教程人工智能机器学习深度学习【免费下载链接】AI-For-Beginners12 Weeks, 24 Lessons, AI for All!项目地址https://gitcode.com/GitHub_Trending/ai/AI-For-Beginners点击查看免费下载计算机视觉Computer Vision是让计算机获得对数字图像高层次理解的人工智能分支而 OpenCV 则是该领域事实标准的图像处理库。本文以 AI-For-Beginners 课程第 6 课计算机视觉与 OpenCV 入门的德文翻译版为骨架结合仓库中可运行的 OpenCV.ipynb 实验笔记本与 MovementDetection.ipynb 实验完整讲解图像加载、色彩空间转换、预处理、盲文符号分离、帧差法运动检测与光流分析让读者具备用纯计算机视觉技术替神经网络减负的实战能力。什么是计算机视觉从任务谱系到课程定位计算机视觉是一个目标宽泛的学科它要让计算机对数字图像产生高层次理解而理解本身包含多种含义对象检测Object Detection在图像中找到某个物体事件检测Event Detection理解画面中正在发生什么图像描述把一幅图用文字描述出来三维场景重建从图像反推立体场景还有与人像相关的专项任务年龄与情绪估计、人脸检测与身份识别、3D 姿态估计等。在这些任务中最简单的一类就是图像分类Image Classification。课程 第 4 部分计算机视觉总览 依次覆盖了本课IntroCV/OpenCV、卷积神经网络、迁移学习、自编码器、GAN、对象检测与语义分割本课正是整个计算机视觉章节的起点。如今大多数计算机视觉任务都靠神经网络解决。但课程给出了一个容易被忽视的关键观点在把图像交给神经网络之前很多情况下先用算法技术增强/预处理图像是划算的。高质量预处理能让后续神经网络用更少的数据、更简单的模型完成任务这一点在 OpenCV.ipynb 的结尾也有明确论述。这也是本课聚焦 OpenCV 的根本原因。图像处理 Python 库全景imageio、Pillow、OpenCV、dlib课程文档开篇即对比了四款 Python 生态中最常用的图像处理库选型建议如下库定位与能力典型用途imageio读写多种图像格式支持调用 ffmpeg将视频帧批量转换为图像PillowPIL比 imageio 更强大支持变形morphing、调色板调整等操作基础图像读写与简单像素级操作OpenCV用 C 编写的高性能图像处理库已成为事实标准提供便捷的 Python 接口复杂图像处理、几何变换、光流、特征点提取dlibC 编写的机器学习库内含多项 CV 算法有 Python 接口人脸检测与面部关键点facial landmark识别等进阶任务其中 OpenCV 因算法覆盖面广、性能高而被视为事实标准。在仓库根目录的 environment.yml 中OpenCV 通过conda-forge::opencv渠道安装requirements.txt 中则固定了imageio2.35.0、pillow12.2.0等配套版本读者可直接据此搭建与本课程一致的实验环境。OpenCV加载图像与理解色彩空间用 NumPy 数组理解图像OpenCV 读入的图像本质上是 NumPy 数组。例如一张 320×200 像素的灰度图对应形状为200×320的二维数组同尺寸彩色图则对应形状为200×320×3的三维数组3 个通道分别对应颜色分量。加载并显示一张图像的入门代码如下摘自 OpenCV.ipynbimport cv2 import matplotlib.pyplot as plt im cv2.imread(image.jpeg) plt.imshow(im)BGR 与 RGBOpenCV 的历史遗留一个必须掌握的细节OpenCV 传统上使用 BGR蓝-绿-红编码存储彩色图像而 matplotlib 等大多数 Python 工具采用 RGB红-绿-蓝。直接plt.imshow一张 OpenCV 读入的彩色图颜色会明显失真。解决办法有两种手动交换 NumPy 数组的通道维度或调用 OpenCV 转换函数im cv2.cvtColor(im, cv2.COLOR_BGR2RGB)同一cvtColor函数还能完成其他色彩空间变换例如转灰度cv2.COLOR_BGR2GRAY、转 HSV色调-饱和度-明度色彩空间。实验笔记本中特别提醒大多数情况下应在加载图像后立即转成 RGB避免后续展示与调试时踩坑。