本站推荐
下载地址
书籍资料
- 内容简介
- 作者介绍
- 书籍目录
阅读《Python机器学习和图像处理实战 面部识别、目标检测和模式识别》可深入了解基于Python实现的机器学习与神经网络之上的图像处理方法与算法。本书首先介绍环境设置，讲解图像处理的基本术语，并探究有助于实现本书中算法的Python概念。然后详细介绍所有的核心图像处理算法，接着转而介绍计算机视觉库OpenCV，你将了解OpenCV算法及其在图像处理中的应用。最后介绍用于图像处理与分类的机器学习和深度学习的高级方法，将神经网络、Adaboost、XGBoost、卷积神经网络等概念运用到具体的图像应用中。
书中所有的概念都用现实场景来解释。读完本书，你将能够应用图像处理技术并训练机器学习模型来满足定制化需求。
了解图像处理算法以及如何使用Python应用这些算法；
探索使用OpenCV进行图像处理；
使用scikit-leam、NumPy和其他程序库；
把机器学习和深度学习算法运用到图像处理中；
把图像处理技术应用到五个实时项目中。
Himanshu Singh拥有超过6年的数据科学从业经验，目前是V-Soft Labs的高级数据科学家。他提供关于数据科学、机器学习和深度学习的企业培训，是Narsee Monjee管理学院(Narsee Monjee Institute of Management Studies)在分析方面的访问学者，这家学院被视为印度的高级管理学院之一。他是Black Feathers Analytics和Rise of Literati Clubs的创始人。
目录
第1章设置环境1
1.1安装Anaconda1
1.1.1在Windows下安装2
1.1.2在macOS下安装3
1.1.3在Ubuntu下安装3
1.2安装OpenCV3
1.3安装Keras4
1.4测试安装4
1.5虚拟环境4
第2章图像处理入门7
2.1图像7
2.2像素8
2.3图像分辨率8
2.4PPI与DPI9
2.5位图图像10
2.6无损压缩10
2.7有损压缩10
2.8图像文件格式11
2.9色彩空间12
2.9.1RGB12
2.9.2XYZ13
2.9.3HSV/HSL14
2.9.4Lab15
2.9.5LCH16
2.9.6YPbPr16
2.9.7YUV17
2.9.8YIQ17
2.10高级图像概念18
2.10.1贝塞尔曲线18
2.10.2椭球19
2.10.3伽马校正20
2.10.4结构相似性指标21
2.10.5解卷积21
2.10.
单应性22
2.10.7卷积22
第3章Python基础和ScikitImage23
3.1Python入门23
3.1.1变量和数据类型24
3.1.2数据结构25
3.1.3循环语句26
3.1.4条件语句28
3.1.5函数29
3.2ScikitImage31
3.2.1上传和查看图像32
3.2.2获取图像分辨率32
3.2.3查看像素值33
3.2.4转换色彩空间33
3.2.5保存图像40
3.2.6创建基本图形41
3.2.7执行伽马校正44
3.2.8旋转、平移和缩放图像45
3.2.9确定结构相似度46
第4章OpenCV高级图像处理47
4.1混合两张图像47
4.2改变图像的对比度和亮度49
4.3往图像中添加文字51
4.4平滑图像52
4.4.1中值滤波器53
4.4.2高斯滤波器53
4.4.3双边滤波器54
4.5改变图像的形状55
4.6实施图像阈限化59
4.7计算梯度62
4.8执行直方图均衡63
第5章基于机器学习的图像处理67
5.1使用SIFT算法的特征映射67
5.1.1步骤1：构造尺度不变的空间68
5.1.2步骤2：求两个高斯之差68
5.1.3步骤3：找出图像中的关键点69
5.1.4步骤4：为了高效地比较，移除非关键点69
5.1.5步骤5：提供关键点的方向69
5.1.6步骤6：确定唯一关键特征69
5.2使用RANSAC算法的图像配准73
5.2.1estimate_affine()函数77
5.2.2residual_lengths()函数77
5.2.3输出图像78
5.2.4全部代码78
5.3使用人工神经网络的图像分类81
5.4使用CNN的图像分类87
5.5使用机器学习的图像分类92
5.5.1决策树92
5.5.2支持向量机92
5.5.3逻辑回归93
5.5.4代码93
5.6重要术语95
第6章实时用例97
6.1找出掌纹97
6.2检测面部99
6.3识别面部101
6.4追踪运动103
6.5检测车道104
附录重要概念与术语111
相关资源
编程不难（全彩图解 + 微课 + Python编程）（鸢尾花数学大系：从加减乘除到机器学习）
2024-12-25
