玩转Python图像处理

[liyanqin1952]

课程名称	适应人群
玩转Python图像处理	1）熟练掌握图像处理的基本方法和技巧； 2）掌握图像特征提取的常用方法，为智能图像处理打好基础；

【课程简介】

本课程基于面向Python的OpenCV，以OpenCV的官方文档的知识脉络为主线，介绍了OpenCV函数的具体使用方法、函数所使用的算法的具体原理。

在介绍函数使用时，提供了大量的程序案例演示。

在介绍具体原理时，采用了通俗易懂的语言和贴近生活的示例来说明问题，尽量避免涉及过于复杂抽象的公式。

课程包含数字图像处理的常用知识点，覆盖面全，方便学员系统深入全面地掌握OpenCV。

【你将收获什么】

1.  掌握数字图像的在计算机内表示的方法和处理的基本原理。掌握数字图像的表示方法是进行图像处理的前提和基础，能够为后续的智能图像处理打下坚实基础。

2.  使用好OpenCV开源库对于提升工作效率具有很大的帮助。OpenCV是优秀的开源库，提供了大量的函数帮助我们提升工作效率。大多数情况下，我们直接调用函数就能够满足我们的需求。同时，它的函数具有较好的交互性，能够根据需要更好地掌控图像处理的具体细节。

3.  学习图像处理的常用算法。课程不仅介绍函数的具体使用，也介绍了常用算法的基本原理，帮助学习者更好地理解图像处理的基本逻辑、方法，快速入门图像处理领域。

【我将如何教你】

1）在“黑盒”和“白盒“之间取得平衡

 可以将OpenCV看成“黑盒”，不用关心其函数是如何实现的。在需要实现某一个功能时，直接调用其对应的函数即可，像使用Photoshop的各种功能一样。也可以将OpenCV看成“白盒”，关注其每一个函数的具体实现，认真研究每一个函数的具体实现方法和实现细节。这两种方式都是学习图像处理的很好方式，但是大多数课程过于强调其中某一种，要么忽略了算法的实现、要么忽略了使用方法。本课程尽量将OpenCV在“黑盒”和“白盒”之间取得平衡。既介绍算法的原理和方法，又将重点放在如何调用函数上，让学习者能够更加游刃有余地在计算机视觉项目中使用OpenCV来解决具体的问题。

2）将枯燥的算法采用具体的案例介绍

 在图像处理中，有大量的算法保证了图像处理的准确、高效。OpenCV将一些常用的算法进行了封装，我们可以直接调用OpenCV的函数来使用对应的算法。但是，深入地理解算法能够帮助学习者更好地使用OpenCV函数。本课程尝试抛弃传统的使用复杂公式介绍算法的形式，尽量通过简单、通俗易懂的生活中实例来帮助学习者理解算法的基本逻辑

3）案例驱动、强调实战

OpenCV是一个庞大的资源库，提供了非常多的函数帮助我们高效地处理问题。初学者使用OpenCV的最大困惑就是熟练地掌握了每一个函数的调用方法，但是在解决实际问题时，不知道具体应该使用哪个函数。本课程通过大量的具体案例帮助学习快速掌握每个函数的应用场景，快速掌握OpenCV的核心使用方法和技巧。

[Aiden@semidrive]

老师可以给个课件不

[liyanqin1952]

@那个小黑鱼 您好，已经处理好了。

[那个小黑鱼]

音视频不同步，靠脑补么？？？？？？？？

[liyanqin1952]

@georemote 缩放系数是1的话，和现实世界一样，是不能够完整显示的。如果完整显示，就要进行一定比例的缩放。

[georemote]

如果缩放系数为1，则旋转后的四角都不全，被裁切掉了，如何完整显示？

[bacycle]

我也需要课件老师能答复一下，从哪里下载不？例子程序我也需要。

[liyanqin1952]

@qq_41253901 <p>经常互动，有问题随时交流呀</p>

[qq_41253901]

老师经常在这网站互动吗？视频声音也太小了吧？

[liyanqin1952]

@7轻舟小 <p>是的</p>

[7轻舟小]

老师，第13章，第一个例子：运行后显示contours的类型是元祖？ import cv2 o=cv2.imread("image/contours.bmp",0) contours,hierarchy=cv2.findContours(o,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) print("轮廓个数：",len(contours)) cv2.imshow("o",o) print(contours[0].shape,contours[1].shape,contours[2].shape) #print(contours[0],contours[1],contours[2],end=",") print(type(contours)) print(type(contours[0])) cv2.waitKey() cv2.destoryALLWindows() 轮廓个数： 3 (4, 1, 2) (60, 1, 2) (184, 1, 2)