Python 機器學習和圖像處理實戰 : 面部識別、目標檢測和模式識別 (Practical Machine Learning and Image Processing: For Facial Recognition, Object Detection, and Pattern Recognition Using Python)

瞭解圖像處理算法以及如何使用Python應用這些算法； 探索使用OpenCV進行圖像處理； 使用scikit-leam、NumPy和其他程序庫； 把機器學習和深度學習算法運用到圖像處理中； 把圖像處理技術應用到五個實時項目中。

希曼舒·辛格(Himanshu Singh)，擁有超過6年的數據科學從業經驗，目前是V-Soft Labs的不錯數據科學家。他提供關於數據科學、機器學習和深度學習的企業培訓，是Narsee Monjee管理學院(Narsee Monjee Institute of Management Studies)在分析方面的訪問學者，這家學院被視為印度的不錯管理學院之一。他是Black Feathers Analytics和Rise of Literati Clubs的創始人。

第1章設置環境1
1.1安裝Anaconda 1
1.1.1在Windows下安裝2
1.1.2在macOS下安裝3
1.1.3在Ubuntu下安裝3
1.2安裝OpenCV 3
1.3安裝Keras 4
1.4測試安裝4
1.5虛擬環境4

第2章圖像處理入門7
2.1圖像7
2.2像素8
2.3圖像分辨率8
2.4 PPI與DPI 9
2.5位圖圖像10
2.6無損壓縮10
2.7有損壓縮10
2.8圖像文件格式11
2.9色彩空間12
2.9.1 RGB 12
2.9.2 XYZ 13
2.9.3 HSV/HSL 14
2.9.4 Lab 15
2.9.5 LCH 16
2.9.6 YPbPr 16
2.9.7 YUV 17
2.9.8 YIQ 17
2.10 GJ圖像概念18
2.10.1貝塞爾曲線18
2.10.2橢球19
2.10.3伽馬校正20
2.10.4結構相似性指標21
2.10.5解卷積21
2.10.6單應性22
2.10.7卷積22

第3章Python基礎和Scikit Image 23
3.1 Python入門23
3.1.1變量和數據類型24
3.1.2數據結構25
3.1.3循環語句26
3.1.4條件語句28
3.1.5函數29
3.2 Scikit Image 31
3.2.1上傳和查看圖像32
3.2.2獲取圖像分辨率32
3.2.3查看像素值33
3.2.4轉換色彩空間33
3.2.5保存圖像40
3.2.6創建基本圖形41
3.2.7執行伽馬校正44
3.2.8旋轉、平移和縮放圖像45
3.2 .9確定結構相似度46

第4章OpenCVGJ圖像處理47
4.1混合兩張圖像47
4.2改變圖像的對比度和亮度49
4.3往圖像中添加文字51
4.4平滑圖像52
4.4.1中值濾波器53
4.4.2高斯濾波器53
4.4.3雙邊濾波器54
4.5改變圖像的形狀55
4.6實施圖像閾限化59
4.7計算梯度62
4.8執行直方圖均衡63

第5章基於機器學習的圖像處理67
5.1使用SIFT算法的特徵映射67
5.1.1步驟1：構造尺度不變的空間68
5.1.2步驟2：求兩個高斯之差68
5.1.3步驟3：找出圖像中的關鍵點69
5.1.4步驟4：為了高效地比較，移除非關鍵點69
5.1.5步驟5：提供關鍵點的方向69
5.1.6步驟6：確定W一關鍵特徵69
5.2使用RANSAC算法的圖像配準73
5.2.1 estimate_affine()函數77
5.2.2 residual_lengths()函數77
5.2.3輸出圖像78
5.2.4全部代碼78
5.3使用人工神經網絡的圖像分類81
5.4使用CNN的圖像分類87
5.5使用機器學習的圖像分類92
5.5.1決策樹92
5.5.2支持向量機92
5.5.3邏輯回歸93
5.5.4代碼93
5.6重要術語95

第6章實時用例97
6.1找出掌紋97
6.2檢測面部99
6.3識別面部101
6.4追踪運動103
6.5檢測車道104

附錄重要概念與術語111