零基础入门计算机视觉Python

零基础入门计算机视觉Python

乐学偶得 乐学偶得致力于前沿Fintech(金融科技),Data Science(数据科学),IT(信息科技),企业高级管理必备CFA,FRM,CIA等高端企业管理商务知识,多语种文化艺术信息的分享及咨询。
  • 课程目录
  • 课程介绍
  • 课时1:【计算机视觉课程精彩片段与介绍】

  • 课时2:【图像处理】从图像处理开始谈起

  • 课时3:【图像处理】生物信息识别的运用

  • 课时4:【图像处理】医疗行业的运用

  • 课时5:【图像处理】人像识别的运用

  • 课时6:【图像处理】从零开始从最简易的Python库入手

  • 课时7:【图像处理】运用PIL打开文件并显示

  • 课时8:【图像处理】运用PIL处理并储存图片

  • 课时9:【图像处理】ROI概念介绍

  • 课时10:【图像处理】图像坐标轴与普通坐标轴区别

  • 课时11:【图像处理】创建ROI_ZONE

  • 课时12:【图像处理】Crop剪裁出ROI

  • 课时13:【图像处理】像素点RGB与三原色

  • 课时14:【图像处理】像素点提取与返回RGB信息

  • 课时15:【图像处理】greyscale与黑白转换

  • 课时16:【图像处理】黑白与灰度辨析

  • 课时17:【图像处理】黑白与灰度像素信息对比

  • 课时18:【图像处理】图像缩小与数据损失的思考

  • 课时19:【图像处理】图像增大与就会有更多信息吗

  • 课时20:【图像处理】图像旋转的实现

  • 课时21:【图像处理】图片亮度的调整

  • 课时22:【图像处理】亮度调整背后发生了什么

  • 课时23:【图像处理】对比度调整与原理

  • 课时24:【图像处理】像素级别改变与对比示例

  • 课时25:【图像处理】科学计算当然要用科学库

  • 课时26:【图像处理】科学图形计算配置.

