Python 图像处理和计算机视觉实践，第二版

使用 Python 探索图像处理和 CV（计算机视觉）世界，从基本概念到深度学习

主要功能

• 掌握图像增强、恢复、分割、特征提取、分类、对象检测和图像合成
• 受益于使用 Python 库执行重要图像处理任务的实践指导
• 熟悉各种技术，涵盖经典、机器学习和前沿深度学习方法

书籍说明

能够快速处理图像、从中提取信息并理解图像已成为安全、支付、医疗保健、广告和其他领域实际应用的关键部分。本书涵盖了广泛的主题，采用高度实用的方法，指导您了解关键的图像处理概念和算法，帮助您使用领先的 Python 库有效地实现它们。

随着您的进步，您将熟练地编写 Python 3 代码并实现复杂的图像处理和计算机视觉算法，以解决图像增强、恢复、去噪、分割、分类和对象检测方面的问题。您将使用 PIL、scikit-image、SciPy ndimage 和 OpenCV 等库。您还将学习通过 scikit-learn 应用机器学习模型，并使用 CNN（例如 ResNet 和 YOLO）以及 TensorFlow、Keras 和 PyTorch 探索深度学习技术。最后几章将指导您完成图像到图像转换、各向异性扩散和生成艺术等高级主题。

读完本书后，您将精通图像处理并准备好解决各种常见问题。

你将学到什么

• 获得从不同角度解决数字图像处理问题的专业知识
• 探索图像变换、增强、空间和频域滤波器以及形态图像处理的复杂性
• 深入研究图像修复和修复领域
• 利用机器学习模型的强大功能进行图像分类和对象检测
• 踏上深度学习领域之旅，包括 CNN、注意力机制、自动编码器、GAN 和迁移学习
• 利用图像字幕、伪着色、3D 图像处理、生成艺术和量子图像处理突破界限
• 将您的知识应用于现实领域，包括医学成像、安全系统和遥感应用

这本书适合谁

本书适合对 CV、图像处理、ML 和深度学习感兴趣的工程师和应用研究人员，特别是那些精通 Python 编程并希望学习如何实现不同图像处理算法的工程师和应用研究人员。 Python 的工作知识是必须的。

目录

1. 图像处理入门
2. 更多图像处理
3. 采样和傅立叶变换
4. 图像增强
5. 使用衍生工具增强图像
6. 形态图像处理
7. 提取图像特征和描述符
8. 图像分割
9. 经典机器学习方法
10. 图像处理中的深度学习 – 使用深度神经网络进行图像分类
11. 对象检测、深度分割和迁移学习
12. 图像处理中的其他问题