• 了解數位影像基礎(像素、色彩)與灰階轉換原理: 掌握將彩色影像轉為灰階的技巧,降低後續處理的 計算複雜度,為影像分析打好根基。
• 實作影像讀取與顯示: 使用 C# Windows Forms 建立基本介面,載入並呈現影像檔案,在程式中顯示 出照片內容。
• 灰階處理體驗: 撰寫程式將影像灰階化,觀察亮度資訊的呈現效果,親手體驗如何提取出影像中有用的 結構資訊。
• 學習成果: 能夠獨立將彩色照片轉換為灰階影像,理解灰階在影像分析中的重要性與應用價值,為進階 影像處理做好準備。
• 產業應用: 灰階影像常用作工業檢測的預處理步驟,可減少雜訊干擾並加快後續演算法(如瑕疵檢測) 的運行速度。
影像二值化技術: 設定灰階門檻將影像轉換成黑白分明的二值影像,清晰區隔目標物與背景,讓關注對 象更突出。
門檻選擇策略: 了解手動設定固定閾值與自動計算門檻(如 Otsu 演算法)的差異,學會根據影像特性 選擇最佳二值化方法,提高分割準確度。
形態學運算入門: 掌握侵蝕 (Erosion) 與膨脹 (Dilation) 基本操作,去除雜點雜訊、填補物件細小空 隙,優化二值影像品質以利後續分析。
C# 實作練習: 撰寫程式碼對二值影像進行侵蝕/膨脹處理,調整運算參數觀察影像結構變化,強化動手 能力與程式調試技巧。
實用價值: 運用二值化與形態學預處理來提升瑕疵偵測的準確度,例如濾除背景雜點以凸顯產品表面刮 痕或孔洞,在工業檢測中大幅降低誤判。
輪廓偵測原理: 學習如何從二值影像中擷取物件輪廓,辨識影像中各獨立物件的邊界範圍,為每個目標 建立清晰的外形描述。
幾何特徵計算: 計算輪廓的面積、周長、重心、外接矩形尺寸等幾何資訊,量化物件大小與形狀特性, 取得客觀的測量數據。
C# 實務操作: 撰寫程式讀取輪廓點陣列並計算上述特徵,在 Windows Forms 介面上即時顯示結果, 驗證程式運算正確性。
形狀判別應用: 利用幾何特徵判斷物件形狀類型(如圓形、矩形),篩選目標物是否符合預期規格,為 後續尺寸量測與缺陷檢測提供依據。
產業應用: 透過輪廓分析實現產品自動計數,初步評估產品尺寸是否合格,取代人工目測量測,提高產 線檢驗的一致性與效率。
1對1原價$19999(3堂課)
團體價每人$12999(3堂課)