推薦序
前言
第1章 AI時代：圖像技術背景知識 1
1.1 人工智能的前世今生 2
1.2 AI與CV的相互融合之路 3
1.3 AI圖像處理技術 5
1.4 本章小結 7
第2章 武器和鎧甲：開發環境配置 8
2.1 來自傳承的饋贈：OpenCV開源跨平臺機器視覺庫 8
2.1.1 OpenCV的整體概念 9
2.1.2 OpenCV的應用領域 9
2.1.3 OpenCV的編程語言 9
2.1.4 OpenCV支持的系統 10
2.1.5 OpenCV的線上資源 10
2.2 召喚萌寵：Python語言的“制霸”之路 10
2.2.1 Python語言的發展 11
2.2.2 Python 2.7.X版本和3.X版本的區別 11
2.2.3 本書采用的Python版本 13
2.3 鑄劍：基于PyCharm的系統環境配置 14
2.3.1 PyCharm在Mac OS系統下的安裝和配置 14
2.3.2 Mac OS系統下Anaconda的安裝和配置 17
2.4 牛刀小試：一起動手來寫個例子吧 19
2.5 本章小結 21
第3章 開啟星辰大海：圖像處理技術基礎知識 22
3.1 圖像的基本概念 23

3.1.1 像素的概念 23
3.1.2 圖像的構成 24
3.1.3 圖像的格式 24
3.1.4 理解圖像的位深和通道的概念 25
3.2 圖像的讀取、顯示和存儲操作 26
3.2.1 OpenCV基本圖像處理函數 26
3.2.2 Python讀取一張圖片并顯示和存儲 27
3.3 從像素出發構建二維灰度圖像 28
3.3.1 NumPy科學計算庫 28
3.3.2 創建二維灰度圖像 30
3.3.3 灰度圖像的遍歷 31
3.4 灰度圖像和彩色圖像的變換 32
3.4.1 圖像的顏色空間 32
3.4.2 彩色圖像的通道分離和混合 33
3.4.3 彩色圖像的通道分離和混合程序示例 34
3.4.4 彩色圖像的二值化 35
3.4.5 彩色圖像的遍歷 37
3.4.6 彩色圖像和灰度圖像的轉換 38
3.5 圖像的幾何變換 40
3.5.1 圖像幾何變換的基本概念 40
3.5.2 插值算法 41
3.5.3 圖像的縮放 42
3.5.4 圖像的平移 44
3.5.5 圖像的旋轉 45
3.5.6 圖像的鏡像變換 47
3.6 圖像色彩空間基礎知識 48
3.6.1 圖像的色調、色相、飽和度、亮度和對比度 48
3.6.2 RGB色彩空間 49
3.6.3 HSV色彩空間 49
3.6.4 HSI色彩空間 50
3.7 圖像的直方圖 50
3.7.1 圖像直方圖的基本概念 50
3.7.2 繪制灰度圖像的直方圖 51
3.7.3 繪制彩色圖像的直方圖 53
3.7.4 圖像直方圖均衡化 54
3.7.5 圖像直方圖反向投影 56
3.8 本章小結 58
第4章 First Blood：**波項目實戰 59
4.1 抖音哈哈鏡 60
4.1.1 抖音的哈哈鏡效果 60
4.1.2 哈哈鏡的原理 61
4.1.3 哈哈鏡的程序實現 61
4.2 給你一張老照片 64
4.2.1 懷舊風格算法原理 64
4.2.2 懷舊風格程序實現 65
4.3 給自己畫一張文藝范的素描 66
4.3.1 輪廓檢測算法原理 66
4.3.2 素描風格算法原理 67
4.3.3 素描風格算法的程序實現 68
4.4 來一張油畫吧 69
4.4.1 圖像油畫算法原理 69
4.4.2 圖像油畫算法的程序實現 69
4.5 如何打馬賽克 72
4.5.1 馬賽克算法原理 72
4.5.2 馬賽克算法的程序實現 72
4.6 打造自己的專屬肖像漫畫 74
4.6.1 漫畫風格算法原理 74
4.6.2 漫畫風格算法的程序實現 74
4.7 本章小結 76
第5章 Double Kill：視頻圖像處理理論和項目實戰 77
5.1 視頻處理流程和原理 78
5.1.1 視頻的捕獲和存儲 78
5.1.2 提取視頻中的某些幀 79
5.1.3 將圖片合成為視頻 80
5.1.4 多個視頻合并 81
5.2 抖音中的視頻抖動效果設計 82
5.2.1 視頻抖動的原理 82
5.2.2 視頻抖動的程序實現 83
5.3 抖音中的視頻閃白效果設計 85
5.3.1 視頻閃白的原理 86
5.3.2 視頻閃白的程序實現 87
5.4 抖音中的視頻霓虹效果設計 90
5.4.1 視頻霓虹的原理 90
5.4.2 視頻霓虹效果的程序實現 91
5.5 抖音中的視頻時光倒流效果設計 94
5.5.1 視頻時光倒流的原理 94
