《计算机视觉之PyTorch数字图像处理》读后感2.第1~5章阅读总结

卿小小

《计算机视觉之PyTorch数字图像处理》读后感2.第1~5章阅读总结 [复制链接]

《计算机视觉之PyTorch数字图像处理》读后感2.第1~5章阅读总结

《计算机视觉之PyTorch数字图像处理》的第1~5章主要是数字图像处理的基础知识、Python基础和开发环境给的搭建，这些知识为我们进一步探索计算机视觉领域打下了坚实的基础。

第1章：数字图像处理简介

第1章主要是数字图像处理的简介，通过介绍人类视觉原理，掌握数字图像的基本概念和类型；同时，还学习数字图像处理的发展历程和主要内容；并且熟悉PyTorch在图像处理中的应用。在案例讲解过程中，本书提供人类视觉系统和成像原理的图解，展示不同数字图像类型的对比图。

知识框架：

• 人类视觉系统：探讨了视觉感知和认知，以及小孔成像和凸透镜成像原理。

• 数字图像基础：介绍了图像概念、数字图像类型和存储。

• 数字图像处理：涵盖数字图像处理的发展、内容和PyTorch框架的应用。

第2章：搭建开发环境

第2章详细说明了PyTorch安装命令和版本兼容性说明，主要是Python和CUDA安装步骤，包括图像处理相关的第三方库，如NumPy、Pillow。

知识框架：

• Python和CUDA：介绍Python的发展历程、安装和CUDA的配置。

• Python第三方库：检索、安装图像处理相关的第三方库。

• PyTorch安装：详细步骤和注意事项。

第3章：Python编程基础

第3章主要是Python的基本语法和数据结构，学习PyTorch中张量的操作，包括创建、运算和变换，使用Visdom进行数据可视化，包括图像显示和图表绘制。

知识框架：

• Python语言基础：数据类型、流程控制、函数和模块。

• PyTorch基础：张量的创建、运算和变换。

• Visdom基础：图像和图表的绘制方法。

第4章：图像处理基础

第4章详细介绍了图像运算处理的基础内容。

知识框架：

• 图像与张量的互操作：图像转张量，张量转图像。

• 图像的点运算：增强、颜色空间变换、亮度变换、二值化、蒙板和混合。

• 图像的邻域运算：邻域生成、滤波去噪、形态学运算。

• 图像的全局运算：旋转、翻转、缩放、裁切和直方图均衡化。

 

第5章：图像的基础特征

第5章主要讲了图像特征点的提取和检测方法，以及图像的聚类方法。

知识框架：

• 图像的特征点：Harris角点的检测和提取。

• 图像的线特征：Roberts、Prewitt、Sobel、Scharr和Laplacian算子。

• 图像的面特征：K-均值聚类和SLIC算法。

//------end