581 字
2 分鐘
数字图像处理（Digital Image Processing）完全学习手册
数字图像处理（Digital Image Processing）完全学习手册
面向计算机视觉、图像工程、模式识别方向的系统化学习资料。 内容覆盖冈萨雷斯《Digital Image Processing (4th Edition)》经典脉络，并扩展至现代深度学习在图像处理中的应用。 全部配套 Python（NumPy + OpenCV + scikit-image + Matplotlib）项目实践。
目录结构
数字图像处理/├── README.md # 本文件：课程总览与学习路线├── chapters/ # 理论知识（12 章）│ ├── 01_绪论与数字图像基础.md│ ├── 02_图像数字化_采样与量化.md│ ├── 03_空间域图像增强.md│ ├── 04_频率域图像处理.md│ ├── 05_图像复原与重建.md│ ├── 06_彩色图像处理.md│ ├── 07_小波变换与多分辨率分析.md│ ├── 08_图像压缩.md│ ├── 09_形态学图像处理.md│ ├── 10_图像分割.md│ ├── 11_特征提取与表示.md│ └── 12_图像识别与深度学习.md├── projects/ # 项目实践（10 个）│ ├── 01_basic_and_histogram/│ ├── 02_spatial_filtering/│ ├── 03_frequency_filtering/│ ├── 04_edge_and_hough/│ ├── 05_morphology/│ ├── 06_segmentation/│ ├── 07_feature_matching_panorama/│ ├── 08_license_plate_recognition/│ ├── 09_face_detection/│ ├── 10_cnn_classification/│ ├── README.md # 项目总览│ └── requirements.txt # 依赖└── assets/ # 示例图片与结果学习路线图
┌────────────────────────┐ │ 阶段 0：数学与编程基础 │ │ 线性代数 / 概率 / Python│ └───────────┬────────────┘ ▼ ┌───────────────────────────────────────┐ │ 阶段 1：基础理论 (Ch 1~2) │ │ 图像模型、采样、量化、像素关系 │ └───────────┬───────────────────────────┘ ▼ ┌───────────────────────────────────────┐ │ 阶段 2：图像增强 (Ch 3~4) │ │ 空间域滤波 + 频率域滤波 │ │ ▶ 项目 01、02、03 │ └───────────┬───────────────────────────┘ ▼ ┌───────────────────────────────────────┐ │ 阶段 3：图像复原与压缩 (Ch 5、8) │ │ 噪声建模、维纳滤波、JPEG │ └───────────┬───────────────────────────┘ ▼ ┌───────────────────────────────────────┐ │ 阶段 4：彩色与小波 (Ch 6、7) │ │ HSV、Lab、小波分解 │ └───────────┬───────────────────────────┘ ▼ ┌───────────────────────────────────────┐ │ 阶段 5：形态学、分割 (Ch 9、10) │ │ 阈值、边缘、区域、分水岭 │ │ ▶ 项目 04、05、06 │ └───────────┬───────────────────────────┘ ▼ ┌───────────────────────────────────────┐ │ 阶段 6：特征与识别 (Ch 11、12) │ │ SIFT/ORB、CNN、迁移学习 │ │ ▶ 项目 07、08、09、10 │ └───────────────────────────────────────┘推荐学习顺序
| 周次 | 阅读章节 | 配套项目 | 目标 |
|---|---|---|---|
| 第 1 周 | Ch 01、02 | — | 掌握图像表示、采样定理 |
| 第 2 周 | Ch 03 | 项目 01、02 | 空间域增强与滤波 |
| 第 3 周 | Ch 04 | 项目 03 | 频域分析与滤波 |
| 第 4 周 | Ch 05、08 | — | 复原与压缩原理 |
| 第 5 周 | Ch 06、07 | — | 彩色空间 + 小波 |
| 第 6 周 | Ch 09、10 | 项目 04、05、06 | 形态学与分割 |
| 第 7 周 | Ch 11 | 项目 07 | 特征点匹配 |
| 第 8 周 | Ch 12 | 项目 08、09、10 | 综合应用 + 深度学习 |
先修知识
- 线性代数：矩阵运算、特征值分解、SVD
- 微积分：偏导数、梯度、卷积、积分变换
- 概率论：随机变量、条件概率、贝叶斯、高斯分布
- 信号与系统：线性时不变系统、卷积、傅里叶变换
- Python：NumPy 向量化、Matplotlib 可视化
- OpenCV：基本 API（
cv2.imread/cv2.imshow/cv2.filter2D等）
参考教材
- [主] Rafael C. Gonzalez, Richard E. Woods. Digital Image Processing (4th Ed.), 2018.
- [辅] Richard Szeliski. Computer Vision: Algorithms and Applications (2nd Ed.), 2022.
- [实战] Adrian Rosebrock. Practical Python and OpenCV.
- [深度学习] Ian Goodfellow. Deep Learning, 2016.
- [中文] 阮秋琦《数字图像处理》（电子工业出版社）。
在线资源
- OpenCV 官方教程：https://docs.opencv.org/
- scikit-image 示例：https://scikit-image.org/docs/stable/auto_examples/
- Stanford CS231n：https://cs231n.stanford.edu/
- Papers with Code（图像任务）：https://paperswithcode.com/area/computer-vision
使用说明
- 按章节顺序阅读
chapters/下的 Markdown 文件；每章末尾包含公式推导、算法流程与面试高频考点。 - 阅读对应章节后，进入
projects/下的子目录，运行main.py。 - 所有项目共享一份依赖：
cd projectspython -m venv .venv && source .venv/bin/activate # macOS / Linuxpip install -r requirements.txt- 将自己的测试图片放在
assets/下，或使用skimage.data内置样图。
祝学习愉快！🎓
分享
如果這篇文章對你有幫助，歡迎分享給更多人！
数字图像处理（Digital Image Processing）完全学习手册
https://lemusakuya.com/posts/study-notes/digital-image-processing/readme/ 部分資訊可能已經過時
相關文章 智能推薦