第 1章 摄影基础
1.1 摄影简史 016
1.1.1 摄影发展史 016
1.1.2 摄影流派 020
1.1.3 为什么学习摄影 022
1.2 摄影与图像基本概念 022
1.2.1 像素与分辨率 023
1.2.2 像素深度与颜色 024
1.2.3 焦距 027
1.2.4 光圈 028
1.2.5 ISO感光度与噪点 029
1.2.6 快门与慢门 031
1.2.7 色温与白平衡 032
1.2.8 对比度与清晰度 032
1.3 摄影基本技巧 034
1.3.1 颜色 034
1.3.2 构图 037
1.3.3 光线 043
1.4 小结 046
第 2章 图像美学
2.1 图像美学基础 048
2.1.1 什么是图像美学 048
2.1.2 图像美学的应用 048
2.1.3 图像美学数据集 050
2.1.4 图像美学的研究思路 052
2.2 传统美学质量评估方法 054
2.2.1 底层美学特征 055
2.2.2 摄影美学特征 056
2.2.3 通用与专用图像特征 058
2.3 深度学习美学质量评估方法 058
2.3.1 分类模型 059
2.3.2 回归模型 061
2.3.3 排序模型 062
2.3.4 多任务学习模型 063
2.4 建筑图像美学质量评估实战 064
2.4.1 数据集准备 065
2.4.2 模型设计与训练 068
2.4.3 模型测试 069
2.5 小结 075
第3章 自动构图
3.1 构图基础 078
3.1.1 构图的基本概念 078
3.1.2 构图的应用场景 080
3.1.3 显著目标数据集 081
3.1.4 构图数据集 082
3.2 自动构图的研究方法 085
3.2.1 自动构图的基本流程 085
3.2.2 基于构图准则的构图方法 086
3.2.3 基于显著图的构图方法 087
3.2.4 基于美学的研究方法 090
3.2.5 构图质量评估 092
3.3 实时自动构图算法实战 093
3.3.1 基于显著图的方法 093
3.3.2 与基于美学的方法对比 098
3.4 小结 100
第4章 图像去噪
4.1 图像去噪基础 103
4.1.1 摄影中的噪声 103
4.1.2 摄影中常用的去噪方法 105
4.1.3 常用去噪数据集 106
4.1.4 评估方法 109
4.2 传统去噪方法研究 111
4.2.1 噪声模型 111
4.2.2 常见滤波去噪方法 112
4.3 深度学习去噪方法研究 118
4.3.1 基本研究思路 118
4.3.2 核心技术 119
4.4 通用去噪模型实战 123
4.4.1 训练数据准备 124
4.4.2 模型训练 127
4.4.3 模型测试 130
4.5 小结 133
第5章 图像对比度与色调增强
5.1 图像增强基础 136
5.1.1 摄影中常用的图像增强操作 136
5.1.2 图像增强相关的数据集 139
5.2 传统的对比度与色调增强方法 141
5.2.1 像素灰度映射 141
5.2.2 Retinex理论 143
5.3 深度学习对比度与色调增强方法 145
5.3.1 基于像素回归的增强方法 145
5.3.2 基于参数预测的增强方法 149
5.4 自动对比度与色调增强实战 153
5.4.1 项目解读 153
5.4.2 模型训练 160
5.4.3 模型测试 162
5.5 小结 165
第6章 人脸美颜与美妆
6.1 美颜与美妆技术的种类和应用场景 168
6.2 基于滤波和变形的传统美颜算法 169
6.2.1 五官重塑算法 169
6.2.2 基于滤波的磨皮算法 171
6.2.3 基于肤色模型的美白与肤色算法 172
6.3 妆造迁移算法 173
6.3.1 传统妆造迁移算法 173
6.3.2 深度学习妆造迁移算法 175
6.4 妆造迁移算法实战 178
6.4.1 项目解读 179
6.4.2 模型训练 190
6.4.3 模型测试 192
6.5 小结 194
第7章 图像去模糊与超分
7.1 图像去模糊与超分基础 196
7.1.1 常见的模糊类型 196
7.1.2 超分的应用场景 197
7.1.3 去模糊和超分数据集 198
7.2 图像去模糊算法 199
7.2.1 基于优化的去模糊算法 199
7.2.2 基于深度学习模型的去模糊算法 200
7.3 图像超分算法 202
7.3.1 传统的超分算法 202
7.3.2 基于深度学习的超分算法 203
7.4 基于SRGAN的人脸图像超分重建实战 208
7.4.1 项目解读 208
7.4.2 模型训练 213
7.4.3 模型测试 217
7.5 小结 219
第8章 图像滤镜与风格化
8.1 摄影风格与滤镜基础 222
8.1.1 摄影中的不同风格 222
8.1.2 摄影滤镜与工具插件 224
8.2 传统的图像风格化方法 225
8.2.1 基于边缘的风格化 225
8.2.2 基于颜色的风格化 226
8.3 基于深度学习的风格化方法 228
8.3.1 风格迁移基础 228
8.3.2 基于图像优化的风格迁移算法 230
8.3.3 基于模型优化的风格迁移算法 232
8.4 基于图像优化的风格迁移算法实战 235
8.4.1 算法实现 235
8.4.2 模型训练与结果 241
8.5 小结 245
第9章 图像编辑
9.1 景深与背景编辑 248
9.1.1 摄影中的景深与背景虚化 248
9.1.2 深度数据集 250
9.1.3 基于深度学习模型的深度估计 251
9.1.4 景深编辑与重对焦 254
9.2 多重曝光与图像融合 258
9.2.1 摄影中的多重曝光 258
9.2.2 自动图像融合关键技术 260
9.3 纹理编辑与图像修复 264
9.3.1 图像修复应用和常用工具 265
9.3.2 基于深度学习模型的图像修复方法 266
9.4 小结 271
