图像工程——中册：图像分析（第5版）

本书内容体系连续贯通，依次学习能帮助读者全面、深入、系统地学习图像分析技术。相比于国内外同类教材，本书与最新科研成果结合比较紧密，每次再版均充实了最新研究成果和得到广泛使用的典型技术，新内容的引进比较早。在教材所引用和参考的文献中，作者自己发表的就有100多篇，科研成果的引入提高了内容的先进性。
从教学的角度考虑，本书具有以下特点：
（1）尽快进入主题：把先修或预备内容安排在需先修部分的同一章之前，没有安排专门的基础知识章，更加实用，也突出了课程主线的内容。
（2）内容模块化：正式内容分别结合进4个相关的学习单元，每个单元都围绕一个主题（自成体系），既加强了全书的系统性和结构性，也有利于复习考核。
（3）配套资源丰富：每章配套PPT课件、微课视频、随堂测试、扩展阅读等内容，便于课堂学习和课后自学。
（4）资源开放共享：总结和复习、部分思考题和练习题解答、参考文献、PPT课件、微课视频、随堂测试等资源均已电子化，扫描对应二维码即可下载。

 

本书为《图像工程》第5版的中册，主要介绍图像工程的第二层次———图像分析基本概念、基本原理、典型方法、实用技术以及国际上有关研究的新成果。
本书第1章是绪论，介绍图像分析基础并概述全书。图像分析的主要内容分别在4个单元中介绍。第1单元（包含第2~5章）介绍图像分割技术；其中第2章介绍图像分割的基础知识和基本方法，第3章介绍一些典型的图像分割技术，第4章介绍对基本分割技术的推广，第5章介绍对图像分割的评价研究。第2单元（包含第6~9章）介绍对分割出目标的表达描述技术，其中第6章介绍目标表达技术，第7章介绍目标描述技术，第8章介绍对目标显著性的检测和描述技术，第9章介绍进一步的特征测量和误差分析内容。第3单元（包含第10~13章）介绍目标特性分析技术，其中第10章介绍纹理分析技术，第11章介绍形状分析技术，第12章介绍运动分析技术，第13章介绍目标属性的含义及其应用。第4单元（包含第14~16章）介绍一些相关的数学工具，其中第14章介绍二值数学形态学，第15章介绍灰度数学形态学，第16章介绍图像模式识别原理和方法。书中的附录 A 介绍了人脸和表情识别的原理和技术，主要与第16章相关。
本书可作为高等院校信号与信息处理、通信与信息系统、电子与通信工程、模式识别与智能系统、计算机视觉等本科和研究生专业基础课或专业课教材，也可供信息与通信工程、电子科学与技术、计算机科学与技术、测控技术与仪器、机器人自动化、生物医学工程、光学、电子医疗设备研制、遥感、测绘和军事侦察等领域的科技工作者参考。

章毓晋，1989年获比利时列日大学应用科学博士学位。1989—1993年为荷兰德尔夫特大学博士后及研究人员。1993年到中国北京清华大学工作，1997年被聘为教授，1998年被评为博士生导师。2014年成为教学科研系列长聘教授。2003年学术休假期间同时被聘为新加坡南洋理工大学访问教授。 在清华大学，先后开出并讲授10多门本科生和研究生课程。在南洋理工大学，开出并讲授过研究生课程：“现代图像分析（英语）”。已编写出版了图像工程系列教材第1版、第2版、第3版和第4版，以及其他中英文图像工程教材约20本，还翻译出版了多本国外图像工程教材。已在国内外发表了30多篇教学研究论文。 主要科学研究领域为其积极倡导的图像工程（图像处理、图像分析、图像理解及其技术应用）和相关学科。从1996年起已连续二十八年对中国图像工程的研究及主要文献进行了系统的年度分类总结综述。已在国内外发表了500多篇图像工程研究论文，出版了专著《图象分割》，《基于内容的视觉信息检索》，《基于子空间的人脸识别》，编著了《英汉图像工程辞典》（第1版和第2版）和《图像工程技术选编》，主编了《Advances in Image and Video Segmentation》，《Semantic-Based Visual Information Retrieval》，《Advances in Face Image Analysis: Techniques and Technologies》。
 现为中国图象图形学学会名誉监事长，会士；国际光学工程协会（SPIE）会士（因在图像工程方面的成就）。

