Couvre le potentiel et les limites des techniques de vectorialisation automatique pour numériser des objets à partir de documents ou d'images numérisés.
Se penche sur le choix d'une taille de caractéristique appropriée pour l'analyse d'images dans les sciences de la vie, présentant une règle de pouce pour définir la taille de l'objet en pixels.
Introduit des techniques de traitement d'image en Python, en se concentrant sur les opérations de manipulation et de convolution à l'aide de NumPy et Pillow.
Explore les techniques d'automatisation pour vectoriser des objets à l'aide de la polygonisation, de la détection de bord, de la détection de segment et du traçage automatique.
Couvre les techniques de reconstruction d'images en couleur à l'aide de la détection optique et de l'intelligence artificielle pour améliorer la qualité de l'image et réduire le bruit.
Explore les concepts de topologie et de détection de bord en vision par ordinateur, mettant en évidence l'importance des contours et des gradients dans l'analyse d'images.