5.5.2 視頻時光倒流的程序實現 94
5.6 抖音中的視頻反復效果設計 95
5.6.1 視頻反復的原理 95
5.6.2 視頻反復的程序實現 95
5.7 抖音中的視頻慢動作效果設計 96
5.7.1 視頻慢動作的原理 97
5.7.2 視頻慢動作的程序實現 97
5.8 視頻人物漫畫風格濾鏡設計 98
5.9 本章小結 99
第6章 Triple Kill：基于機器學習的人臉識別 100
6.1 機器學習的基本概念 101
6.1.1 機器學習的目的 101
6.1.2 機器學習的內容 102
6.1.3 機器學習的作用 103
6.1.4 如何使用機器學習獲得的東西 105
6.1.5 使用機器學習方法的時機 106
6.1.6 總結機器學習的基本概念 108
6.2 機器學習中的圖像預處理流程 112
6.2.1 一個經典的機器學習圖像處理實例 112
6.2.2 人臉識別機器學習Model訓練思路 113
6.2.3 正樣本圖像預處理 113
6.2.4 負樣本圖像預處理 121
6.3 人臉檢測機器學習算法設計 123
6.3.1 圖像特征 123
6.3.2 Harr-like特征求值加速算法 127
6.3.3 圖像分類器 128
6.3.4 人臉檢測的訓練算法流程 130
6.3.5 人臉檢測的檢測算法流程 131
6.4 訓練人臉檢測分類器并測試 132
6.4.1 訓練準備 132
6.4.2 開始訓練 133
6.4.3 模型測試 134
6.5 本章小結 135
第7章 Quatary Kill：基于深度學習的人臉識別 137
7.1 深度學習的基本概念 138
7.1.1 深度學習簡介 138
7.1.2 深度學習和機器學習的區別 139
7.1.3 深度學習入門概念 141
7.2 卷積神經網絡 147
7.2.1 卷積的原理 147
7.2.2 池化層的原理 150
7.2.3 全連接層的原理 150
7.2.4 一個經典的CNN網絡結構 152
7.3 手寫數字分類項目 153
7.3.1 訓練環境的搭建 153
7.3.2 訓練數據的準備 154
7.3.3 訓練網絡的搭建 155
7.3.4 訓練代碼 158
7.3.5 深度學習基礎知識擴展 159
7.4 基于深度學習的人臉識別解決方案 161
7.4.1 數據的準備 161
7.4.2 數據集的讀取和處理 163
7.4.3 網絡的搭建 165
7.4.4 Model的訓練過程 167
7.4.5 Model的測試過程 168
7.5 本章小結 169
第8章 Penta Kill：人臉圖像美顏算法項目實戰 170
8.1 人臉磨皮算法 171
8.1.1 圖像濾波算法和效果 171
8.1.2 人臉磨皮算法設計 176
8.2 圖像的色彩空間 180
8.2.1 RGB和HSV色彩空間基礎知識 180
8.2.2 RGB和HSV轉換的數學描述和函數實現 180
8.2.3 圖片中的顏色檢測 181
8.3 人臉美白算法設計 183
8.3.1 通過圖層混合實現圖像美白算法 184
8.3.2 通過beta參數調整實現圖像美白算法 185
8.3.3 通過顏色查找表實現圖像美白算法 187
8.4 人臉的手動祛痘算法設計 189
8.4.1 圖像修復算法介紹 190
8.4.2 圖像修復的原理 190
8.4.3 通過圖像修復算法實現手動祛痘 191
8.5 本章小結 193
第9章 Legendary：AI時代圖像算法應用新生態 194
9.1 抖音中的圖像技術 195
9.1.1 抖音中的圖像應用概覽 195
9.1.2 抖音中的人臉檢測技術 195
9.1.3 抖音中的人臉檢測技術應用 197
9.1.4 抖音中的人體檢測技術 201
9.1.5 抖音中的人體檢測技術應用 201
9.1.6 抖音中的視頻技術 202
9.1.7 抖音中的圖像技術總結 205
9.2 美顏和美妝類App中的圖像技術 206
9.2.1 美顏和美妝類App圖像應用概覽 207
9.2.2 五官的調整 207
9.2.3 美妝算法 208
9.2.4 染發算法 209
9.2.5 五官分析 211
9.2.6 美顏相機和美妝相機中圖像技術的一些總結 213
9.3 電商中的圖像技術 213
9.3.1 電商中的圖像技術應用概覽 213
9.3.2 虛擬穿戴技術和商品3D展示 214
9.3.3 尺寸測量 214
9.3.4 相似商品推薦及以圖搜圖 215
9.4 本章小結 216