Book description
Python图像处理
Key Features
- 图像处理、计算机视觉与深度学习的最新进展。
- 实战性较强,涵盖图像修复、梯度融合、变分去噪、接缝雕刻、图像绗缝和人脸变形等新应用。
- 用流行的Python 图像处理库、机器学习库和深度学习库解决图像处理问题。
Book Description
本书介绍如何用流行的Python 图像处理库、机器学习库和深度学习库解决图像处理
问题。
本书先介绍经典的图像处理技术,然后探索图像处理算法的演变历程,始终紧扣图
像处理以及计算机视觉与深度学习方面的最新进展。全书共12 章,涵盖图像处理入门基础知识、应用导数方法实现图像增强、形态学图像处理、图像特征提取与描述符、图像分割,以及图像处理中的经典机器学习方法等内容。
本书适合Python 工程师和相关研究人员阅读,也适合对计算机视觉、图像处理、机
器学习和深度学习感兴趣的软件工程师参考。
What you will learn
- 学习经典的图像处理技术
- 探索图像处理算法的演变历程
- 了解图像处理以及计算机视觉与深度学习方面的最新进展
Who this book is for
本书适用于计算机视觉工程师、图像处理工程师、软件工程师、ML工程师。读者应具有一定的Python编程基础,并希望进一步了解图像处理的细节和复杂性。
Table of contents
- 版权信息
- 版权
- 版权声明
- 内容提要
- 作者简介
- 审稿人简介
- 译者简介
- 前言
- 第1章 图像处理入门
- 第2章 采样、傅里叶变换与卷积
- 第3章 卷积和频域滤波
- 第4章 图像增强
- 第5章 应用导数方法实现图像增强
- 第6章 形态学图像处理
- 第7章 图像特征提取与描述符
- 第8章 图像分割
- 第9章 图像处理中的经典机器学习方法
- 第10章 图像处理中的深度学习——图像分类
- 第11章 图像处理中的深度学习——目标检测等
- 第12章 图像处理中的其他问题
Product information
- Title: Python图像处理实战
- Author(s):
- Release date: February 2024
- Publisher(s): Packt Publishing
- ISBN: 9781835465615
You might also like
book
Lua游戏AI开发指南
利用Lua编程开发专注于动作、动画和战术的游戏AI Key Features 本书循序渐进,从学习移动一个简单物体开始,到实现一个带有完整动画的战士 本书首先介绍AI沙箱,然后依次介绍、实现和扩展了游戏AI的各个新领域 本书介绍一些开源库,如Ogre3D、Bullet物理引擎、OpenSteer、Recast、Detour以及Lua 利用一个可以扩展和运行的完整代码库来创建AI沙箱。 Book Description 游戏AI可以很容易地拆分成决策制定、动画处理和战术等各种组件,但各个系统间的平衡和交互决定了良好的AI和糟糕的AI之间的区别。 本书首先介绍AI沙箱,然后依次介绍、实现和扩展了游戏AI的各个新领域。更进一步,读者还将学习使用一些开源库,如Ogre3D、Bullet物理引擎、OpenSteer、Recast、Detour以及Lua,并利用一个可以扩展和运行的完整代码库来创建AI沙箱。本书采用一种循序渐进的方法,从学习移动一个简单物体开始,到实现一个带有完整动画的战士。学习完本书,你的AI将能够导航、寻路、管理动画回放、彼此交流并能感知它所处的环境。 如果你是游戏开发者,或者是一位想专注于实现自己的游戏AI系统和技术,而又不想创建游戏引擎的底层接口的普通程序员,这本书正是为你量身打造的。C++语言知识对于调试整个AI沙箱和扩展本书提供的功能十分有用,但并非必需的。 What you will learn …
book
自然语言处理与计算语言学
