Python图像处理经典实例

1.本书更具实战型，实际解决方案有60余个，实操性强。 2.书中技术点有较多更新，贴合目前图像处理领域的热点技术。 3.贴合目前图像处理技术的热点应用领域，如医疗、人脸识别等。 4.作者技术背景深厚。

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恢复技术，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。

第1章图像处理与变换1
1．1技术要求1
1．2变换颜色空间（RGB→Lab）2
1．2．1准备工作2
1．2．2执行步骤2
1．2．3工作原理4
1．2．4更多实践4
1．3应用仿射变换4
1．3．1准备工作5
1．3．2执行步骤5
1．3．3工作原理6
1．3．4更多实践7
1．4应用透视变换和单应性变换7
1．4．1准备工作8
1．4．2执行步骤8
1．4．3工作原理10
1．4．4更多实践11
1．5基于图像创建铅笔草图11
1．5．1准备工作11
1．5．2执行步骤11
1．5．3工作原理13
1．5．4更多实践14
1．6创建卡通图像14
1．6．1准备工作15
1．6．2执行步骤15
1．6．3工作原理16
1．6．4更多实践17
1．7模拟光艺术长曝光17
1．7．1准备工作17
1．7．2执行步骤17
1．7．3工作原理19
1．7．4更多实践19
1．8在HSV颜色模型中使用颜色进行目标检测21
1．8．1准备工作21
1．8．2执行步骤21
1．8．3工作原理22

第2章图像增强24
2．1使用滤波器去除图像中不同类型的噪声24
2．1．1准备工作24
2．1．2执行步骤25
2．1．3工作原理26
2．1．4更多实践28
2．2基于去噪自编码器的图像去噪28
2．2．1准备工作28
2．2．2执行步骤28
2．2．3工作原理31
2．2．4更多实践32
2．3基于PCADFTDWT的图像去噪33
2．3．1准备工作33
2．3．2执行步骤33
2．3．3工作原理35
2．3．4更多实践36
2．4基于各向异性扩散的图像去噪36
2．4．1准备工作36
2．4．2执行步骤36
2．4．3工作原理38
2．4．4更多实践38
2．5利用直方图均衡化改善图像对比度38
2．5．1准备工作39
2．5．2执行步骤39
2．5．3更多实践41
2．6执行直方图匹配41
2．6．1准备工作41
2．6．2执行步骤42
2．6．3工作原理43
2．6．4更多实践44
2．7执行梯度融合45
2．7．1准备工作45
2．7．2执行步骤46
2．8基于Canny、LoG零交叉以及小波的边缘检测47
2．8．1准备工作47
2．8．2执行步骤48
2．8．3工作原理52
2．8．4更多实践53

第3章图像修复54
3．1使用维纳滤波器来修复图像55
3．1．1准备工作55
3．1．2执行步骤55
3．2使用约束最小二乘法滤波器来修复图像58
3．2．1准备工作58
3．2．2执行步骤59
3．2．3工作原理62
3．2．4更多实践62
3．3使用马尔可夫随机场来修复图像63
3．3．1准备工作64
3．3．2执行步骤64


3．3．3工作原理66

……