定的应用来说，比原始图像更适用。
第7章小波变换继第6章之后继续在频率域中研究图像。傅立叶变换一直是频率域图像处理的基石，它能用正弦函数之和表示任何分析函数，而小波变换则基于一些有限宽度的基小波，这些小波不仅在频率上是变化的，而且具有有限的持续时间。例如，对于一张乐谱，小波变换不仅能提供要演奏的音符，而且说明了何时演奏等细节信息，但傅立叶变换只提供了音符，局部信息在变换中丢失。
第8章图像复原与图像增强相似，其目的也是改善图像质量。但是图像复原是试图利用退化过程的先验知识使已被退化的图像恢复本来面目，而图像增强是用某种试探的方式改善图像质量，以适应人眼的视觉与心理。引起图像退化的因素包括由光学系统、运动等造成的图像模糊，以及源自电路和光学因素的噪声等。图像复原是基于图像退化的数学模型，复原的方法也建立在比较严格的数学推导上。
第9章是本书中相对独立的一章，以介绍色彩模型之间的相互转换，以及彩色图像处理方面的基本概念和基本方法为主。随着基于互联网的图像处理应用在不断增长，彩色图像处理已经成为一个重要领域。
第10～12章（形态学处理、边缘检测与图像分割、特征提取）是从单纯图像处理向图像识别（机器视觉）的过渡，这一阶段的特点是，输入是图像，输出则是在识别意义上我们感兴趣的图像元素。形态学处理是提取图像元素的有力技术，它在表现和描述形状方面非常有用；分割过程则将一幅图像划分为组成部分或目标对象；研究特征提取则是要将前面提取出来的图像元素或目标对象表示为适合计算
f机后续处理的数值形式，最终形成能够直接供分类器使用的特征。第13章在前面知识的基础之上，引出了机器视觉的前导性内容，给出了解决识别问题的一般思路。第14～15章（人工神经网络、支持向量机）介绍了两种十分强大的分类技术，并介绍了人脸识别技术及经典案例应用。读者对象●具备必要的数学基础的相关专业的本科生、研究生。●工作在图像处理和识别领域一线的工程技术人员。●对于数字图像处理和机器视觉感兴趣的并且具备必要预备知识的所有读者。在阅读本书之前，读者最好具有如下的预备知识●读者应具备一定的数学基础，如高等数学知识、少量的线性代数基本概念加上对于概率理论主要思想的理解（识别部分）。在线支持和读者反馈本书所有Matlab实例的源代码均可在bbsbook95com网站的“金羽图书与答疑板块”板块与本书同名的主题帖子附件中提供下载。虽然本书中的所r