Python开源社区资深供稿人撰写 文本分析实用指南 计算语言学领域为数不多的作品之一 技术实用性强 侧重于技术细节的实现 提供源码下载 Key Features 平衡了理论与实战案例之间的关系 在掌握理论知识的同时,执运行自己的自然语言处理项目 Book Description 自然语言处理是一门融语言学、计算机科学、数学于一体的科学,研究人与计算机之间用自然语言进行有效通信的各种理论和方法。计算语言学是指通过建立形式化的数学模型来分析、处理自然语言,并在计算机上用程序来实现分析和处理的过程,旨在以机器来模拟人的部分或全部语言能力的目的。 本书作为一本借助于Python编程语言以及各种开源工具(如Gensim、spaCy等)来执行文本分析、自然语言处理和计算语言学算法的图书,从应用层面介绍了相关的理论知识和所涉及的技术。《自然语言处理与计算语言学》共分为15章,其内容涵盖了文本分析的定义、使用Python进行文本分析的技巧、spaCy语言模型、Gensim工具、词性标注及其应用、NER标注及其应用、依存分析、主题模型、高级主题建模、文本聚类和文本分类、查询词相似度计算和文本摘要、词嵌入、使用深度学习处理文本、使用Keras和spaCy进行深度学习、情感分析与聊天机器人的原理介绍等。 本书很好地平衡了理论与实战案例之间的关系,因此你可以在掌握理论知识的同时,执运行自己的自然语言处理项目。你将发现Python这一自然语言处理工具所具有的丰富的生态系统,并将进入现代文本分析的有趣世界。 本书适合对自然语言处理的实现细节感兴趣的Python程序开发人员阅读。如果读者具备统计学的基本知识,对学习本书内容会大有裨益。 …
book
深度学习实战手册(R语言版)
使用TensorFlow、H2O和MXNet解决复杂的神经网络问题,全彩印刷 Key Features 本书的结构简单明了,每部分由准备环节、动手操作和工作原理组成,可强化读者的学习 覆盖了深度学习领域常见的神经网络类型,并介绍了使用场景 包含大量实用的示例代码,方便读者应用到实际项目中。 Book Description 深度学习是当前的热门,它是机器学习的一部分。在庞大而复杂的数据应用中,深度学习取得的效果非常吸引人。同时,R编程语言在数据挖掘人员和统计人员当中非常流行。 本书介绍使用 R 语言和深度学习库 TensorFlow、H2O 和 MXNet 构建不同的深度学习模型的方法和原理。本书共 …
book
Web机器学习
全面Python机器学习的图书; 学会在Web下构建机器学习系统的权威指南。 Key Features 重点讲解在Web应用中实现预测分析功能的难点,介绍Python语言及相关框架、工具和库,展示如何搭建机器学习系统 不仅涉及机器学习的核心概念,还介绍如何将数据部署到用Django框架开发的Web应用,包括Web、文档和服务器端数据的挖掘和推荐引擎的搭建方法 Book Description Python是一门通用型编程语言,也是一门相对容易学习的语言。因此,数据科学家在为中小规模的数据集制作原型、实现可视化和分析数据时,经常选择使用Python。 本书填补了机器学习和Web开发之间的鸿沟。本书重点讲解在Web应用中实现预测分析功能的难点,重点介绍Python语言及相关框架、工具和库,展示了如何搭建机器学习系统。你将从本书学到机器学习的核心概念,学习如何将数据部署到用Django框架开发的Web应用;还将学到如何挖掘Web、文档和服务器端数据以及如何搭建推荐引擎。 随后,你将进一步探索功能强大的Django框架,学习搭建一个简单、具备现代感的影评情感分析应用,它可是用机器学习算法驱动的! 本书是写给正努力成为数据科学家的读者以及新晋的数据科学家的。读者应该具备一些机器学习经验。如果你对开发智能(具备预测功能的)Web应用感兴趣,或正在从事相关开发工作,本书非常适合你。掌握一定的Django知识,学习本书将会更加轻松。我们还希望读者具备一定的Python编程背景和扎实的统计学知识。 What you will learn …