OpenCV+TensorFlow入门人工智能图像处理

课程标题：

OpenCV+TensorFlow 入门人工智能图像处理

https://coding.imooc.com/class/191.html

课程简介：

AI的火爆程度可以说是“妇孺皆知”，无论是“美颜”还是AR识别，身边越来越多的AI元素出现在我们的生活中，让我们的生活更加丰富多彩。在这次课程中，我们就来通过丰富有趣的案例，来学习人工智能中的计算机视觉技术，迈上机器学习新台阶。

难度 中级 · 时长 14小时 · 学习人数 300 · 综合评分 9.21分**

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