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.
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.
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.
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.
Couvre les principes fondamentaux du traitement de l'image scientifique, les pratiques logicielles et les considérations éthiques dans le traitement de l'image.
Couvre les bases de l'acquisition d'images, y compris les dispositifs optiques, les facteurs de résolution, les distorsions de la lentille et les technologies de capteur.
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.
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.
Explore les techniques de délimitation, y compris la transformation de Hough, l'orientation du gradient et la détection de forme, en soulignant l'importance de combiner des techniques basées sur des graphiques et l'apprentissage automatique.
