Python - Aufbaukurs - Bildverarbeitung

Im Python - Aufbaukurs - Bildverarbeitung erlernen Sie, wie Sie komplexe Bildverarbeitungsaufgaben effektiv mit Python meistern. Mit OpenCV stehen Ihnen Werkzeuge zur Verfügung, um Bilder zu manipulieren, Objekte zu erkennen und Bewegungen zu verfolgen. Zudem tauchen Sie in die Welt der Convolutional Neural Networks (CNNs) ein, um Bilder präzise zu klassifizieren und zu segmentieren, was Ihnen ermöglicht, die automatische Klassifikation oder Segmentierung von Bildern für Ihre Projekte zu nutzen.

Dieser Kurs richtet sich an Anwender, die ihre Bilddaten geschickt in verschiedenen Anwendungen integrieren möchten. Ob zur Qualitätskontrolle oder zur Analyse von Kameradaten, nach der Weiterbildung sind Sie in der Lage, Bildverarbeitungslösungen zielgerichtet zu implementieren. Ein besonderer Vorteil des Kurses besteht darin, dass Sie praktische Techniken erlernen, die direkt auf reale Anwendungsszenarien übertragen werden können.

Durch praxisnahe Übungen gewinnen Sie Sicherheit im Umgang mit OpenCV und CNNs. Dabei setzen Sie Methoden zur Bildmanipulation, Objekterkennung und -verfolgung ein, um auf die Anforderungen in Bereichen wie visuelle Suche gerecht zu werden. Nach Abschluss der Schulung besitzen Sie die Fähigkeiten, um Bildverarbeitungstechniken effizient in Ihren beruflichen Kontext einzubinden.

Diese Schulung ist ein Angebot der PC-COLLEGE Gruppe.

Grundlagen der Bildverarbeitung mit OpenCV

- Bildformate, Farbmodelle, Laden und Anzeigen von Bildern

- Transformationen: Skalierung, Rotation, Zuschneiden

Filter und Merkmalsextraktion

- Kantenerkennung (Canny, Sobel)

- Thresholding, Histogramme, Morphologische Operationen

Tracking und Objekterkennung

- Bewegungsverfolgung mit OpenCV

- Erkennung durch Template Matching oder klassische Features

Datenaugmentation und Vorbereitung

- Resizing, Rauschveränderung, Bildrotationen

- Datensätze für ML vorbereiten

Convolutional Neural Networks

- Aufbau und Funktionsweise von CNNs

- Bildklassifikation mit TensorFlow oder PyTorch

- Transfer Learning für visuelle Aufgaben

Anwendungsszenarien und Projektbeispiele

- Bildbasierte Qualitätssicherung

- OCR, Barcode- und QR-Code-Erkennung

- Analyse von Kamerastreams in Echtzeit