深度學習之攝影圖像處理 : 核心算法與案例精粹

言有三

  • 深度學習之攝影圖像處理 : 核心算法與案例精粹-preview-1
  • 深度學習之攝影圖像處理 : 核心算法與案例精粹-preview-2
深度學習之攝影圖像處理 : 核心算法與案例精粹-preview-1

買這商品的人也買了...

相關主題

商品描述

本書內容涉及攝影學、電腦視覺、深度學習3個領域,系統地介紹了電腦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。

本書融合攝影學和電腦視覺的內容,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,包括使用電腦視覺技術對攝影作品進行定量的質量評估、後期自動構圖、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,涵蓋當前攝影後期軟件的主要功能,並全部是基於算法進行自動實現的。

本書適合電腦視覺行業從業者、攝影專業人士和愛好者、對當下智能攝影後期核心技術感興趣並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於學習理論知識,也可以作為工程參考手冊用於查閱相關技術。

作者簡介

龍鵬讀於華中科技大學,中國科學院,先後就職於奇虎360AI研究院,陌陌深度學習實驗室,6年計算機視覺從業經驗,擁有豐富的傳統圖像算法和深度學習圖像項目經驗,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平台開設《AI 程序員碼說攝影圖像基礎》,《AI圖像識別項目從入門到上線》圖文課程,在蜂口小程序開設過《caffe圖像分割項目實戰》,《深度學習與人臉圖像應用》

目錄大綱

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為什麼學習攝影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
2.1.1什麼是圖像美學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底層美學特徵055
2.2.2攝影美學特徵056
2.2.3通用與專用圖像特徵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建築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基於構圖準則的構圖方法086
3.2.3基於顯著圖的構圖方法087
3.2.4基於美學的研究方法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基於顯著圖的方法093
3.3.2與基於美學的方法對比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基於像素回歸的增強方法145
5.3.2基於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基於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基於濾波的磨皮算法171
6.2.3基於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基於優化的去模糊算法199
7.2.2基於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基於深度學習的超分算法203
7.4基於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基於邊緣的風格化225
8.2.2基於顏色的風格化226
8.3基於深度學習的風格化方法228
8.3.1風格遷移基礎228
8.3.2基於圖像優化的風格遷移算法230
8.3.3基於模型優化的風格遷移算法232
8.4基於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基於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基於深度學習模型的圖像修復方法266
9.4小結271