深度學習之攝影圖像處理核心算法與案例精粹

定　價：￥119.80

作　者：	言有三著
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥119.80)

ISBN：	9787115555113	出版時間：	2021-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	272	字數(shù)：

內(nèi)容簡介

　　本書內(nèi)容涉及攝影學、計算機視覺、深度學習3個領(lǐng)域，系統(tǒng)地介紹了計算機視覺在圖像質(zhì)量和攝影學各個領(lǐng)域的核心算法和應(yīng)用，包括傳統(tǒng)的圖像處理算法和深度學習核心算法。本書理論知識體系完備，同時提供大量實例，供讀者實戰(zhàn)演練。本書融合攝影學和計算機視覺的內(nèi)容，覆蓋面非常廣。第1章簡單介紹攝影的歷史、攝影與圖像的基本概念和攝影中的許多基本技巧。從第2章開始，本書對攝影學中圖像處理算法的各個重要方向進行介紹，包括使用計算機視覺技術(shù)對攝影作品進行定量的質(zhì)量評估、后期自動構(gòu)圖、噪聲的去除、對比度增強和色調(diào)增強、人臉美顏與美妝、圖像的去模糊和分辨率提升、藝術(shù)風格濾鏡、景深的估計和編輯、圖像的融合等，涵蓋當前攝影后期軟件的主要功能，并全部是基于算法進行自動實現(xiàn)的。本書適合計算機視覺行業(yè)從業(yè)者、攝影專業(yè)人士和愛好者、對當下智能攝影后期核心技術(shù)感興趣并且想要有所提高的學生、工程技術(shù)人員或相關(guān)專業(yè)教師閱讀。本書既可以作為核心算法教程用于學習理論知識，也可以作為工程參考手冊用于查閱相關(guān)技術(shù)。

作者簡介

　　龍鵬讀于華中科技大學，中國科學院，先后就職于奇虎360AI研究院，陌陌深度學習實驗室，6年計算機視覺從業(yè)經(jīng)驗，擁有豐富的傳統(tǒng)圖像算法和深度學習圖像項目經(jīng)驗，擁有AI公眾號《與有三學AI》，知乎專欄《有三AI學院》，攝影公眾號《有三工作室》等，在gitchat平臺開設(shè)《AI 程序員碼說攝影圖像基礎(chǔ)》，《AI圖像識別項目從入門到上線》圖文課程，在蜂口小程序開設(shè)過《caffe圖像分割項目實戰(zhàn)》，《深度學習與人臉圖像應(yīng)用》

