計算機視覺項目開發實戰（微課版）

楊元峰，博士，教授，主要研究方向為計算機視覺、模式識別及職業教育。擔任江蘇省科技副總，江蘇省高校優秀科技創新團、江蘇省高校“青藍工程”優秀教學團隊核心成員。曾獲蘇州市優秀教師、江蘇省大學生計算機設計大賽優秀指導教師等榮譽稱號，並先後獲得校級教學成果獎一等獎1項、二等獎2項。參與完成國家在線精品課程、江蘇省職業教育首批在線精品課程《數據結構》建設，主持建設校級在線精品課程《智能視覺技術及應用》。主持完成省市級教、科研項目10余項，研究成果曾獲蘇州市計算機學會科學技術獎一等獎、全國高職院校教師優秀學術論文二等獎等獎項。

項目一　初識計算機視覺——開發環境搭建　1 知識目標　1 技能目標　1 素養目標　1 項目導入　2 知識準備　2 1.1　計算機視覺概述　2 1.1.1　計算機視覺的概念　2 1.1.2　計算機視覺與人工智能的關系　2 1.1.3　計算機視覺的發展歷程與現狀　3 1.1.4　計算機視覺的應用領域　4 行業應用視角：產業智能化的感知基石　5 1.1.5　同步訓練　5 1.2　開發環境與工具　6 1.2.1　Python　6 1.2.2　Anaconda　7 1.2.3　PyCharm　8 1.2.4　OpenCV　8 1.2.5　深度學習框架　8 行業應用視角：工程化落地的效率基石　9 1.2.6　同步訓練　10 項目實施　10 項目拓展　16 項目鞏固　17 項目二　圖像加密解密——ROI操作與運算　18 知識目標　18 技能目標　18 素養目標　18 項目導入　19 知識準備　19 2.1　圖像的基本操作　19 2.1.1　讀取、顯示、保存圖像　19 2.1.2　圖像通道處理　21 2.1.3　指定ROI　23 2.1.4　色彩空間的選擇　24 2.1.5　掩模　27 行業應用視角：掩模與ROI的協同效應　29 2.1.6　同步訓練　29 2.2　圖像運算　30 2.2.1　加法運算　30 2.2.2　減法運算　31 2.2.3　加權加法運算　33 2.2.4　按位邏輯運算　34 行業應用視角：圖像運算的工業協作範式　35 2.2.5　同步訓練　36 2.3　圖像加密解密原理　36 2.3.1　對稱加密　37 2.3.2　非對稱加密　38 2.3.3　混合加密　38 2.3.4　基於深度學習的加密　39 行業應用視角：視覺安全的加密協作　40 2.3.5　同步訓練　40 項目實施　40 項目拓展　42 項目鞏固　43 項目三　圖像藝術風格轉換——圖像濾波處理　44 知識目標　44 技能目標　44 素養目標　45 項目導入　45 知識準備　45 3.1　幾何變換　45 3.1.1　縮放　45 3.1.2　翻轉　46 3.1.3　仿射變換　48 3.1.4　透視變換　49 行業應用視角：幾何變換的空間校準　50 3.1.5　同步訓練　51 3.2　圖像的直方圖處理　51 3.2.1　圖像直方圖的含義　51 3.2.2　繪制圖像直方圖　52 3.2.3　直方圖均衡　55 行業應用視角：圖像質量的診斷與增強　57 3.2.4　同步訓練　58 3.3　圖像濾波　58 3.3.1　均值濾波　58 3.3.2　高斯濾波　59 3.3.3　中值濾波　60 3.3.4　雙邊濾波　61 3.3.5　方框濾波　63 3.3.6　2D濾波　64 行業應用視角：圖像濾波的工程化選型　65 3.3.7　同步訓練　66 項目實施　66 項目拓展　70 項目鞏固　70 項目四　車牌識別——形態學處理與輪廓檢測　71 知識目標　71 技能目標　71 素養目標　72 項目導入　72 知識準備　72 4.1　閾值處理　72 4.1.1　全局閾值處理　72 4.1.2　自適應閾值處理　74 行業應用視角：閾值處理的環境適應性原則　76 4.1.3　同步訓練　76 4.2　形態學變換　76 4.2.1　腐蝕　77 4.2.2　膨脹　78 4.2.3　高級形態學操作　79 行業應用視角：從規則驅動到智能感知的形態處理演進　82 4.2.4　同步訓練　83 4.3　圖像輪廓　83 4.3.1　查找輪廓　83 4.3.2　繪制輪廓　85 4.3.3　輪廓特征　86 行業應用視角：輪廓處理的目標結構化分析　97 4.3.4　同步訓練　97 4.4　邊緣檢測　98 4.4.1　Sobel邊緣檢測　98 4.4.2　Laplacian邊緣檢測　100 4.4.3　Canny邊緣檢測　101 行業應用視角：邊緣檢測的精度與效率平衡　103 4.4.4　同步訓練　103 項目實施　104 項目拓展　107 項目鞏固　108 項目五　圖像檢索——特征提取與相似度匹配　109 知識目標　109 技能目標　109 素養目標　110 項目導入　110 知識準備　110 5.1　角點檢測　110 5.1.1　Harris角點檢測　110 5.1.2　優化Harris角點檢測　112 5.1.3　Shi-Tomasi角點檢測　113 行業應用視角：角點檢測的特征基石作用　114 5.1.4　同步訓練　115 5.2　特征檢測　115 5.2.1　FAST特征檢測　115 5.2.2　SIFT特征檢測　116 5.2.3　ORB特征檢測　118 5.2.4　LBP特征檢測　120 行業應用視角：特征檢測的性能權衡　