Praktické spracovanie obrázkov pomocou jazyka Python

Recenzie čitateľov

Kniha získala zmiešané recenzie, pričom niektorí používatelia ocenili jej praktické príklady na spracovanie obrazu, zatiaľ čo iní kritizovali jej hodnotu, kvalitu kódu a nedostatok vysvetlení.

Ponúka praktické príklady na spracovanie obrázkov a umožňuje čitateľom pomerne ľahko nainštalovať a spustiť skripty v jazyku Python. Niektorí používatelia ju považovali za prínosnú pre začiatky so spracovaním obrázkov.

Obsah je z veľkej časti dostupný online zadarmo a kód knihy je slabo zdokumentovaný a nekonzistentný. Mnohí recenzenti ju považovali za predraženú, na knihu o spracovaní obrazu málo farebnú a poskytujúcu len o málo viac ako zbierku kódu bez náležitých vysvetlení.

(na základe 6 čitateľských recenzií)

Pôvodný názov:

Hands-On Image Processing with Python

Obsah knihy:

Preskúmajte matematické výpočty a algoritmy na spracovanie obrazu pomocou populárnych nástrojov a rámcov jazyka Python Kľúčové vlastnosti Získajte praktické znalosti o každej úlohe spracovania obrazu pomocou populárnych knižníc jazyka Python Preskúmajte témy, ako je pseudobarvenie, vyhladzovanie šumu a výpočet deskriptorov obrazu Pokryte populárne techniky strojového učenia a hlbokého učenia pre komplexné úlohy spracovania obrazu Popis knihy

Spracovanie obrazu zohráva dôležitú úlohu v našom každodennom živote s rôznymi aplikáciami v sociálnych médiách (detekcia tváre), lekárskom zobrazovaní (röntgenové snímky a CT) a bezpečnosti (rozpoznávanie odtlačkov prstov). Táto kniha je navrhnutá tak, aby vám pomohla osvojiť si základné aspekty spracovania obrazu, od základných pojmov až po kód pomocou programovacieho jazyka Python.

Kniha sa začína klasickými technikami spracovania obrazu. Potom sa budete venovať vývoju algoritmov na spracovanie obrazu až po najnovšie pokroky v oblasti spracovania obrazu a počítačového videnia s hlbokým učením. Postupne sa naučíte používať knižnice na spracovanie obrazu, ako sú PIL, scikit-image a scipy ndimage v jazyku Python. Kniha vám ďalej umožní písať úryvky kódu v jazyku Python 3 a implementovať komplexné algoritmy spracovania obrazu, ako je napríklad vylepšovanie obrazu, filtrovanie, segmentácia, detekcia objektov a klasifikácia. Postupne budete môcť implementovať modely strojového učenia pomocou knižnice jazyka Python, scikit-learn. Okrem toho budete skúmať hlboké konvolučné neurónové siete (CNN), ako napríklad VGG-19 s Kerasom, a potom prejdete k používaniu end-to-end modelu hlbokého učenia s názvom YOLO na detekciu objektov. V neskorších kapitolách sa zoznámite s niekoľkými pokročilými problémami, ako je napríklad inpainting obrazu, gradientové miešanie, variačný denoising, vyrezávanie švov, quilting a morfing.

Na konci tejto knihy sa naučíte implementovať rôzne algoritmy na efektívne spracovanie obrazu. Čo sa naučíte Vykonávať základné úlohy predbežného spracovania údajov, ako je denoizácia obrazu a priestorové filtrovanie v jazyku Python Implementovať rýchlu Fourierovu transformáciu (FFT) a filtre frekvenčnej oblasti, ako je Weiner, v jazyku Python Vykonávať morfologické spracovanie obrazu a segmentovať obrazy pomocou rôznych algoritmov Osvojiť si techniky na extrakciu vlastností z obrazov a porovnávanie obrazov Napísať kód jazyka Python na implementáciu algoritmov strojového učenia pod dohľadom a bez dohľadu na spracovanie obrazu Používať modely hlbokého učenia na klasifikáciu obrazu, segmentáciu, detekciu objektov a prenos štýlu Komu je táto kniha určená

Táto príručka spracovania obrazu je určená inžinierom počítačového videnia a vývojárom strojového učenia, ktorí dobre ovládajú programovanie v jazyku Python a chcú preniknúť do rôznych aspektov a zložitostí spracovania obrazu. Nevyžadujú sa žiadne predchádzajúce znalosti techník spracovania obrazu. Obsah Začíname so spracovaním obrazu Vzorkovanie Fourierova transformácia Konvolúcia a filtrovanie vo frekvenčnej oblasti Vylepšenie obrazu Vylepšenie obrazu pomocou derivátov Morfologické spracovanie obrazu Extrakcia obrazových prvkov a deskriptorov Segmentácia obrazu Klasické metódy strojového učenia Učenie v spracovaní obrazu - klasifikácia obrazu pomocou CNN Detekcia objektov, hlboká segmentácia a prenosové učenie Ďalšie problémy v spracovaní obrazu