数字图像处理是一门前沿交叉学科。其应用博大精深，领域丰富；OpenCV是更为流行和广泛运用的机器视觉库。本课程关注怎样运用OpenCV编写程序，解决实际项目问题。
本课程更注重运用而非理论，因此即使你不具备基础知识，但是在一步一步的讲解中，按图索骥，也能够快速入门，并且建立起知识框架；对于具备一定基础的开发者来说，学习本门课程能够加速对图像处理程序的理解，并且逐渐积累起自己的开发框架。
课程大纲：
第一课：课程综述以及Windows环境下OpenCV(带contrib)编译和使用
第二课：自己动手，实现“你的名字”滤镜
我喜欢《你的名字》这个故事，前一段时间在微信上使用过它的滤镜，实现的效果很惊艳。使用OpenCV3中出现的seamlessClone等函数我们也可以实现类似的效果。
第三课：结合grabcut和inpaint，实现人像去除
在OpenCV提供更多函数中，grabcut能够实现抠图，inpaint能够实现修补。那么把两者结合起来，就能够实现简单的“人像去除”功能，也就是框选一个人后，使用周围的景象对人像进行修补。虽然效果比不上PS，但是毕竟我们是以学习算法为目的的。
第四课：压板识别项目分析
来源于具体项目，具有普遍特点。使用阈值处理、投影分析等经典方法对特征区域进行定位；而后通过颜色变换和形态学变化获得进一步识别的区域，进行识别。
第五课：寻找酒瓶瓶口缺陷
来源于具体项目，具有普遍特点。通过经典方法寻找带缺陷瓶口缺陷；基于圆的基本特性，编写专门解决算法解决缺陷评判。
第六课：钢管识别项目
来源于具体项目，具有普遍特点。钢管的特点是由于其是有深度的，这就造成了管子的内部形成一个阴影。寻找并识别这个阴影，是解决问题的主要方法。灰度并阈值处理，得到具有一定可信度的结果。最后生成的结果还要经过人工进一步甄选，这个过程也是我们的程序需要提供的。
第七课：结合tesseract的OCR识别
识别手写的中文要难于印刷体中文，再难于印刷体的英文。但是使用tesseract我们都能够获得不错的效果，关键是如何和我们现有的OpenCV结合起来。
第八课：基于轮廓分析进行二维码定位
FindContours而且知道有能够直接寻找联通区域的函数。但是仅仅能够寻找并绘制轮廓使不够的；其实轮廓还有另一个很重要的性质，那就是轮廓的相互包含特性。通过运用这个特性，就能够让独特的轮廓被选择出来。典型的运用就是二维码定位。
第九课：单向信息传输系统的设计与实现
单项数据传输用于专门领域，运用于内外网隔离的情况下进行数据传输。这不仅包括图像算法的处理，而且涉及软硬件构架，是一个可充分扩展的实际项目。
第十课：AnswerOpencv经典例题（Finding distance between two curves）
这是我多年在AnswerOpencV论坛上看到的最棒的算法例题。充分运用了OpenCV新版本的新函数和新特性。整个解答，思路清晰，代码富有弹性。
第十一课：限制对比度自适应直方图均衡化算法（CLAHE）的实现和研究
CLAHE算法对于医学图像，特别是医学红外图像的增强效果非常明显，是一种运用广泛的局部增强算法。这里从原理到实现进行解读。
第十二课：GOMfcTemplate图像处理平台设计实现（上）
编写带界面的图像处理程序，选择opencv+mfc是一种很好的选择；在读取摄像头数据方面，网上的方法很多，其中shiqiyu的camerads的方法是较好的。 基于现有资料，通过在实际项目中的积累，我总结出来一套结合opencv和mfc的摄像头采集框架。具有以下特点：
1、基于directshow，兼容性好，速度快。只要相机支持Directshow就能用
2、摄像头部分通过线程读取，保证界面的运行流畅；
3、框架经过多次打磨，已经比较稳定，不会出现异常错误；代码简洁明了，方便复用。
第十三课：GOMfcTemplate图像处理平台设计实现（下）
第十四课：Csharp调用基于Opencv编写的类库文件
Csharp如何调用基于Opencv编写的类库文件(Dll)是一个广泛讨论的问题。 经过长时间探索后，我终于进行了很好的实现。希望你能够在这里找到自己想要的东西！
授课时间：
本期课程将于6月21日开始。课程持续时间大约为16周。
