本书的第3到第8章介绍基本的数字图像预处理方法。从模式识别的技术角度来讲，这些图像预处理方法可以增强数字图像中的有用信息，有利于提高对图像所属模式进行识别的准确率。但数字图像中得到增强的有用信息往往不能直接应用，还需对这些信息进行选择或提炼，才能得到具体的图像特征并最终用于对该图像的模式进行识别。本章将介绍图像的统计特征、幅值特征、几何特征、形状特征、纹理特征等基本特征及其提取方法。【本章导读】
数字图像灰值化后可以对其灰度分布进行统计分析，并得到均值、方差等统计特征。本节介绍常用统计特征的定义及计算方法。
不像统计特征只反映图像灰度分布的整体特征，图像的幅值特征则反映图像灰度的具体位置分布特征。本节介绍常用幅值特征的定义及计算方法。
图像二值化后，可以使用区域的一些几何特征，如大小、位置和方向，来确定图像中物体的位置并识别它们。本节将从图像位置与方向、周长、面积、长轴与短轴和距离等几个基本方面介绍图像的几何特征及其计算方法。
为了较好地描述图像中的物体形状，可以用多边形、曲线、矩形、圆形等对物体形状进行表示和特征提取。本节将介绍常用的物体形状特征及其计算方法。
纹理特征是数字图像的一个重要特征，可以从图像结构组成上探索纹理的规律或直接探求纹理构成的结构规律；也可以从图像有关属性的统计分析出发进行纹理特征分析。本节介绍纹理特征分析中常用的结构分析法和统计分析法。
相关资源：VISUAL C 数字图像模式识别技术详解 第2版