深度學習之攝影圖像處理 核心算法與案例精粹 ( 簡體 字) |
| 作者：言有三 | 類別：1. -> 程式設計 -> 深度學習
2. -> 教材 -> 數位影像處理 |
| 譯者： |
| 出版社：人民郵電出版社 |  3dWoo書號： 54452
詢問書籍請說出此書號！【缺書】
NT售價： 600 元 |
| 出版日：5/1/2021 |
| 頁數：272 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787115555113 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：本書內容涉及攝影學、計算機視覺、深度學習3個領域，系統地介紹了計算機視覺在圖像質量和攝影學各個領域的核心算法和應用，包括傳統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，供讀者實戰演練。
本書融合攝影學和計算機視覺的內容，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對攝影作品進行定量的質量評估、后期自動構圖、噪聲的去除、對比度增強和色調增強、人臉美顏與美妝、圖像的去模糊和分辨率提升、藝術風格濾鏡、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的。
本書適合計算機視覺行業從業者、攝影專業人士和愛好者、對當下智能攝影后期核心技術感興趣并且想要有所提高的學生、工程技術人員或相關專業教師閱讀。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技術。 |
目錄：第 1章 攝影基礎
1.1 攝影簡史 016
1.1.1 攝影發展史 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 構圖 037
1.3.3 光線 043
1.4 小結 046
第 2章 圖像美學
2.1 圖像美學基礎 048
2.1.1 什么是圖像美學 048
2.1.2 圖像美學的應用 048
2.1.3 圖像美學數據集 050
2.1.4 圖像美學的研究思路 052
2.2 傳統美學質量評估方法 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 多任務學習模型 063
2.4 建筑圖像美學質量評估實戰 064
2.4.1 數據集準備 065
2.4.2 模型設計與訓練 068
2.4.3 模型測試 069
2.5 小結 075
第3章 自動構圖
3.1 構圖基礎 078
3.1.1 構圖的基本概念 078
3.1.2 構圖的應用場景 080
3.1.3 顯著目標數據集 081
3.1.4 構圖數據集 082
3.2 自動構圖的研究方法 085
3.2.1 自動構圖的基本流程 085
3.2.2 基于構圖準則的構圖方法 086
3.2.3 基于顯著圖的構圖方法 087
3.2.4 基于美學的研究方法 090
3.2.5 構圖質量評估 092
3.3 實時自動構圖算法實戰 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 100
第4章 圖像去噪
4.1 圖像去噪基礎 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 常用去噪數據集 106
4.1.4 評估方法 109
4.2 傳統去噪方法研究 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 119
4.4 通用去噪模型實戰 123
4.4.1 訓練數據準備 124
4.4.2 模型訓練 127
4.4.3 模型測試 130
4.5 小結 133
第5章 圖像對比度與色調增強
5.1 圖像增強基礎 136
5.1.1 攝影中常用的圖像增強操作 136
5.1.2 圖像增強相關的數據集 139
5.2 傳統的對比度與色調增強方法 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 基于參數預測的增強方法 149
5.4 自動對比度與色調增強實戰 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 165
第6章 人臉美顏與美妝
6.1 美顏與美妝技術的種類和應用場景 168
6.2 基于濾波和變形的傳統美顏算法 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 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 194
第7章 圖像去模糊與超分
7.1 圖像去模糊與超分基礎 196
7.1.1 常見的模糊類型 196
7.1.2 超分的應用場景 197
7.1.3 去模糊和超分數據集 198
7.2 圖像去模糊算法 199
7.2.1 基于優化的去模糊算法 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 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 219
第8章 圖像濾鏡與風格化
8.1 攝影風格與濾鏡基礎 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 228
8.3.2 基于圖像優化的風格遷移算法 230
8.3.3 基于模型優化的風格遷移算法 232
8.4 基于圖像優化的風格遷移算法實戰 235
8.4.1 算法實現 235
8.4.2 模型訓練與結果 241
8.5 小結 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 深度數據集 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 自動圖像融合關鍵技術 260
9.3 紋理編輯與圖像修復 264
9.3.1 圖像修復應用和常用工具 265
9.3.2 基于深度學習模型的圖像修復方法 266
9.4 小結 271
|
| 序： |
