人臉識別與美顏算法實戰(zhàn)：基于Python、機器學習與深度學習

推薦序
前言
第1章 AI時代：圖像技術背景知識 1
11 人工智能的前世今生 2
12 AI與CV的相互融合之路 3
13 AI圖像處理技術 5
14 本章小結 7
第2章 武器和鎧甲：開發(fā)環(huán)境配置 8
21 來自傳承的饋贈：OpenCV開源跨平臺機器視覺庫 8
211 OpenCV的整體概念 9
212 OpenCV的應用領域 9
213 OpenCV的編程語言 9
214 OpenCV支持的系統(tǒng) 10
215 OpenCV的線上資源 10
22 召喚萌寵：Python語言的“制霸”之路 10
221 Python語言的發(fā)展 11
222 Python 27X版本和3X版本的區(qū)別 11
223 本書采用的Python版本 13
23 鑄劍：基于PyCharm的系統(tǒng)環(huán)境配置 14
231 PyCharm在Mac OS系統(tǒng)下的安裝和配置 14
232 Mac OS系統(tǒng)下Anaconda的安裝和配置 17
24 牛刀小試：一起動手來寫個例子吧 19
25 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
31 圖像的基本概念 23

311 像素的概念 23
312 圖像的構成 24
313 圖像的格式 24
314 理解圖像的位深和通道的概念 25
32 圖像的讀取、顯示和存儲操作 26
321 OpenCV基本圖像處理函數(shù) 26
322 Python讀取一張圖片并顯示和存儲 27
33 從像素出發(fā)構建二維灰度圖像 28
331 NumPy科學計算庫 28
332 創(chuàng)建二維灰度圖像 30
333 灰度圖像的遍歷 31
34 灰度圖像和彩色圖像的變換 32
341 圖像的顏色空間 32
342 彩色圖像的通道分離和混合 33
343 彩色圖像的通道分離和混合程序示例 34
344 彩色圖像的二值化 35
345 彩色圖像的遍歷 37
346 彩色圖像和灰度圖像的轉換 38
35 圖像的幾何變換 40
351 圖像幾何變換的基本概念 40
352 插值算法 41
353 圖像的縮放 42
354 圖像的平移 44
355 圖像的旋轉 45
356 圖像的鏡像變換 47
36 圖像色彩空間基礎知識 48
361 圖像的色調、色相、飽和度、亮度和對比度 48
362 RGB色彩空間 49
363 HSV色彩空間 49
364 HSI色彩空間 50
37 圖像的直方圖 50
371 圖像直方圖的基本概念 50
372 繪制灰度圖像的直方圖 51
373 繪制彩色圖像的直方圖 53
374 圖像直方圖均衡化 54
375 圖像直方圖反向投影 56
38 本章小結 58
第4章 First Blood：第一波項目實戰(zhàn) 59
41 抖音哈哈鏡 60
411 抖音的哈哈鏡效果 60
412 哈哈鏡的原理 61
413 哈哈鏡的程序實現(xiàn) 61
42 給你一張老照片 64
421 懷舊風格算法原理 64
422 懷舊風格程序實現(xiàn) 65
43 給自己畫一張文藝范的素描 66
431 輪廓檢測算法原理 66
432 素描風格算法原理 67
433 素描風格算法的程序實現(xiàn) 68
44 來一張油畫吧 69
441 圖像油畫算法原理 69
442 圖像油畫算法的程序實現(xiàn) 69
45 如何打馬賽克 72
451 馬賽克算法原理 72
452 馬賽克算法的程序實現(xiàn) 72
46 打造自己的專屬肖像漫畫 74
461 漫畫風格算法原理 74
462 漫畫風格算法的程序實現(xiàn) 74
47 本章小結 76
第5章 Double Kill：視頻圖像處理理論和項目實戰(zhàn) 77
51 視頻處理流程和原理 78
511 視頻的捕獲和存儲 78
512 提取視頻中的某些幀 79
513 將圖片合成為視頻 80
514 多個視頻合并 81
52 抖音中的視頻抖動效果設計 82
521 視頻抖動的原理 82
522 視頻抖動的程序實現(xiàn) 83
53 抖音中的視頻閃白效果設計 85
531 視頻閃白的原理 86
532 視頻閃白的程序實現(xiàn) 87
54 抖音中的視頻霓虹效果設計 90
541 視頻霓虹的原理 90
542 視頻霓虹效果的程序實現(xiàn) 91
55 抖音中的視頻時光倒流效果設計 94
