跳转至

零、前言

本书介绍了如何使用流行的 Python 图像处理库（如PIL、scikit image、Python opencv、scipy ndimage、和SimpleTk、机器学习库（scikit learn）和深度学习库（TensorFlow、Keras）解决图像处理问题. 它将使读者能够编写代码片段来实现复杂的图像处理算法，如图像增强、过滤、恢复、分割、分类和目标检测。读者还将能够使用机器学习和深度学习模型来解决复杂的图像处理问题

本书将从基础知识开始，通过在本书中提供可复制的 Python 实现，引导读者进入高级水平。本书将从经典的图像处理技术开始，探索图像处理算法的演变历程，一直到图像处理/计算机视觉的最新进展和深度学习。读者将学习如何使用图像处理库，如 Python 中的 PIL、scikit image 和 scipy ndimage，这将使他们能够用 Python 3 编写代码片段，并快速实现复杂的图像处理算法，如图像增强、过滤、分割、对象检测和分类。读者将学习如何使用 scikit 学习库使用机器学习模型，然后探索深度 CNN，如带有 TensorFlow/Keras 的 VGG-19，使用端到端深度学习 YOLO 模型进行对象检测，以及使用 DeepLab V3+进行语义分割和神经风格转移模型。读者还将学习一些高级问题，如图像修复、梯度混合、变分去噪、接缝雕刻、绗缝和变形。在本书的结尾，读者将学习如何实现高效图像处理的各种算法。

本书采用了一种非常实用的方法，将带领读者了解一组图像处理概念/算法，并帮助他们详细学习如何使用主要的 Python 库函数来实现这些算法。

免责声明

本书中用作输入和输出的图像可在中找到 https://www.packtpub.com/sites/default/files/downloads/9781789343731_ColorImages.pdf 。

这本书是给谁的

本书适用于工程师/应用研究人员，也适用于对计算机视觉、图像处理、机器学习和深度学习感兴趣的软件工程师，尤其适用于擅长 Python 编程并希望详细探索图像处理各种主题并解决一系列复杂问题的读者，从概念到实施。数学和编程背景，以及一些机器学习的基础知识，是先决条件

充分利用这本书

  1. 运行代码需要具备 Python 的基本知识，以及对图像数据集和 GitHub 链接的访问。
  2. 理解这些概念还需要有基本的数学背景。

下载示例代码文件

您可以从您的账户www.packt.com下载本书的示例代码文件。如果您在其他地方购买了本书，您可以访问www.packt.com/support并注册，将文件通过电子邮件直接发送给您。

您可以通过以下步骤下载代码文件：

  1. 登录或注册www.packt.com。
  2. 选择“支持”选项卡。
  3. 点击代码下载和勘误表。
  4. 在搜索框中输入图书名称，然后按照屏幕上的说明进行操作。

下载文件后，请确保使用以下最新版本解压或解压缩文件夹：

  • WinRAR/7-Zip for Windows
  • 适用于 Mac 的 Zipeg/iZip/UnRarX
  • 适用于 Linux 的 7-Zip/PeaZip

该书的代码包也托管在 GitHub 上的https://github.com/PacktPublishing/Hands-On-Image-Processing-with-Python 。如果代码有更新，它将在现有 GitHub 存储库中更新。

我们的丰富书籍和视频目录中还有其他代码包，请访问https://github.com/PacktPublishing/ 。看看他们！

下载彩色图像

我们还提供了一个 PDF 文件，其中包含本书中使用的屏幕截图/图表的彩色图像。您可以在这里下载：http://www.packtpub.com/sites/default/files/downloads/9781789343731_ColorImages.pdf 。

使用的惯例

本书中使用了许多文本约定。

CodeInText：表示文本中的码字、数据库表名、文件夹名、文件名、文件扩展名、路径名、虚拟 URL、用户输入和 Twitter 句柄。下面是一个示例：“将下载的WebStorm-10*.dmg磁盘映像文件作为系统中的另一个磁盘装载。”

代码块设置如下：

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

当我们希望提请您注意代码块的特定部分时，相关行或项目以粗体显示：

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

任何命令行输入或输出的编写方式如下：

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

粗体：表示一个新术语、一个重要单词或您在屏幕上看到的单词。例如，菜单或对话框中的单词出现在文本中，如下所示。下面是一个示例：“从管理面板中选择系统信息。”

Warnings or important notes appear like this. Tips and tricks appear like this.

联系

我们欢迎读者的反馈。

一般反馈：如果您对本书的任何方面有疑问，请在邮件主题中注明书名，并发送电子邮件至customercare@packtpub.com。

勘误表：尽管我们已尽一切努力确保内容的准确性，但还是会出现错误。如果您在本书中发现错误，如果您能向我们报告，我们将不胜感激。请访问www.packt.com/submit-errata，选择您的书籍，点击 errata 提交表单链接，并输入详细信息。

盗版：如果您在互联网上发现我们作品的任何形式的非法复制品，请您提供我们的位置地址或网站名称，我们将不胜感激。请联系我们。。。

评论

请留下评论。一旦你阅读并使用了这本书，为什么不在你购买它的网站上留下评论呢？然后，潜在读者可以看到并使用您的无偏见意见做出购买决定，我们 Packt 可以了解您对我们产品的看法，我们的作者可以看到您对他们书籍的反馈。非常感谢。

有关 Packt 的更多信息，请访问Packt.com。

回到顶部