想学图像处理，光看教程视频不够扎实，系统学习还得靠书。市面上讲图像处理算法的书不少，但真正讲得清楚、例子实用的并不太多。下面这几本是长期在项目一线用得上的，不管是学生做课题，还是工程师开发人脸识别、工业检测功能，都能找到对应参考。
《数字图像处理》（冈萨雷斯著）
这本书几乎是图像处理领域的“圣经”。内容覆盖全面，从图像增强、滤波、边缘检测到形态学处理都有详细讲解。数学推导严谨，适合想要打牢基础的人。书里用 MATLAB 做示例，虽然现在很多人转向 Python，但原理不变。如果你在学校上过相关课程，大概率用的就是这本教材。
《计算机视觉：算法与应用》（Richard Szeliski 著）
更偏向实际应用场景的一本书。除了传统图像处理算法，还涵盖了特征提取、立体视觉、运动估计等高级内容。作者是微软研究院出身，书中的案例贴近真实项目需求。英文原版免费公开，中文译本也已出版，适合边读边动手实现。
《OpenCV 3 计算机视觉：Python 语言实现》
如果你已经决定用 Python 做图像处理，这本书很合适。它不堆砌理论，而是直接带你用 OpenCV 写代码。比如读取摄像头画面、做人脸检测、实现图像拼接等功能，每一步都有完整代码示例。适合想快速做出原型产品的开发者。
举个例子，你在做一个小区门禁系统，需要自动识别车牌。书里关于阈值分割、轮廓查找、模板匹配的内容就能直接派上用场。配合 OpenCV 的 cv2.findContours() 和 cv2.matchTemplate() 函数，几天内就能搭出一个可用版本。
import cv2
import numpy as np
# 图像灰度化 + 高斯滤波
image = cv2.imread('car.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
# 边缘检测
edges = cv2.Canny(blurred, 50, 150)
# 查找轮廓
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
《深度学习与图像合成》
近年来图像生成、超分辨率、风格迁移这些热门方向，传统方法已经不够用了。这本书聚焦于 CNN、GAN 在图像处理中的应用。比如如何用 SRGAN 提升老照片清晰度，或者用 CycleGAN 实现白天到黑夜的图像转换。书中代码基于 PyTorch，适合有一定机器学习基础的读者。
选书的关键是看你要解决什么问题。做传统图像增强和检测，冈萨雷斯那本不可少；要做实时视觉系统，OpenCV 配合 Python 实践类书籍更高效；如果想搞 AI 驱动的图像生成，就得往深度学习方向深入。书不在多，在于精读+实操。