中图网

>

人工智能

深度学习之摄影图像处理核心算法与案例精粹

作者：言有三著

出版社：人民邮电出版社出版时间：2021-05-01

开本： 26cm 页数： 272页

本类榜单：计算机/网络销量榜

中图价:¥91.0(7.6折) 定价 ~~¥119.8~~ 登录后可看到会员价

加入购物车收藏

运费6元，满69元免运费

?快递不能达地区使用邮政小包，运费14元起

云南、广西、海南、新疆、青海、西藏六省，部分地区快递不可达

本类五星书更多>

>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

¥11.3¥45
>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥28.2¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥55.2¥69
>
第一行代码Android

第一行代码Android

¥76.2¥99
>
C Primer Plus 第6版中文版

C Primer Plus 第6版中文版

¥75.6¥108
>
深度学习

深度学习

¥82.3¥168
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码

MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码

¥43.5¥79

商品详情
商品评论(0条)

中图价:¥91.0 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

微信公众号

深度学习之摄影图像处理核心算法与案例精粹版权信息

ISBN：9787115555113
条形码：9787115555113 ; 978-7-115-55511-3
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
人工智能

深度学习之摄影图像处理核心算法与案例精粹本书特色

1．循序渐进本书首先从摄影中的基础概念，尤其是其中涉及到的图像知识开始讲述，然后过渡到摄影与图像交叉的各个领域。从摄影作品的美学评价算法，自动构图算法，过渡到对摄影作品的常用编辑技术，包括噪声去除、对比度增强、色调增强、去模糊以及分辨率提升，然后对当前更先进的人像美颜、图像风格化技术进行了介绍，*后介绍了*有难度的图像景深编辑我，纹理编辑，图像融合技术。内容由浅入深，覆盖了大量应用场景，适合系统性进阶学习。 2．内容全面与前沿本书共9个章节，其中从第2章到第9章，对摄影中的图像评价和编辑等各个方向的技术和应用进行了介绍。虽然本书主要专注于深度学习技术，但是在介绍每一个章节时，笔者仍然会首先介绍其中重要的传统算法，方便读者对以前的技术进行学习和融会贯通，随后在这个基础上重点介绍深度学习技术近些年来在该方向中的发展脉络，内容全面，紧随前沿。 3．理论与实践紧密结合本书完整剖析了摄影中所使用到的图像算法，对应章节不停留于理论的阐述和简单的结果展示，而是从夯实理论到完成实战一气呵成。相信跟随着本书进行学习，在对图像美学算法甚至是摄影作品本身的理解中，你一定会受益匪浅。 4．图表清晰丰富本书所有的图都是作者亲手拍摄以及绘制，即保证了内容的原创性，又保证了图像的质量，力图让本书成为一本高颜值的算法书籍。 5. 配套资源丰富赠送书中所有案例的源代码文件；赠送计算机视觉在线视频课程一套，方便读者进行拓展学习。 6. 全彩印刷

深度学习之摄影图像处理核心算法与案例精粹内容简介

本书内容共分为9章, 分别是: 摄影基础、摄影美学算法、自动构图算法、图像降噪算法、图像增强算法、图像去模糊和超分辩算法、人脸图像美颜美妆算法、图像滤镜与风格化算法、图像编辑算法。本书内容是摄影学和计算机视觉技术的交叉学科, 覆盖的内容非常广。**章中我们简单介绍了摄影的历史, 包括摄影中的许多基本技巧和图像的基础知识。从第二章起开始对摄影中的各个重要方向进行介绍, 包括使用计算机视觉技术对摄影作品进行定量的质量评价、自动的后期构图、噪声的去除、对比度增强和色调风格增强、图像的去模糊和分辨率提升、人脸图像的美颜和化妆、艺术风格滤镜、景深的估计和编辑、纹理的填充、图像的融合等, 涵盖了当前摄影后期软件中的主要功能, 并全部是基于算法进行自动实现的。

深度学习之摄影图像处理核心算法与案例精粹目录

第 1章摄影基础
1．1　摄影简史　016
1．1．1　摄影发展史　016
1．1．2　摄影流派　020
1．1．3　为什么学习摄影　022
1．2　摄影与图像基本概念　022
1．2．1　像素与分辨率　023
1．2．2　像素深度与颜色　024
1．2．3　焦距　027
1．2．4　光圈　028
1．2．5　ISO感光度与噪点　029
1．2．6　快门与慢门　031
1．2．7　色温与白平衡　032
1．2．8　对比度与清晰度　032
1．3　摄影基本技巧　034
1．3．1　颜色　034
1．3．2　构图　037
1．3．3　光线　043
1．4　小结　046

第　2章图像美学
2．1　图像美学基础　048
2．1．1　什么是图像美学　048
2．1．2　图像美学的应用　048
2．1．3　图像美学数据集　050
2．1．4　图像美学的研究思路　052
2．2　传统美学质量评估方法　054
2．2．1　底层美学特征　055
2．2．2　摄影美学特征　056
2．2．3　通用与专用图像特征　058
2．3　深度学习美学质量评估方法　058
2．3．1　分类模型　059
2．3．2　回归模型　061
2．3．3　排序模型　062
2．3．4　多任务学习模型　063
2．4　建筑图像美学质量评估实战　064
2．4．1　数据集准备　065
2．4．2　模型设计与训练　068
2．4．3　模型测试　069
2．5　小结　075

