图书详情

配套资源图书内容样章/电子教材图书评价

配套资源
图书特别说明：由于成本考虑，本书不作为参考书赠送。如果确有授课教材选用的需求，可将详细情况发送给本书专属联系人，我们将进一步沟通并酌情处理。

本书资源

本书暂无资源
会员上传本书资源
为本书上传资源

图书内容

内容简介

本书是关于数字图像处理的经典著作，作者在对32个国家的134所院校和研究所的教师、学生及自学者进行广泛调查的基础上编写了第三版。除保留第二版的大部分主要内容外，还根据收集的建议从13个方面进行了修订，新增了400多幅图像、200多个图表和80多道习题，同时融入了近年来本科学领域的重要发展，使本书具有鲜明的特色与时效性。全书共分12章，包括绪论、数字图像基础、灰度变换与空间滤波、频域滤波、图像复原与重建、彩色图像处理、小波及多分辨率处理、图像压缩、形态学图像处理、图像分割、表现与描述、目标识别。

图书详情

ISBN：9787121305405

开本：16开

页数：976

字数：1776.0

本书目录

Preface 15
Acknowledgments 19
The Book Web Site 20
About the Authors 21

Chapter 1 Introduction 23
1.1 What Is Digital Image Processing? 23
1.2 The Origins of Digital Image Processing 25
1.3 Examples of Fields that Use Digital Image Processing 29
1.3.1 Gamma-Ray Imaging 30
1.3.2 X-Ray Imaging 31
1.3.3 Imaging in the Ultraviolet Band 33
1.3.4 Imaging in the Visible and Infrared Bands 34
1.3.5 Imaging in the Microwave Band 40
1.3.6 Imaging in the Radio Band 42
1.3.7 Examples in which Other Imaging Modalities Are Used 42
1.4 Fundamental Steps in Digital Image Processing 47
1.5 Components of an Image Processing System 50
Summary 53
References and Further Reading 53

Chapter 2 Digital Image Fundamentals 57
2.1 Elements of Visual Perception 58
2.1.1 Structure of the Human Eye 58
2.1.2 Image Formation in the Eye 60
2.1.3 Brightness Adaptation and Discrimination 61
2.2 Light and the Electromagnetic Spectrum 65
2.3 Image Sensing and Acquisition 68
2.3.1 Image Acquisition Using a Single Sensor 70
2.3.2 Image Acquisition Using Sensor Strips 70
2.3.3 Image Acquisition Using Sensor Arrays 72
2.3.4 A Simple Image Formation Model 72
2.4 Image Sampling and Quantization 74
2.4.1 Basic Concepts in Sampling and Quantization 74
2.4.2 Representing Digital Images 77
2.4.3 Spatial and Intensity Resolution 81
2.4.4 Image Interpolation 87
2.5 Some Basic Relationships between Pixels 90
2.5.1 Neighbors of a Pixel 90
2.5.2 Adjacency, Connectivity, Regions, and Boundaries 90
2.5.3 Distance Measures 93
2.6 An Introduction to the Mathematical Tools Used in Digital Image Processing 94
2.6.1 Array versus Matrix Operations 94
2.6.2 Linear versus Nonlinear Operations 95
2.6.3 Arithmetic Operations 96
2.6.4 Set and Logical Operations 102
2.6.5 Spatial Operations 107
2.6.6 Vector and Matrix Operations 114
2.6.7 Image Transforms 115
2.6.8 Probabilistic Methods 118
Summary 120
References and Further Reading 120
Problems 121

