第0~2章介紹了數字圖像處理的基礎知識和編程基礎。 第3~4章分別介紹了圖像的灰度變換和幾何變換。通過灰度變換可以有效地改善圖像的外觀，并在一定程度上實現圖像的灰度歸一化；幾何變換則主要應用在圖像的幾乎歸一化和圖像校準當中。總體而言，這些內容是圖像前期預處理工作的一部分，是圖像處理中相對固定和程序化的內容。 經典案例——以灰度直方圖為依據的圖像增強方法 圖像平移，圖像鏡像，圖像轉秩，圖像縮放，圖像旋轉 圖像配準：將統一場景的兩幅或者是多幅圖像進行對準 汽車牌的投影失真校準 第5~6章分別從空間域和頻率域兩個角度考量圖像增強的各個主要方面。圖像增強作為數字圖像處理中相對簡單卻最具藝術性的領域之一，可理解為根據特定的需求突出一幅圖像中的某些信息，同時，削弱或去除一些不需要信息的處理方法。其主要目的是使處理后的圖像對某種特定的應用來說，比原始圖像更有用。 經典案例——改善椒鹽噪音對圖像的污染 圖像的銳化 利用頻域濾波消除周期噪聲

第7章介紹色彩模型之間的相互轉換以及彩色圖像處理方式 經典案例——彩色平衡及其matlab實現

第8~10章包括形態學處理、邊緣檢測與圖像分割、特征提取，可以說是從單純圖像處理到圖像識別（機器視覺）的過渡，這一階段的特點是輸入的是圖像，輸出的則是在識別意義上我們感興趣的圖像元素。圖像學形態處理是提取圖像元素技術的有力技術，它在表現和描述形態方面非常有用；分割過程則是將一副圖像劃分為組成部分或目標對象；研究特征提取則是要講前面提取出來的圖像元素或目標對象表示為適合計算機后續處理的數值形式，最終形成能夠直接供分類器使用的特征。 經典案例——腐蝕，膨脹，以及開閉運算 邊界提取與跟蹤及其實現 細菌計數 手寫字符的細化 凸殼及其實現 灰度腐蝕及其實現 頂帽變換及其實現 圖像分割 邊緣檢測 特征提取：基于PCA的人臉特征

第11章在前面知識的基礎上，引出了機器視覺的前導性內容，給出了解決識別問題的一般思路。 第12~13章介紹了兩種十分強大的分類技術，人工神經網絡和支持向量機。 經典案例——手寫數字識別和人臉識別