本书提供了相关工具和算法，能帮助读者实现分析和可视化图像处理。本书给出了60余个具体实例的解决方法，采用“菜谱式”方式组织内容，以期指导读者快速实践图像的分析和可视化处理，应对图像处理中的常见挑战，并学习如何执行复杂的任务，如对象检测、图像分割和使用大型混合数据集的图像重建，以及各种图像增强和图像恢复技术，如卡通化、梯度混合和稀疏字典学习。
本书适合计算机视觉工程师、图像处理工程师、软件工程师和机器学习工程师等专业人士阅读，也适合具有一定Python编程基础并希望进一步了解图像处理的细节和复杂性的读者参考。

第1章 图像处理与变换
1.1 技术要求
1.2 变换颜色空间（RGB→Lab）
1.2.1 准备工作
1.2.2 执行步骤
1.2.3 工作原理
1.2.4 更多实践
1.3 应用仿射变换
1.3.1 准备工作
1.3.2 执行步骤
1.3.3 工作原理
1.3.4 更多实践
1.4 应用透视变换和单应性变换
1.4.1 准备工作
1.4.2 执行步骤
1.4.3 工作原理
1.4.4 更多实践
1.5 基于图像创建铅笔草图
1.5.1 准备工作
1.5.2 执行步骤
1.5.3 工作原理
1.5.4 更多实践
1.6 创建卡通图像
1.6.1 准备工作
1.6.2 执行步骤
1.6.3 工作原理
1.6.4 更多实践
1.7 模拟光艺术长曝光
1.7.1 准备工作
1.7.2 执行步骤
1.7.3 工作原理
1.7.4 更多实践
1.8 在HSV颜色模型中使用颜色进行目标检测
1.8.1 准备工作
1.8.2 执行步骤
1.8.3 工作原理
第2章 图像增强
2.1 使用滤波器去除图像中不同类型的噪声
2.1.1 准备工作
2.1.2 执行步骤
2.1.3 工作原理
2.1.4 更多实践
2.2 基于去噪自编码器的图像去噪
2.2.1 准备工作
2.2.2 执行步骤
2.2.3 工作原理
2.2.4 更多实践
2.3 基于PCADFTDWT的图像去噪
2.3.1 准备工作
2.3.2 执行步骤
2.3.3 工作原理
2.3.4 更多实践
2.4 基于各向异性扩散的图像去噪
2.4.1 准备工作
2.4.2 执行步骤
2.4.3 工作原理
……
第3章 图像修复
第4章 二值图像处理
第5章 图像配准
第6章 图像分割
第7章 图像分类
第8章 图像中的目标检测
第9章 人脸识别、图像描述及其他技术