Skip to main content

数字图像处理 集智

通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理。

Enroll in CV001

课程概述

课程目标
  • 提高图像的视感质量
  • 提前图像包含某些特征或特殊信息
  • 图像数据的变换、编码和压缩,以便于图像的存储和传输
适用人群
  • 相关专业本科生
  • 相关专业研究生
  • 从事图像或计算机视觉相关工作的人
学习收获
  • 空域图像增强
  • 频域图像增强
  • 形态学图像处理
  • 图像分割特征表示与图像识别
包含案例
  • 夜间昏暗图像增强
  • 月球图像锐化
  • 人脸提取
  • 指纹图像处理
  • Kaggle 猫狗大战

数字图像处理

数字图像处理是通过计算机对图像进行去噪声、增强、复原、分割、提前特征等处理方法和技术。

图像风格迁移
图像分割
超分辨重建(去马赛克)

授课师资

Course Staff Image #2

九品夹

密歇根大学在读博士后,研究方向:深度学习模式识别。

已在IEEE TIP、IEEE TGRS等图像处理领域和遥感领域的顶级期刊和国际会议发表10余篇论文,担任国际SCI期刊IEEE GRSL审稿人。

在机器学习应用方面积累了丰富的工程经验,以技术负责人和技术骨干身份参与了10余项课题和项目的研究(包括型号任务、国际合作项目等),多项成果投入实际应用。

课程大纲

第 0 章 - 前言

0-1 课程概述

0-2 课程大纲

0-3 什么是数字图像处理

第 1 章 - 空域图像增强

1-1 图像灰度变换

1-2 直方图均衡

1-3 空域滤波基础——卷积与相关

1-4 空间平滑、锐化与边缘检测

1-5 积分图与卷积的可分离性

1-6 图像去噪声

第 2 章 - 频域图像增强

2-1 频域滤波基础——傅里叶级数

2-2 频域滤波基础——离散傅里叶变换

2-3 频域滤波与空域滤波

2-4 高通/低通/带通/带阻滤波器

2-5 奈奎斯特采样定理

2-6 图像显著性检测

第 3 章 - 形态学图像处理

3-1 形态学基础

3-2 形态学应用

第 4 章 - 图像分割

4-1 直线检测

4-2 阈值分割

第 5 章 - 特征表示与图像识别

5-1 手工特征设计与图像识别

5-2 手工特征设计的基本原则

5-3 深度学习与图像识别

第 6 章 - 【专题】数字图像处理前沿

6-1 图像风格迁移

6-2 基于深度学习的图像分割

6-3 基于深度学习的边缘检测

6-4 图像自动着色

6-5 图像超分辨率重建(去马赛克)

服务保障

  • 学习:视频、讲义
  • 练习:课后练习、自动判题
  • 答疑:活跃社区讨论

FAQ

Q: 我没有计算机相关专业背景,学起来会不会很吃力?
A: 可以来看我们的负基础学Python
Q: 我都需要掌握哪些基础才能开始学习呢?
A: 基础的Python知识、基本的高等数学知识。
Q: 我的电脑是不是需要很高的配置呢?
A: 可以高,但没必要,很多代码可以直接在我们的网站上运行的o(* ̄▽ ̄*)ブ
Q: 我需要学习多长时间呢?
A: 课程视频总长十小时左右,如果每周能学习2-3节的课程,课后加强练习,大约两个月就可以学完。
Q: 学完之后可以达到什么水平呢?
A: 勤学苦练的话,自己完成一个同级别的项目应该是没问题的。
Q: 学过之后对我有什么帮助吗?
A: 数字图像处理技术可以应用于计算机视觉、图像处理算法等领域,对您的工作技能提升大有脾益。
Q: 我有地方没看懂怎么办?
A: 课程可以随时回看,有不懂的地方可以在课程讨论中提出,会有小伙伴和专业老师与您共同探讨。
Q: 有没有什么参考资料?
A: 推荐书目:冈萨雷斯数字图像处理(第三版)电子工业出版社。
Q: 视频可以下载吗?
A: 暂时未开放视频下载。
Q: 课程购买有优惠吗?
A: 更多课程及优惠相关信息请关注我们的官方微博@景略集智和公众号【景略集智】获取。
  1. 课程编号:

    CV001
  2. 课程开始:

    Nov 02, 2018
  3. 每周课时:

    02:00
  4. 课程价格:

    ¥398
Enroll