第1章　総　論
1.1　コンピュータ画像処理とは
1.1.1　画像情報のコンピュータ処理の変遷
1.1.2　画像処理とコンピュータグラフィックス
1.1.3　その他の関連技術分野
1.1.4　21世紀のコンピュータ画像処理
1.2　コンピュータ画像処理の特質
1.2.1　図形，画像，映像
1.2.2　ディジタル画像の長所
1.2.3　画像処理手法の分類とその関係
1.3　コンピュータ画像処理の利用目的

第2章　基本概念
2.1　コンピュータでの画像データの取扱い
2.1.1　ディジタル画像
2.1.2　標本化と量子化
2.1.3　コンピュータ内での画像の表記
2.2　画像の統計量
2.2.1　画像の基本的な統計量
2.2.2　ヒストグラム
2.2.3　ヒストグラムの性質
2.2.4　ヒストグラムの代表的利用法
2.2.5　ヒストグラムの類似尺度
2.3　画像処理アルゴリズムの形態
2.3.1　画像処理機能
2.3.2　画像処理演算の形態
2.3.3　局所処理と大局処理
2.3.4　並列型処理と逐次型処理
2.3.5　追跡型処理
2.3.6　反復型処理
2.3.7　位置不変処理と位置可変処理
2.3.8　ウィンドウ処理とマスク処理
2.4　周波数領域での処理
2.4.1　空間周波数
2.4.2　フーリエ変換
2.4.3　2次元フーリエ変換
2.4.4　空間周波数領域でのフィルタ処理
2.4.5　フーリエ変換の利用分野
2.5　各種直交変換
2.6　画像の表現とデータ構造
2.6.1　画像のデータ構造
2.6.2　画像の特徴表現
2.7　色彩情報の取扱い
2.7.1　色とは
2.7.2　色の現れ方
2.7.3　混色と等色
2.7.4　表色系

第3章　画像情報の圧縮
3.1　画像情報の圧縮の意義
3.2　画像のデータ量と圧縮の目安
3.3　画像符号化の枠組み
3.3.1　情報源符号化
3.3.2　画像情報に含まれる各種の冗長度
3.3.3　空間的冗長度の削減
3.4　予測符号化
3.4.1　予測符号化の考え方
3.4.2　予測符号化の枠組み
3.4.3　いろいろな予測方法
3.5　変換符号化
3.5.1　変換符号化の考え方
3.5.2　変換符号化の基本的枠組み
3.5.3　変換係数の符号化
3.6　動画像符号化
3.6.1　動画像符号化の考え方
3.6.2　動き補償フレーム間予測符号化
3.6.3　ハイブリッド符号化
3.6.4　動き補償予測の方向
3.7　エントロピー符号化
3.7.1　可変長符号化
3.7.2　エントロピー
3.7.3　符号割当て
3.7.4　ハフマン符号化
3.7.5　算術符号化
3.8　実用的な画像符号化方式
3.8.1　静止画像符号化
3.8.2　動画像符号化
3.8.3　2 値画像符号化

第4章　画質改善と画像の接合・再構成
4.1　強調，復元，接合，再構成
4.2　コントラスト強調
4.2.1　濃淡階調変換
4.2.2　ヒストグラム変換
4.2.3　擬似カラー表示と偽カラー表示
4.3　鮮鋭化
4.4　平滑化と雑音除去
4.4.1　移動平均法
4.4.2　メディアンフィルタ
4.4.3　エッジ保存平滑化
4.4.4　ヒステリシス平滑化
4.4.5　周期性雑音と孤立雑音の除去
4.5　画像の復元
4.5.1　画像劣化のモデル化
4.5.2　逆フィルタ
4.5.3　ウィーナ・フィルタ
4.5.4　ウィーナ・フィルタの拡張
4.6　幾何学的変換と画像接合
4.6.1　幾何学的ひずみの補正
4.6.2　幾何学的変換による画像接合
4.7　画像の再構成
4.7.1　コンピュータ断層撮影法の原理
4.7.2　CT装置の発展
4.7.3　合成開口レーダと電波望遠鏡
4.7.4　多数の画像からの自由視点画像生成