圖書目錄

第 1章攝影基礎(chǔ)
1．1　攝影簡史　016
1．1．1　攝影發(fā)展史　016
1．1．2　攝影流派　020
1．1．3　為什么學習攝影　022
1．2　攝影與圖像基本概念　022
1．2．1　像素與分辨率　023
1．2．2　像素深度與顏色　024
1．2．3　焦距　027
1．2．4　光圈　028
1．2．5　ISO感光度與噪點　029
1．2．6　快門與慢門　031
1．2．7　色溫與白平衡　032
1．2．8　對比度與清晰度　032
1．3　攝影基本技巧　034
1．3．1　顏色　034
1．3．2　構(gòu)圖　037
1．3．3　光線　043
1．4　小結(jié)　046
第　2章圖像美學
2．1　圖像美學基礎(chǔ)　048
2．1．1　什么是圖像美學　048
2．1．2　圖像美學的應(yīng)用　048
2．1．3　圖像美學數(shù)據(jù)集　050
2．1．4　圖像美學的研究思路　052
2．2　傳統(tǒng)美學質(zhì)量評估方法　054
2．2．1　底層美學特征　055
2．2．2　攝影美學特征　056
2．2．3　通用與專用圖像特征　058
2．3　深度學習美學質(zhì)量評估方法　058
2．3．1　分類模型　059
2．3．2　回歸模型　061
2．3．3　排序模型　062
2．3．4　多任務(wù)學習模型　063
2．4　建筑圖像美學質(zhì)量評估實戰(zhàn)　064
2．4．1　數(shù)據(jù)集準備　065
2．4．2　模型設(shè)計與訓練　068
2．4．3　模型測試　069
2．5　小結(jié)　075
第3章　自動構(gòu)圖
3．1　構(gòu)圖基礎(chǔ)　078
3．1．1　構(gòu)圖的基本概念　078
3．1．2　構(gòu)圖的應(yīng)用場景　080
3．1．3　顯著目標數(shù)據(jù)集　081
3．1．4　構(gòu)圖數(shù)據(jù)集　082
3．2　自動構(gòu)圖的研究方法　085
3．2．1　自動構(gòu)圖的基本流程　085
3．2．2　基于構(gòu)圖準則的構(gòu)圖方法　086
3．2．3　基于顯著圖的構(gòu)圖方法　087
3．2．4　基于美學的研究方法　090
3．2．5　構(gòu)圖質(zhì)量評估　092
3．3　實時自動構(gòu)圖算法實戰(zhàn)　093
3．3．1　基于顯著圖的方法　093
3．3．2　與基于美學的方法對比　098
3．4　小結(jié)　100
第4章　圖像去噪
4．1　圖像去噪基礎(chǔ)　103
4．1．1　攝影中的噪聲　103
4．1．2　攝影中常用的去噪方法　105
4．1．3　常用去噪數(shù)據(jù)集　106
4．1．4　評估方法　109
4．2　傳統(tǒng)去噪方法研究　111
4．2．1　噪聲模型　111
4．2．2　常見濾波去噪方法　112
4．3　深度學習去噪方法研究　118
4．3．1　基本研究思路　118
4．3．2　核心技術(shù)　119
4．4　通用去噪模型實戰(zhàn)　123
4．4．1　訓練數(shù)據(jù)準備　124
4．4．2　模型訓練　127
4．4．3　模型測試　130
4．5　小結(jié)　133
第5章　圖像對比度與色調(diào)增強
5．1　圖像增強基礎(chǔ)　136
5．1．1　攝影中常用的圖像增強操作　136
5．1．2　圖像增強相關(guān)的數(shù)據(jù)集　139
5．2　傳統(tǒng)的對比度與色調(diào)增強方法　141
5．2．1　像素灰度映射　141
5．2．2　Retinex理論　143
5．3　深度學習對比度與色調(diào)增強方法　145
5．3．1　基于像素回歸的增強方法　145
5．3．2　基于參數(shù)預(yù)測的增強方法　149
5．4　自動對比度與色調(diào)增強實戰(zhàn)　153
5．4．1　項目解讀　153
5．4．2　模型訓練　160
5．4．3　模型測試　162
5．5　小結(jié)　165
第6章　人臉美顏與美妝
6．1　美顏與美妝技術(shù)的種類和應(yīng)用場景　168
6．2　基于濾波和變形的傳統(tǒng)美顏算法　169
6．2．1　五官重塑算法　169
6．2．2　基于濾波的磨皮算法　171
6．2．3　基于膚色模型的美白與膚色算法　172
6．3　妝造遷移算法　173
6．3．1　傳統(tǒng)妝造遷移算法　173
6．3．2　深度學習妝造遷移算法　175
6．4　妝造遷移算法實戰(zhàn)　178
6．4．1　項目解讀　179
6．4．2　模型訓練　190
6．4．3　模型測試　192
6．5　小結(jié)　194
第7章　圖像去模糊與超分
7．1　圖像去模糊與超分基礎(chǔ)　196
7．1．1　常見的模糊類型　196
7．1．2　超分的應(yīng)用場景　197
7．1．3　去模糊和超分數(shù)據(jù)集　198
7．2　圖像去模糊算法　199
7．2．1　基于優(yōu)化的去模糊算法　199
7．2．2　基于深度學習模型的去模糊算法　200
7．3　圖像超分算法　202
7．3．1　傳統(tǒng)的超分算法　202
7．3．2　基于深度學習的超分算法　203
7．4　基于SRGAN的人臉圖像超分重建實戰(zhàn)　208
7．4．1　項目解讀　208
7．4．2　模型訓練　213
7．4．3　模型測試　217
7．5　小結(jié)　219
第8章　圖像濾鏡與風格化
8．1　攝影風格與濾鏡基礎(chǔ)　222
8．1．1　攝影中的不同風格　222
8．1．2　攝影濾鏡與工具插件　224
8．2　傳統(tǒng)的圖像風格化方法　225
8．2．1　基于邊緣的風格化　225
8．2．2　基于顏色的風格化　226
8．3　基于深度學習的風格化方法　228
8．3．1　風格遷移基礎(chǔ)　228
8．3．2　基于圖像優(yōu)化的風格遷移算法　230
8．3．3　基于模型優(yōu)化的風格遷移算法　232
8．4　基于圖像優(yōu)化的風格遷移算法實戰(zhàn)　235
8．4．1　算法實現(xiàn)　235
8．4．2　模型訓練與結(jié)果　241
8．5　小結(jié)　245
第9章　圖像編輯
9．1　景深與背景編輯　248
9．1．1　攝影中的景深與背景虛化　248
9．1．2　深度數(shù)據(jù)集　250
9．1．3　基于深度學習模型的深度估計　251
9．1．4　景深編輯與重對焦　254
9．2　多重曝光與圖像融合　258
9．2．1　攝影中的多重曝光　258
9．2．2　自動圖像融合關(guān)鍵技術(shù)　260
9．3　紋理編輯與圖像修復　264
9．3．1　圖像修復應(yīng)用和常用工具　265
9．3．2　基于深度學習模型的圖像修復方法　266
9．4　小結(jié)　271