  • 课时27:【图像处理】scikit图像模块与IO

  • 课时28:【图像处理】图像储存于后缀

  • 课时29:【图像处理】GIF和PNG与JPEG三种格式对比

  • 课时30:【图像处理】自带图片数据的调用与对比

  • 课时31:【图像处理】greyscale灰度转换

  • 课时32:【画图】1.通过numpy生成array画背景

  • 课时33:【画图】2.变更背景画出圆

  • 课时34:【画图】3.基础知识点回顾与补充

  • 课时35:【滤波Filter与图片特征Feature介绍】1.接下来我们开始介绍原理

  • 课时36:【OpenCV安装】1.AnacondaPrompt介绍

  • 课时37:【OpenCV安装】2.谈谈opencv

  • 课时38:【OpenCV安装】3.指定版本安装

  • 课时39:【影像直方图】1.ImageHistogram与单反

  • 课时40:【影像直方图】2.横轴曝光程度纵轴像素数量

  • 课时41:【影像直方图】3.通过影像直方图看PS光线调整

  • 课时42:【图片噪点】1.画质渣是怎么回事

  • 课时43:【图片噪点】2.从Nvidia到强人工智能展望

  • 课时44:【图片噪点】3.从白噪声到宇宙射线

  • 课时45:【图片噪点】4.噪声像素变化的表达式

  • 课时46:【图片基本去噪原理】1.我们关注的不是噪点而是去噪

  • 课时47:【图片基本去噪原理】2.正态分布复习与构建

  • 课时48:【图片基本去噪原理】之【中心极限定理补充1】

  • 课时49:【图片基本去噪原理】之【中心极限定理补充2】

  • 课时50:【ImageDerivative】之【Derivative概念回顾1】

  • 课时51:【补充】【Derivative与PartialDerivative】1.导数与偏导数补充

  • 课时52:【补充】【Derivative与PartialDerivative】2.导数的复习补充

  • 课时53:【补充】【Derivative与PartialDerivative】3.mapping的思想介绍

  • 课时54:【补充】【Derivative与PartialDerivative】4.偏导数的介绍

  • 课时55:【补充】【Derivative与PartialDerivative】5.偏导数的推导

  • 课时56:【补充】【Derivative与PartialDerivative】6.高纬度的图示

  • 课时57:【补充】【课后可通过WolframAlpha快速建模计算辅助理解】

  • 课时58:【补充】【课后可通过Sympy快速建模计算辅助理解】

  • 课时59:【补充】【Multivariable函数可视化】1.matplotlib构建3D空间

  • 课时60:【补充】【Multivariable函数可视化】2.构建与定义任意函数

  • 课时61:【补充】【Multivariable函数可视化】3.contour3D的实现

  • 课时62:【补充】【Multivariable函数可视化】4.3Dsurface的实现

  • 课时63:【补充】【Multivariable函数可视化】5.偏导数的图形意义与总结

  • 课时64:【DiscreteDerivative】1.计算机视觉中的非连续性

  • 课时65:【DiscreteDerivative】2.连续情况求导的数学表达

  • 课时66:【DiscreteDerivative】3.计算机视觉中的非连续

  • 课时67:【DiscreteDerivative】4.正反中央求导概念

  • 课时68:【导数Masks】1.一维数轴上的故事

  • 课时69:【导数Masks】2.通过矩阵批量计算

  • 课时70:【Gradient梯度】1.偏导数的局限性与2D任意求导

  • 课时71:【Gradient梯度】2.梯度向量大小与方向

  • 课时72:【Gradient梯度】3.数学定义与2D平面内演示

  • 课时73:【Gradient梯度】4.山坡的例子与3D变化最快的演示

  • 课时74:【ImageDerivative】1.图像求导的本质为2d矩阵求导

  • 课时75:【ImageDerivative】2.逐个window进行矩阵运算

  • 课时76:【ImageDerivative】3.两个mask的口算结果

  • 课时77:【ImageDerivative】4.图像与Kernel的Correlation定义

  • 课时78:【ImageDerivative】5.Kernel的Correlation实例

  • 课时79:【ImageDerivative】6.卷积初探与定义

  • 课时80:【ImageDerivative】7.卷积的分布flip演示

  • 课时81:【ImageDerivative】8.卷积的最终结果演示

  • 课时82:【Gaussian_Filter】1.补充介绍mean与加权mean

  • 课时83:【Gaussian_Filter】2.2D与3D的高斯分布数学定义

  • 课时84:【Gaussian_Filter】3.Python快速构建2D高斯分布

  • 课时85:【Gaussian_Filter】4.Python快速构建3D高斯分布1

  • 课时86:【Gaussian_Filter】5.Python快速构建3D高斯分布2

  • 课时87:【Gaussian_Filter】6.傅里叶转换卷积与高斯分布

  • 课时88:【Erosion】1.从大自然的冲刷谈起

  • 课时89:【Erosion】2.经历冲刷保留下的是重要结构

  • 课时90:【Erosion】3.人像图片冲刷代码

  • 课时91:【Erosion】4.笔迹图片冲刷例子

  • 课时92:【Erosion】5.看似黑白并不黑白

  • 课时93:【Erosion】6.观察细节侵蚀与边缘部分

  • 课时94:【Erosion】7.侵蚀源码解析1

  • 课时95:【Erosion】8.侵蚀源码解析2

  • 课时96:【Erosion】9.侵蚀源码解析3

  • 课时97:【Dilation】1.笔迹的dilation

  • 课时98:【Dilation】2.膨胀源码解析

  • 课时99:【自定义Filter】1.走向写库的自由之路

  • 课时100:【自定义Filter】2.自定义Kernel

  • 课时101:【自定义Filter】3.自定义kernel作用于各类图片

  • 课时102:【乐学偶得出品】【Derivative与Partial Derivative】

  • 课时103:【乐学偶得出品】【ComputerVision】入门

  • 课时104:【知识补充】【debug模式与密码学prime相关】1

  • 课时105:【知识补充】【debug模式与密码学prime相关】2

  • 课时106:【知识补充】【debug模式与密码学prime相关】3

  • 课时107:【知识补充】【debug模式】之【StepOver】

  • 课时108:【知识补充】【debug模式】之【自定义breakpoint】

  • 课时109:【小项目】1.【手写Median_Filter去噪Salt_and_Pepper噪音】

  • 课时110:【小项目】2.【我们的任务:还原蒙娜丽莎的微笑】

  • 课时111:【小项目】3.【如何找思路:Doc文档最靠谱】

  • 课时112:【小项目】4.【成功!蒙娜丽莎再也不朦胧了】

  • 课时113:【小项目】5.【反思,巧用debug模式】

  • 课时114:【小项目】6.【技巧,巧用断点与表达式验证】

  • 课时115:【小项目】1.【调用多个库实现GaussianFilter】

  • 课时116:【小项目】2.【调用多个库实现GaussianFilter】

  • 课时117:【小项目】3.【调用多个库实现GaussianFilter】

  • 课时118:【边缘检测EdgeDetection】1.回顾工具与进一步思考

  • 课时119:【边缘检测EdgeDetection】2.你要做边缘检测有什么思路?

