课程目录

•   课时 1 1.1.1 OpenCV主要功能模块
•   课时 2 1.1.2 OpenCV的版本
•   课时 3 1.1.3 OpenCV-Python简介
•   课时 4 1.2.1 安装Python
•   课时 5 1.2.2 安装NumPy
•   课时 6 1.2.3 安装OpenCV-Python
•   课时 7 1.2.4 安装VS Code
•   课时 8 1.3.1 查看OpenCV文档
•   课时 9 1.3.2 使用OpenCV-Python示例代码
•   课时 10 1.4.1 实验1：配置虚拟开发环境
•   课时 11 1.4.2 实验2：在VS Code中运行示例代码
•   课时 12 2.1.1 数据类型
•   课时 13 2.1.2 创建数组
•   课时 14 2.1.3 数组的形状
•   课时 15 2.1.4 索引、切片和迭代
•   课时 16 2.1.5 数组运算
•   课时 17 2.2.1 读取、写入、显示图像
•   课时 18 2.2.2 播放、写入视频与捕获摄像头视频
•   课时 19 2.2.3 操作灰度图像
•   课时 20 2.2.4 操作彩色图像
•   课时 21 2.2.5 图像颜色通道操作
•   课时 22 2.2.6 裁剪图像
•   课时 23 2.3.1 加法运算
•   课时 24 2.3.2 加权加法运算
•   课时 25 2.3.3 位运算
•   课时 26 2.3.4 图像拼接
•   课时 27 2.4.1 实验1：为人物图像打码
•   课时 28 2.4.2 实验 2：使用图像制作视频
•   课时 29 3.1.1 创建和关闭窗口
•   课时 30 3.1.2 调整窗口大小
•   课时 31 3.2.1 绘制直线
•   课时 32 3.2.2 绘制矩形
•   课时 33 3.2.3 绘制圆
•   课时 34 3.2.4 绘制椭圆
•   课时 35 3.2.5 绘制多段线
•   课时 36 3.2.6 绘制文本
•   课时 37 3.2.7 绘制箭头
•   课时 38 3.3 处理鼠标事件
•   课时 39 3.4 使用滚动条
•   课时 40 3.5.1 实验1：使用鼠标取点绘图
•   课时 41 3.5.2 实验2：使用滚动条选择通道图像
•   课时 42 4.1.1 RGB色彩空间
•   课时 43 4.1.2 GRAY色彩空间
•   课时 44 4.1.3 YCrCb色彩空间
•   课时 45 4.1.4 HSV 色彩空间
•   课时 46 4.1.5 图像透明度
•   课时 47 4.2.1 缩放图像
•   课时 48 4.2.2 翻转图像
•   课时 49 4.2.3 仿射变换
•   课时 50 4.2.4 透视变换
•   课时 51 4.3.1 均值滤波
•   课时 52 4.3.2 高斯滤波
•   课时 53 4.3.3 中值滤波
•   课时 54 4.3.4 双边滤波
•   课时 55 4.3.5 自定义滤波
•   课时 56 4.4.1 全局阈值处理
•   课时 57 4.4.2 自适应阈值处理
•   课时 58 4.5.1 结构元素
•   课时 59 4.5.2 腐蚀操作
•   课时 60 4.5.3 膨胀操作
•   课时 61 4.5.4 形态操作函数
•   课时 62 4.6.1 实验 1：图像几何变换
•   课时 63 4.6.2 实验2：图像形态变换
•   课时 64 5.1.1 Laplacian边缘检测
•   课时 65 5.1.2 Sobel 边缘检测
•   课时 66 5.1.3 Canny边缘检测
•   课时 67 5.2.1 查找轮廓
•   课时 68 5.2.2 绘制轮廓
•   课时 69 5.2.3.1 轮廓的矩
•   课时 70 5.2.3.10 轮廓的最佳拟合直线
•   课时 71 5.2.3.11 轮廓的最小外接三角形
•   课时 72 5.2.3.2 轮廓的面积
•   课时 73 5.2.3.3 轮廓的长度
•   课时 74 5.2.3.4 轮廓的近似多边形
•   课时 75 5.2.3.5 轮廓的凸包
•   课时 76 5.2.3.6 轮廓的直边界矩形
•   课时 77 5.2.3.7 轮廓的最小外接矩形
•   课时 78 5.2.3.8 轮廓的最小外接圆
•   课时 79 5.2.3.9 轮廓的最佳拟合椭圆
•   课时 80 5.3.1 检测直线
•   课时 81 5.3.2 检测圆
•   课时 82 5.4.1 实验1：执行Canny边缘检测
•   课时 83 5.4.2 实验2：查找和绘制轮廓
•   课时 84 6.1.1 使用plt.hist()函数绘制直方图
•   课时 85 6.1.2 使用cv2.calcHist()函数计算直方图
•   课时 86 6.1.3 使用np.histogram()函数计算直方图
•   课时 87 6.2.1 全局直方图均衡化
•   课时 88 6.2.2 自适应直方图均衡化
•   课时 89 6.3.1 使用cv2.calcHist()函数计算二维直方图
•   课时 90 6.3.2 使用np.histogram2D函数计算二维直方图
•   课时 91 6.4.1 实验1：使用NumPy函数计算直方图
•   课时 92 6.4.2 实验2：使用OpenCV函数计算直方图
•   课时 93 7.1.1 单目标匹配
•   课时 94 7.1.2 多目标匹配
•   课时 95 7.2.1 分水岭算法
•   课时 96 7.2.2 GrabCut算法
•   课时 97 7.3.1 高斯金字塔
•   课时 98 7.3.2 拉普拉斯金字塔
•   课时 99 7.3.3 图像拼接
•   课时 100 7.4.1 实验1：使用模板匹配查找图像
•   课时 101 7.4.2 实验2：使用GrabCut算法分割图像
•   课时 102 8.1.1 Harris角点检测
•   课时 103 8.1.2 Shi-Tomasi角点检测
•   课时 104 8.1.3 优化角点
•   课时 105 8.2.1 FAST算法
•   课时 106 8.2.2 SIFT 算法
•   课时 107 8.2.3 ORB算法
•   课时 108 8.3.1 暴力匹配
•   课时 109 8.3.2 FLANN匹配
•   课时 110 8.3.3 图像查找
•   课时 111 8.4.1 实验1：应用Shi-Tomasi算法检测角点
•   课时 112 8.4.2 实验2：应用特征匹配查找图像
•   课时 113 9.1.1 使用Haar级联分类器检测人脸
•   课时 114 9.1.2 基于深度学习的人脸检测
•   课时 115 9.2.1 Eigenfaces人脸识别
•   课时 116 9.2.2 Fisherfaces人脸识别
•   课时 117 9.2.3 LBPH人脸识别
•   课时 118 9.3.1 实验1：使用Haar级联分类器
•   课时 119 9.3.2 实验2：使用Eigenfaces人脸识别
•   课时 120 10.1.1 KNN算法
•   课时 121 10.1.2 SVM算法
•   课时 122 10.1.3 K均值聚类算法
•   课时 123 10.2.1 基于深度学习的图像识别
•   课时 124 10.2.2 基于深度学习的目标检测
•   课时 125 10.3.1 准备工作
•   课时 126 10.3.2 调用API进行图像识别
•   课时 127 10.3.3 调用API去除图像中的文字
•   课时 128 10.4.1 实验1：调整图像颜色
•   课时 129 10.4.2 实验2：检测视频中的目标

学习资料

暂无学习资料