PC/工控机上基于OpenCV实现图像处理
从答题卡到钢管识别，掌握跨平台图像处理核心技能
全面系统的学习内容- 实战项目驱动理论与实践
- 多平台开发能力提升
- 行业应用案例丰富
第一阶段
全部在一个阶段
全部在一个阶段，不区分各个阶段
| 资料名称 | 文件大小 |
|---|---|
| L1_课程综述和需求分析 | 15.99M |
| L2_环境配置和裁剪编译 | 1.87M |
| L3_自然环境下钢管计数算法的设计实现 | 5.55M |
| L4_Blob Detection 团块分析原理和实践 | 3.13M |
| L5 | 9.77M |
| L6 | 2.39M |
| L7_三种主要识别方法的比较和融合 | 6.08M |
| L8 | 67.85M |
| L9 | 133.99M |
| L10 | 5.75M |
下载| 资料名称 | 文件大小 |
|---|---|
| L1_课程综述以及内容简介 | 4.71M |
| L2_基本环境和Hellolena | 15.42M |
| L3_安装GDB_ImageWatch | 17.34M |
| L4_如何去实现一个图像处理程序 | 1.63M |
| L5_GOQTTemplate简单介绍 | 2.19M |
| L6_图像增强算法研究（1） | 13.01M |
| L7_图像增强算法研究（2） | 9.06M |
| L8_图像增强算法研究（3） | 13.78M |
| L9_linux下对qt编写的程序进行部署 | 17.08M |
| L10_课程小结 | 265.44M |
下载| 资料名称 | 文件大小 |
|---|---|
| L1课程综述 | 3.83M |
| L2ppt和代码(修正) | 7.63M |
| L3本项目的算法要点 | 2.31M |
| L4标定和换算 | 2.60M |
| L5标定的三种方式 | 22.20M |
| L6测量规则和不规则物体 | 3.83M |
| L7测量孔洞和锯齿 | 1.75M |
| L8资料 | 11.78M |
| L9显示控制和数据结果的导出 | 37.02M |
| L10可能扩展和课程总结 | 1.67M |
下载| 资料名称 | 文件大小 |
|---|---|
| L1_创建本门课程的思考和主要内容 | 93.22M |
| L2_硬件基础知识和选配 | 11.12M |
| L3_软件框架1,关于软件框架选择的思考 | 25.34M |
| L4_软件框架2,软件框架的基础构造 | 1.88M |
| L5_CLR基本原理和如何运用于GOCW | 1.91M |
| L6_算法效果预览，知识框架梳理 | 29.21M |
| L7 | 5.22M |
| L8_系统融合上（静态识别） | 3.60M |
| L9代码GOGPY和课件 | 71.28M |
| L10课件 | 9.43M |
下载| 资料名称 | 文件大小 |
|---|---|
| 程序 | 31.89KB |
| L02 OpenCV图像处理的环境配置 | 3.66M |
| L03 答题卡识别的算法分析1 | 3.46M |
| L04 答题卡识别的算法分析2 | 1.60M |
| L06 图像处理的硬件选配1 | 7.34M |
| L05 答题卡识别的算法分析3 | 10.84M |
| L07 图像处理的硬件选配2 | 11.62M |
| L08 图像处理的硬件选配3 | 4.12M |
| L09 图像处理的软件框架1 | 3.32M |
| L10 图像处理的软件框架2 | 3.30M |
| L11 图像处理的软件框架3 | 1.95M |
| L12 系统融合1 | 6.07M |
| L13 系统融合2 | 4.53M |
| L14 opencv图像处理程序的发布 | 9.39M |
| L15 小结，通过课程我们学到了什么 | 1.13M |
下载{{ starInfo.score }}
下载Android客户端
下载iphone 客户端
关注官方微信
关注