第1章绪论

1．1图像和图像工程

1．1．1图像基础

1．1．2图像工程

1．2图像分析概论

1．2．1图像分析的定义和研究
内容

1．2．2图像分析系统

1．3图像分析中的数字化

1．3．1离散距离

1．3．2连通组元

1．3．3数字化模型

1．3．4数字弧和数字弦

1．4距离变换

1．4．1定义和性质

1．4．2局部距离的计算

1．4．3距离变换的实现

1．5内容框架和特点

总结和复习*

随堂测试*

第1单元图 像 分 割

第2章图像分割基础

2．1图像分割定义和技术分类

2．2并行边界技术

2．2．1边缘及检测原理

2．2．2正交梯度算子

2．2．3方向微分算子

2．2．4二阶导数算子

2．2．5边界闭合

2．3串行边界技术

2．3．1主动轮廓模型

2．3．2能量函数

2．4并行区域技术

2．4．1原理和分类

2．4．2依赖像素的阈值
选取

2．4．3依赖区域的阈值
选取

2．4．4依赖坐标的阈值
选取

2．4．5空间聚类

2．5串行区域技术

2．5．1区域生长

2．5．2分裂合并

2．6基于深度学习的分割方法
分类

2．7全景分割

2．7．1全景分割流程

2．7．2语义分割

2．7．3实例分割

总结和复习*

随堂测试*

第3章典型分割算法

3．1兴趣点检测

3．1．1二阶导数检测角点

3．1．2最小核同值区算子

3．1．3哈里斯兴趣点算子

3．2图割方法

3．3特色的阈值化和聚类技术

3．3．1多分辨率阈值选取

3．3．2借助过渡区选择
阈值

3．3．3借助均移方法确定
聚类

3．4分水岭分割算法

3．4．1基本原理和步骤

3．4．2算法改进和扩展

总结和复习*

随堂测试*

第4章分割技术扩展

4．1从像素单元到目标单元

4．1．1像素和目标之间的
单元

4．1．2椭圆目标检测

4．2从哈夫变换到完整广义哈夫
变换

4．2．1哈夫变换

4．2．2广义哈夫变换原理

4．2．3完整广义哈夫变换

4．3从像素精度到亚像素精度

4．3．1基于矩保持的技术

4．3．2利用一阶微分期望值
的技术

4．3．3借助切线信息的
技术

4．4从2D图像到3D图像

4．4．13D边缘检测

4．4．23D图像阈值化

4．5从灰度图像到彩色图像

4．5．1分割不同定义的
区域

4．5．2彩色图像分割
策略

4．6面向医学图像的分割

4．6．1医学图像分割算法
概述

4．6．2交互式水平集胸主动脉
图像分割

4．6．3用于医学图像分割的
UNet网络

4．6．4医学图像标记数据的
解决方案

总结和复习*

随堂测试*

第5章分割评价比较

5．1分割评价研究分类

5．2分割算法评价框架

5．3分割评价的准则

5．3．1分析法准则

5．3．2优度试验法准则

5．3．3差异试验法准则

5．4分割算法评价实例

5．4．1实验算法和图像

5．4．2实验结果和讨论

5．5评价方法和准则比较

5．5．1方法讨论和对比

5．5．2准则的分析比较

5．5．3准则的实验比较

5．6分割评价的进展

5．6．1分割算法的评估

5．6．2像素分类的评价
准则

5．6．3全景分割的评价

5．7基于评价的算法优选系统

5．7．1算法优选思想和
策略

5．7．2优选系统的实现和
效果

总结和复习*

随堂测试*

第2单元表 达 描 述

第6章目标表达

6．1基于边界的表达

6．1．1技术分类

6．1．2链码

6．1．3边界段

6．1．4边界标志

6．1．5多边形逼近

6．1．6地标点

6．2基于区域的表达

6．2．1技术分类

6．2．2空间占有数组

6．2．3四叉树

6．2．4金字塔

6．2．5围绕区域

6．2．6骨架

6．3基于变换的表达

6．3．1技术分类

6．3．2傅里叶变换表达

总结和复习*

随堂测试*

第7章目标描述

7．1基于边界的描述

7．1．1简单边界描述符

7．1．2形状数

7．1．3边界矩

7．2基于区域的描述

7．2．1简单区域描述符

7．2．2拓扑描述符

7．2．3区域不变矩