此外OpenCV 还可以用cv2.VideoCapture逐帧加载视频OpenCV.ipynb 的帧差法运动检测一节即演示了完整流程。输入神经网络前的图像预处理将图像交给神经网络之前通常需要一串预处理步骤。课程文档与笔记本共同给出的 OpenCV 能力清单如下尺寸调整im cv2.resize(im, (320, 200), interpolationcv2.INTER_LANCZOS)interpolation参数控制插值算法如INTER_LANCZOS适合高质量缩放。模糊去噪im cv2.medianBlur(im, 3) # 中值模糊ksize 取奇数 im cv2.GaussianBlur(im, (3, 3), 0) # 高斯模糊第三参数为 σ亮度与对比度调整可通过 NumPy 数组运算直接完成例如像素值整体加减/乘除。阈值化Thresholding调用cv2.threshold/cv2.adaptiveThreshold。课程特别指出在许多场景下阈值化比调节亮度/对比度更可取因为它能干净地把前景与背景分离。几何变换仿射变换Affine当你已知图像中 3 个点的源与目标位置需要同时组合旋转、缩放与倾斜时使用仿射变换保持平行线仍平行。透视变换Perspective当你已知 4 个点的源与目标位置时使用。典型场景用手机斜着拍了一张矩形文档想矫正成端正的矩形文档图。光流Optical Flow用于理解图像内部的运动分为稠密光流与稀疏光流详见下文实战三。实战一盲文照片预处理——阈值化 特征点 透视变换 切片课程文档给出的第一个端到端案例是对一张盲文书照片做预处理把单个盲文符号分离出来便于后续交给神经网络分类。案例使用的原始图与处理结果如下原始盲文照片预处理后分离出的盲文符号图片来自 OpenCV.ipynb这个案例完整展示了纯图像处理如何为神经网络铺路OpenCV.ipynb 中的实现细节如下第一步灰度化与阈值化管线。颜色对盲文识别无用先用cvtColor转灰度再组合多种处理手段增强图像im cv2.blur(bw_im, (3, 3)) im cv2.adaptiveThreshold(im, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, 5, 4) im cv2.medianBlur(im, 3) _, im cv2.threshold(im, 0, 255, cv2.THRESH_OTSU) im cv2.GaussianBlur(im, (3, 3), 0) _, im cv2.threshold(im, 0, 255, cv2.THRESH_OTSU)这里adaptiveThreshold用邻域均值自适应确定阈值块大小 5、常量 C4THRESH_OTSU则自动计算全局最优阈值两次 Otsu 与模糊交替使用以压制噪声。第二步ORB 特征点提取把图像变成坐标集合。对后续的符号切割而言更实用的做法是用特征提取SIFT/SURF/ORB 之一这里用 ORB把点从图像里抽出来orb cv2.ORB_create(5000) # 最多提取 5000 个特征点 f, d orb.detectAndCompute(im, None) pts [x.pt for x in f] # 特征点坐标随后可用cv2.circle把这些点画在空白画布上直观校验提取结果。第三步用特征点坐标求整体包围盒。通过特征点坐标的 min/max 得到整段盲文文本的边界框min_x, min_y, max_x, max_y [int(f([z[i] for z in pts])) for f in (min, max) for i in (0, 1)]第四步透视变换矫正旋转。盲文照片可能存在轻微旋转用文本的 4 个角点构造单应矩阵并矫正为规则矩形off 5 src_pts np.array([(min_x - off, min_y - off), (min_x - off, max_y off), (max_x off, min_y - off), (max_x off, max_y off)]) w int(max_x - min_x off * 2) h int(max_y - min_y off * 2) dst_pts np.array([(0, 0), (0, h), (w, 0), (w, h)]) ho, m cv2.findHomography(src_pts, dst_pts) trim cv2.warpPerspective(im, ho, (w, h))第五步按固定窗口切片。