  • 课时120:【边缘检测EdgeDetection】3.从Discontinuity本身入手

  • 课时121:【边缘检测EdgeDetection】4.四种常见EdgeModel

  • 课时122:【EdgeDetector关键】【smoothing】1.为什么第一步需要blurring

  • 课时123:【EdgeDetector关键】【smoothing】2.Average_Box_Filter

  • 课时124:【EdgeDetector关键】【smoothing】3.Gaussian_Noise的Avg

  • 课时125:【EdgeDetector关键】【smoothing】4.GNoise的GaussianKernel

  • 课时126:【EdgeDetector关键】【Prewitt边缘检测器流程】1.先smooth再der

  • 课时127:【EdgeDetector关键】【Sobel边缘检测器流程】1.流程Prewitt对比

  • 课时128:【EdgeDetector关键】【边缘检测与RGB探讨】1.BW与RGB探讨

  • 课时129:【选修】【高级边缘检测】1【Marr-Hildreth】

  • 课时130:【选修】【高级边缘检测】2【Marr-Hildreth】

  • 课时131:【选修】【高级边缘检测】3【Marr-Hildreth】

  • 课时132:【选修】【高级边缘检测】1【Canny_Operator】

  • 课时133:【选修】【高级边缘检测】2【Canny_Operator】

  • 课时134:【选修】【高级边缘检测】3【Canny_Operator】

  • 课时135:【选修】【高级边缘检测】1【Hysteresis_Thresholding】

  • 课时136:【选修】【高级边缘检测】2【Hysteresis_Thresholding】

  • 课时137:【补充】【Divergence】1.从求导到梯度到散度

  • 课时138:【补充】【Divergence】2.从Laplacian到空间投影

  • 课时139:【补充】【Divergence】3.从磁场到水流到向量场

  • 课时140:【补充】【Divergence】4.向量场中的辐射源与黑洞

  • 课时141:【补充】【Divergence】5.散度的三种情况

  • 课时142:【补充】【Divergence】6.控制变量看散度与偏导1

  • 课时143:【补充】【Divergence】7.控制变量看散度与偏导2

  • 课时144:【补充】【Divergence】8.控制变量看散度与偏导3

  • 课时145:【WolframAlpha与Divergence_Calculator】1

  • 课时146:【WolframAlpha与Divergence_Calculator】2

  • 课时147:【WolframAlpha与Divergence_Calculator】3

  • 课时148:【Divergence数学表达与推导】1

  • 课时149:【Divergence数学表达与推导】2

  • 课时150:【重要概念专题】【梯度下降】1.传统方法与lossfunc

  • 课时151:【重要概念专题】【梯度下降】2.传统方法的可视化

  • 课时152:【重要概念专题】【梯度下降】3.最优解推导与链式法则

  • 课时153:【重要概念专题】【巧妙设计LearningRate】1

  • 课时154:【重要概念专题】【巧妙设计LearningRate】2

  • 课时155:【重要概念专题】【手推梯度怎么下降的】1

  • 课时156:【重要概念专题】【手推梯度怎么下降的】2

  • 课时157:【重要概念专题】【手推梯度怎么下降的】3

  • 课时158:【重要概念专题】【梯度下降终止条件与推广】1

  • 课时159:【重要概念专题】【梯度下降终止条件与推广】2

  • 课时160:【答疑】【供参考精选代码笔记观看方式】

  • 课时161:【答疑】【供参考精选代码笔记观看方式】2

  • 课时162:【答疑】【供参考精选代码笔记观看方式】3

  • 课时163:【小项目】【边缘检测找到字+图+人物的边缘】1