7．3对目标关系的描述

7．3．1目标标记和计数

7．3．2点目标的分布

7．3．3字符串描述

7．3．4树结构描述

7．3．5空间关系数据集

总结和复习*

随堂测试*

第8章目标显著性

8．1显著性概述

8．2显著性检测

8．2．1方法分类

8．2．2检测流程

8．3显著区域分割提取

8．3．1基于对比度幅值

8．3．2基于对比度分布

8．3．3基于最小方向对
比度

8．3．4显著目标分割和
评价

8．4基于背景先验提取显著性
区域

8．4．1相似距离

8．4．2最小栅栏距离的近似
计算

8．4．3流水驱动的显著性区
域检测

8．4．4定位目标建议区域

8．5基于最稳定区域提取显著性
区域

8．6结合各种特征的显著性
检测

8．6．1低秩背景约束和多线索
传播

8．6．2边界连通性和局部对
比度

8．7特定类型图像的显著性
检测

8．7．1RGBD视频

8．7．2光场图像

总结和复习*

随堂测试*

第9章测量和误差分析

9．1直接测度和间接测度

9．2需区别的术语

9．2．1准确性和精确性

9．2．2模型假设和实际
观察

9．2．34连通和8连通

9．3影响测量误差的因素

9．3．1误差来源

9．3．2光学镜头分辨率

9．3．3采样密度

9．3．4分割算法

9．3．5特征计算公式

9．3．6综合影响

9．3．7随机样本共识

9．4误差分析

总结和复习*

随堂测试*

第3单元特 性 分 析

第10章纹理分析

10．1纹理研究概况

10．2纹理描述的统计方法

10．2．1灰度共生矩阵

10．2．2基于灰度共生矩阵的
纹理描述符

10．2．3基于能量的纹理描
述符

10．3纹理描述的结构方法

10．3．1结构描述法
基础

10．3．2纹理镶嵌

10．3．3局部二值模式

10．3．4完全局部二值
模式

10．4纹理描述的频谱方法

10．4．1傅里叶频谱

10．4．2盖伯频谱

10．5一种纹理分类合成方法

10．6纹理分割

10．6．1有监督纹理
分割

10．6．2无监督纹理
分割

总结和复习*

随堂测试*

第11章形状分析

11．1形状定义和研究

11．2平面形状分类

11．3形状描述方法分类

11．4基于形状特性的描述

11．4．1形状紧凑性
描述

11．4．2形状复杂性
描述

11．5基于特定技术的描述

11．5．1基于多边形的描
述符

11．5．2基于离散曲率的
描述符

11．6拓扑结构的描述

11．7分形维数

总结和复习*

随堂测试*

第12章运动分析

12．1运动研究内容

12．2运动目标检测

12．2．1背景建模

12．2．2光流场

12．2．3特定运动模式的
检测

12．3运动目标分割

12．3．1目标分割和运动
信息提取

12．3．2分割方法分类

12．3．3稠密光流算法

12．3．4基于参数和模型的
分割

12．3．5融合多尺度上下文与
时间信息

12．3．6结合ROI预测和参考
帧更新

12．4运动目标跟踪

12．4．1典型技术

12．4．2尺度非各向同性的
均移

12．4．3均移结合粒子滤
波器

12．4．4子序列决策
策略

12．5移动阴影检测

12．5．1算法流程图

12．5．2前景检测

12．5．3特征模板提取

12．5．4颜色模板的
判断

12．5．5提取目标像素并
抑制阴影

12．5．6获取完整目标
区域

12．6基于孪生网络的目标
跟踪

12．6．1引导锚定区域推荐
网络

12．6．2无锚框全卷积孪生跟
踪器

总结和复习*

随堂测试*

第13章属性分析

13．1属性描述概况

13．1．1属性的类型

13．1．2属性的层次

13．1．3属性学习结构和
框架

13．2属性学习中的特征比较

13．3视觉属性和零样本学习

13．3．1基于属性的零样本
学习

13．3．2零样本语义自编
码器

13．3．3零样本属性
识别

13．4基于属性的行人再识别

13．4．1借助行人属性先验分
布的方法

13．4．2借助对行人属性分级
的方法

