Couvre la détection des bords et des contours dans les images, y compris les méthodes basées sur les gradients, l'opérateur laplacien, et des méthodes plus complexes.
Explore la moyenne de voisinage, le lissage gaussien, le filtrage médian, l'amélioration du contraste et la détection des bords dans le traitement d'image.
Introduit des bases de traitement d'image en Python, couvrant la manipulation, la conversion à l'échelle grise, la détection des bords et la convolution avec les noyaux.
Introduit les bases de la détection de bord, y compris la mesure du contraste, les images de gradient, l'interprétation de Fourier, les fonctions gaussiennes, le détecteur de bord Canny et les applications industrielles.
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.
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.
Couvre le potentiel et les limites des techniques de vectorialisation automatique pour numériser des objets à partir de documents ou d'images numérisés.
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.
Plonge dans les fondements mathématiques et l'importance des indices directionnels dans le traitement de l'image, en explorant les défis informatiques et la sélectivité de l'orientation.
