本書內(nèi)容涉及攝影學、計算機視覺、深度學習3個領(lǐng)域，系統(tǒng)地介紹了計算機視覺在圖像質(zhì)量和攝影學各個領(lǐng)域的核心算法和應用，包括傳統(tǒng)的圖像處理算法和深度學習核心算法。本書理論知識體系完備，同時提供大量實例，供讀者實戰(zhàn)演練。
本書融合攝影學和計算機視覺的內(nèi)容，覆蓋面非常廣。第1章簡單介紹攝影的歷史、攝影與圖像的基本概念和攝影中的許多基本技巧。從第2章開始，本書對攝影學中圖像處理算法的各個重要方向進行介紹，包括使用計算機視覺技術(shù)對攝影作品進行定量的質(zhì)量評估、后期自動構(gòu)圖、噪聲的去除、對比度增強和色調(diào)增強、人臉美顏與美妝、圖像的去模糊和分辨率提升、藝術(shù)風格濾鏡、景深的估計和編輯、圖像的融合等，涵蓋當前攝影后期軟件的主要功能，并全部是基于算法進行自動實現(xiàn)的。
本書適合計算機視覺行業(yè)從業(yè)者、攝影專業(yè)人士和愛好者、對當下智能攝影后期核心技術(shù)感興趣并且想要有所提高的學生、工程技術(shù)人員或相關(guān)專業(yè)教師閱讀。本書既可以作為核心算法教程用于學習理論知識，也可以作為工程參考手冊用于查閱相關(guān)技術(shù)。
1．循序漸進
本書首先從攝影中的基礎(chǔ)概念，尤其是其中涉及到的圖像知識開始講述，然后過渡到攝影與圖像交叉的各個領(lǐng)域。
從攝影作品的美學評價算法，自動構(gòu)圖算法，過渡到對攝影作品的常用編輯技術(shù)，包括噪聲去除、對比度增強、色調(diào)增強、去模糊以及分辨率提升，然后對當前更先進的人像美顏、圖像風格化技術(shù)進行了介紹，最后介紹了最有難度的圖像景深編輯我，紋理編輯，圖像融合技術(shù)。內(nèi)容由淺入深，覆蓋了大量應用場景，適合系統(tǒng)性進階學習。
2．內(nèi)容全面與前沿
本書共9個章節(jié)，其中從第2章到第9章，對攝影中的圖像評價和編輯等各個方向的技術(shù)和應用進行了介紹。雖然本書主要專注于深度學習技術(shù)，但是在介紹每一個章節(jié)時，筆者仍然會首先介紹其中重要的傳統(tǒng)算法，方便讀者對以前的技術(shù)進行學習和融會貫通，隨后在這個基礎(chǔ)上重點介紹深度學習技術(shù)近些年來在該方向中的發(fā)展脈絡，內(nèi)容全面，緊隨前沿。
3．理論與實踐緊密結(jié)合
本書完整剖析了攝影中所使用到的圖像算法，對應章節(jié)不停留于理論的闡述和簡單的結(jié)果展示，而是從夯實理論到完成實戰(zhàn)一氣呵成。相信跟隨著本書進行學習，在對圖像美學算法甚至是攝影作品本身的理解中，你一定會受益匪淺。
4．圖表清晰豐富
本書所有的圖都是作者親手拍攝以及繪制，即保證了內(nèi)容的原創(chuàng)性，又保證了圖像的質(zhì)量，力圖讓本書成為一本高顏值的算法書籍。
5. 配套資源豐富
贈送書中所有案例的源代碼文件；贈送計算機視覺在線視頻課程一套，方便讀者進行拓展學習。
6. 全彩印刷
龍鵬讀于華中科技大學，中國科學院，先后就職于奇虎360AI研究院，陌陌深度學習實驗室，6年計算機視覺從業(yè)經(jīng)驗，擁有豐富的傳統(tǒng)圖像算法和深度學習圖像項目經(jīng)驗，擁有AI公眾號《與有三學AI》，知乎專欄《有三AI學院》，攝影公眾號《有三工作室》等，在gitchat平臺開設《AI 程序員碼說攝影圖像基礎(chǔ)》，《AI圖像識別項目從入門到上線》圖文課程，在蜂口小程序開設過《caffe圖像分割項目實戰(zhàn)》，《深度學習與人臉圖像應用》
第 1章 攝影基礎(chǔ)
1.1 攝影簡史 016
1.1.1 攝影發(fā)展史 016
1.1.2 攝影流派 020
1.1.3 為什么學習攝影 022
1.2 攝影與圖像基本概念 022
1.2.1 像素與分辨率 023
1.2.2 像素深度與顏色 024
1.2.3 焦距 027
1.2.4 光圈 028
1.2.5 ISO感光度與噪點 029
1.2.6 快門與慢門 031
1.2.7 色溫與白平衡 032
1.2.8 對比度與清晰度 032
1.3 攝影基本技巧 034
1.3.1 顏色 034
1.3.2 構(gòu)圖 037
1.3.3 光線 043
1.4 小結(jié) 046
第 2章 圖像美學
2.1 圖像美學基礎(chǔ) 048
2.1.1 什么是圖像美學 048
2.1.2 圖像美學的應用 048
2.1.3 圖像美學數(shù)據(jù)集 050
2.1.4 圖像美學的研究思路 052
2.2 傳統(tǒng)美學質(zhì)量評估方法 054
2.2.1 底層美學特征 055
2.2.2 攝影美學特征 056
2.2.3 通用與專用圖像特征 058
2.3 深度學習美學質(zhì)量評估方法 058
2.3.1 分類模型 059
2.3.2 回歸模型 061
2.3.3 排序模型 062
2.3.4 多任務學習模型 063
2.4 建筑圖像美學質(zhì)量評估實戰(zhàn) 064
2.4.1 數(shù)據(jù)集準備 065
2.4.2 模型設計與訓練 068
2.4.3 模型測試 069