13．4．3结合全身和部件属性
的方法

13．4．4跨模态异构行人再
识别

13．5图像属性应用示例

13．5．1跨类目标分类

13．5．2属性学习和目标
识别

13．5．3基于局部动作属性
的动作分类

总结和复习*

随堂测试*

第4单元数 学 工 具

第14章二值数学形态学 

14．1基本集合定义

14．2二值形态学基本运算

14．2．1二值膨胀和
腐蚀

14．2．2二值开启和
闭合

14．2．3二值基本运算
性质

14．3二值形态学组合运算

14．3．1击中击不中
变换

14．3．2二值组合运算

14．4二值形态学实用算法

14．5形态学算子及其应用
领域

总结和复习*

随堂测试*

第15章灰度数学形态学

15．1灰度图像的排序

15．2灰度形态学基本运算

15．2．1灰度膨胀和
腐蚀

15．2．2灰度开启和
闭合

15．2．3灰度基本运算
性质

15．3灰度形态学组合运算

15．3．1形态滤波

15．3．2高帽变换和低帽
变换

15．4灰度形态学实用算法

15．4．1背景估计和
消除

15．4．2目标分割

15．5结构元素中的属性修改

15．5．1纯像素指标

15．5．2形态偏心指标

15．5．3自动形态学端元
提取

15．5．4将PPI嵌入
AMEE

15．6图像代数

总结和复习*

随堂测试*

第16章图像识别

16．1模式和分类

16．2不变量交叉比

16．2．1交叉比

16．2．2非共线点的不
变量

16．2．3对称的交叉比
函数

16．2．4交叉比应用示例

16．3统计模式识别

16．3．1最小距离分
类器

16．3．2最优统计分
类器

16．3．3自适应自举

16．4感知机和支持向量机

16．4．1感知机

16．4．2支持向量机

16．5结构模式识别

16．5．1字符串结构
识别

16．5．2树结构识别

总结和复习*

随堂测试*

附录A人脸和表情识别

A．1生物特征识别

A．2人脸检测定位

A．2．1基本方法

A．2．2基于豪斯道夫距离
的方法

A．3人脸活体检测

A．3．1人脸欺骗

A．3．2交互式和非交互式
方法

A．3．3人脸反欺骗技术
分类

A．4眼睛检测和跟踪

A．4．1眼睛几何模型及
确定

A．4．2眨眼过程中的眼睛
轮廓跟踪

A．5人脸识别

A．5．1边缘本征矢量加权
方法

A．5．2相关滤波器
设计

A．5．3监督线性降维

A．5．4非特定表情人脸
识别

A．5．5遮挡人脸识别

A．6表情识别

A．6．1表情识别和
步骤

A．6．2人脸表情特征
提取

A．6．3基于盖伯变换的
特征提取

A．6．4表情特征的稀疏
表达

A．6．5表情分类

A．6．6基于高阶奇异值分解
的分类

A．6．7矢量输入多类输出表
情分类

A．6．8微表情识别

主题索引

部分思考题和练习题解答*

参考文献*

 

这是《图像工程》第5版，全套书仍分3册，分别为《图像工程（上册）——图像处理》、《图像工程（中册）——图像分析》和《图像工程（下册）——图像理解》。它们全面介绍图像工程的基础概念、基本原理、典型方法、实用技术以及国际上相关内容研究的新成果。

《图像工程》第4版也分3册，名称相同。上、中、下册均于2018年出版，《图像工程》第4版的3册合订本也在2018年出版。第4版至今已重印22次，总计印刷2万多册。另有电子版。

《图像工程》第3版也分3册，名称相同。上、中、下册均于2012年出版，2013年出版了《图像工程》第3版的3册合订本。第3版共重印13次，总计印刷3万多册。

《图像工程》第2版也分3册，名称相同。上、中、下册分别于2006年、2005年和2007年出版，2007年还出版了《图像工程》第2版的3册合订本。第2版共重印18次，总计印刷近7万册。

《图像工程》第1版也分3册，名称分别为《图像工程（上册）——图像处理和分析》、《图像工程（下册）——图像理解和计算机视觉》和《图像工程（附册）——教学参考及习题解答》。这三册分别于1999年、2000年和2002年出版。第1版共重印27次，总计印刷约11万册。