第5章　2値画像処理
5.1　2値画像処理の意義とその流れ
5.2　画像の2値化処理
5.2.1　2値化と閾値選択
5.2.2　カラー画像の減色
5.2.3　可変閾値法
5.3　2値画像の連結性と距離
5.3.1　2値画像の連結性
5.3.2　距　離
5.4　2値画像の解析と変換
5.4.1　連結成分の解析
5.4.2　2値図形の変換
5.4.3　投影による2値画像の解析
5.5　モルフォロジー演算
5.5.1　モルフォロジー演算の基礎
5.5.2　モルフォロジー演算による2値画像処理
5.6　形状の特徴と表現
5.6.1　図形の形状特徴
5.6.2　図形の形状表現
5.7　3次元2値画像処理
5.7.1　3次元2値画像
5.7.2　連結性と距離
5.7.3　3次元2値画像の解析

第6章　画像特徴の抽出
6.1　画像解析・認識のための特徴抽出
6.2　エッジ検出
6.2.1　エッジのモデル
6.2.2　画像の微分
6.2.3　勾配に基づくエッジ検出
6.2.4　ラプラシアンに基づくエッジ検出
6.2.5　キャニーのエッジ検出法
6.3　コーナー検出
6.3.1　コーナーらしさの評価
6.3.2　ハリスのコーナー検出器
6.4　安定した特徴点の検出
6.4.1　SIFT 法の原理
6.4.2　SIFT 法の高速化
6.5　直線・曲線の抽出
6.5.1　ハフ変換
6.5.2　一般化ハフ変換
6.5.3　幾何学的ハッシュ法
6.6　領域分割
6.6.1　k平均法による領域分割
6.6.2　平均値シフト法による領域分割
6.7　テクスチャ解析
6.7.1　テクスチャ画像
6.7.2　テクスチャ特徴量の計算
6.7.3　テクスチャ領域の分割

第7章　立体情報と動きの抽出
7.1　2次元画像から奥行きや動きを求める
7.2　距離情報の抽出
7.2.1　カメラモデル
7.2.2　ステレオ法の計測原理
7.2.3　受動ステレオ法
7.2.4　能動ステレオ法
7.2.5　飛行時間計測測距法
7.3　3次元形状の復元
7.3.1　陰影からの形状復元
7.3.2　その他の形状の復元法
7.3.3　照度差ステレオ
7.4　距離画像からの特徴抽出
7.4.1　距離画像のエッジ検出
7.4.2　距離画像からの領域抽出
7.4.3　形状のモデル化
7.5　時系列画像からの動きの抽出
7.5.1　動きの抽出
7.5.2　見かけ速度ベクトル場の算出
7.5.3　時空間画像の利用
7.6　動きからの3次元形状復元
7.6.1　動きからの形状復元
7.6.2　時系列画像からの奥行き抽出
7.6.3　剛体の3次元運動の抽出

第8章　画像認識の手法
8.1　画像認識の概要
8.2　2次元画像照合による位置検出
8.2.1　テンプレートマッチングによる位置検出
8.2.2　マッチトフィルタとの関係
8.2.3　高速テンプレートマッチング
8.2.4　テンプレートマッチングの改良
8.2.5　特徴照合による位置検出
8.3　2次元画像照合による形状認識
8.3.1　テンプレートマッチングによる認識
8.3.2　線図形形状の照合による認識
8.3.3　エネルギー最小化による形状照合
8.3.4　射影空間での画像照合による認識
8.4　3次元物体の認識
8.4.1　エッジ特徴の照合
8.4.2　3次元特徴の照合
8.4.3　低次元射影空間での照合
8.5　統計的パターン認識
8.5.1　学　習
8.5.2　特徴選択
8.5.3　分　類
8.5.4　最尤法による分類
8.5.5　サポートベクトルマシンによる分類
8.5.6　決定木による分類
8.6　部分空間法
8.6.1　CLAFIC法
8.6.2　直交部分空間法
8.6.3　相互部分空間法
8.7　ニューラルネットワークと深層学習
8.7.1　パーセプトロン
8.7.2　畳込みニューラルネット
8.7.3　オートエンコーダ
8.7.4　敵対的生成ネットワーク
8.8　画像分野への深層学習の効果的利用
8.8.1　物体の検出と追跡への適用
8.8.2　セマンティック・セグメンテーション
8.8.3　人物姿勢推定
8.8.4　実環境でのオプティカルフロー推定