近年来，有关人工智能的应用与实践越来越多，电影特效领域包括了图形渲染技术、图像处理技术、云计算技术和视觉设计艺术，随着相关技术的发展，其视觉表现和效果将不断完善和进步。而随着人工智能技术的推广和普及，在电影特效制作领域获得了越来越多的应用。
现阶段，数字图像处理与人工智能在电影特效制作中的相关成体系的技术资料并不多。本书作为学习参考用书，其面向对象为具备一定编程能力的数字媒体技术专业本科生、研究生或正在学习影视特效技术基础的专业人员。
本书是“数字媒体艺术与技术系列丛书”中的一个分册，语言通俗、案例丰富，在内容的编排上，分为数字图像处理概论、人工智能在电影特效制作中的应用两大模块。书中结合了具体案例，从基础的数字图像处理知识讲起，解释每个步骤的原理和过程，使数字图像处理与人工智能技术在电影特效中的应用方案能为读者迅速的理解和掌握。
第１章数字图像基础 １
１．１ 数字图像处理的概念 １
１．２ 数字图像处理的应用 ２
１．３ 图像数字化的概念 ２
１．４ 图像采样与量化 ３
１．５ 直方图 ６
１．６ 读取、显示和保存图像案例 ９
第２章 空域处理 １２
２．１ 点运算 １２
２．２ 代数运算 １４
２．３ 仿射变换 １６
第３章 频域处理 ３３
３．１ 二维离散傅里叶变换 ３３
３．２ 快速傅里叶变换 ３５
３．３ 傅里叶变换中的高频低频分量 ３６
３．４ 离散余弦变换 ４２
３．５ 卷积定理 ４４
３．６ 滤波器设计 ５０
３．７ 卷积函数案例 ５３
３．８ 中值滤波与维纳滤波 ５５
第４章 图像边缘检测 ５７
４．１ 边缘的定义 ５７
４．２ 灰度阈值法分割 ５７
４．３ 边缘检测案例 ５８
第５章 图像压缩与编码 ６２
５．１ 图像压缩概述 ６２
５．２ 图像编码 ６４
５．３ 图像压缩与传输模型 ６６
５．４ 常见无损编码方式 ６７
第６章 数学形态学 ７５
６．１ 数学形态学的步骤与优势 ７５
６．２ 与数学形态学相关的集合的基本概念 ７５
６．３ 膨胀和腐蚀 ７６
６．４ 开运算和闭运算 ８０
６．５ 基本的形态学算法应用 ８２
６．６ 灰度形态学 ８３
第７章 特征识别基础 ８６
７．１ 霍夫变换 ８６
７．２ 拉东变换 ８９
第８章 人工智能理论基础 ９２
８．１ 人工智能的定义与发展 ９２
８．２ 机器学习概述 ９３
８．３ 线性回归 ９４
８．４ 感知机与前馈神经网络 ９７
８．５ 线性判别分析 １００
８．６ 决策树 １０３
８．７ 朴素贝叶斯 １０７
８．８ Ｋ近邻算法 １１０
８．９ 支持向量机 １１２
８．１０ 聚类 １１７
第９章 神经网络的简单实现 １２１
９．１ Ｐｙｔｈｏｎ环境配置 １２１
９．２ 数学函数库Ｎｕｍｐｙ １２４
９．３ 神经网络框架Ｐｙｔｏｒｃｈ １２９
９．４ 卷积神经网络 １３３
９．５ 手写数字识别 １４３
９．６ 多分类任务 １４７
第１０章 光流网络 １５１
１０．１ 光流计算原理 １５１
１０．２ Ｌｕｃａｓ Ｋａｎａｄｅ光流估计算法 １５２
１０．３ Ｆａｒｎｅｂａｃｋ稠密光流 １５６
１０．４ 光流数据集ＦｌｙｉｎｇＣｈａｉｒｓ １５８
１０．５ ＦｌｏｗＮｅｔ网络 １５９
１０．６ ＦｌｏｗＮｅｔ２．０网络 １６６
第１１章 生成对抗网络 １７１
１１．１ 生成对抗网络概述 １７１
１１．２ 利用生成对抗网络进行超分辨率图像生成 １７９
１１．３ 利用生成对抗网络进行图像风格迁移 １８１
第１２章 神经网络综合应用 １８５
１２．１ 着色网络 １８５
１２．２ ＡｒｔＬｉｎｅ图像线框提取 １８７
１２．３ 人体姿态估计 １８９
参考文献 １９９
