Szkolenie OpenCV
Poziom
ŚredniozaawansowanyCzas
16h / 2 dniTermin
IndywidualnieCena
IndywidualnieSzkolenie OpenCV
Intensywne, dwudniowe szkolenie poświęcone praktycznemu przetwarzaniu obrazów w Pythonie z wykorzystaniem OpenCV i NumPy. Uczestnicy przygotują środowisko pracy, przeanalizują reprezentację obrazu cyfrowego oraz zastosują transformacje geometryczne, filtry, operacje na kolorach, detekcję krawędzi, deskryptory cech, segmentację i klasyczne metody śledzenia obiektów. Podczas ćwiczeń uczestnicy zbudują potok analizy obrazu, dobiorą parametry algorytmów i porównają jakość wyników na danych testowych. Zakres obejmuje klasyczne techniki widzenia komputerowego.
Dla kogo jest szkolenie z OpenCV?
Programiści Python chcący rozszerzyć swoje kompetencje o przetwarzanie obrazów i klasyczne techniki widzenia komputerowego
Inżynierowie tworzący prototypy systemów kontroli jakości, analizy obrazu, detekcji cech lub śledzenia obiektów-
Analitycy danych i badacze pracujący z fotografiami, skanami, nagraniami lub innymi danymi wizualnymi
-
Studenci kierunków informatycznych i technicznych posiadający praktyczne podstawy programowania oraz analizy danych
Wymagane umiejętności technologiczne od uczestników szkolenia:
Znajomość Pythona obejmująca funkcje, kolekcje, instrukcje warunkowe, pętle, import modułów oraz odczyt i zapis plików-
Podstawowa umiejętność pracy z tablicami NumPy, indeksowaniem, wymiarami danych oraz prostymi operacjami matematycznymi
-
Umiejętność konfiguracji środowiska wirtualnego, instalacji pakietów za pomocą pip oraz pracy w Jupyter Notebook, PyCharm lub innym IDE
Czego się nauczysz na szkoleniu ?
- Skonfigurujesz środowisko OpenCV i przygotujesz skrypt lub notebook do wczytywania, przetwarzania, wyświetlania i zapisywania obrazów
- Przeprowadzisz transformacje geometryczne, filtrację, odszumianie, wyostrzanie i detekcję krawędzi oraz porównasz wpływ parametrów na wynik
- Utworzysz maski kolorystyczne, zastosujesz progowanie i operacje morfologiczne oraz przygotujesz wynik segmentacji obrazu
- Wykryjesz punkty charakterystyczne, obliczysz deskryptory SIFT, ORB lub AKAZE i dopasujesz cechy pomiędzy obrazami
- Zweryfikujesz działanie potoku na zestawie testowym, rozpoznasz fałszywe detekcje i opiszesz ograniczenia wynikające z oświetlenia, jakości obrazu, parametrów oraz charakterystyki danych
Program szkolenia
Dzień 1
Moduł 1: Wprowadzenie do OpenCV i podstawy przetwarzania obrazów
- Środowisko OpenCV: środowisko wirtualne, pakiety podstawowe i rozszerzone, zależności, konfiguracja notebooka oraz weryfikacja instalacji
- Obraz cyfrowy w OpenCV: odczyt, podgląd, zapis, formaty plików, tablice NumPy, wymiary obrazu, kanały i typy danych
- Piksele i regiony obrazu: współrzędne, wartości kanałów, indeksowanie, wycinki ROI, kopiowanie danych oraz kontrola zakresów
Moduł 2: Podstawowe operacje na obrazach
- Transformacje geometryczne: skalowanie, obrót, przesunięcie, kadrowanie, odbicie, interpolacja oraz macierze transformacji
- Filtry obrazu: rozmycie, odszumianie, wyostrzanie, gradienty Sobela, detektor Canny’ego oraz wpływ parametrów na jakość krawędzi
Moduł 3: Przetwarzanie kolorów i przestrzeni barw
- Przestrzenie barw: BGR, RGB, HSV i skala szarości, konwersje, separacja kanałów, zakresy wartości oraz histogramy
- Segmentacja kolorystyczna: zakresy HSV, maski binarne, łączenie warunków, redukcja zakłóceń oraz odporność na zmiany oświetlenia
Moduł 4: Detekcja i ekstrakcja cech obrazu
- Punkty charakterystyczne i krawędzie: narożniki Harrisa, detekcja Shi–Tomasi, gradienty, kontury oraz kryteria jakości wykrytych cech
- Detektory i deskryptory cech: SIFT, ORB i AKAZE, dopasowanie deskryptorów, miary odległości, filtracja dopasowań oraz ograniczenia metod klasycznych
Dzień 2
Moduł 5: Zaawansowane techniki przetwarzania obrazów
- Operacje morfologiczne: erozja, dylatacja, otwarcie, zamknięcie, gradient morfologiczny, elementy strukturalne oraz redukcja zakłóceń masek
- Transformata Hougha: detekcja linii i okręgów, przygotowanie obrazu wejściowego, dobór progów oraz analiza fałszywych detekcji
Moduł 6: Segmentacja obrazu
- Progowanie obrazu: próg globalny, progowanie adaptacyjne, metoda Otsu, obrazy binarne oraz wpływ rozkładu jasności na wynik
- Algorytmy segmentacji: watershed i mean-shift, znaczniki, regiony obrazu, granice obiektów oraz jakościowa ocena rezultatów
Moduł 7: Detekcja i śledzenie obiektów
- Klasyczne detektory obiektów: kaskady Haara, konfiguracja klasyfikatora, parametry detekcji, fałszywe wskazania, ograniczenia danych oraz ryzyka związane z jakością obrazu i prywatnością
- Śledzenie obiektów: algorytmy KCF i CSRT, inicjalizacja obszaru ROI, aktualizacja położenia, porównanie szybkości i odporności, utrata celu oraz podstawowa walidacja na materiale testowym