Chapter 3 Intensity Transformations and Spatial Filtering 126
3.1 Background 127
3.1.1 The Basics of Intensity Transformations and Spatial Filtering 127
3.1.2 About the Examples in This Chapter 129
3.2 Some Basic Intensity Transformation Functions 129
3.2.1 Image Negatives 130
3.2.2 Log Transformations 131
3.2.3 Power-Law (Gamma) Transformations 132
3.2.4 Piecewise-Linear Transformation Functions 137
3.3 Histogram Processing 142
3.3.1 Histogram Equalization 144
3.3.2 Histogram Matching (Specification) 150
3.3.3 Local Histogram Processing 161
3.3.4 Using Histogram Statistics for Image Enhancement 161
3.4 Fundamentals of Spatial Filtering 166
3.4.1 The Mechanics of Spatial Filtering 167
3.4.2 Spatial Correlation and Convolution 168
3.4.3 Vector Representation of Linear Filtering 172
3.4.4 Generating Spatial Filter Masks 173
3.5 Smoothing Spatial Filters 174
3.5.1 Smoothing Linear Filters 174
3.5.2 Order-Statistic (Nonlinear) Filters 178
3.6 Sharpening Spatial Filters 179
3.6.1 Foundation 180
3.6.2 Using the Second Derivative for Image Sharpening-The Laplacian 182
3.6.3 Unsharp Masking and Highboost Filtering 184
3.6.4 Using First-Order Derivatives for (Nonlinear) Image Sharpening—The Gradient 187
3.7 Combining Spatial Enhancement Methods 191
3.8 Using Fuzzy Techniques for Intensity Transformations and Spatial Filtering 195
3.8.1 Introduction 195
3.8.2 Principles of Fuzzy Set Theory 196
3.8.3 Using Fuzzy Sets 200
3.8.4 Using Fuzzy Sets for Intensity Transformations 208
3.8.5 Using Fuzzy Sets for Spatial Filtering 211
Summary 214
References and Further Reading 214
Problems 215

Chapter 4 Filtering in the Frequency Domain 221
4.1 Background 222
4.1.1 A Brief History of the Fourier Series and Transform 222
4.1.2 About the Examples in this Chapter 223
4.2 Preliminary Concepts 224
4.2.1 Complex Numbers 224
4.2.2 Fourier Series 225
4.2.3 Impulses and Their Sifting Property 225
4.2.4 The Fourier Transform of Functions of One Continuous Variable 227
4.2.5 Convolution 231
4.3 Sampling and the Fourier Transform of Sampled Functions 233
4.3.1 Sampling 233
4.3.2 The Fourier Transform of Sampled Functions 234
4.3.3 The Sampling Theorem 235
4.3.4 Aliasing 239
4.3.5 Function Reconstruction (Recovery) from Sampled Data 241
4.4 The Discrete Fourier Transform (DFT) of One Variable 242
4.4.1 Obtaining the DFT from the Continuous Transform of a Sampled Function 243
4.4.2 Relationship Between the Sampling and Frequency Intervals 245
4.5 Extension to Functions of Two Variables 247
4.5.1 The 2-D Impulse and Its Sifting Property 247
4.5.2 The 2-D Continuous Fourier Transform Pair 248
4.5.3 Two-Dimensional Sampling and the 2-D Sampling Theorem 249
4.5.4 Aliasing in Images 250
4.5.5 The 2-D Discrete Fourier Transform and Its Inverse 257
4.6 Some Properties of the 2-D Discrete Fourier Transform 258
4.6.1 Relationships Between Spatial and Frequency Intervals 258
4.6.2 Translation and Rotation 258
4.6.3 Periodicity 259
4.6.4 Symmetry Properties 261
4.6.5 Fourier Spectrum and Phase Angle 267
4.6.6 The 2-D Convolution Theorem 271
4.6.7 Summary of 2-D Discrete Fourier Transform Properties 275
4.7 The Basics of Filtering in the Frequency Domain 277
4.7.1 Additional Characteristics of the Frequency Domain 277
4.7.2 Frequency Domain Filtering Fundamentals 279
4.7.3 Summary of Steps for Filtering in the Frequency Domain 285
4.7.4 Correspondence Between Filtering in the Spatial and Frequency Domains 285
4.8 Image Smoothing Using Frequency Domain Filters 291
4.8.1 Ideal Lowpass Filters 291
4.8.2 Butterworth Lowpass Filters 295
4.8.3 Gaussian Lowpass Filters 298
4.8.4 Additional Examples of Lowpass Filtering 299
4.9 Image Sharpening Using Frequency Domain Filters 302
4.9.1 Ideal Highpass Filters 303
4.9.2 Butterworth Highpass Filters 306
4.9.3 Gaussian Highpass Filters 307
4.9.4 The Laplacian in the Frequency Domain 308
4.9.5 Unsharp Masking, Highboost Filtering, and High-Frequency-Emphasis Filtering 310
4.9.6 Homomorphic Filtering 311
4.10 Selective Filtering 316
4.10.1 Bandreject and Bandpass Filters 316
4.10.2 Notch Filters 316
4.11 Implementation 320
4.11.1 Separability of the 2-D DFT 320
4.11.2 Computing the IDFT Using a DFT Algorithm 321
4.11.3 The Fast Fourier Transform (FFT) 321
4.11.4 Some Comments on Filter Design 325
Summary 325
References and Further Reading 326
Problems 326

