Book description
Python图像处理
Key Features
- 图像处理、计算机视觉与深度学习的最新进展。
- 实战性较强,涵盖图像修复、梯度融合、变分去噪、接缝雕刻、图像绗缝和人脸变形等新应用。
- 用流行的Python 图像处理库、机器学习库和深度学习库解决图像处理问题。
Book Description
本书介绍如何用流行的Python 图像处理库、机器学习库和深度学习库解决图像处理
问题。
本书先介绍经典的图像处理技术,然后探索图像处理算法的演变历程,始终紧扣图
像处理以及计算机视觉与深度学习方面的最新进展。全书共12 章,涵盖图像处理入门基础知识、应用导数方法实现图像增强、形态学图像处理、图像特征提取与描述符、图像分割,以及图像处理中的经典机器学习方法等内容。
本书适合Python 工程师和相关研究人员阅读,也适合对计算机视觉、图像处理、机
器学习和深度学习感兴趣的软件工程师参考。
What you will learn
- 学习经典的图像处理技术
- 探索图像处理算法的演变历程
- 了解图像处理以及计算机视觉与深度学习方面的最新进展
Who this book is for
本书适用于计算机视觉工程师、图像处理工程师、软件工程师、ML工程师。读者应具有一定的Python编程基础,并希望进一步了解图像处理的细节和复杂性。
Table of contents
- 版权信息
- 版权
- 版权声明
- 内容提要
- 作者简介
- 审稿人简介
- 译者简介
- 前言
- 第1章 图像处理入门
- 第2章 采样、傅里叶变换与卷积
- 第3章 卷积和频域滤波
- 第4章 图像增强
- 第5章 应用导数方法实现图像增强
- 第6章 形态学图像处理
- 第7章 图像特征提取与描述符
- 第8章 图像分割
- 第9章 图像处理中的经典机器学习方法
- 第10章 图像处理中的深度学习——图像分类
- 第11章 图像处理中的深度学习——目标检测等
- 第12章 图像处理中的其他问题
Product information
- Title: Python图像处理实战
- Author(s):
- Release date: February 2024
- Publisher(s): Packt Publishing
- ISBN: 9781835465615
You might also like
book
时间序列分析实战:基于机器学习和统计学
天气、股票、心跳都会产生时间序列数据,物联网、数字化医疗和智慧城市的兴起更是产生了大量的时间序列数据。随着数据的规模快速增长,应用机器学习和统计方法进行时间序列分析的做法越来越普遍,也越来越重要。 本书从实战角度介绍时间序列分析中的创新技术和实际用例,帮助你结合使用传统的统计方法和先进的机器学习技术来解决时间序列分析中的常见问题。由于Python和R都是时间序列分析常用的语言,因此本书兼顾这两种语言并对时间序列进行全面的阐释,可以让数据分析师、数据工程师和其他与数据打交道的读者快速上手。 发现并整理时间序列数据 针对时间序列进行探索性数据分析 模拟时间序列 存储时间序列 为时间序列生成并选择特征 测量误差 使用机器学习和深度学习分析时间序列 评估模型的精度和性能
book
HBase管理指南
轻松掌握管理HBase的实用操作指南 Key Features 详尽的操作步骤 贴近实际使用的案例 内容涵盖管理HBase所需的各项技能 Book Description 本书通过详尽的操作步骤以及贴近实际使用的案例说明,帮助读者轻松掌握管理HBase所需的各项技能。本书是一部实用性很强的操作指南,主要介绍如何建立一个完全分布式的HBase集群并将数据转移到该集群中,以及如何使用各种工具来完成日常的管理工作,有效管理和监控集群以使其达到最佳的性能,最终还将讲解如何安装Hadoop集群、如何配置Hadoop,使其与HBase进行协作和如何调整Hadoop的性能。 本书适合使用HBase进行数据库开发的高级数据库研发人员阅读使用。 What you will learn 如何建立一个完全分布式的HBase集群并将数据转移到该集群中 如何使用各种工具来完成日常的管理工作 …
book
scikit-learn机器学习(第2版)
掌握Python机器学习的有效工具,搞定scikit-learn的必备指南 Key Features 本书内容涵盖多种机器学习模型 讨论了数据预处理、超参数优化和集成方法等主题。 Book Description 近年来,Python语言成为了广受欢迎的编程语言,而它在机器学习领域也有着卓越的表现。scikit-learn是一个用Python语言编写的机器学习算法库,它可以实现一系列常用的机器学习算法,是一个不可多得的好工具。 本书通过14章内容,详细地介绍了一系列机器学习模型和scikit-learn的使用技巧。本书从机器学习的基础理论讲起,涵盖了简单线性回归、K-近邻算法、特征提取、多元线性回归、逻辑回归、朴素贝叶斯、非线性分类、决策树回归、随机森林、感知机、支持向量机、人工神经网络、K-均值算法、主成分分析等重要话题。 本书适合机器学习领域的工程师学习,也适合想要了解scikit-learn的数据科学家阅读。通过阅读本书,读者将有效提升自己在机器学习模型的构建和评估方面的能力,并能够高效地解决机器学习难题。 What you will learn 学会构建用于文档分类、图像识别、广告检测等任务的系统 学到如何使用scikit-learn类库的API从类别变量、文本和图像中提取特征,如何评估模型的性能 …
book
Python数据分析(第2版)
学习Python编程,轻松应对大数据分析任务,掌握信号处理、时间序列、文本数据分析、机器学习等高级技能 Key Features 在本书的最后,采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。 示例丰富、简单易懂 Book Description Python作为一种高级程序设计语言,凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时,Python语言的数据分析功能也逐渐为大众所认可。 本书就是一本介绍如何用Python进行数据分析的学习指南。全书共12章,从Python程序库入门、NumPy数组和Pandas入门开始,陆续介绍了数据的检索、数据加工与存储、数据可视化等内容。同时,本书还介绍了信号处理与时间序列、应用数据库、分析文本数据与社交媒体、预测性分析与机器学习、Python生态系统的外部环境和云计算、性能优化及分析、并发性等内容。在本书的最后,还采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。 本书延续了上一版示例丰富、简单易懂的优点,非常适合对Python语言感兴趣或者想要使用Python语言进行数据分析的读者参考阅读。 What you will learn 使用Python处理和操作数据 完成复杂的分析和建模 …