Image Processing and CV with Python, 2nd Edition

Segunda edición ampliada de la obra de Sandipan Dey, planteada como una clase magistral integral que cubre desde problemas inversos y restauración matemática clásica hasta arquitecturas de aprendizaje profundo y visión artificial con Python 3. Está pensada para ingenieros de machine learning, desarrolladores e investigadores de nivel intermedio a avanzado que cuentan con una base sólida en programación con Python, cálculo multivariable y redes neuronales, y desean dominar tanto la teoría visual analítica como sus aplicaciones contemporáneas de alta exigencia.

El manual ofrece una cobertura técnica muy profunda apoyada en una amplia gama de librerías: NumPy, SciPy, OpenCV, scikit-image, scikit-learn, TensorFlow, Keras y PyTorch, junto con herramientas biomédicas especializadas como pydicom, ITK/SimpleITK y el framework nnUNet. Instruye en restauración de imágenes y regularización ante problemas inversos (deblurring, superresolución), algoritmos de inpainting para reconstruir zonas deterioradas, segmentación semántica y por instancias (U-Net y modelos convolucionales), extracción de características invariantes (SIFT, ORB), registro y alineación multimodal, y detección y reconocimiento de objetos en dominios especializados como la radiología clínica y la teledetección satelital.

En el terreno práctico se abordan proyectos completos y casos de estudio aplicados: segmentación automatizada de tumores cerebrales y lesiones pulmonares (como COVID-19) a partir de resonancias magnéticas y tomografías en formato DICOM, plataformas de registro y alineación de imágenes satelitales multiespectrales, y algoritmos de inpainting para supresión de oclusiones fotográficas. Es un recurso extraordinariamente completo y riguroso de más de 600 páginas; no obstante, requiere soltura matemática previa y disponibilidad de un entorno con GPU para entrenar y ejecutar los modelos de deep learning presentados.