Un'introduzione alla visione artificiale

Questo corso gratuito online stabilisce l'importanza della visione artificiale nell'estrazione di astrazioni e informazioni di livello superiore dalle immagini. Iniziamo con una rassegna storica della visione artificiale per tracciare la sua evoluzione negli ultimi decenni. Studiamo le prime incursioni nella visione artificiale e gli sforzi che hanno contribuito alla comprensione delle immagini e hanno portato alla nascita del deep learning. Tracciamo anche l'origine di vari progetti e progressi nel campo della visione artificiale nell'ultimo mezzo secolo. Il corso analizza il processo di formazione delle immagini che utilizza una serie di condizioni di illuminazione, geometria della scena, proprietà della superficie e ottica della telecamera. Approfondiamo quindi l'uso delle fotocamere digitali per creare effetti essenziali come esposizione, mappature non lineari,

Ti mostriamo quindi come rappresentare un'immagine suddividendola in minuscoli pixel. Ciò include l'uso di tecniche di elaborazione delle immagini per preelaborare le immagini e convertirle in forme adatte per ulteriori analisi e i vari operatori di elaborazione delle immagini che mappano i valori dei pixel da un'immagine all'altra. Quindi analizziamo il metodo di applicazione dei filtri a un'immagine per modificarne o migliorarne le caratteristiche. Il corso descrive il ruolo dell'equalizzazione dell'istogramma in quanto utilizza una raccolta di valori di pixel in prossimità di un determinato pixel per determinarne il valore di output finale ed eseguire la regolazione locale della tonalità dell'immagine. Dimostriamo il processo di miglioramento dell'immagine in cui la funzione di trasferimento del filtro modifica parte dello spettro di frequenza del segnale. Evidenziamo anche l'uso dell'analisi di Fourier per determinare le caratteristiche di frequenza di vari

Il corso mostra quindi come utilizzare la trasformata di Fourier veloce (FFT) per eseguire grandi convoluzioni del kernel. Ciò include il processo di scomposizione di un'immagine nelle sue componenti seno e coseno utilizzando le trasformate di Fourier. Stabiliamo l'importanza del campionamento e dell'aliasing nell'elaborazione delle immagini. Dimostriamo anche come la frequenza di campionamento determini la risoluzione spaziale dell'immagine digitalizzata e la presenza di alias quando la frequenza di campionamento non è sufficientemente elevata per catturare i dettagli dell'immagine. Infine, discutiamo il metodo per aumentare e diminuire la risoluzione di un'immagine utilizzando filtri di interpolazione e decimazione. Questo corso informativo è adatto a chi studia informatica o a chiunque sia interessato a