圖像視頻濾鏡與人像美顏美妝算法詳解

定　價：￥109.00

作　者：	胡耀武著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121390180	出版時間：	2020-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	496	字數(shù)：

內(nèi)容簡介

　　本書主要介紹了與圖像視頻濾鏡和人像美顏美妝特效相關(guān)的算法基礎(chǔ)知識與方法思路。從多年前的Photoshop到今天的手機拍照App，以及功能強大的智能圖像處理軟件的普及程度可以看出，濾鏡、美顏和美妝已是照片/視頻美化操作不可或缺的部分。本書從傳統(tǒng)方法開始，系統(tǒng)地講述了調(diào)色、濾波、變形等圖像算法，并以此為基礎(chǔ)講解了各種圖像濾鏡、人像美顏美妝特效的算法思路與代碼實現(xiàn)，最后擴展到基于深度學(xué)習(xí)的AI濾鏡及美顏算法。全書條理清晰，由簡到難，通俗易懂。本書非常適合對圖像算法，尤其是圖像特效、人臉美化感興趣的初學(xué)者，或者想從事相關(guān)工作但又缺少經(jīng)驗的人員，抑或是圖像美化相關(guān)領(lǐng)域的設(shè)計師等。

作者簡介

　　胡耀武，CSDN博客專家，2012年碩士畢業(yè)于浙江理工大學(xué)信號與信息系統(tǒng)專業(yè)。先后供職于杭州虹軟科技有限公司、杭州九言科技有限公司、杭州趣維科技有限公司等上市公司和獨角獸互聯(lián)網(wǎng)公司，現(xiàn)為杭州趣維科技有限公司（小影App）資深視覺圖像算法工程師。多年來專注于圖像濾鏡、人像美顏美妝、動漫手繪等相關(guān)圖像特效算法的研究，曾負責(zé)多款億級用戶量App的圖像算法研發(fā)工作，擁有數(shù)十個算法專利申請，在人像美化特效方面有著深厚的積累和經(jīng)驗。

