OpenCV+TensorFlow 入门人工智能图像处理

第1章 课程导学
包括课程概述、课程安排、学习前提等方面的介绍,让同学们对计算机视觉有所理解
1-1 计算机视觉导学

第2章 计算机视觉入门
通过OpenCV以及TensorFlow两个方面介绍计算机入门的相关知识。OpenCV侧重点在于为大家补充图像处理的相关基础,如像素、文件封装格式、灰度等级、颜色通道等的概念。TensorFlow重点在于通过对常量、变量、矩阵等的介绍,学习并掌握TensorFlow的基本使用。...
2-1 本章介绍
2-2 Mac下一站式开发环境anaconda搭建
2-3 Windows下一站式开发环境anaconda搭建
2-4 测试案例helloWorld
2-5 案例1:图片的读取和展示
2-6 Opencv模块组织结构
2-7 案例2:图片写入
2-8 案例3:不同图片质量保存
2-9 像素操作基础
2-10 案例4:像素读取写入
2-11 tensorflow常量变量定义
2-12 tensorflow运算原理
2-13 常量变量四则运算
2-14 矩阵基础1
2-15 矩阵基础2
2-16 矩阵基础3
2-17 numpy模块使用
2-18 matplotlib模块的使用
2-19 小综合:人工神经网络逼近股票价格1
2-20 小综合:人工神经网络逼近股票价格2
2-21 小综合:人工神经网络逼近股票价格3
2-22 小综合:人工神经网络逼近股票价格4

第3章 计算机视觉加强之几何变换
本章节主要为大家介绍图像的几何变换。几何变换顾名思义就是对图片外形轮廓进行操作以适应不同的场景。如缩放、剪切、位移、镜像、旋转、仿射变换等。
3-1 本章介绍
3-2 图片缩放1
3-3 图片缩放2
3-4 图片缩放3
3-5 图片剪切
3-6 图片位移1
3-7 图片移位2
3-8 图片移位3
3-9 图片镜像
3-10 图片缩放
3-11 图片仿射变换
3-12 图片旋转
3-13 图片几何变换小结

第4章 计算机视觉加强之图像特效&线段文字绘制
视频滤镜也是目前在计算机算法处理上比较火的一个方向之一,在本章节中将结合灰度、底板、马赛克、毛玻璃、边缘检测、油画效果等为大家介绍视频滤镜的使用
4-1 图像特效介绍
4-2 图像灰度处理1
4-3 图像灰度处理2
4-4 算法优化
4-5 颜色反转
4-6 马赛克
4-7 毛玻璃
4-8 图片融合
4-9 边缘检测1
4-10 边缘检测2
4-11 浮雕效果
4-12 颜色映射
4-13 油画特效
4-14 图像特效小结
4-15 线段绘制
4-16 矩形圆形任意多边形绘制
4-17 文字图片绘制

第5章 计算机视觉加强之图像美化
每个人都有一个爱美的心,在这个章节中大家可以通过磨皮美白、亮度增强、直方图均衡化、图像滤波等方法自己美化自己的照片。
5-1 美化效果章节介绍
5-2 彩色图片直方图
5-3 直方图均衡化
5-4 图片修补
5-5 灰度直方图源码
5-6 彩色直方图源码
5-7 灰度直方图均衡化
5-8 彩色直方图均衡化
5-9 亮度增强
5-10 磨皮美白
5-11 高斯均值滤波
5-12 中值滤波
5-13 图像美化章节小结

第6章 计算机视觉加强之机器学习
本章节将结合haar+adaboost以及hog+svm分别实现人脸识别、卡通小狮子识别。将为大家介绍一个从训练到识别一个完整的机器学习案例。
6-1 机器学习章节介绍
6-2 视频分解图片
6-3 图片合成视频
6-4 Haar特征1
6-5 Haar特征2
6-6 Haar特征3
6-7 adaboost分类器1
6-8 adaboost分类器2
6-9 Haar+adaboost人脸识别
6-10 SVM支持向量机1
6-11 SVM支持向量机2
6-12 SVM小结
6-13 Hog特征1
6-14 Hog特征2
6-15 Hog特征3
6-16 Hog特征4
6-17 Hog小结
6-18 Hog_SVM小狮子识别1
6-19 Hog_SVM小狮子识别2
6-20 Hog_SVM小狮子识别3
6-21 Hog_SVM小狮子识别4
6-22 Hog_SVM小狮子识别5
6-23 机器学习小结

第7章 手写数字识别
通过knn、cnn两种方式,并结合每种方法的矩阵维度变化,深层次的讲解手写数字识别案例,讲述不一样的案例。
7-1 章节介绍
7-2 样本介绍
7-3 knn数字识别1
7-4 knn数字识别2
7-5 knn数字识别3
7-6 knn数字识别4
7-7 knn数字识别5
7-8 knn数字识别6
7-9 knn数字识别7
7-10 knn数字识别8
7-11 knn数字识别9
7-12 knn数字识别10
7-13 cnn实现手写数字识别1
7-14 cnn实现手写数字识别2
7-15 cnn实现手写数字识别3
7-16 cnn实现手写数字识别4
7-17 cnn实现手写数字识别5
7-18 cnn实现手写数字识别6
7-19 数字识别小结

第8章 “刷脸”识别
在第六章的基础上,通过识别某个具体的人脸来达到“刷脸”的效果。该案例架构包含样本收集+图像预处理+神经网络训练识别。可以说是一个从样本到训练的完整项目。
8-1 章节介绍
8-2 最简单的图片爬虫
8-3 ffmpeg初识_音频.mp4
8-4 OpenCV预处理
8-5 神经网络训练识别1
8-6 神经网络训练识别2
8-7 神经网络训练识别3
8-8 神经网络训练识别4
8-9 本章小结

