学习资源：图像处理从入门到精通

去噪增强复原与重建分割特征提取几何变换压缩

自然图像医学图像雷达图像纹理图像

书籍视频课程开源项目

图像处理技术的快速发展，首先是由于它广泛的应用和计算机技术的发展，其次就是依赖于离散数学理论的创立于完善，大多数数学理论是建立在连续空间上的，而数字图像作为一种离散的数据类型，很多数学理论是无法适用的，例如特征提取中的求解边缘梯度，还有图像从空域到频域的变换，都会用到离散数学的知识，因此，离散数学对于深入学习数字图像处理至关重要。

提到数字图像处理，怎么可以少了刚萨雷斯的经典之作呢？本书作为数字图像领域的主要教材已经超过30年，从视觉感知、到灰度变换，从空间滤波到频域分析，理论基础循序渐进。此外，还包括图像复原与重建、图像压缩、形态学运算、图像分割等热门应用方向的详细讲解。

纹理分析是指通过一定的基础提取图像纹理特征参数的过程，纹理图像时图像处理中常见的一种图像类型，另外，纹理是图像分类和分析中非常重要的特性，因此，纹理图像分析 是图像识别、跟踪等领域的基础工作，因此学习纹理图像分析技术非常有必要。这本《纹理图像分析》主要包括三部分内容：基础理论、纹理分析应用技术和纹理分析的应用，此外，还深入讲解特征提取、纹理分割、纹理分类、纹理合成等细节知识。

医学图像是图像处理中一种比较特别，且难度较大的一种图像类型，相对于自然图像，它具有对比度低、边界模糊等特点，因此在特征处理、图像分析等方面需要采取与自然图像处理不同的方式。《医学图像处理中的数学理论与方法》这本书主要围绕医学图像处理展开，在知识层面与其他图像处理书籍不同，这本书籍更多的是偏重于数学方法在图像处理中的应用，比如图像分割中的snake模型、C-V模型，基于小波变换的图像重构，如果对数学理论知识比较感兴趣的不妨看一下这本书。

除此之外，还有上海交通大学、同济大学等高校的数字图像处理公开课，如果时间充足，可以根据自己的喜好或者需求进行选择。

UCLA的JalaliLab提出的一种新型图像分割算法，相位拉伸变换，高效、快速、易于实现。

Open Source Computer Vision Library，是一个跨平台的计算机视觉库,可用于开发实时的图像处理、计算机视觉以及模式识别程序,做计算机视觉或者图像处理的应该都不陌生，就算没用过，应该也听说过。

这是一个MATLAB工具包，包含检测、绿波、图像处理，对于理解图像底层知识有很大帮助。

一个优秀的计算机视觉资源的列表，截止2019年4月16日已经9.8k+star，包含书籍、课程、文章、软件、数据集等，非常全面。

python中一个强大图像处理工具包，包括IO、形态学、滤波、色彩处理、目标检测等。

收集流行的和可复制的图像去噪代码和文章。