《图像工程》的多次重印表明作者一直倡导的，为了对各种图像技术进行综合研究、集成应用而建立的整体框架——图像工程——作为一门系统地研究各种图像理论、技术和应用的新的交叉学科得到了广泛的认可，相关教材也在教学中得到大量使用。同时，随着研究的深入和技术的发展，编写新版的工作也逐渐提上议事日程。

第5版的编写开始于2022年，是年暑假静心构思了全套书的整体框架。其后，根据框架陆续收集了一些最新的相关书籍和文献（包括印刷版和电子版），仔细进行了阅读并做了笔记。这为新版的编写打下了一个坚实的基础。其间，还结合以往课堂教学和学生反馈，对一些具体内容（包括习题）进行了整理和调整。第5版内容具有一定的深度和广度，希望读者通过本套书的学习，能够独立和全面地了解该领域的基本理论、技术、应用和发展。

第5版在编写方针上，仍如前4版那样力求突出理论性、实用性、系统性、实时性； 在内容叙述上，力求理论概念严谨，论证简明扼要。第5版在内容方面，基本保留了第4版中有代表性的经典内容，同时考虑到图像技术的飞速发展，认真选取了近年的一些最新研究成果和得到广泛使用的典型技术进行充实。这些新内容既参考了许多有关文献，也结合了作者的一些研究工作和成果以及这些年来的教学教案。除每册书均增加了一章全新内容外，还各增加了多个节和小节，使全书内容更加完整。总体来说，第5版的内容覆盖面更广，介绍更全面、细致，整体篇幅比第4版增加约20%。第5版的内容根据技术发展进行了很多更新，21世纪20年代以来的参考文献约为总数的20%。

第5版在具体结构和章节安排方面仍然保留了上一版的特点： 

第一，各册书均从第2章就开始介绍正式内容，更快进入主题。先修或预备内容分别安排在需要先修部分的同一章前部，从教学角度来说，更加实用，也突出了主线内容。

第二，除第1章绪论外，各册书的正式内容仍都结合成4个主题相关的单元（并画在封面上），每个单元都有具体说明，帮助选择学习。全书有较强的系统性和结构性，也有利于复习考核。

第三，各章中的习题均只有少部分给出了解答，使教师可以更灵活地选择布置。更多的习题和其余的习题解答将会放在出版社网站上，便于补充、改进，网址为https://www.tup.com.cn。

第四，各册书后均仍有主题索引（并给出了英文），这样既方便在书中查找有关内容，又方便在网上查找有关文献和解释。

第5版仍保留了第4版开始的举措，即可以扫描书中（黑白印刷的）图片旁的二维码，调出存放在出版社网站上对应的彩色图片，以获得更好的观察效果和更多的信息。

第5版还新增加了微课形式（对各章内容结合ppt进行讲解）及多选测试题(包括提示和解答)，可扫描书中相应位置处的二维码获得。

从1996年开始编写《图像工程》第1版以来至今已20多年。其间，作者与许多读者（包括教师、学生、自学者等）有过各种形式的讨论和交流，除了与一些同行面谈外，许多人打来电话或发来电子邮件。这些讨论和交流给作者提供了许多宝贵的意见和建议，在编写这5版书中都起到了不可或缺的作用，特别是在解释和描述的详略方面都结合读者反馈意见进行了调整，从而更加容易理解和学习。值得指出的是，书中还汇集了多年来不少听课学生的贡献，许多例题和练习题是在历届学生作业和课堂讨论的基础上提炼出来的，一些图片还直接由学生帮助制作，在选材上也从学生的反馈中受到许多启发。借此机会向他们一并表示衷心的感谢。