第3章　自动构图
3．1　构图基础　078
3．1．1　构图的基本概念　078
3．1．2　构图的应用场景　080
3．1．3　显著目标数据集　081
3．1．4　构图数据集　082
3．2　自动构图的研究方法　085
3．2．1　自动构图的基本流程　085
3．2．2　基于构图准则的构图方法　086
3．2．3　基于显著图的构图方法　087
3．2．4　基于美学的研究方法　090
3．2．5　构图质量评估　092
3．3　实时自动构图算法实战　093
3．3．1　基于显著图的方法　093
3．3．2　与基于美学的方法对比　098
3．4　小结　100

第4章　图像去噪
4．1　图像去噪基础　103
4．1．1　摄影中的噪声　103
4．1．2　摄影中常用的去噪方法　105
4．1．3　常用去噪数据集　106
4．1．4　评估方法　109
4．2　传统去噪方法研究　111
4．2．1　噪声模型　111
4．2．2　常见滤波去噪方法　112
4．3　深度学习去噪方法研究　118
4．3．1　基本研究思路　118
4．3．2　核心技术　119
4．4　通用去噪模型实战　123
4．4．1　训练数据准备　124
4．4．2　模型训练　127
4．4．3　模型测试　130
4．5　小结　133

第5章　图像对比度与色调增强
5．1　图像增强基础　136
5．1．1　摄影中常用的图像增强操作　136
5．1．2　图像增强相关的数据集　139
5．2　传统的对比度与色调增强方法　141
5．2．1　像素灰度映射　141
5．2．2　Retinex理论　143
5．3　深度学习对比度与色调增强方法　145
5．3．1　基于像素回归的增强方法　145
5．3．2　基于参数预测的增强方法　149
5．4　自动对比度与色调增强实战　153
5．4．1　项目解读　153
5．4．2　模型训练　160
5．4．3　模型测试　162
5．5　小结　165

第6章　人脸美颜与美妆
6．1　美颜与美妆技术的种类和应用场景　168
6．2　基于滤波和变形的传统美颜算法　169
6．2．1　五官重塑算法　169
6．2．2　基于滤波的磨皮算法　171
6．2．3　基于肤色模型的美白与肤色算法　172
6．3　妆造迁移算法　173
6．3．1　传统妆造迁移算法　173
6．3．2　深度学习妆造迁移算法　175
6．4　妆造迁移算法实战　178
6．4．1　项目解读　179
6．4．2　模型训练　190
6．4．3　模型测试　192
6．5　小结　194

第7章　图像去模糊与超分
7．1　图像去模糊与超分基础　196
7．1．1　常见的模糊类型　196
7．1．2　超分的应用场景　197
7．1．3　去模糊和超分数据集　198
7．2　图像去模糊算法　199
7．2．1　基于优化的去模糊算法　199
7．2．2　基于深度学习模型的去模糊算法　200
7．3　图像超分算法　202
7．3．1　传统的超分算法　202
7．3．2　基于深度学习的超分算法　203
7．4　基于SRGAN的人脸图像超分重建实战　208
7．4．1　项目解读　208
7．4．2　模型训练　213
7．4．3　模型测试　217
7．5　小结　219

第8章　图像滤镜与风格化
8．1　摄影风格与滤镜基础　222
8．1．1　摄影中的不同风格　222
8．1．2　摄影滤镜与工具插件　224
8．2　传统的图像风格化方法　225
8．2．1　基于边缘的风格化　225
8．2．2　基于颜色的风格化　226
8．3　基于深度学习的风格化方法　228
8．3．1　风格迁移基础　228
8．3．2　基于图像优化的风格迁移算法　230
8．3．3　基于模型优化的风格迁移算法　232
8．4　基于图像优化的风格迁移算法实战　235
8．4．1　算法实现　235
8．4．2　模型训练与结果　241
8．5　小结　245

第9章　图像编辑
9．1　景深与背景编辑　248
9．1．1　摄影中的景深与背景虚化　248
9．1．2　深度数据集　250
9．1．3　基于深度学习模型的深度估计　251
9．1．4　景深编辑与重对焦　254
9．2　多重曝光与图像融合　258
9．2．1　摄影中的多重曝光　258
9．2．2　自动图像融合关键技术　260
9．3　纹理编辑与图像修复　264
9．3．1　图像修复应用和常用工具　265
9．3．2　基于深度学习模型的图像修复方法　266
9．4　小结　271

展开全部

深度学习之摄影图像处理核心算法与案例精粹作者简介

龙鹏读于华中科技大学，中国科学院，先后就职于奇虎360AI研究院，陌陌深度学习实验室，6年计算机视觉从业经验，拥有丰富的传统图像算法和深度学习图像项目经验，拥有AI公众号《与有三学AI》，知乎专栏《有三AI学院》，摄影公众号《有三工作室》等，在gitchat平台开设《AI 程序员码说摄影图像基础》，《AI图像识别项目从入门到上线》图文课程，在蜂口小程序开设过《caffe图像分割项目实战》，《深度学习与人脸图像应用》

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