前言

本書介紹如何使用流行的Python圖像處理庫（如PIL、scikit-image、python-opencv、SciPy ndimage和SimpleITK）、機器學習庫（scikit-learn）和深度學習庫（TensorFlow、Keras）來解決圖像處理問題。通過學習本書，讀者能夠通過編寫程序代碼來實現復雜的圖像處理（如圖像增強、濾波、復原、分割、分類和目標檢測）算法，還能夠使用機器學習和深度學習模型解決復雜的圖像處理問題。

本書從基礎開始，通過書中所提供的可復制的Python實現引導讀者逐步進階。本書從經典的圖像處理技術開始，探索圖像處理算法的演變歷程，始終緊扣圖像處理以及計算機視覺與深度學習方面的最新進展。讀者將學習如何用Python的PIL、scikit-image和SciPy ndimage等圖像處理庫編寫Python 3代碼片段，以及如何快速實現復雜的圖像處理算法。讀者還將學習如何使用scikit-learn庫和機器學習模型，并隨后探索深度卷積神經網絡（CNN），如TensorFlow/Keras VGG-19，用端到端深度學習YOLO模型進行目標檢測，將DeepLab v3+用于語義分割和神經風格遷移模型等。讀者還會學到一些高級圖像處理技術，如梯度混合、變分去噪、接縫雕刻、圖像絎縫和人臉變形，并將學習高效圖像處理的各種實現算法。

本書秉持“高度實用”的宗旨，引導讀者學習一系列圖像處理的概念/算法，以幫助他們詳細了解如何用高級的Python庫函數實現這些算法。

讀者對象

本書適合工程師/應用研究人員閱讀，也適合對計算機視覺、圖像處理、機器學習和深度學習感興趣的軟件工程師作為參考，尤其適合擅長Python編程的讀者學習——他們希望深入探索圖像處理的各類主題（從概念到實施），解決一系列復雜問題。閱讀本書前，讀者應具備一定的數學和編程知識背景，還應掌握一些基礎的機器學習知識。

本書內容

第1章介紹什么是圖像處理及圖像處理的應用、圖像處理流程、在Python中安裝不同的圖像處理庫、使用Python進行圖像輸入/輸出和顯示、處理不同的文件格式和圖像類型并執行基本的圖像操作。

第2章介紹采樣、傅里葉變換與卷積，以及用Python實現它們的例子。讀者將學習理解后續內容所需掌握的簡單信號處理工具。

第3章演示如何使用Python對圖像進行卷積，還會討論頻域濾波等主題。

第4章介紹最基本的圖像處理工具，如均值/中值濾波和直方圖均衡化，它們仍然是最強大的圖像處理工具。本章將對它們進行闡述，并對這些基本工具給出現代的詮釋。

第5章涵蓋與圖像增強相關的其他主題，即改善圖像外觀或有用性的問題。討論的主題包括圖像導數、銳化和反銳化掩模，以及融合圖像等。所有概念的描述均輔以Python示例。

第6章介紹形態學圖像處理，涵蓋基于scikit-image形態學模塊、基于scikit-image filter.rank模塊和基于SciPy ndimage.morphology模塊的形態學圖像處理的相關內容。

第7章描述從圖像/計算圖像描述符中進行特征提取的幾種技術。

第8章概述圖像分割的基本技術，霍夫變換、二值化和Otsu分割到更高級的圖形切割算法。

第9章介紹一些圖像處理中的經典機器學習方法，用于圖像分割和目標檢測/識別。

第10章描述圖像處理/計算機視覺領域逐漸從經典的基于特征的機器學習模型過渡到深度學習模型的原因。

第11章描述卷積神經網絡在目標檢測、語義分割和神經風格遷移方面的一些顯著應用，演示了一些流行的模型，如YOLO和目標提案（object proposal），概述如何使用遷移學習來避免從頭開始學習一個非常深的神經網絡。

第12章將給出許多其他的圖像處理問題以及解決這些問題的各種算法。這些問題包括接縫雕刻（用于上下文感知圖像大小的調整）、圖像絎縫（用于非參數采樣和紋理轉移的圖像調整）、使用泊松（梯度）圖像編輯（混合）將一幅圖像無縫地混合到另一幅圖像中、圖像修復（以復原退化的圖像）以及變分圖像處理（如圖像去噪）。

閱讀本書的必備知識

1．運行書中代碼所需的Python基本知識，以及訪問圖像數據集和GitHub鏈接的技能。

2．理解書中概念所需的基本的數學背景知識。

下載示例代碼文件

讀者可以通過在異步社區圖書詳情頁單擊“配套資源”來下載本書的示例代碼文件和彩色圖像文件。下載代碼文件后，請用以下最新版本的解壓縮軟件工具解　壓縮：

WinRAR/7-Zip for Windows、Zipeg/iZip/UnRarX for Mac和7-Zip/PeaZip for Linux。

本書體例約定

CodeInText：指示文本中的代碼字、數據庫表名、文件夾名、文件名、文件擴展名、路徑名、虛擬URL、用戶輸入和Twitter句柄。下面是一個示例：“將下載的WebStorm-10*.dmg磁盤映像文件作為系統中的另一個磁盤掛載。”

代碼塊以如下樣式顯示：

viewer = viewer.ImageViewer(im)
viewer.show()

當希望讀者注意代碼塊的某一部分時，相關的行或項會以粗體顯示：

[default]
exten => s,1,Dial(Zap/1|30)
exten => s,2,Voicemail(u100)
exten => s,102,Voicemail(b100)
exten => i,1,Voicemail(s0)

任何命令行輸入或輸出如下所示：

>>> pip install numpy
>>> pip install scipy

粗體：表示讀者看到的新術語、重要的單詞。例如，菜單或對話框中的單詞會出現在文本中，例如“從管理面板中選擇系統信息”。