學習材料就是岡薩雷斯的數字圖像處理這本書。
第二章：基本知識
1、 通過圖像傳感器獲取圖像的感知數據；
2、 通過取樣和量化把圖像的感知數據轉換成數字形式，以像素表示；數字形式又可分為二值圖像、灰度圖像、索引圖像和真彩色RGB圖像四種基本類型；
3、 圖像處理主要可以分為空間域處理和頻率域處理，包括：圖像平滑、圖像銳化、圖像復原和重建、小波和多分辨率處理、圖像壓縮、形態學處理、圖像分割、表示和描述以及圖像的模式識別。
第三章：空間域處理
1、 空間域處理是指在圖像的像素上操作，主要分為灰度變換和空間濾波：灰度變換的主要目的是對比度處理和閥值處理；空間濾波的主要目的是改善圖像的性能，如銳化圖像；
2、 基本的灰度變換函數：圖像反轉、對數變換、伽馬變換、分段線性變換；
3、 還有基於直方圖的灰度變換：直方圖的橫坐標是灰度值，縱坐標是該灰度值的像素個數或者頻率；直方圖處理包括均衡、匹配、局部處理、局部增強等。
4、 空間濾波：通過用空間濾波器模板對一個鄰域里的象素進行操作而得到新的像素，總體可以分為線性和非線性空間濾波。包括：用於模糊處理和降低噪聲的平滑空間濾波（線性的平滑線性濾波和非線性的統計排序濾波）、用於突出灰度過渡部分的銳化空間濾波；而在圖像改善如圖像增強的實際應用中，往往將多種圖像增強方法結合起來使用。
5、 使用模糊技術進行灰度變換和空間濾波，在某些情況下會得到很好的效果。
6、 和空間域對應的是頻率域，下面是頻率域濾波的學習情況。
第四章：頻率域濾波
1、 頻率域濾波的數學基礎，主要是傅里葉變換，包括一維傅立葉變換、二維傅立葉變換、離散傅立葉變換，還有卷積定理等；
2、 簡單來講，就是通過傅立葉變換將圖像的空間域變換為頻域，在頻域里進行濾波操作，再通過反變換得到處理后的圖像空間域；
3、 頻域濾波有模糊圖像或者說平滑圖像用的低通濾波器，銳化圖像用的高通濾波器，此外還有帶通濾波、帶阻濾波、陷波濾波等選擇性濾波器；空間域濾波和頻域濾波是有對應關系的。
4、 通過以上的空間域濾波或者頻率域濾波，不僅可以實現圖像增強，還可以實現圖像的復原和重建，下面是圖像復原和重建的學習情況。
第五章：圖像復原和重建
1、 圖像復原的目的是以預先確定的目標來改善圖像；
2、 如果圖像退化是因為有噪聲，那么用空間域濾波就可以；如果是圖像模糊，用頻域濾波比較合適。
3、 噪聲的主要來源是圖像的獲取和傳輸過程，有高斯噪聲、瑞利噪聲、伽馬噪聲、指數噪聲、均勻噪聲、脈沖噪聲，還有周期噪聲。
4、 空間濾波適合於只存在加性噪聲的復原；包含均值濾波、統計排序濾波、自適應濾波。
5、 頻域濾波可以有效分析並濾除周期噪聲，包含帶通、帶阻、陷波等選擇性濾波器。
6、 此外，通過觀察法、試驗法、建模法估計出退化函數或已知退化函數后，可以用逆濾波、最小均方誤差濾波、約束最小二乘方濾波、幾何均值濾波進行圖像復原；
7、 以上是圖像復原，而圖像重建可以通過一系列的投影來實現。主要包括使用平行射線束和扇形射線束濾波反投影進行圖像重建。
8、 圖像的增強、復原和重建等操作，在彩色圖像處理中也同樣需要，下面介紹彩色圖像處理的學習情況。
第六章：彩色圖像處理
1、 在圖像處理中，主要的彩色模型有RGB彩色模型、CMY（青、粉紅、黃）、CMYK（青、粉紅、黃、黑）和HSI（色調、飽和度、亮度）模型。
2、 彩色圖像處理的兩個主要領域：全彩色處理和偽彩色處理；
