几何边界表示242
8.2.3边界的傅里叶变换245
8.2.4使用片段序列的边界描述246
8.2.5B样条表示249
8.2.6其他基于轮廓的形状描述
???方法250
8.2.7形状不变量251
8.3基于区域的形状表示与描述253
8.3.1简单的标量区域描述254
8.3.2矩257
8.3.3凸包259
8.3.4基于区域骨架的图表示262
8.3.5区域分解266
8.3.6区域邻近图267
8.4形状类别268
8.5总结268
8.6习题270
8.7参考文献272
第9章物体识别278
9.1知识表示278
9.2统计模式识别281
9.2.1分类原理282
9.2.2最近邻283
9.2.3分类器设置285
9.2.4分类器学习287
9.2.5支持向量机288
9.2.6聚类分析291
9.3神经元网络293
9.3.1前馈网络294
9.3.2非监督学习295
9.3.3Hopfield神经元网络296
9.4句法模式识别297
9.4.1语法与语言298
9.4.2句法分析与句法分类器300
9.4.3句法分类器学习与语法推导301
9.5作为图匹配的识别302
9.5.1图和子图的同构303
9.5.2图的相似度305
9.6识别中的优化技术306
9.6.1遗传算法307
9.6.2模拟退火308
9.7模糊系统309
9.7.1模糊集和模糊隶属函数310
9.7.2模糊集运算311
9.7.3模糊推理312
9.7.4模糊系统设计与训练314
9.8模式识别中的Boosting方法315
9.9随机森林317
9.9.1随机森林训练318
9.9.2随机森林决策321
9.9.3随机森林扩展322
9.10总结322
9.11习题325
9.12参考文献330
第10章图像理解335
10.1图像理解控制策略336
10.1.1并行和串行处理控制336
10.1.2分层控制337
10.1.3自底向上的控制337
10.1.4基于模型的控制337
10.1.5混合的控制策略338
10.1.6非分层控制341
10.2SIFT：尺度不变特征转换342
10.3RANSAC：通过随机抽样一致来
???拟合344
10.4点分布模型347
10.5活动表观模型355
10.6图像理解中的模式识别方法362
10.6.1基于分类的分割362
10.6.2上下文图像分类364
10.6.3梯度方向直方图-HOG367
10.7Boosted层叠分类器用于快速物体
???检测370
10.8基于随机森林的图像理解372
10.9场景标注和约束传播377
10.9.1离散松弛法378
10.9.2概率松弛法379
10.9.3搜索解释树381
10.10语义图像分割和理解382
10.10.1语义区域增长383
10.10.2遗传图像解释384
10.11隐马尔可夫模型390
10.11.1应用394
10.11.2耦合的HMM394
10.11.3贝叶斯信念网络395
10.12马尔科夫随机场397
?10.12.1图像和视觉的应用398
10.13高斯混合模型和期望最大化399
10.14总结404
10.15习题407
10.16参考文献410
第11章3D几何，对应，从亮度到3D419
11.13D视觉任务419
11.1.1Marr理论421
11.1.2其他视觉范畴：主动和
有目的的视觉422
11.2射影几何学基础423
11.2.1射影空间中的点和超平面424
11.2.2单应性426
11.2.3根据对应点估计单应性427
11.3单透视摄像机430
11.3.1摄像机模型430
11.3.2齐次坐标系中的投影和
反投影432
11.3.3从已知场景标定一个
摄像机432
11.4从多视图重建场景433
11.4.1三角测量433
11.4.2射影重建434
11.4.3匹配约束435
11.4.4光束平差法436
11.4.5升级射影重建和自标定437
11.5双摄像机和立体感知438
11.5.1极线几何学——基本矩阵438
11.5.2摄像机的相对运动——本质
矩阵440
11.5.3分解基本矩阵到摄像机
矩阵441
11.5.4从对应点估计基本矩阵441
11.5.5双摄像机矫正结构442
11.5.6矫正计算444
11.6三摄像机和三视张量445
11.6.1立体对应点算法446
11.6.2距离图像的主动获取451
11.7由辐射测量到3D信息453
11.7.1由阴影到形状453
11.7.2光度测量立体视觉455
11.8总结456
11.9习题457
11.10参考文献459
第12章3D视觉的应用464
12.1由X到形状464
12.1.1由运动到形状464
12.1.2由纹理到形状468
12.1.3其他由X到形状的技术469
12.2完全的3D物体471
12.2.13D物体、模型以及相关
问题471
12.2.2线条标注472
12.2.3体积表示和直接测量474
