第1章 课程介绍与学习指南 3 节 | 31分钟
本章作为课程内容引入，主要介绍课程实战项目，课程的学习方法以及课程内容具体安排，希望大家都能通过这门课程，学有所成，学有所归。
1-1 课前必读（不看会错过一个亿）
1-2 OpenCV导学 (16:30)
1-3 计算机视觉到底是什么 (14:04)
第2章 OpenCV开发环境搭建 6 节 | 80分钟
工欲善其事必先利其器，无论何种系统，本章将带你手把手快速搭建起OpenCV开发环境。
2-1 Mac下命令方式搭建OpenCV开发环境 (15:16)
2-2 Windows下搭建OpenCV开发环境 (10:56)
2-3 Ubuntu下搭建OpenCV开发环境 (10:15)
2-4 Windows下源码方式编译OpenCV (21:09)
2-5 Windows下C++使用OpenCV库 (14:29)
2-6 如何利用工具高效开发OpenCV (07:52)
第3章 图像&视频的加载与展示12 节 | 131分钟
本章先带你了解“车辆检测”贯穿项目，带你掌握如何加载音视频文件，并将音视频文件展示出来，最后还将带你实践OpenCV控制鼠标，TrackBar控件的使用。
3-1 明晰课程项目 (05:31)
3-2 如何通过OpenCV创建显示窗口 (22:29)
3-3 如何通过OpenCV加载显示图片 (06:44)
3-4 两招解决OpenCV加载图片问题 (10:51)
3-5 如何通过OpenCV保存文件 (08:28)
3-6 如何利用OpenCV从摄像头采集视频 (14:34)
3-7 如何从多媒体文件中读取视频帧 (05:05)
3-8 如何将视频数据录制成多媒体文件 (15:01)
3-9 代码优化 (07:40)
3-10 OpenCV控制鼠标 (17:17)
3-11 OpenCV中的TrackBar控件 (05:40)
3-12 实战TrackBar的使用 (11:02)
第4章 OpenCV必知必会基础12 节 | 106分钟
本章带你掌握OpenCV必知必会的基础知识，包括色彩空间的变换、ROI、OpenCV中最重要的结构体Mat以及获取图像的属性等。
4-1 RGB与BGR[OpenCV的色彩空间] (09:46)
4-2 HSV与HSL[OpenCV的色彩空间] (09:14)
4-3 实战OpenCV色彩空间转换 (18:41)
4-4 图像操作的基石Numpy[基础操作] (19:13)
4-5 Numpy基本操作之矩阵的检索与赋值 (10:36)
4-6 Numpy基本操作三-ROI (08:33)
作业：
4-7 OpenCV中ROI表示什么意思，我们一般使用它做什么事儿？
4-8 OpenCV的重要结构体Mat (07:10)
4-9 Mat的深拷贝与浅拷贝 (09:24)
作业：
4-10 OpenCV中Mat这个结构体，深浅拷贝各在什么时候使用？
4-11 图像的多种属性 (05:00)
4-12 通道的分割与合并 (07:40)
第5章 OpenCV实现图形的绘制8 节 | 72分钟
本章带你掌握OpenCV中最基本的图形绘制，包括线、矩形、圆等，最后还将前面课程中鼠标的控制与图形的基本绘制结合，手把手带你实现一个经典绘制的作业。
5-1 OpenCV绘制直线 (13:17)
5-2 OpenCV绘制矩形和圆 (09:17)
5-3 OpenCV椭圆的绘制 (11:57)
5-4 OpenCV绘制多边形 (08:19)
5-5 OpenCV绘制文本 (05:49)
5-6 OpenCV大作业-实现鼠标绘制基本图形 (18:32)
5-7 OpenCV基本图形绘制小结 (04:07)
作业：
5-8 如何消除5-6大作业中鼠标绘制的轨迹
第6章 OpenCV的算术与位运算7 节 | 51分钟
本章详细介绍了图像的算述运算和位运算，最后通过为图像添加水印的大作业使同学们可以知道如何运用课程中所讲的方法。
6-1 图像的加法运算 (09:17)
6-2 图像的减法运算 (05:20)
6-3 图像的溶合 (07:26)
6-4 OpenCV位运算-非操作 (05:25)
6-5 OpenCV位操作-与运算 (04:35)
6-6 OpenCV位操作-或与异或 (03:55)
6-7 大作业-为图像添加水印 (14:55)
第7章 图像基本变换7 节 | 67分钟
本章你将掌握几个图像变换的基本操作，如图像的放大、缩小、旋转等，这些操作都是我们日常生活和工作中经常用到的。
7-1 图像的放大与缩小 (13:10)
7-2 图像的翻转 (05:39)
7-3 图像的旋转 (04:51)
7-4 仿射变换之图像平移 (13:10)
7-5 仿射变换之获取变换矩阵 (09:37)
7-6 仿射变换之变换矩阵之二 (07:12)
7-7 OpenCV透视变换 (12:30)
第8章 OpenCV中的滤波器11 节 | 82分钟
本章带你了解OpenCV中的滤波器，包括低通滤波与高通滤波，其中低通滤波用于降噪，而高通滤波用于边缘检测，这些方法都是后面实现物体识别的基础。
8-1 图像滤波 (04:56)