第9章 课程总结
对课程进行整体的回顾与总结
9-1 课程总结

下载地址:百度网盘下载

原文地址:https://www.cnblogs.com/wyd520/p/9559538.html

时间: 2024-10-06 22:33:51

OpenCV+TensorFlow 入门人工智能图像处理的相关文章

OpenCV+TensorFlow入门人工智能图像处理视频教程 共9章

第1章 课程导学包括课程概述.课程安排.学习前提等方面的介绍,让同学们对计算机视觉有所理解 第2章 计算机视觉入门通过OpenCV以及TensorFlow两个方面介绍计算机入门的相关知识.OpenCV侧重点在于为大家补充图像处理的相关基础,如像素.文件封装格式.灰度等级.颜色通道等的概念.TensorFlow重点在于通过对常量.变量.矩阵等的介绍,学习并掌握TensorFlow的基本使用.... 第3章 计算机视觉加强之几何变换本章节主要为大家介绍图像的几何变换.几何变换顾名思义就是对图片外形轮

如何优雅的入门人工智能?

这两年,人工智能已经火到了全民皆知的地步.随着阿尔法狗声名鹊起之后,无人驾驶.人脸识别.邮箱分类.图片美化.声纹识别等人工智能的产物都进入了大家的视线.大家都对人工智能的前景很看好.其中不乏一些想入门人工智能的学生和IT类职员. 本文并不是给大家上人生课,用机器学习的语言来说,我这篇文章不是分类文,而是回归文.也就是说,具体要不要入门人工智能,大家要自己想好了,如果已经坚定了信念,今后要在人工智能的路上走下去的话,恭喜你,你至少已经成功了四分之一.我结合着自己在人工智能领域的经验,给大家分享下该

TensorFlow 入门之手写识别(MNIST) softmax算法

TensorFlow 入门之手写识别(MNIST) softmax算法 MNIST 卢富毓 softmax回归 softmax回归算法 TensorFlow实现softmax softmax回归算法 我们知道MNIST的每一张图片都表示一个数字,从0到9.我们希望得到给定图片代表每个数字的概率.比如说,我们的模型可能推测一张包含9的图片代表数字9的概率是80%但是判断它是8的概率是5%(因为8和9都有上半部分的小圆),然后给予它代表其他数字的概率更小的值. 这是一个使用softmax回归(sof

转:TensorFlow入门(六) 双端 LSTM 实现序列标注(分词)

http://blog.csdn.net/Jerr__y/article/details/70471066 欢迎转载,但请务必注明原文出处及作者信息. @author: huangyongye @creat_date: 2017-04-19 前言 本例子主要介绍如何使用 TensorFlow 来一步一步构建双端 LSTM 网络(听名字就感觉好腻害的样子),并完成序列标注的问题.先声明一下,本文中采用的方法主要参考了[中文分词系列] 4. 基于双向LSTM的seq2seq字标注这篇文章.该文章用

tensorflow入门教程

1. LSTM 大学之道,在明明德的博客: (译)理解 LSTM 网络 (Understanding LSTM Networks by colah) TensorFlow入门(五)多层 LSTM 通俗易懂版 TensorFlow入门(三)多层 CNNs 实现 mnist分类 另一个博客,写的代码很好: TensorFlow 实现多层 LSTM 的 MNIST 分类 + 可视化 博客:写的很好 用tensorflow搭建RNN(LSTM)进行MNIST 手写数字辨识 博客: Tensorflow

如何入门人工智能?

如何入门人工智能? 万事开头难,人看好了人工智能的火热想要快速入门,却并不知道从何学起,被一个个听起来高大上的概念弄蒙.想要入门却无从下手,到底该从何学起?玺哥我初学人工智能的时候也是一头雾水,然后只能上各种网站找教程,找资源.视频收集了很多,看了很多知乎,博客.说是要学好高数,线代,概率统计,优化, 信息论及其他.编程语言,python,c++等.第一步当然是首选一门编程语言啦,我当时选了Python.然后就一股脑的上网去找Python教程.结果都是些培训机构流出来的视频,对于科班出身,软件工

基于Opencv和Mfc的图像处理增强库GOCVHelper(索引)

GOCVHelper(GreenOpen Computer Version Helper )是我在这几年编写图像处理程序的过程中积累下来的函数库.主要是对Opencv的适当扩展和在实现Mfc程序时候的功能增强. 这里将算法库开放源代码,并且编写一系列blog对函数实现进行说明.目的是在于“取之于互联网,用之于互联网”.并且也希望该库能够继续发展下去. 由于算法库基于Opencv和Mfc进行编写,所以要求阅读使用者具备一定基础. 最终提交的是GOCVHelper.h 和GOCVHelper版本号.

opencv 一堆算法,图像处理等

http://blog.csdn.net/wangzhebupt/article/category/1675453 数据挖掘十大经典实用算法及OpenCV算法 http://www.xuebuyuan.com/2178605.html 线性判别分析(Linear Discriminant Analysis, LDA)算法分析 表示看了h 转自  http://blog.csdn.net/warmyellow/article/details/5454943... 2014-08-10 20:06 

Opencv学习笔记(三)--图像处理的基本操作

Opencv图像处理基本操作 1基本数据类型 图像有若干个通道,灰度图像只有一个通道,而彩色具有红,绿,蓝组成,但是OpenCv以逆序的方式来存储三个分量,还可以使用第四个透明度(alpha),可以使用img.channels()获取图像通道个数. 使用若干个位存储一副图像的每个像素,这被称为图像的深度,灰度图像为8位,即0-255个灰度级,可以用img.depth()获得图像的深度,其返回值为: CV_8U - 8-bit unsigned integers ( 0..255 ) CV_8S