答题卡识别的算法分析2

3.5万 未经授权,禁止转载了解课程
课程介绍
讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}
适合人群
在学本科生与研究生,图像处理工作者,对图像处理感兴趣者
你将会学到
一步一步,手把手地介绍包括环境搭建,算法分析,200块钱以内的硬件环境选购和搭建,基于MFC的视频采集和图像处理软件框架的搭建,软件的打包、加密和分发等相关内容。目能够使研发者能够形成开发一个完整图像处理项目的能力;并且培养分析问题、解决问题的意识。
课程简介

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研发者来说,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。

   内容包括:

1、综述。课程的核心是开发一个基于Opencv的“答题卡”识别系统。不仅包括算法,而且包括软件框架,而且包括硬件选配。

2、OpenCV图像处理的环境配置。运行第一个测试程序验证运行环境的正确。我介绍的环境配置方法是最简单的;

3、答题卡识别的算法分析1:算法效果预览,知识框架梳理。首先将实现的效果和实现效果的步骤展示出来,让同学获得整体认知,并且去自主查阅相关资料;

4、答题卡识别的算法分析2:算法精讲。解决实际问题需要能够灵活运用各种算法工具;

5、答题卡识别的算法分析3:算法精讲的继续和答题卡算法的小结;

6、图像处理的硬件选配1:摄像头、光源的基本知识;

7、图像处理的硬件选配2:如何以合适的价格获得能够进行图像处理实验的硬件环境?

8、图像处理的硬件选配3:如何调整硬件,获得较好的采集效果?

9、图像处理的软件框架1:为什么需要软件框架?目前实现了怎样的最简软件框架?

10、图像处理的软件框架2:软件框架的基础构造。手把手搭建基础框架;

11、图像处理的软件框架3:手把手搭建基础框架的继续。测试框架的效果。

12、系统融合。如何将算法和软件融合?如何将软件和硬件融合?

13、系统融合。如何采集实际的视频数据,获得最终的数据结果。

14、OpenCV图像处理程序的发布,如何将图像处理程序交付给客户?加密狗选配的建议

15:通过课程我们学到了什么?如何继续扩展应用于实际?


展开更多
发布
头像

{{ item.user.nick_name }} {{ EROLE_NAME[item.user.identity] }}

置顶笔记
讨论图
{{ item.create_time }}回复
  • 删除

    是否确认删除?

    确认
    取消
  • {{ item.is_top == 1 ? '取消置顶' : '置顶'}}

    已有置顶的讨论,是否替换已有的置顶?

    确认
    取消
{{ tag.text}}
头像
{{ subitem.user.nick_name }}{{ EROLE_NAME[subitem.user.identity] }}
{{ subitem.create_time }}回复
删除

是否确认删除?

确认
取消
发布
讨论区空空如也,你来讲两句~
发布
{{tips.text}}
{{ noteHeaderTitle }} 笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
头像
{{ detail.username }}

公开笔记对他人可见,有机会被管理员评为“优质笔记”

{{ noteEditor.content.length }}/2000

公开笔记
保存
提问

讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。

记录时间点
记录提问时视频播放的时间点,便于后续查看
公开提问
提交