3、 偽彩色處理：基於某種規則對灰度值賦以顏色的處理，主要包括灰度分層和灰度到彩色的變換。
4、 全彩色處理的處理方法分為兩類：分別處理每一幅分量圖像和直接處理彩色像素；
5、 彩色變換：通過對各分量的處理，達到調整亮度、色調或彩色校正等目的。彩色分層：分離出目標物。
6、 彩色圖像處理也包括去噪聲、直方圖處理、平滑、銳化等。
第七章：小波和多分辨率處理
1、剛才所總結的頻率域處理的數學基礎是傅立葉變換，相比傅立葉變換，小波變換使得圖像的壓縮、傳輸和噪聲去除、邊緣檢測等分析更為容易。（小波，頻率不同、時間有限的小型波）。接下來總結的圖像壓縮就是使用的小波變換。
第八章：圖像壓縮
1、圖像壓縮的理論基礎：數據和信息是不同的事情，可以理解為數據是信息的表示，因此相同的信息用不同的表示所占的數據空間是不同的，也就是存在冗余數據。冗余數據主要包括編碼冗余、時間空間冗余、不相關信息冗余。
2、壓縮方法分為有損壓縮和無損壓縮，基本的壓縮方法有：霍夫曼編碼、Golomb（戈洛姆）編碼、算術編碼、LZW編碼、行程編碼等。
3、以上的匯報，輸入和輸出都是圖像，而接下來討論的處理是輸入圖像而輸出特征，也就是從圖像中提取感興趣的特征。首先，匯報形態學圖像處理。
第九章：形態學圖像處理
1、圖像的腐蝕和膨脹是兩個基本的形態學操作，利用一些基於腐蝕和膨脹的形態學算法如邊界提取、孔洞填充、凸殼、細化、骨架、裁剪等，可以從輸入的圖像中，輸出感興趣的特征。
第十章：分割
1、 分割是指將圖像細分為構成它的子區域。
2、 多數分割算法基於灰度值的不連續性和相似性：基於不連續性的算法有邊緣提取；基於相似性的算法有閥值處理、區域生長、區域分裂和聚合等。
3、 下面介紹四種主要的分割算法：
4、 邊緣檢測分割：（點檢測、線檢測、邊緣檢）首先尋找邊緣線段，然后連接為邊界，識別區域，進行圖像的分割；
5、 閥值處理分割：閥值處理是重要的分割算法，是基於灰度值來將圖像直接划分區域；有全局閥值處理、可變閥值處理。
6、 直接尋找區域的分割：區域生長，將像素或子區域根據預先定義的准則組合為更大區域的過程；區域分裂與聚合，將一幅圖像細分為一組不相交的區域，然后聚合或分裂這些區域。
7、 基於形態學分水嶺的分割算法，提供了一種能有效使用先驗知識的框架。
8、 分割后的區域經常以一種適合於計算機進一步處理的形式來表示和描述；下面總結表示和描述的學習情況。
第十一章：表示和描述
1、 表示的方法有：邊界追蹤、鏈碼、多邊形近似法等；
2、 邊界的描繪子有：偏心率、形狀數、傅立葉描繪子、統計矩等；
3、 區域的描繪子有：圓度率、拓撲描繪子、紋理、不變矩等；
4、 使用主分量進行的描述和關系描繪子適用於邊界描述和區域描述；
5、 最后總結目標識別的學習情況。
第十二章：目標識別
1、 根據識別任務的不同，選擇合適的描繪子的組合，就也就是模式，進行圖像的模式識別或目標識別；
2、 目標識別的算法主要分為：使用定量描繪子的決策理論方法和使用定性描繪子的結構方法。
3、 決策理論方法有：最小距離分類器、相關匹配、貝葉斯分類器和神經網絡等算法。
4、 結構方法是運用模式形狀中的結構關系來實現模式識別，有匹配形狀數、串匹配等算法。
以上就是圖像處理的學習情況匯報，總的感覺是圖像處理的各個內容是互相有聯系的。尤其是完成機器視覺這樣的任務，就需要用到很多圖像處理的環節。