圖書目錄

目錄
第1章　圖像基礎(chǔ)必備\t1
1．1　Photoshop功能模塊介紹\t1
1．1．1　顏色模式\t2
1．1．2　RGB顏色模式基礎(chǔ)調(diào)節(jié)\t3
1．2　圖像顏色空間\t9
1．2．1　RGB顏色空間\t9
1．2．2　HSV顏色空間\t19
1．2．3　YUV顏色空間\t24
1．2．4　CIELab顏色空間\t27
1．3　圖像處理基礎(chǔ)算法\t33
1．3．1　圖像灰度化\t33
1．3．2　圖像閾值化\t36
1．3．3　圖像直方圖\t38
1．3．4　圖像的亮度/對比度調(diào)整\t41
1．3．5　圖像的飽和度調(diào)整\t45
1．4　圖像濾波與銳化算法\t48
1．4．1　圖像均值濾波\t49
1．4．2　圖像高斯濾波\t54
1．4．3　圖像拉普拉斯銳化\t60
1．4．4　圖像USM銳化\t63
1．5　圖像邊緣檢測算法\t67
1．5．1　Sobel邊緣檢測\t67
1．5．2　經(jīng)典Canny邊緣檢測\t72
1．6　本章小結(jié)\t79
參考資料\t79
第2章　照片濾鏡詳解\t81
2．1　初識濾鏡\t81
2．2　顏色濾鏡\t85
2．2．1　算法顏色濾鏡\t85
2．2．2　LUT顏色濾鏡\t89
2．3　幾何濾鏡\t96
2．4　混合濾鏡\t100
2．5　智能濾鏡\t102
2．6　“美圖秀秀”中的阿寶色濾鏡算法與實現(xiàn)\t104
2．7　Instagram 1977濾鏡算法與實現(xiàn)\t113
2．8　本章小結(jié)\t118
參考資料\t119
第3章　人像美顏算法詳解\t120
3．1　圖像保邊濾波算法\t120
3．1．1　雙邊濾波算法\t121
3．1．2　Surface Blur濾波算法\t128
3．1．3　Guided濾波算法\t133
3．1．4　局部均值濾波算法\t140
3．1．5　Anisotropic濾波算法\t147
3．1．6　Smart Blur濾波算法\t153
3．1．7　MeanShift濾波算法\t158
3．1．8　BEEPS濾波算法\t165
3．1．9　其他濾波算法\t173
3．2　人像皮膚檢測算法\t174
3．2．1　基于顏色空間的皮膚檢測算法\t175
3．2．2　基于高斯模型的膚色概率計算方法\t182
3．2．3　皮膚檢測在磨皮中的應(yīng)用\t185
3．3　人像美膚算法\t188
3．3．1　皮膚美白算法\t189
3．3．2　皮膚調(diào)色算法\t196
3．4　人像磨皮算法\t199
3．4．1　通用磨皮算法\t200
3．4．2　通道磨皮算法\t203
3．4．3　高反差磨皮算法\t208
3．4．4　細節(jié)疊加磨皮算法\t214
3．4．5　其他磨皮算法\t217
3．5　人像美顏算法與實戰(zhàn)\t219
3．5．1　“美顏相機”中的效果分析\t219
3．5．2　“美顏相機”中的效果實現(xiàn)\t222
3．6　本章小結(jié)\t233
參考資料\t233
第4章　人像變形特效算法詳解\t236
4．1　基礎(chǔ)圖像變形算法\t236
4．1．1　圖像仿射變換\t237
4．1．2　圖像透視變換\t242
4．1．3　圖像反距離加權(quán)（IDW）插值變形算法\t246
4．1．4　圖像特征線變形算法\t250
4．1．5　圖像MLS變形算法\t258
4．1．6　圖像三角剖分變形算法\t273
4．2　人像美顏變形算法\t274
4．2．1　人像美顏瘦臉算法之手動瘦臉\t275
4．2．2　人像美顏瘦臉算法之自動瘦臉\t279
4．2．3　人像美顏大眼算法\t286
4．2．4　其他臉部變形算法\t291
4．3　本章小結(jié)\t293
參考資料\t293
第5章　人像美妝算法詳解\t294
5．1　美妝算法簡介\t294
5．2　美妝算法―美瞳\t298
5．2．1　美瞳效果的PS實現(xiàn)\t298
5．2．2　美瞳效果的算法實現(xiàn)\t300
5．3　美妝算法―腮紅\t307
5．3．1　腮紅效果的PS實現(xiàn)\t308
5．3．2　腮紅效果的算法實現(xiàn)\t309
5．4　美妝算法―眼妝\t315
5．4．1　眼妝算法―眼影\t315
5．4．2　眼妝算法―眼線/睫毛/雙眼皮\t325
5．5　美妝算法―眉毛\t332
5．5．1　美眉效果的PS實現(xiàn)\t333
5．5．2　美眉效果的算法實現(xiàn)\t334
5．6　美妝算法―立體修鼻\t338
5．6．1　立體修鼻效果的PS實現(xiàn)\t339
5．6．2　立體修鼻效果的算法實現(xiàn)\t340
5．7　美妝算法―唇妝\t344
5．7．1　唇彩效果的PS實現(xiàn)\t345
5．7．2　唇彩效果的算法實現(xiàn)\t347
5．7．3　唇彩的其他算法實現(xiàn)\t357
5．8　仿“美妝相機”DEMO實戰(zhàn)\t361
5．8．1　美妝軟件―DLL算法部分\t362
5．8．2　美妝軟件―UI交互部分\t364
5．9　本章小結(jié)\t381
第6章　AI美顏算法基礎(chǔ)必備\t382
6．1　AI美顏發(fā)展現(xiàn)狀\t382
6．2　經(jīng)典人臉檢測網(wǎng)絡(luò)MTCNN\t383
6．2．1　IOU和NMS\t383
6．2．2　MTCNN網(wǎng)絡(luò)剖析\t385
6．3　經(jīng)典圖像分割網(wǎng)絡(luò)U-Net\t388
6．4　經(jīng)典殘差網(wǎng)絡(luò)ResNet\t392
6．5　阿里前向推理引擎MNN\t397
6．5．1　MNN推理引擎介紹\t398
6．5．2　MNN編譯與模型轉(zhuǎn)換工具\t400
6．5．3　MNN的使用\t404
6．5．4　MNN的測試工程\t407
6．6　本章小結(jié)\t409
參考資料\t409
第7章　AI美顏算法詳解\t411
7．1　AI美顏概述\t412
7．2　AI美顏之人像分割算法\t413
7．3　AI美顏之背景虛化\t417
7．4　AI美顏之人像染發(fā)\t423
7．4．1　頭發(fā)分割模塊\t424
7．4．2　頭發(fā)染色模塊\t427
7．5　AI美顏之美甲\t431
7．5．1　指甲分割模塊\t433
7．5．2　指甲染色模塊\t436
7．6　AI美顏之智能磨皮\t446
7．6．1　通用AI美顏磨皮框架\t446
7．6．2　AI皮膚分割模塊\t447
7．6．3　美顏模塊\t450
7．7　AI美顏之人臉檢測\t455
7．7．1　分析人臉檢測算法\t455
7．7．2　實現(xiàn)人臉檢測算法\t456
7．8　AI美顏之人臉關(guān)鍵點檢測\t466
7．8．1　網(wǎng)絡(luò)設(shè)計\t466
7．8．2　數(shù)據(jù)準備\t469
7．8．3　訓(xùn)練與測試\t470
7．9　AI美顏之性別識別\t471
7．10　其他AI美顏技術(shù)探討\t474
7．10．1　AI濾鏡\t474
7．10．2　AI美妝\t477
7．10．3　AI瘦身\t478
7．10．4　AI換臉\t479
7．10．5　AI顏值評分\t481
7．11　本章小結(jié)\t481
參考資料\t482