《中国科学院规划教材——图像信息处理丛书》共分三册，丛书之一即《图像信息处理丛书？图像处理》，丛书之二为《图像分析》，丛书之三为《图像压缩与投影重建》。
    图像信息处理是一个多阶段、多途径、多目标的信息处理过程。《图像信息处理丛书?图像处理》深入系统地阐述和论证了图像信息处理中共性的和基础性的知识，以及有关前端的处理理论、方法和技术。《图像信息处理丛书?图像处理》涉及关于图像信息处理的概述，有关的数学知识，视觉知识，图像的数学描述，图像的数字化，图像变换，图像增强，图像恢复等内容。某些章节介绍的技术内容既可以作为独立的技术，产生用户所需的输出，满足用户的需求，也可以是后续的某些信息处理的预处理。
    《图像信息处理丛书?图像处理》所涉及的内容及讨论的深度适合电子科学与工程类、控制理论与工程类、计算机科学与技术类、仪器科学与技术类以及其他有关专业和研究方向的研究生、本科高年级学生作为教材或教学参考书使用，也可供相关专业的科研人员参考。

序言
前言
第一章 导论
1．1 概述
1．2 图像信息处理技术研究的内容
1．3 数字图像处理系统

第二章 数学知识
2．1 点源与函数
2．2 线性系统
2．3 矩阵微分
2．4 矩阵的广义逆
2．5 傅氏变换
2．6 周期函数、周期、频率

第三章 视觉知识
3．1 人眼的生理构造
3．2 辐射度学基础知识
3．3 亮觉与光度学基础知识
3．4 色觉与色度学基础知识
3．4．1 色觉与色度学基础知识
3．4．2 表色模型
3．4．3 色度图
3．5 视觉信息处理特性
3．6 视觉特性
3．7 视觉模型
3．8 视觉的心理学知识

第四章 图像的数学描述
4．1 图像的函数表示
4．2 反射形成的图像模型的数学结构
4．3 图像的统计表示形式——随机场
4．3．1 随机场的概念
4．3．2 随机场的概率分布描述、统计参量及计算公式
4．4 均匀随机场

第五章 图像的数字化
5．1 数字图像的表示形式
5．2 取样定理
5．2．1 取样定理
5．2．2 原函数的重建
5．2．3 混叠
5．2．4 取样的实际问题
5．3 量化．
5．3．1 量化
5．3．2 最佳量化
5．3．3 有约束的最佳量化器
5．3．4 自适应量化
5．4 根据图像局部区域特征进行非均匀取样和非一致量化
5．5 数字图像的概率分布和统计参量

第六章 图像酉变换
6．1 离散傅氏变换（DFT）
6．1．1 离散傅氏变换的定义
6．1．2 离散傅氏变换性质
6．2 线性变换的一般表示式
6．2．1 标量表示式
6．2．2 矢量表示式
6．2．3 矩阵表示式
6．2．4 矢量外积表示式
6．3 可逆变换
6．4 线性变换的实质
6．4．1 基底
6．4．2 基平面
6．5 线性变换的统计特性
6．5．1 变换图像的一、二阶矩
6．5．2 变换图像的概率密度模型
6．6 沃尔什一哈达玛变换（WHT）
6．6．1 列率（sequency）、格雷码与拉德梅克函数
6．6．2 沃尔什（walsh）函数
6．6．3 沃尔什级数
6．6．4 沃尔什变换
6．6．5 哈达玛变换
6．7 离散余弦变换（DCT）
6．8 离散K—L变换
6．9 奇异值分解（SVD）和变换
6．1 0哈尔变换（HT）
6．1 0．1 哈尔函数的定义
6．1 0．2 哈尔函数性质
6．1 0．3 哈尔矩阵与哈尔变换
6．1 1斜变换（DST）
6．1 1．1 斜矩阵
6．1 1．2 斜变换

第七章 位图像增强
7．1 概述
7．2 对比度增强
7．2．1 线性变换
7．2．2 分段线性变换
7．2．3 非线性变换
7．2．4 其他变换
7．3 修正直方图增强
7．3．1 直方图（Ilistogram）
7．3．2 直方图均化
7．3．3 直方图规定化
7．4 平滑（smoothing）
7．4．1 噪声
7．4．2 邻域平均法
7．4．3 多图平均法
7．4．4 中值滤波法
7．4．5 频域中低通滤波和带阻滤波
7．5 锐化（sharpening）
7．5．1 模糊机理及基本解决方法
7．5．2 梯度模算子
7．5．3 拉氏算子
7．5．4 Wallis算子
7．5．5 其他自适应锐化算子
7．5．6 高通滤波和高频加强滤波
7．6 自适应叠代滤波增强
7．6．1 自适应叠代滤波原理
7．6．2 图像的自适应叠代滤波算法
7．7 同态滤波增晰
7．8 几何校正
7．8．1 像素坐标校正
7．8．2 像素灰度估算
7．9 伪彩色和假彩色
7．9．1 伪彩色（pseudocolor）技术
7．9．2 假彩色（falsecolor）技术
7．10 图像间的算术运算

第八章 图像恢复
8．1 概述
8．2 图像质量的客观评价
8．3 降质模型的一般表示式
8．3．1 连续的线性降质模型表示式
8．3．2 离散的线性系统模型表示式
8．4 分块循环矩阵的对角化及其意义
8．5 降质系统的模型及参数的确定
8．5．1 具体研究降质过程确定h（x，v）
8．5．2 由降质图像确定h（x，v）
8．5．3 原始图像及噪声的功率谱估计
8．6 频域中的恢复方法
8．6．1 逆滤波
8．6．2 等功率谱滤波
8．6．3 维纳滤波
8．6．4 其他几种频域中的恢复滤波器
8．6．5 由降质图像估计恢复滤波器的一种方法
8．6．6 叠代盲卷积恢复算法
8．7 最小二乘估计
8．8 约束最小二乘估计
8．8．1 化矩阵方程约束为范数方程约束
8．8．2 矩阵方程约束
8．9 利用分块循环矩阵性质改变恢复域
8．9．1 平滑约束恢复算法
8．9．2 变参数维纳滤波
8．10 线性均方估计恢复图像
8．11 非线性统计估计
8．11．1 条件均方估计
8．11．2 最大后验估计（MAPE）
8．11．3 最大似然估计（MLE）
8．11．4 最大后验估计的具体实施
8．11．5 最大似然估计的实施
8．12 最大熵恢复
8．13 图像恢复的代数方法
8．13．1 广义逆法
8．13．2 奇异值分解广义逆法
8．13．3 投影叠代法
8．14 卡尔曼滤波恢复
8．15 运动模糊图像恢复
8．15．1 运动模糊差分恢复
8．15．2 差分投影恢复
8．15．3 直接卷积恢复
8．16 薄云层下的景物图像恢复
8．17 超分辨率图像复原
8．17．1 超分辨率图像复原及其进展
8．17．2 超分辨率复原的理论基础
8．17．3 超分辨率复原算法
8．17．4 超分辨率图像复原的研究发展方向