551 視頻時光倒流的原理 94
552 視頻時光倒流的程序實現(xiàn) 94
56 抖音中的視頻反復效果設計 95
561 視頻反復的原理 95
562 視頻反復的程序實現(xiàn) 95
57 抖音中的視頻慢動作效果設計 96
571 視頻慢動作的原理 97
572 視頻慢動作的程序實現(xiàn) 97
58 視頻人物漫畫風格濾鏡設計 98
59 本章小結 99
第6章 Triple Kill：基于機器學習的人臉識別 100
61 機器學習的基本概念 101
611 機器學習的目的 101
612 機器學習的內(nèi)容 102
613 機器學習的作用 103
614 如何使用機器學習獲得的東西 105
615 使用機器學習方法的時機 106
616 總結機器學習的基本概念 108
62 機器學習中的圖像預處理流程 112
621 一個經(jīng)典的機器學習圖像處理實例 112
622 人臉識別機器學習Model訓練思路 113
623 正樣本圖像預處理 113
624 負樣本圖像預處理 121
63 人臉檢測機器學習算法設計 123
631 圖像特征 123
632 Harr-like特征求值加速算法 127
633 圖像分類器 128
634 人臉檢測的訓練算法流程 130
635 人臉檢測的檢測算法流程 131
64 訓練人臉檢測分類器并測試 132
641 訓練準備 132
642 開始訓練 133
643 模型測試 134
65 本章小結 135
第7章 Quatary Kill：基于深度學習的人臉識別 137
71 深度學習的基本概念 138
711 深度學習簡介 138
712 深度學習和機器學習的區(qū)別 139
713 深度學習入門概念 141
72 卷積神經(jīng)網(wǎng)絡 147
721 卷積的原理 147
722 池化層的原理 150
723 全連接層的原理 150
724 一個經(jīng)典的CNN網(wǎng)絡結構 152
73 手寫數(shù)字分類項目 153
731 訓練環(huán)境的搭建 153
732 訓練數(shù)據(jù)的準備 154
733 訓練網(wǎng)絡的搭建 155
734 訓練代碼 158
735 深度學習基礎知識擴展 159
74 基于深度學習的人臉識別解決方案 161
741 數(shù)據(jù)的準備 161
742 數(shù)據(jù)集的讀取和處理 163
743 網(wǎng)絡的搭建 165
744 Model的訓練過程 167
745 Model的測試過程 168
75 本章小結 169
第8章 Penta Kill：人臉圖像美顏算法項目實戰(zhàn) 170
81 人臉磨皮算法 171
811 圖像濾波算法和效果 171
812 人臉磨皮算法設計 176
82 圖像的色彩空間 180
821 RGB和HSV色彩空間基礎知識 180
822 RGB和HSV轉換的數(shù)學描述和函數(shù)實現(xiàn) 180
823 圖片中的顏色檢測 181
83 人臉美白算法設計 183
831 通過圖層混合實現(xiàn)圖像美白算法 184
832 通過beta參數(shù)調整實現(xiàn)圖像美白算法 185
833 通過顏色查找表實現(xiàn)圖像美白算法 187
84 人臉的手動祛痘算法設計 189
841 圖像修復算法介紹 190
842 圖像修復的原理 190
843 通過圖像修復算法實現(xiàn)手動祛痘 191
85 本章小結 193
第9章 Legendary：AI時代圖像算法應用新生態(tài) 194
91 抖音中的圖像技術 195
911 抖音中的圖像應用概覽 195
912 抖音中的人臉檢測技術 195
913 抖音中的人臉檢測技術應用 197
914 抖音中的人體檢測技術 201
915 抖音中的人體檢測技術應用 201
916 抖音中的視頻技術 202
917 抖音中的圖像技術總結 205
92 美顏和美妝類App中的圖像技術 206
921 美顏和美妝類App圖像應用概覽 207
922 五官的調整 207
923 美妝算法 208
924 染發(fā)算法 209
925 五官分析 211
926 美顏相機和美妝相機中圖像技術的一些總結 213
93 電商中的圖像技術 213
931 電商中的圖像技術應用概覽 213
932 虛擬穿戴技術和商品3D展示 214
933 尺寸測量 214
934 相似商品推薦及以圖搜圖 215
94 本章小結 216