矫正后按盲文字符的典型尺寸滑动切割跳过空白行得到单个符号char_h, char_w 36, 24 def slice(img): dy, dx img.shape y 0 while y char_h dy: x 0 while x char_w dx: if np.max(img[y:y char_h, x:x char_w]) 0: # 跳过空窗 yield img[y:y char_h, x:x char_w] x char_w y char_h整个流程表明许多任务可以不借助任何智能而纯粹用图像处理完成。既然能用 CV 技术降低神经网络的负担就应该优先做——这能显著减少训练数据需求。实战二帧差法运动检测——从数组相减到事件定位运动检测是监控类场景的高频需求先知道画面有动静再决定是否调用神经网络理解内容成本更低。课程文档点明了核心思想如果摄像头固定连续帧应该高度相似帧本质是数组两帧相减得到的像素差在静止时很小画面有明显运动时显著变大。OpenCV.ipynb 给出了完整可运行的实现链路vid cv2.VideoCapture(data/motionvideo.mp4) frames [] while vid.isOpened(): ret, frame vid.read() if not ret: break frames.append(frame) vid.release()随后把所有帧转灰度逐对相减并计算差值的范数得到活动强度曲线bwframes [cv2.cvtColor(x, cv2.COLOR_BGR2GRAY) for x in frames] diffs [(p2 - p1) for p1, p2 in zip(bwframes[:-1], bwframes[1:])] diff_amps np.array([np.linalg.norm(x) for x in diffs]) plt.plot(diff_amps)再用滑动平均平滑噪声曲线并设定阈值定位事件threshold 13000与仓库数据配套def moving_average(x, w): return np.convolve(x, np.ones(w), valid) / w threshold 13000 active_frames np.where(diff_amps threshold)[0]为了在事件中挑一张有代表性的画面还实现了连续帧序列提取长度超过 30 帧才算有效事件最终展示事件中间帧。若直接显示会发现颜色不对——这正是 BGR/RGB 问题补上cv2.cvtColor(..., cv2.COLOR_BGR2RGB)即可。帧差可视化效果如下图片来自 OpenCV.ipynb实战三光流分析——理解什么在动、往哪动帧差法只能告诉你变化量有多大无法回答是什么在动、向哪个方向动。课程文档引入了光流Optical Flow逐像素追踪视频帧间的运动。它有两种形态稠密光流Dense Optical Flow为每个像素计算运动矢量场稀疏光流Sparse Optical Flow只选取显著特征如边缘并追踪其在帧间的轨迹。OpenCV.ipynb 使用 Farneback 算法计算稠密光流flows [cv2.calcOpticalFlowFarneback(f1, f2, None, 0.5, 3, 15, 3, 5, 1.2, 0) for f1, f2 in zip(bwframes[:-1], bwframes[1:])]每个流场形状与帧相同、带 2 个通道分别对应 x、y 分量。为了可视化二维流场笔记本使用了一个巧妙技巧把光流矢量转成极坐标方向 强度再用HSV 色彩空间渲染——H色调表示方向、V明度表示强度、S 固定为 255def flow_to_hsv(flow): hsvImg np.zeros((flow.shape[0], flow.shape[1], 3), dtypenp.uint8) mag, ang cv2.cartToPolar(flow[..., 0], flow[..., 1]) hsvImg[..., 0] 0.5 * ang * 180 / np.pi hsvImg[..., 1] 255 hsvImg[..., 2] cv2.normalize(mag, None, 0, 255, cv2.NORM_MINMAX) return cv2.cvtColor(hsvImg, cv2.COLOR_HSV2BGR)在生成的彩色流场图中绿色系代表向左移动、蓝色系代表向右移动具体色相映射取决于角度编码。