はじめに

画像処理・画像認識の理論を学びたいと考える人におすすめの本厳選3選を紹介する。

画像処理・画像認識の技術の学習を進める上で役に立った書籍3冊を下記の流れにて紹介する。

想定読者

画像認識の理論を学ぶなら

画像処理・画像認識の理論を学びたいのであれば、以下の3冊の本を強くおすすめする。

なぜ、「ディジタル画像処理」、「プログラミングのための線形代数」、「プログラマのためのディープラーニングのしくみがわかる数学入門」の3冊が画像処理・画像認識を学ぶのにおすすめであるかを説明する。

下記図は画像処理・画像認識に必要な知識と各書籍のカバー範囲を示している。
画像処理・画像認識に必要となる数学的知識を抑えながら、画像処理・認識の理論を学ぶことができる。

「ディジタル画像処理」は画像処理・画像認識の基本的知識とその土台となる数学的知識を学ぶのに適している。
ただし、土台となる数学的知識を説明しきることを目的とした書籍ではないため、別途学習が必要となる。

そこで、「プログラミングのための線形代数」、「プログラマのためのディープラーニングのしくみがわかる数学入門」の2冊で数学的知識のカバーを行う。

「プログラミングのための線形代数」は画像認識技術のもっとも重要な基盤技術である線形代数をカバーしている。
画像認識はフィルタ処理の連続であるため、線形代数を基本からきちんとカバーしておくことには意義がある。

「プログラマのためのディープラーニングのしくみがわかる数学入門」では、画像認識の基本的知識となる微分積分・線形代数・確率論と画像認識・機械学習技術をカバーしている。
ただし、これら数学的知識に関しては0から説明されているわけではないため、高校数学程度の前提知識は必要になるかと思う。

これら3冊を学習することで、画像処理・画像認識に必要となる数学的知識を抑えながら、画像処理・認識の理論を学ぶことができる。

では実際に、どのように読み進めていくのが良いかを紹介する。

「ディジタル画像処理」は数学的知識・理論を網羅した後、再度この本に戻ってくる。
数学的背景がわかっているため、更に理解を深めることができる。

まず始めに、「ディジタル画像処理」を読み進めることで、画像処理・画像認識技術の全体像を把握する。
途中、数学的理論などでわからないことがあっても、問題ない。
概要を把握することが目的であるため、ざっくり読み進めていく。

その後、「プログラミングのための線形代数」、「プログラマのためのディープラーニングのしくみがわかる数学入門」の2冊で数学的知識をカバーする。
この際、画像認識分野では線形代数の考え方が最も基軸となるため、先に「プログラミングのための線形代数」を読み進めることをおすすめする。

最後に、「ディジタル画像処理」の復習を行う。
1回目に読んだ際、数学的理論でわからなかったところも、上記2冊での学習を終えているため、理解を深めることができる。