Chapter 5 Image Restoration and Reconstruction 333
5.1 A Model of the Image Degradation/Restoration Process 334
5.2 Noise Models 335
5.2.1 Spatial and Frequency Properties of Noise 335
5.2.2 Some Important Noise Probability Density Functions 336
5.2.3 Periodic Noise 340
5.2.4 Estimation of Noise Parameters 341
5.3 Restoration in the Presence of Noise Only—Spatial Filtering 344
5.3.1 Mean Filters 344
5.3.2 Order-Statistic Filters 347
5.3.3 Adaptive Filters 352
5.4 Periodic Noise Reduction by Frequency Domain Filtering 357
5.4.1 Bandreject Filters 357
5.4.2 Bandpass Filters 358
5.4.3 Notch Filters 359
5.4.4 Optimum Notch Filtering 360
5.5 Linear, Position-Invariant Degradations 365
5.6 Estimating the Degradation Function 368
5.6.1 Estimation by Image Observation 368
5.6.2 Estimation by Experimentation 369
5.6.3 Estimation by Modeling 369
5.7 Inverse Filtering 373
5.8 Minimum Mean Square Error (Wiener) Filtering 374
5.9 Constrained Least Squares Filtering 379
5.10 Geometric Mean Filter 383
5.11 Image Reconstruction from Projections 384
5.11.1 Introduction 384
5.11.2 Principles of Computed Tomography (CT) 387
5.11.3 Projections and the Radon Transform 390
5.11.4 The Fourier-Slice Theorem 396
5.11.5 Reconstruction Using Parallel-Beam Filtered Backprojections 397
5.11.6 Reconstruction Using Fan-Beam Filtered Backprojections 403
Summary 409
References and Further Reading 410
Problems 411

Chapter 6 Color Image Processing 416
6.1 Color Fundamentals 417
6.2 Color Models 423
6.2.1 The RGB Color Model 424
6.2.2 The CMY and CMYK Color Models 428
6.2.3 The HSI Color Model 429
6.3 Pseudocolor Image Processing 436
6.3.1 Intensity Slicing 437
6.3.2 Intensity to Color Transformations 440
6.4 Basics of Full-Color Image Processing 446
6.5 Color Transformations 448
6.5.1 Formulation 448
6.5.2 Color Complements 452
6.5.3 Color Slicing 453
6.5.4 Tone and Color Corrections 455
6.5.5 Histogram Processing 460
6.6 Smoothing and Sharpening 461
6.6.1 Color Image Smoothing 461
6.6.2 Color Image Sharpening 464
6.7 Image Segmentation Based on Color 465
6.7.1 Segmentation in HSI Color Space 465
6.7.2 Segmentation in RGB Vector Space 467
6.7.3 Color Edge Detection 469
6.8 Noise in Color Images 473
6.9 Color Image Compression 476
Summary 477
References and Further Reading 478
Problems 478

Chapter 7 Wavelets and Multiresolution Processing 483
7.1 Background 484
7.1.1 Image Pyramids 485
7.1.2 Subband Coding 488
7.1.3 The Haar Transform 496
7.2 Multiresolution Expansions 499
7.2.1 Series Expansions 499
7.2.2 Scaling Functions 501
7.2.3 Wavelet Functions 505
7.3 Wavelet Transforms in One Dimension 508
7.3.1 The Wavelet Series Expansions 508
7.3.2 The Discrete Wavelet Transform 510
7.3.3 The Continuous Wavelet Transform 513
7.4 The Fast Wavelet Transform 515
7.5 Wavelet Transforms in Two Dimensions 523
7.6 Wavelet Packets 532
Summary 542
References and Further Reading 542
Problems 543

