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 traitement de l'image, y compris l'ajout de bruit, le filtrage et l'amélioration de l'image à l'aide de divers filtres et outils.
Couvre les bases du traitement d'images pour la microscopie, y compris l'acquisition, la correction des défauts, l'amélioration des images et l'extraction d'informations.
Se concentre sur l'application pratique de la corrélation d'images numériques pour les ingénieurs civils, couvrant la mesure des champs de déplacement et le calcul des champs de contrainte.
Discute des techniques de traitement d'image, en se concentrant sur la sculpture de coutures et la manipulation de pixels dans la programmation Python.
Couvre les principes fondamentaux du traitement de l'image scientifique, les pratiques logicielles et les considérations éthiques dans le traitement de l'image.
Introduit les bases du traitement d'image, couvrant les images vectoriels vs matrices, le système de couleurs RGB, l'échelle de gris, et les bibliothèques de manipulation d'image.
Explore les aspects pratiques de la résolution des jeux de parité, y compris les stratégies gagnantes, les algorithmes, la complexité, le déterminisme et les approches heuristiques.
Couvre la modélisation computationnelle des microstructures, les mesures statistiques, la reconstruction des microstructures et les tests de matériaux virtuels.
Se penche sur le transfert de style photographique, montrant comment les algorithmes peuvent transformer les images pour imiter différents styles et améliorer les photos.
