本书从计算机视觉初学者的视角出发，以Python及其相关框架为工具，以实战为导向，讲述了计算机视觉中关于图像以及多种图像处理的基本概念、理论方法和经典算法，既有对图像基础知识的介绍，也有对现实问题的解决方案和技术详细阐述。通过利用计算机视觉中的图像变换算法解决图像分类、人脸识别、图像增强、图像语义分割、图像风格迁移、图像超分辨率重建和场景文字识别等现实问题，使读者既能了解图像的多种操作原理，又能学会解决实际问题的思路和方法，提高使用计算机视觉方法的能力。

本书可作为各类职业院校人工智能技术应用及相关专业的教材，也可作为人工智能、计算机视觉初学者的参考书。

本书配有电子课件等教学资源，选用本书作为授课教材的教师可从机械工业出版社教育服务网(wwwcmpeducom)免费注册并登录后下载，或联系编辑(010-88379807)咨询。

目录

前言

单元1图像基础学习

11图像相关名词概述

12图像基础操作

13图像几何变换

14阈值分割

15图像统计

16图像滤波

单元小结

学习评估

单元习题

单元2图像分类

21图像分类概述

22神经网络

23卷积神经网络

24实战案例——基于卷积神经网络的图像分类

25迁移学习

26实战案例——基于迁移学习的图像分类

单元小结

学习评估

单元习题

单元3人脸识别

31目标检测

32实战案例——基于YOLOv3的目标检测

33人脸检测

34实战案例——基于Haar特征的人脸检测

35实战案例——基于Hog特征的人脸检测

36人脸识别

37认识face_recognition开源库

38实战案例——基于face_recognition的人脸识别

单元小结

学习评估

单元习题

单元4图像增强

41图像增强概述

42有监督的图像增强

43实战案例——基于mixup/cutmix算法的图像增强

44无监督的图像增强

单元小结

学习评估

单元习题

单元5图像语义分割

51语义分割概述

52上采样

53特征融合

54语义分割网络

55实战案例——基于UNet的图像语义分割

单元小结

学习评估

单元习题

单元6图像风格迁移

61图像风格迁移概述

62风格提取

63gram矩阵

64损失计算

65VGG19

66实战案例——基于VGG19的图像风格迁移

67对抗生成网络

68实战案例——基于CycleGAN的图像风格迁移

单元小结

学习评估

单元习题

单元7图像超分辨率重建

71认识图像分辨率

72认识图像超分辨率

73超分辨率重建技术

74SRCNN

75PSNR

76实战案例——基于SRCNN的图像超分辨率重建

77SRGAN

78实战案例——基于SRGAN的图像超分辨率重建

单元小结

学习评估

单元习题

单元8场景文字识别

81场景文字识别概述

82LSTM

83CTC

84实战案例——基于LSTM+CTC的文字识别

85tesseract

86实战案例——基于tesseract的文字识别

单元小结

学习评估

单元习题

参考文献