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