添加微信：code_7steps，备注“进群”，邀请你加入大牛云集的技术交流群！
图像处理(Image Processing)是通过计算机技术将图像信号转换成数字信号并利用对其进行处理的过程，图像处理主要包括以下几项技术：
-
去噪
-
增强
-
复原与重建
-
分割
-
特征提取
-
几何变换
-
压缩
如果从图像类别的角度进行划分，目前主要存在以下几种类型：
-
自然图像
-
医学图像
-
雷达图像
-
纹理图像
由于图像处理在工业、医学、军士、农业等领域的广泛应用，使得这项技术越来越受欢迎和重视，本文就从以下几个方面介绍一下数字图像处理的入门方法，
-
书籍
-
视频课程
-
开源项目
书籍
《离散数学及其应用（原书第7版）》*--Kenneth H.Rosen*
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。
《图像工程》--章毓晋
图像处理领域的经典之作，从图像去噪到图像分割，从工程实践到底层的数学知识，这本书涵盖非常全面，当然，内容也非常多。这本书有合订版，也有单独装订版，本书分为上中下三册，分别讲解图像处理、图像分析、图像理解，如果只对某一个方向感兴趣，可以单独购买其中一册学习。
《数字图像处理（第三版）》--冈萨雷斯
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。
《纹理图像分析》--马莉,范影乐
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。
《医学图像处理中的数学理论与方法》--孔德兴
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。
视频课程
很多学校都开设有《数字图像处理》相关的课程，因此，网上有很多不同学校的公开课，所以，视频学习资源非常丰富，而且其中不乏图像处理领域知名教授的精品课。每个人偏好的授课方式不同，我列举几个个人认为不错的公开课，可以根据自己的偏好进行选择。
数字图像处理(刚萨雷斯版)教学篇-电子科技大学-李庆嵘（70讲）www.bilibili.com
ECSE 4530 - Digital Signal Processingwww.bilibili.com
数字图像处理武汉大学中国大学MOOC(慕课)www.icourse163.org
公开课 | 精品课程 | 教学视频www.1ketang.com
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。
开源项目
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。
Piotr's Computer Vision Matlab Toolbox
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。
reproducible-image-denoising-state-of-the-art
收集流行的和可复制的图像去噪代码和文章。
干货推荐
为了方便大家，我花费了半个月的时间把这几年来收集的各种技术干货整理到一起，其中内容包括但不限于Python、机器学习、深度学习、计算机视觉、推荐系统、Linux、工程化、Java，内容多达5T+，我把各个资源下载链接整理到一个文档内，目录如下：
所有干货送给大家，希望能够点赞支持一下！