  • 课时164:【小项目】【边缘检测找到字+图+人物的边缘】2

  • 课时165:【小项目】【边缘检测找到字+图+人物的边缘】3【Sobel源码解析】

  • 课时166:【霍夫变换Hough_Transform】1.回顾图片处理套路

  • 课时167:【霍夫变换Hough_Transform】2.图片补全谈开去

  • 课时168:【霍夫变换Hough_Transform】3.行车记录仪里面也能用

  • 课时169:【霍夫变换Hough_Transform】4.行车记录仪里面也能用2

  • 课时170:【霍夫变换Hough_Transform】5.霍夫变换数学定义

  • 课时171:【霍夫变换Hough_Transform】6.霍夫变换公式推导

  • 课时172:【霍夫变换Hough_Transform】7.霍夫变换公式推导2

  • 课时173:【霍夫变换Hough_Transform】8.霍夫变换公式推导3

  • 课时174:【霍夫变换Hough_Transform】9.霍夫变换公式推导4

  • 课时175:【霍夫变换Hough_Transform】10.霍夫变换公式推导5

  • 课时176:【霍夫变换与自动驾驶】1

  • 课时177:【霍夫变换与自动驾驶】2

  • 课时178:【霍夫空间的投票机制】

  • 课时179:【小项目】【霍夫变换与Canny边缘检测综合应用】1

  • 课时180:【小项目】【霍夫变换与Canny边缘检测综合应用】2

  • 课时181:【小项目】【霍夫变换与Canny边缘检测综合应用】3

  • 课时182:【小项目】【通过Numpy与霍夫变换找到line】1

  • 课时183:【小项目】【通过Numpy与霍夫变换找到line】2

  • 课时184:【答疑】【如何通过numpy构建自定义图】1

  • 课时185:【答疑】【如何通过numpy构建自定义图】2

  • 课时186:【小项目】【通过Numpy与霍夫变换找到line】3

  • 课时187:【好玩DIY】【酷炫的视频图片字符流】1

  • 课时188:【好玩DIY】【酷炫的视频图片字符流】2

  • 课时189:【好玩DIY】【酷炫的视频图片字符流】3

  • 课时190:【好玩DIY】【酷炫的视频图片字符流】4

  • 课时191:【好玩DIY】【酷炫的视频图片字符流】5

  • 课时192:【好玩DIY】【酷炫的视频图片字符流】6

  • 课时193:【好玩DIY】【酷炫的视频图片字符流】7

  • 课时194:【答疑】图片与视频转换原理

  • 课时195:【好玩DIY】【酷炫的视频图片字符流】8

  • 课时196:【好玩DIY】【酷炫的视频图片字符流】9

课程概述

车牌识别,人脸认证,医疗诊断,自动驾驶......
论AI真正大量落地的运用领域,非计算机视觉莫属。
前谷歌的CEO施密特曾说过:“如果有人给你在火箭上提供了一个位置,那么,别管位置好坏,先上去再说”。我们如何抓住人工智能浪潮中这一技术机会呢?如何快速入门了解计算机视觉与上手其运用呢?

本课程为连载课程,共计500节课左右,正在连载更新中~
课程特色在于Python使用常见的计算机视觉相关库,并通过相关功能的实现了解计算机视觉常见的算法与原理,在帮助大家打好Python与算法基础的同时,采用真实图像与视频项目进行实操分析与运用,大纲如下:
1.图像处理(包括相关库安装与基本图像处理操作)预计50节课左右
2.过滤处理与特征提取(包括图像过滤,高斯模糊,边缘检测等)预计50节课左右
3.高级图像特征检测(oFAST检测,rBRIEF方法)预计100节课左右
4.图像分割(轮廓检测,分水岭算法)预计100节课左右
5.机器学习与神经网络的运用(逻辑回归,支持向量机,K近邻,MNIST分类等)预计100节课左右
6.计算机视觉进阶(OpenCV,Haar Cascade,SIFT,KCF,LK追踪)预计100节课左右

随机推荐

怡颗莓蓝莓可以入手吗?使用体验!

怡颗莓蓝莓评测怎么样?使用感受!

卡诗洗发水点评怎么样?深度爆料评测!

艾惟诺婴童护肤实用性高,购买推荐吗?详细评测分享?

博朗9617s评测数据如何?良心评测点评!

HELLO GANSSGS购买前需要注意什么?功能评测结果!