收藏
课程目录
1.1 何为数字图像处理
1.2 数字图像处理的历史
1.3 数字图像处理的主要研究内容
1.4 数字图像处理的应用
1.5 学习内容与学习建议
2.1 数字图像的硬件介绍
2.2 相机的光学模型
2.3 图像的采样与量化
2.4 图像的坐标系
2.5 像素的空间关系
2.6 图像的种类
2.7 色彩模型
2.8 图像的直方图
2.9 直方图的作用
3.1 图像二值化
3.2 全局二值化方法之p-tile法
3.3 全局二值化方法之最小误判概率法
3.4 全局二值化方法之大津法
3.5 全局二值化方法之连通域标记
3.6 局部自适应二值化
4.1 基本运算之膨胀运算
4.2 基本运算之腐蚀运算
4.3 开运算
4.4 闭运算
4.5 灰度图的形态学处理之腐蚀和膨胀
4.6 灰度图的形态学运算之顶帽和底帽变换
5.1 图像卷积的基本概念
5.2 均值滤波、平滑滤波
5.3 中值滤波
5.4 边缘检测之canny算子
5.5 图像的边缘检测（上）
5.6 图像的边缘检测（下）
6.1 几何变换基本概念
6.2 平移变换和比例缩放
6.3 旋转和对称变换
6.4 错切和复合变换
6.5 仿射和投影变换
6.6 插值算法
6.7 最近邻插值法
6.8 线性插值法
6.9 3次插值法
7.1 霍夫变换（上）
7.2 霍夫变换（中）
7.3 霍夫变换（下）
8.1 图像特征相关概念
8.2 HSV直方图
8.3 连通域形状特征
8.4 形状上下文
8.5 局部特征和角点
8.6 Harris角点
8.7 SIFT特征描述算子
8.8 SIFT中的候选点选取
8.9 SIFT中的特征点描述
8.10 HOG
9.1 频率域处理：傅里叶变换
9.2 图像里的傅里叶变换
9.3 图像压缩原理
9.4 JPEG的压缩原理
9.5 霍夫曼编码（上）
9.6 霍夫曼编码（下）
10.1 直方图增强
10.2 直方图的线性变换
10.3 Gamma矫正
10.4 直方图均衡
11.1 背景差分法
11.2 高斯背景建模
11.3 阴影处理
11.4 背景更新
12.1 光流法简介
12.2 光流法算法（上）
12.3 光流法算法（下）
13.1 特定物体追踪
13.2 特定物体追踪算法（上）
13.3 特定物体追踪算法（下）
14.1 图像识别：监督学习
14.2 图像识别：无监督学习
14.3 图像识别：支持向量机
14.4 图像识别：神经网络
14.5 图像识别实例：数字识别
1.2 数字图像处理的历史
1.3 数字图像处理的主要研究内容
1.4 数字图像处理的应用
1.5 学习内容与学习建议
2.1 数字图像的硬件介绍
2.2 相机的光学模型
2.3 图像的采样与量化
2.4 图像的坐标系
2.5 像素的空间关系
2.6 图像的种类
2.7 色彩模型
2.8 图像的直方图
2.9 直方图的作用
3.1 图像二值化
3.2 全局二值化方法之p-tile法
3.3 全局二值化方法之最小误判概率法
3.4 全局二值化方法之大津法
3.5 全局二值化方法之连通域标记
3.6 局部自适应二值化
4.1 基本运算之膨胀运算
4.2 基本运算之腐蚀运算
4.3 开运算
4.4 闭运算
4.5 灰度图的形态学处理之腐蚀和膨胀
4.6 灰度图的形态学运算之顶帽和底帽变换
5.1 图像卷积的基本概念
5.2 均值滤波、平滑滤波
5.3 中值滤波
5.4 边缘检测之canny算子
5.5 图像的边缘检测（上）
5.6 图像的边缘检测（下）
6.1 几何变换基本概念
6.2 平移变换和比例缩放
6.3 旋转和对称变换
6.4 错切和复合变换
6.5 仿射和投影变换
6.6 插值算法
6.7 最近邻插值法
6.8 线性插值法
6.9 3次插值法
7.1 霍夫变换（上）
7.2 霍夫变换（中）
7.3 霍夫变换（下）
8.1 图像特征相关概念
8.2 HSV直方图
8.3 连通域形状特征
8.4 形状上下文
8.5 局部特征和角点
8.6 Harris角点
8.7 SIFT特征描述算子
8.8 SIFT中的候选点选取
8.9 SIFT中的特征点描述
8.10 HOG
9.1 频率域处理：傅里叶变换
9.2 图像里的傅里叶变换
9.3 图像压缩原理
9.4 JPEG的压缩原理
9.5 霍夫曼编码（上）
9.6 霍夫曼编码（下）
10.1 直方图增强
10.2 直方图的线性变换
10.3 Gamma矫正
10.4 直方图均衡
11.1 背景差分法
11.2 高斯背景建模
11.3 阴影处理
11.4 背景更新
12.1 光流法简介
12.2 光流法算法（上）
12.3 光流法算法（下）
13.1 特定物体追踪
13.2 特定物体追踪算法（上）
13.3 特定物体追踪算法（下）
14.1 图像识别：监督学习
14.2 图像识别：无监督学习
14.3 图像识别：支持向量机
14.4 图像识别：神经网络
14.5 图像识别实例：数字识别
课程详情
数字图像处理技术在制药、电子、汽车制造、半导体等行业均有广泛应用。本课程通过实际应用案例，串联基本算法，帮助学习者掌握基本知识，培养应用能力。
数字图像处理技术在制药、电子、汽车制造、半导体等行业均有广泛应用。本课程通过实际应用案例，串联基本算法，帮助学习者掌握基本知识，培养应用能力。
数字图像处理技术在制药、电子、汽车制造、半导体等行业均有广泛应用。本课程通过实际应用案例，串联基本算法，帮助学习者掌握基本知识，培养应用能力。