2.5 小結(jié) 075
第3章 自動構(gòu)圖
3.1 構(gòu)圖基礎(chǔ) 078
3.1.1 構(gòu)圖的基本概念 078
3.1.2 構(gòu)圖的應用場景 080
3.1.3 顯著目標數(shù)據(jù)集 081
3.1.4 構(gòu)圖數(shù)據(jù)集 082
3.2 自動構(gòu)圖的研究方法 085
3.2.1 自動構(gòu)圖的基本流程 085
3.2.2 基于構(gòu)圖準則的構(gòu)圖方法 086
3.2.3 基于顯著圖的構(gòu)圖方法 087
3.2.4 基于美學的研究方法 090
3.2.5 構(gòu)圖質(zhì)量評估 092
3.3 實時自動構(gòu)圖算法實戰(zhàn) 093
3.3.1 基于顯著圖的方法 093
3.3.2 與基于美學的方法對比 098
3.4 小結(jié) 100
第4章 圖像去噪
4.1 圖像去噪基礎(chǔ) 103
4.1.1 攝影中的噪聲 103
4.1.2 攝影中常用的去噪方法 105
4.1.3 常用去噪數(shù)據(jù)集 106
4.1.4 評估方法 109
4.2 傳統(tǒng)去噪方法研究 111
4.2.1 噪聲模型 111
4.2.2 常見濾波去噪方法 112
4.3 深度學習去噪方法研究 118
4.3.1 基本研究思路 118
4.3.2 核心技術(shù) 119
4.4 通用去噪模型實戰(zhàn) 123
4.4.1 訓練數(shù)據(jù)準備 124
4.4.2 模型訓練 127
4.4.3 模型測試 130
4.5 小結(jié) 133
第5章 圖像對比度與色調(diào)增強
5.1 圖像增強基礎(chǔ) 136
5.1.1 攝影中常用的圖像增強操作 136
5.1.2 圖像增強相關(guān)的數(shù)據(jù)集 139
5.2 傳統(tǒng)的對比度與色調(diào)增強方法 141
5.2.1 像素灰度映射 141
5.2.2 Retinex理論 143
5.3 深度學習對比度與色調(diào)增強方法 145
5.3.1 基于像素回歸的增強方法 145
5.3.2 基于參數(shù)預測的增強方法 149
5.4 自動對比度與色調(diào)增強實戰(zhàn) 153
5.4.1 項目解讀 153
5.4.2 模型訓練 160
5.4.3 模型測試 162
5.5 小結(jié) 165
第6章 人臉美顏與美妝
6.1 美顏與美妝技術(shù)的種類和應用場景 168
6.2 基于濾波和變形的傳統(tǒng)美顏算法 169
6.2.1 五官重塑算法 169
6.2.2 基于濾波的磨皮算法 171
6.2.3 基于膚色模型的美白與膚色算法 172
6.3 妝造遷移算法 173
6.3.1 傳統(tǒng)妝造遷移算法 173
6.3.2 深度學習妝造遷移算法 175
6.4 妝造遷移算法實戰(zhàn) 178
6.4.1 項目解讀 179
6.4.2 模型訓練 190
6.4.3 模型測試 192
6.5 小結(jié) 194
第7章 圖像去模糊與超分
7.1 圖像去模糊與超分基礎(chǔ) 196
7.1.1 常見的模糊類型 196
7.1.2 超分的應用場景 197
7.1.3 去模糊和超分數(shù)據(jù)集 198
7.2 圖像去模糊算法 199
7.2.1 基于優(yōu)化的去模糊算法 199
7.2.2 基于深度學習模型的去模糊算法 200
7.3 圖像超分算法 202
7.3.1 傳統(tǒng)的超分算法 202
7.3.2 基于深度學習的超分算法 203
7.4 基于SRGAN的人臉圖像超分重建實戰(zhàn) 208
7.4.1 項目解讀 208
7.4.2 模型訓練 213
7.4.3 模型測試 217
7.5 小結(jié) 219
第8章 圖像濾鏡與風格化
8.1 攝影風格與濾鏡基礎(chǔ) 222
8.1.1 攝影中的不同風格 222
8.1.2 攝影濾鏡與工具插件 224
8.2 傳統(tǒng)的圖像風格化方法 225
8.2.1 基于邊緣的風格化 225
8.2.2 基于顏色的風格化 226
8.3 基于深度學習的風格化方法 228
8.3.1 風格遷移基礎(chǔ) 228
8.3.2 基于圖像優(yōu)化的風格遷移算法 230
8.3.3 基于模型優(yōu)化的風格遷移算法 232
8.4 基于圖像優(yōu)化的風格遷移算法實戰(zhàn) 235
8.4.1 算法實現(xiàn) 235
8.4.2 模型訓練與結(jié)果 241
8.5 小結(jié) 245
第9章 圖像編輯
9.1 景深與背景編輯 248
9.1.1 攝影中的景深與背景虛化 248
9.1.2 深度數(shù)據(jù)集 250
9.1.3 基于深度學習模型的深度估計 251
9.1.4 景深編輯與重對焦 254
9.2 多重曝光與圖像融合 258
9.2.1 攝影中的多重曝光 258
9.2.2 自動圖像融合關(guān)鍵技術(shù) 260
9.3 紋理編輯與圖像修復 264
9.3.1 圖像修復應用和常用工具 265
9.3.2 基于深度學習模型的圖像修復方法 266
9.4 小結(jié) 271
書單推薦