Chapter 8 Image Compression 547
8.1 Fundamentals 548
8.1.1 Coding Redundancy 550
8.1.2 Spatial and Temporal Redundancy 551
8.1.3 Irrelevant Information 552
8.1.4 Measuring Image Information 553
8.1.5 Fidelity Criteria 556
8.1.6 Image Compression Models 558
8.1.7 Image Formats, Containers, and Compression Standards 560
8.2 Some Basic Compression Methods 564
8.2.1 Huffman Coding 564
8.2.2 Golomb Coding 566
8.2.3 Arithmetic Coding 570
8.2.4 LZW Coding 573
8.2.5 Run-Length Coding 575
8.2.6 Symbol-Based Coding 581
8.2.7 Bit-Plane Coding 584
8.2.8 Block Transform Coding 588
8.2.9 Predictive Coding 606
8.2.10 Wavelet Coding 626
8.3 Digital Image Watermarking 636
Summary 643
References and Further Reading 644
Problems 645

Chapter 9 Morphological Image Processing 649
9.1 Preliminaries 650
9.2 Erosion and Dilation 652
9.2.1 Erosion 653
9.2.2 Dilation 655
9.2.3 Duality 657
9.3 Opening and Closing 657
9.4 The Hit-or-Miss Transformation 662
9.5 Some Basic Morphological Algorithms 664
9.5.1 Boundary Extraction 664
9.5.2 Hole Filling 665
9.5.3 Extraction of Connected Components 667
9.5.4 Convex Hull 669
9.5.5 Thinning 671
9.5.6 Thickening 672
9.5.7 Skeletons 673
9.5.8 Pruning 676
9.5.9 Morphological Reconstruction 678
9.5.10 Summary of Morphological Operations on Binary Images 684
9.6 Gray-Scale Morphology 687
9.6.1 Erosion and Dilation 688
9.6.2 Opening and Closing 690
9.6.3 Some Basic Gray-Scale Morphological Algorithms 692
9.6.4 Gray-Scale Morphological Reconstruction 698
Summary 701
References and Further Reading 701
Problems 702

Chapter 10 Image Segmentation 711
10.1 Fundamentals 712
10.2 Point, Line, and Edge Detection 714
10.2.1 Background 714
10.2.2 Detection of Isolated Points 718
10.2.3 Line Detection 719
10.2.4 Edge Models 722
10.2.5 Basic Edge Detection 728
10.2.6 More Advanced Techniques for Edge Detection 736
10.2.7 Edge Linking and Boundary Detection 747
10.3 Thresholding 760
10.3.1 Foundation 760
10.3.2 Basic Global Thresholding 763
10.3.3 Optimum Global Thresholding Using Otsu’s Method 764
10.3.4 Using Image Smoothing to Improve Global Thresholding 769
10.3.5 Using Edges to Improve Global Thresholding 771
10.3.6 Multiple Thresholds 774
10.3.7 Variable Thresholding 778
10.3.8 Multivariable Thresholding 783
10.4 Region-Based Segmentation 785
10.4.1 Region Growing 785
10.4.2 Region Splitting and Merging 788
10.5 Segmentation Using Morphological Watersheds 791
10.5.1 Background 791
10.5.2 Dam Construction 794
10.5.3 Watershed Segmentation Algorithm 796
10.5.4 The Use of Markers 798
10.6 The Use of Motion in Segmentation 800
10.6.1 Spatial Techniques 800
10.6.2 Frequency Domain Techniques 804
Summary 807
References and Further Reading 807
Problems 809

Chapter 11 Representation and Description 817
11.1 Representation 818
11.1.1 Boundary (Border) Following 818
11.1.2 Chain Codes 820
11.1.3 Polygonal Approximations Using Minimum-Perimeter Polygons 823
11.1.4 Other Polygonal Approximation Approaches 829
11.1.5 Signatures 830
11.1.6 Boundary Segments 832
11.1.7 Skeletons 834
11.2 Boundary Descriptors 837
11.2.1 Some Simple Descriptors 837
11.2.2 Shape Numbers 838
11.2.3 Fourier Descriptors 840
11.2.4 Statistical Moments 843
11.3 Regional Descriptors 844
11.3.1 Some Simple Descriptors 844
11.3.2 Topological Descriptors 845
11.3.3 Texture 849
11.3.4 Moment Invariants 861
11.4 Use of Principal Components for Description 864
11.5 Relational Descriptors 874
Summary 878
References and Further Reading 878
Problems 879