8-2 卷积相关概念 (07:52)
8-3 实战图像卷积 (10:46)
8-4 方盒滤波与均值滤波 (07:40)
8-5 高斯滤波 (09:31)
8-6 中值滤波 (04:39)
8-7 双边滤波 (07:19)
8-8 高通滤波-索贝尔算子 (12:21)
8-9 高通滤波-沙尔算子 (04:00)
8-10 高通滤波-拉普拉斯算子 (04:27)
8-11 边缘检测Canny (08:09)
第9章 OpenCV中的形态学12 节 | 80分钟
形态学是OpenCV中的核心内容，通过它可以将小块区域连成一片，也可以将大块区域分割成多个小块，还可以通过它去除噪音，后面高阶知识的学习几乎都是以本章内容为基础的，因此本章内容你一定要牢牢掌握。
9-1 形态学概述 (06:10)
9-2 图像全局二值化 (09:34)
9-3 阈值类型 (04:14)
9-4 自适应阈值二值化 (10:40)
9-5 OpenCV腐蚀 (09:30)
9-6 获取形态学卷积核 (06:34)
9-7 OpenCV膨胀 (05:57)
9-8 开运算 (06:54)
9-9 闭运算 (05:58)
9-10 形态学梯度 (04:37)
9-11 顶帽运算 (04:07)
9-12 黑帽操作 (05:19)
第10章 目标识别12 节 | 122分钟
目标识别是计算机视觉最重要的应用之一，如人脸识别，车辆检测等都属于目标识别的范畴。本章将以车辆识别为例，结合前面所学系统掌握如何对路上的车辆进行检测。
10-1 什么是图像轮廓 (14:10)
10-2 查找轮廓 (08:57)
10-3 绘制轮廓 (06:23)
10-4 轮廓的面积与周长 (06:49)
10-5 多边形逼近与凸包 (13:04)
10-6 外接矩形 (10:16)
10-7 项目总览[车辆统计] (05:47)
10-8 视频加载[车辆统计] (06:40)
10-9 去背景[车辆统计] (12:27)
10-10 形态学处理[车辆统计] (13:21)
10-11 逻辑处理[车辆统计] (13:55)
10-12 显示信息[车辆统计] (09:25)
第11章 特征点检测与匹配17 节 | 190分钟
特征点检测与匹配是计算机视觉中非常重要的内容。不是所有图像操作都是对每个像素进行处理，有些只需使用4个顶点即可，如图像的拼接、二维码定位等。本章先来掌握什么是角点，知道什么是特征点以及检测特征点的方法，最后以图像的拼接为例，带你掌握如何使用这些技术实现图像拼接。…
11-1 特征检测的基本概念 (11:26)
11-2 Harris角点检测 (10:25)
11-3 Shi-Tomasi角点检测 (09:45)
11-4 SIFT关键点检测 (09:46)
11-5 SIFT计算描述子 (06:20)
11-6 SURF特征检测 (06:03)
11-7 OBR特征检测 (09:37)
11-8 暴力特征匹配 (15:24)
11-9 FLANN特征匹配 (07:10)
11-10 实战flann特征匹配 (10:06)
11-11 图像查找 (12:57)
11-12 大作业-图像拼接基础知识 (11:32)
11-13 大作业-图像拼接(一) (06:58)
11-14 大作业-图像拼接(二) (19:08)
11-15 大作业-图像拼接(三) (16:11)
11-16 大作业-图像拼接(三)-delete (13:48)
11-17 大作业-图像拼接(四) (13:23)
第12章 图像的分割与修复11 节 | 118分钟
本章将学习图像分割与修复。图像分割是计算机视觉中的一个重要领域，通过它我们可以做物体的统计，背景的变换等许多操作，而图像的修复可以说是它的逆运算。
12-1 图像分割的基本概念 (08:24)
12-2 实战-分水岭法(一) (12:09)
12-3 实战-分水岭法(二) (14:28)
12-4 GrabCut基本原理 (07:44)
12-5 实战-GrabCut主体程序的实现 (07:58)
12-6 实战-GrabCut鼠标事件的处理 (15:38)
12-7 实战-调用GrabCut实现图像分割 (14:50)
12-8 meanshift图像分割 (10:52)
12-9 视频前后景分离 (09:08)
12-10 其它对视频前后影分离的方法 (08:56)
12-11 图像修复 (07:18)
第13章 机器学习5 节 | 75分钟
机器学习是当今非常热门的技术，它是解决计算机视觉问题的一个重要方法。它包括两部分：传统的机器学习方法以及新的基于深度学习方法。本章将基于深度学习的方法实践人脸识别&车辆识别，传统方法只做简要了解。
13-1 Haar人脸识别方法 (12:12)
13-2 Haar识别眼鼻口 (10:19)
13-3 Haar+Tesseract进行车牌识别 (18:10)
13-4 深度学习基础知识 (16:45)
13-5 dnn实现图像分类 (17:06)
第14章 课程总结1 节 | 13分钟
课程总结
14-1 课程总结 (12:27)
评论0