《Python图像处理经典实例》内容简介

本书提供了相关工具和算法，能帮助读者实现分析和可视化图像处理。本书给出了60余个具体实例的解决方法，采用“菜谱式”方式组织内容，以期指导读者快速实践图像的分析和可视化处理，应对图像处理中的常见挑战，并学习如何执行复杂的任务，如对象检测、图像分割和使用大型混合数据集的图像重建，以及各种图像增强和图像修复技术，如卡通化、梯度混合和稀疏字典学习。
本书适合计算机视觉工程师、图像处理工程师、软件工程师和机器学习工程师等专业人士阅读，也适合具有一定Python编程基础并希望进一步了解图像处理的细节和复杂性的读者参考。
桑迪潘·戴伊（Sandipan Dey），是一位兴趣广泛的数据科学家，主要研究机器学习、深度学习、图像处理和计算机视觉，曾在推荐系统、行业动态预测模型、传感器定位模型、情感分析和设备预测等众多数据科学领域工作过。桑迪潘·戴伊拥有美国马里兰大学计算机科学硕士学位，在IEEE数据挖掘会议和期刊上发表了数篇学术论文，并在数据科学、机器学习、深度学习、图像处理及相关课程/专业等方面获得了100多个慕课（mooc）学习认证。他经常在博客空间（sandipanweb）撰写博客，是机器学习教育爱好者。

作品目录

版
权
声
明
内
容
提
要
前

言
第1章：图像处理与变换
1.1、
技术要求
1.2、变换颜色空间（RGB→Lab）
1.3、应用仿射变换
1.4、应用透视变换和单应性变换
1.5、基于图像创建铅笔草图
1.6、创建卡通图像
1.7、模拟光艺术/长曝光
1.8、在HSV颜色模型中使用颜色进行目标检测
第2章：图像增强
2.1、
使用滤波器去除图像中不同类型的噪声
2.2、基于去噪自编码器的图像去噪
2.3、基于PCA/DFT/DWT的图像去噪
2.4、基于各向异性扩散的图像去噪
2.5、利用直方图均衡化改善图像对比度
2.6、执行直方图匹配
2.7、执行梯度融合
2.8、基于Canny、LoG/零交叉以及小波的边缘检测
第3章：图像修复
3.1、使用维纳滤波器来修复图像
3.2、使用约束最小二乘法滤波器来修复图像
3.3、使用马尔可夫随机场来修复图像
3.4、图像修补
3.5、基于深度学习的图像修复
3.6、基于字典学习的图像修复
3.7、使用小波进行图像压缩
3.8、使用隐写术和隐写分析技术
第4章：二值图像处理
4.1、对二值图像应用形态学运算
4.2、应用形态学滤波器
4.3、形态模式匹配
4.4、基于形态学的图像分割
4.5、对象计数
第5章：图像配准
5.1、基于SimpleITK模块的医学图像配准
5.2、使用ECC算法进行图像对齐和变形
5.3、使用dlib库进行人脸对齐
5.4、RANSAC算法的鲁棒匹配和单应性
5.5、图像拼接（全景）
5.6、人脸变形
5.7、实现图像搜索引擎
第6章：图像分割
6.1、使用Otsu和Riddler-Calvard的阈值化进行图像分割
6.2、使用自组织映射进行图像分割
6.3、使用scikit-image进行随机游走图像分割
6.4、使用GMM-EM算法进行人体皮肤的图像分割
6.5、医学图像分割
6.6、深度语义分割
6.7、深度实例分割
第7章：图像分类
7.1、使用scikit-learn库对图像进行分类（方向梯度直方图和逻辑回归）
7.2、使用Gabor滤波器组对纹理进行分类
7.3、使用VGG19/Inception
V3/MobileNet/ResNet101（基于PyTorch库）对图像进行分类
7.4、图像分类的微调（使用迁移学习）
7.5、使用深度学习模型对交通标志进行分类（基于PyTorch库）
7.6、使用深度学习实现人体姿势估计
第8章：图像中的目标检测
8.1、基于HOG/SVM的目标检测
8.2、基于YOLO
v3的目标检测
8.3、基于Faster
R-CNN的目标检测
8.4、基于Mask
R-CNN的目标检测
8.5、基于Python-OpenCV的多目标跟踪
8.6、使用EAST/Tesseract来检测/识别图像中的文本
8.7、使用
Viola-Jones/Haar特征进行人脸检测
第9章：人脸识别、图像描述及其他技术
9.1、使用FaceNet进行人脸识别
9.2、使用深度学习模型来识别年龄、性别和情绪
9.3、使用深度学习模型进行图像着色
9.4、使用卷积神经网络和长短期记忆自动生成图像字幕
9.5、使用GAN生成图像
9.6、使用变分自编码器重建并生成图像
9.7、使用受限玻耳兹曼机重建孟加拉语MNIST图像