Chapter 12 Object Recognition 883
12.1 Patterns and Pattern Classes 883
12.2 Recognition Based on Decision-Theoretic Methods 888
12.2.1 Matching 888
12.2.2 Optimum Statistical Classifiers 894
12.2.3 Neural Networks 904
12.3 Structural Methods 925
12.3.1 Matching Shape Numbers 925
12.3.2 String Matching 926
Summary 928
References and Further Reading 928
Problems 929

Appendix A 932
Bibliography 937
Index 965

展开

前言

这一版本的《数字图像处理》是本书的一次重要修订。正如由Gonzalez和Wintz编写的1977年版和1988年版及由Gonzalez和Woods编写的1992年版和2002年版那样，这一版本同样是为学生和教师考虑而准备的。本书的主要目的仍是介绍数字图像处理的基本概念和方法，并为读者在该领域进一步学习和研究打下坚实的基础。为实现这一目的，我们仍将重点放在基础知识和普通应用上。本书面向大学高年级本科生和研究生，要求学生修习过数学分析、向量、矩阵、概率、统计、线性系统和计算机编程等方面的课程。为方便读者的学习，本书的配套网站提供了相关的背景材料。
本书在数字图像处理领域处于引领地位30多年的主要原因是，我们对读者的不断变化的教育需求给予了极大的关注。当前版本是在我们不断进行广泛调查的基础上编写的。这些调查涉及32个国家的134所院校和研究机构的教师、学生和自学者。根据调查的结果，本书做了如下修订：
?  书中更早、更全面地介绍了图像处理中所用的数学工具。
?  扩充说明了直方图处理技术。
?  逐步叙述了复杂的算法。
?  扩充说明了空间相关和卷积。
?  介绍了模糊集合理论及其在图像处理中的应用。
?  修订了频率域处理的内容，从基本原理开始，说明了如何从数据取样得出离散傅里叶变换。
?  增加了关于计算机断层(CT)的内容。
?  在关于小波的一章中，清楚地叙述了基本概念。
?  修订了关于数据压缩的章节，包含了更多的视频压缩技术、更新的标准和水印。
?  扩充了形态学的内容，包含了形态学重建，并对灰度形态学进行了修订。
?  扩充了图像分割的内容，包含了更先进的边缘检测技术(如坎尼算法)，并从更广的角度探讨了图像的阈值处理。
?  更新了关于图像表示与描述的章节。
?  精简了关于结构目标识别的内容。
尽管在当前版本中添加了新的内容，并对有些内容进行了重组，但我们已尽量在论述的严密性、表示的清晰性和市场调查的反馈之间保持了平衡，同时尽量将篇幅控制在了合理的范围。本书这一版的主要改动如下。
第1章：更新了一些图形，且为了反映后续章节的变化，重写了部分正文。
第2章：本章大约有50%的内容做了修订，包含了新图像和更清晰的说明。主要的修订包括：新增了关于图像插值的一节，以及综述本书所用主要数学工具的一节。替代直接给出枯燥的数学概念，我们借助这一机会将分散在全书中的大量图像处理应用整合到了第2章中。例如，我们把图像平均和图像相减移到了这一章中，以说明其数学运算。这遵循了我们在本书第二版中就开始的做法，即在讨论中尽可能把许多应用前移，这样做的目的是，不仅可以给出应用示例，而且也便于学生掌握基本概念。学完第2章后，读者将会基本了解如何进行数字图像的操作和处理。同时，本章也是其余章节的坚实基础。
第3章：本章的主要修订包括空间相关、卷积及它们在图像滤波中的应用的详细讨论。市场调查表明，读者要求给出一些说明直方图均衡和规定化的数值实例，因此本章增加了几个这样的例子，以说明这些处理工具的机理。市场调查还表明，读者要求了解模糊集合及其在图像处理中的应用范围，故在本章中，我们新增了关于模糊集合理论基础及其在灰度变换和空间滤波中的应用的一节，灰度变换和空间滤波是该理论的两个主要应用。
第4章：过去的4年中，读者抱怨得最多的是，我们在本书第一版和第二版的第4章中做出的改变。我们在当时做出这些改变时，目的是为了简化傅里叶变换和频率域的表示。显然，我们走得太远，本书的许多用户抱怨新内容太肤浅。在当前版本中，我们纠正了这一问题。现在的内容从一个连续变量的傅里叶变换开始，然后从取样和卷积的基本概念进一步推导离散傅里叶变换。这种内容结构的优点是，给出了取样定理的直接推导及其含义。然后，我们将一维情形下的内容推广到二维情形下，给出了许多用于说明数字图像取样效果的例子，包括混叠效应和莫尔图案。再后，我们说明了二维离散傅里叶变换，并且推导和总结了二维离散傅里叶变换的一些重要性质。这些概念是频率域滤波的基础。最后，我们讨论了问题实现，如变换分解和快速傅里叶变换算法的推导。学完本章后，读者将掌握从一维函数的取样到离散傅里叶变换基础的清晰推导及其在数字图像处理中的某些重要应用等内容。
第5章：本章的主要修订是，增加了关于从投影来重建图像的一节，重点在于计算机断层(CT)。CT的讨论以一个直观的例子开始，故读者可更好地理解由投影来重建图像的基本原理，以及实践中使用的各种成像方式。然后，我们推导了雷登变换和傅里叶切片定理，并以它们为基础清楚地说明了滤波反投影的概念。讨论了平行光束和扇形光束重建，并给出了一些例子。这些内容很久之前就已成熟，因此是本书的重要补充。
第6章：本章的修订只限于符号表示的澄清和更正，未增加新的概念。
第7章：许多初学者抱怨说，从前几章过渡到小波章节很困难。为使得内容更为清晰，我们重写了一些基础性章节。
第8章：为了与时俱进，我们完全重写了这一章。主要变化是，给出了新的编码技术，扩充了关于视频的内容，对关于标准的小节进行了修订，增加了关于图像水印处理的介绍。这种新的编排方式可使得初学者更容易掌握本章的内容。
第9章：本章的主要变化是，新增了关于形态学重建的一节，完全修订了关于灰度形态学的一节。通过包含二值图像和灰度图像的形态学重建，可使我们开发出更复杂和更有用的形态学算法。
第10章：对这一章我们也做了较大的修订。该章的结构基本不变，但增加了进一步强调基本原理和探讨先进图像分割技术的新内容。详细讨论并说明了边缘模型，譬如梯度性质。为了说明先进边缘检测技术，包含了Marr-Hildreth边缘检测器和坎尼边缘检测器。此外，我们还重写了关于阈值处理的一节，在该节中纳入了Otsu方法，因为该方法是过去几年中被人们广泛使用的一种最优阈值处理技术。引入这一方法的目的在于，支持基于贝叶斯分类规则的最优阈值处理；该方法不仅易于理解和实现，而且在实践中有相当重要的作用。贝叶斯方法被移到了第12章，这一章详细地讨论了贝叶斯决策规则。此外，我们还就如何利用边缘信息来改进阈值处理做了讨论，并给出了自适应阈值处理的几个新例子。关于形态学分水岭和使用运动进行分割的章节，与上一版相比内容基本相同，但更为简洁。