这种全局方向信息非常有价值例如当画面中几乎所有像素都朝同一方向运动时可推断是摄像头自身在移动进而做运动补偿。光流可视化效果如下图片来自 OpenCV.ipynb动手环节OpenCV Notebook 与手势方向识别 Lab课程为每个单元配套了可运行的实验笔记本。本课的主笔记本是 OpenCV.ipynb它把上文三个实战按可执行代码 图文说明的格式完整串联起来并定义了display_images辅助函数用于并排展示多张图。配套的动手实验是 Lab用光流识别手势方向视频 palm-movement.mp4 中一个人在稳定背景上让手掌分别向左/右/上/下移动。任务流程在 MovementDetection.ipynb 中给出按讲义方法逐帧读取视频计算稠密光流帧并转为极坐标对每个光流帧统计方向直方图——直方图统计各方向区间内的矢量数量即可把不同运动方向区分开建议先把幅值低于阈值的光流矢量清零过滤掉眨眼、头部晃动等微小运动观察直方图后选取对应上/下/左/右的直方图区间且超过一定阈值的帧判定运动方向。作为延伸目标可以进一步用肤色skin tone跟踪手掌/手指的精细运动。完成该实验你就真正掌握了用光流判断视频运动方向的完整链路。运行环境与依赖本课所有代码都基于 Python 与 OpenCV建议按仓库根目录的 environment.yml 创建 conda 环境其中已包含conda-forge::opencv、ipython、python等或参考 requirements.txt 中的固定版本含imageio2.35.0、pillow12.2.0等。除cv2外笔记本还用到了numpy与matplotlib含pyplot实验目录内的视频文件data/motionvideo.mp4、lab/palm-movement.mp4已随仓库提供无需额外下载数据即可复现全部结果。总结、挑战与延伸学习本课的收尾结论很实用诸如运动检测、指尖检测这类看起来复杂的问题有时可以完全由纯计算机视觉解决。因此了解 CV 基础技术与 OpenCV 的能力边界是任何 AI 从业者的基本功。课程还布置了挑战任务调研以积木化方式让非专业人士通过机器人完成 CV 任务的开源项目如 AI Show 中介绍的 Cortic Tigers 方案思考如何降低初学者进入该领域的学习门槛。课后的延伸阅读主题集中在光流的进阶用法需要更系统地学习 OpenCV 时也可以从本课笔记出发逐步深入。一句话总结本课方法论先让 OpenCV 这类传统 CV 技术把图像整理干净、把运动线索提炼出来再让神经网络去解决真正智能的部分——这是工程上最省数据、最稳定、也最被低估的 AI 落地姿势。赞分享教程人工智能机器学习深度学习【免费下载链接】AI-For-Beginners12 Weeks, 24 Lessons, AI for All!项目地址https://gitcode.com/GitHub_Trending/ai/AI-For-Beginners点击查看免费下载相关推荐计算机视觉入门实战AI-For-Beginners 课程第 6 课 OpenCV 图像处理与运动检测指南计算机视觉入门实战AI For Beginners 课程第 6 课 OpenCV 图像处理与运动检测指南 计算机视觉是让计算机看懂数字图像的技术分支而本教程人工智能机器学习深度学习AI for Beginners 课程实战用 OpenCV 入门计算机视觉——图像预处理、视频运动检测与光学流AI for Beginners 课程实战用 OpenCV 入门计算机视觉——图像预处理、视频运动检测与光学流 导读 计算机视觉Computer Visio教程人工智能机器学习深度学习计算机视觉入门与 OpenCV 实战图像预处理、运动检测与光流分析AI for Beginners 第 06 课计算机视觉入门与 OpenCV 实战图像预处理、运动检测与光流分析AI for Beginners 第 06 课 导读本文基于 AI for Begin教程人工智能机器学习深度学习创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考