121 5.2.5　同步訓練　121 5.3　特征匹配　122 5.3.1　暴力匹配器　122 5.3.2　FLANN匹配器　123 行業應用視角：特征匹配的精度與效率平衡　126 5.3.3　同步訓練　126 項目實施　126 項目拓展　129 項目鞏固　130 項目六　交通標誌識別——圖像分割與模板匹配　131 知識目標　131 技能目標　131 素養目標　131 項目導入　132 知識準備　132 6.1　圖像分割　132 6.1.1　像素閾值分割法　133 6.1.2　分水嶺算法　134 行業應用視角：圖像分割的層次化策略　137 6.1.3　同步訓練　137 6.2　模板匹配　138 6.2.1　單目標匹配　138 6.2.2　多目標匹配　140 6.2.3　圖像金字塔　142 行業應用視角：模板匹配的尺度自適應策略　144 6.2.4　同步訓練　144 項目實施　145 項目拓展　149 項目鞏固　150 項目七　視頻監控——運動目標檢測與跟蹤　151 知識目標　151 技能目標　151 素養目標　152 項目導入　152 知識準備　152 7.1　視頻的基本操作　152 7.1.1　視頻讀取、顯示、保存　152 7.1.2　視頻剪輯與裁剪　156 7.1.3　視頻幀率調整　158 7.1.4　視頻預處理　159 行業應用視角：時序與空域的智能協同　160 7.1.5　同步訓練　161 7.2　運動目標檢測　161 7.2.1　背景差分法　161 7.2.2　幀間差分法　165 7.2.3　光流法　169 行業應用視角：運動目標檢測方法的選型邏輯　172 7.2.4　同步訓練　172 7.3　運動目標跟蹤　172 7.3.1　MeanShift/CamShift　173 7.3.2　光流法　175 7.3.3　相關濾波　177 7.3.4　卡爾曼濾波　179 行業應用視角：運動目標跟蹤方法的融合與優化　182 7.3.5　同步訓練　182 項目實施　182 項目拓展　185 項目鞏固　186 項目八　中草藥分類——SVM圖像分類　187 知識目標　187 技能目標　187 素養目標　187 項目導入　188 知識準備　188 8.1　機器學習基礎　188 8.1.1　機器學習的概念　188 8.1.2　機器學習的分類　189 8.1.3　機器學習的流程　190 行業應用視角：機器學習的工程實施框架　191 8.1.4　同步訓練　191 8.2　SVM　192 8.2.1　SVM的概念　192 8.2.2　SVM的核函數　195 行業應用視角：SVM的邊界優化藝術　198 8.2.3　同步訓練　198 8.3　分類模型評價指標　198 項目實施　200 項目拓展　204 項目鞏固　205 項目九　藝術海報生成——k-Means配色與風格化　206 知識目標　206 技能目標　206 素養目標　206 項目導入　207 知識準備　207 9.1　聚類　207 9.1.1　聚類的概念　207 9.1.2　聚類算法的評價指標　208 行業應用視角：聚類分析的量化評估　209 9.1.3　同步訓練　209 9.2　k-Means算法　210 9.2.1　k-Means算法的概念與實現流程　210 9.2.2　k-Means算法的不足　212 行業應用視角：k-Means算法的規模化應用邏輯　213 9.2.3　同步訓練　213 9.3　k-Means算法中k值的選取　213 9.3.1　肘部法　213 9.3.2　輪廓系數分析法　216 行業應用視角：k值選擇的量化決策方法　218 9.3.3　同步訓練　218 項目實施　219 項目拓展　222 項目鞏固　223 項目十　工業零件質檢——卷積神經網絡基礎　224 知識目標　224 技能目標　224 素養目標　225 項目導入　225 知識準備　225 10.1　CNN基礎　225 10.1.1　卷積層　225 10.1.2　池化層　227 10.1.3　激活函數　229 10.1.4　全連接層與輸出層　230 行業應用視角：智能質檢中的分層特征學習　231 10.1.5　同步訓練　231 10.2　深度學習模型訓練基礎　232 10.2.1　前向傳播與反向傳播　232 10.2.2　損失函數　232 10.2.3　優化算法　234 10.2.4　正則化方法　237 10.2.5　批歸一化　239 行業應用視角：工業級模型的穩定訓練體系　240 10.2.6　同步訓練　241 10.3　經典CNN模型與改進　241 10.3.1　LeNet、AlexNet　241 10.3.2　VGGNet　243 10.3.3　ResNet　244 10.3.4　GoogLeNet　245 10.3.5　輕量化網絡　247 10.3.6　現代改進模型　248 行業應用視角：CNN模型演進中的工程智慧　250 10.3.7　同步訓練　250 10.4　遷移學習與模型微調　250 10.4.1　遷移學習的基本概念　250 10.4.2　預訓練模型加載　251 10.4.3　微調策略與凍結層選擇　252 行業應用視角：遷移學習的高效工程範式　253 10.4.4　同步訓練　253 項目實施　253 項目拓展　261 項目鞏固　262