第11章：本章的主要变化是，包含了一个边界追踪算法，详细推导了一个使用最小周长多边形拟合数字边界的算法，并新增了关于纹理描述的共生矩阵一节。11.2节和11.3节中的许多例子都是新的，11.4节中的所有例子也是新的。
第12章：本章的变化是，包含了关于相关匹配的全新一节，并包含了使用贝叶斯分类器识别多光谱图像中感兴趣区域的一个新例子。关于结构分类的一节现在只限于讨论字符串匹配。
以上提到的所有修订导致了400多幅新图像、200多幅新图表和80多道新习题。在适当的位置，我们以逐步算法的形式小结了复杂的处理过程。同时，更新了所有章节末尾的参考文献。
在本书第二版启动期间建立的配套网站，取得了很大的成功，每月的访问者都在20 000以上。相应于当前版本，我们重新设计和升级了该网站。关于该网站的详细功能和内容，请读者参阅后面的“本书网站”和“致谢”部分。
这一版本反映了2002年以来读者已经变化了的教育需求。像往常那样，书稿完成后数字图像领域仍在继续发展。自1977年第一次问世以来，该书在世界范围内被广泛接受的原因之一是，本书一直强调基本概念，包括试图提供尽快引出知识主体的稳定方法。在本书这一版的编写过程中，我们遵循了相同的原则。

Rafael C. Gonzalez
Richard E. Woods

展开

作者简介

本书暂无作者简介

样章试读

本书暂无样章试读！
图书评价我要评论

本书资源

会员上传本书资源

内容简介

图书详情

本书目录

前 言

作者简介

前言