书中有相当多的内容基于作者和他人共同研究的成果，特别是历年加入图像工程研究室的成员（按姓名拼音排）： 学生（本科生、硕士生、博士生）安浩田、敖腾隆、边辉、卜莎莎、蔡伟、陈达勤、陈权崎、陈挺、陈伟、陈正华、程正东、崔崟、达内什瓦（DANESHVAR Elaheh）、戴声扬、段菲、方慕园、冯上平、傅卓、高永英、葛菁华、侯乐天、胡浩基、黄祥耀、黄翔宇、黄小明、黄英、贾波、贾超、贾慧星、姜帆、李佳童、李娟、李乐、李孟栖、李品一、李勍、李睿、李硕、李闻天、李相贤（LEE Sang Hyun）、李小鹏、李雪、梁含悦、刘宝弟、刘晨阳、刘峰、刘锴、刘青棣、刘惟锦、刘晓旻、刘忠伟、陆海斌、陆志云、罗惠韬、罗沄、明祐愍（MING YouMin）、朴寅奎（PARK In Kyu）、钱宇飞、秦暄、秦垠峰、阮孟贵（NGUYEN Manh Quy）、赛义（BAGHERI Saeid）、沈斌、谭华春、汤达、王树徽、王宇雄、王志国、王志明、王钟绪、温宇豪、文熙安（VINCENT Tristan）、吴高洪、吴纬、夏尔雷（PAULUS Charley）、向振、徐丹、徐枫、徐洁、徐培、徐寅、许翔宇、薛菲、薛景浩、严严、杨劲波、杨翔英、杨忠良、姚玉荣、游钱皓喆、于信男、鱼荣珍（EO Young Jin）、俞天利、袁静、贠亮、张宁、赵雪梅、郑胤、周丹、朱施展、朱小青、朱云峰，博士后高立志、王怀颖，以及进修教师和科研人员陈洪波、崔京守（CHOI Jeong Swu）、郭红伟、石俊生、杨卫平、曾萍萍、张贵仓等。各版书中采用的图表除作者本人制作的外，也包括他们在研究工作中收集和实验得到的。该书应该说是多人合作成果的体现。

最后，感谢妻子何芸、女儿章荷铭在各方面的理解和支持！

 

章毓晋
2023年暑假于书房

通信： 北京清华大学电子工程系，100084

电邮： zhang[email protected]

主页： https://oa.ee.tsinghua.edu.cn/~zhangyujin/

 

 

 

中册书概况和使用建议

本书为《图像工程》第5版的中册，主要介绍图像工程的第二层次——图像分析基本概念、基本原理、典型方法、实用技术以及国际上有关研究的新成果。

本书第1章是绪论，介绍图像分析基础并概述全书。图像分析的主要内容分别在4个单元中介绍。第1单元（包含第2~5章）介绍图像分割技术； 其中第2章介绍图像分割的基础知识和基本方法，第3章介绍一些典型的图像分割技术，第4章介绍对基本分割技术的推广，第5章介绍对图像分割的评价研究。第2单元（包含第6~9章）介绍对分割出目标的表达描述技术，其中第6章介绍目标表达技术，第7章介绍目标描述技术，第8章介绍对目标显著性的检测和描述技术，第9章介绍进一步的特征测量和误差分析内容。第3单元（包含第10~13章）介绍目标特性分析技术，其中第10章介绍纹理分析技术，第11章介绍形状分析技术，第12章介绍运动分析技术，第13章介绍目标属性的含义及其应用。第4单元（包含第14~16章）介绍一些相关的数学工具，其中第14章介绍二值数学形态学，第15章介绍灰度数学形态学，第16章介绍图像模式识别原理和方法。书中的附录A介绍了人脸和表情识别的原理和技术，主要与第16章相关。

本书包括16章正文，1个附录，以及“主题索引”、“部分思考题和练习题解答”和“参考文献”。在这20个一级标题下共有108个二级标题（节），再下还有212个三级标题（小节）。全书折合文字（包括图片、绘图、表格、公式等）约70万。本书共有编了号的图522个（包括图片635幅）、表格74个、公式835个。为便于教学和理解，本书共给出各类例题141个。为便于检查教学和学习效果，各章后均有12个思考题和练习题，全书共有192个，对其中的32个（每章2个）提供了参考答案（更多的思考题和练习题解答将考虑另行提供）。另外，书后统一列出了直接引用和提供参考的640多篇文献的目录。最后，书末还给出了近850个主题索引（及英译）。

本书各章主要内容和可讲授长度基本平衡，根据学生的基础和背景，每章可用3～4个课堂学时讲授，另外可能还需要平均2～3个课外学时练习和复习。本书电子教案可在清华大学出版社网站https://www.tup.com.cn或作者主页http://oa.ee.tsinghua.edu.cn/~zhangyujin/下载。

本书每章均配有微课视频(在每章开头扫码即可下载并观看)和“随堂测试”(在每章末尾扫码即可下载并使用)。“总结和复习”(在每章末尾)、“部分思考题和练习题解答”(全书末尾)和参考文献(全书末尾)均已电子化，扫码即可下载。