[191] OpenCV+TensorFlow 入门人工智能图像处理 -

网盘链接：

1. 课程导学

• 1-1 计算机视觉导学

2. 计算机视觉入门

• 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

3. 计算机视觉加强之几何变换

• 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

4. 计算机视觉加强之图像特效&线段文字绘制

• 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

5. 计算机视觉加强之图像美化

• 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

6. 计算机视觉加强之机器学习

• 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

7. 手写数字识别

• 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

8. “刷脸”识别

• 8-1 章节介绍
• 8-2 最简单的图片爬虫
• 8-3 ffmpeg初识
• 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

9. 课程总结

• 9-1 课程总结