Practical Machine Learning and Image Processing

Guía práctica y resumida de Himanshu Singh orientada a resolver problemas comunes de visión computacional mediante modelos de aprendizaje automático y Python 3. Está pensada para desarrolladores y estudiantes de nivel intermedio o iniciación al machine learning que ya conocen la sintaxis de Python y buscan un enfoque directo y ágil, centrado en código funcional para reconocimiento de patrones visuales sin extenderse en deducciones matemáticas complejas.

El autor repasa los fundamentos del tratamiento de imágenes valiéndose de librerías esenciales como scikit-image, OpenCV, scikit-learn, NumPy y TensorFlow. Explica el manejo matricial de imágenes, filtros espaciales y transformaciones morfológicas, y enseña cómo combinar rasgos extraídos con clasificadores tradicionales como AdaBoost y XGBoost, redes neuronales acopladas por pulsos (Pulse Coupled Neural Networks - PCNN) y redes neuronales convolucionales (CNN) para clasificación y reconocimiento de formas.

En la sección práctica se implementan varios casos de uso reales y pruebas de concepto: extracción y segmentación de las líneas principales de la palma de la mano con filtros Canny, detección y clasificación de rostros humanos, y seguimiento de carriles y movimiento en video para aplicaciones de transporte. Con menos de 170 páginas, es un texto muy accesible que sirve como trampolín para entender cómo integrar OpenCV con algoritmos predictivos clásicos, si bien deja fuera la optimización avanzada de modelos a gran escala y arquitecturas profundas complejas.