这门课解决什么，以及它真正的边界

很多初学者想入门计算机视觉，往往被“刷脸”、“美颜”这些高大上的词吸引，却忽略了背后的数学底座。这套资料的核心并不是教你调用现成的 API 实现一键美化，而是带你从零搭建**人工神经网络（ANN）**，并理解其如何与图像处理结合。

它主要解决两个问题：一是让开发者理解 OpenCV 基础操作（像素读写、几何变换）与 TensorFlow 核心概念（常量变量、矩阵运算）之间的衔接逻辑；二是通过一个具体的实战案例——**使用神经网络逼近股票价格**，来演示数据准备、模型构建到训练预测的完整闭环。需要注意的是，标题中提到的“人脸识别”与“美颜技术”在现有目录中并未体现详细展开，课程重心明显偏向**基础理论推导与数值计算能力的建立**。如果你期待的是直接套用模型做生物识别，这门课可能偏离你的预期；但如果你想搞懂“为什么神经网络能处理图像数据”，这里是很好的起点。

适合什么基础，以及学习路径建议

**基础要求：**
建议具备 Python 基本语法知识，最好对线性代数中的矩阵概念有初步了解。如果你连 `import numpy as np` 都感到陌生，或者无法理解什么是向量点积，直接上手会非常吃力。

**建议先看哪几块：**
1. **环境搭建（2-1 至 2-4）**：务必先花时间在 Mac 或 Windows 上配好 Anaconda 和 TensorFlow 环境。环境报错是新手劝退的第一大原因，不要在代码逻辑上浪费时间在调试环境上。
2. **OpenCV 基础（2-5 至 2-9，3-1 至 3-4）**：这是图像处理的基石。重点理解图片在计算机中是如何以矩阵形式存储的，以及像素读取、写入、缩放的基本原理。这部分枯燥但不可或缺。
3. **TensorFlow 核心运算（2-11 至 2-18）**：跳过单纯的常量定义，重点掌握**矩阵运算**和 **NumPy/Matplotlib 的配合使用**。只有理解了数据如何在张量中流动，才能看懂后续的神经网络结构。
4. **实战串联（2-19 至 2-22）**：这是全书的高潮，通过股票价格预测案例，将前面的图像/数值处理和神经网络知识串联起来。务必亲手复现代码，而非仅观看视频。

学完能独立做什么，资料如何配合练习

**独立能力：**
完成本课程后，你将能够独立使用 OpenCV 进行基础的图像预处理（如缩放、旋转、仿射变换），并利用 NumPy 和 TensorFlow 构建简单的人工神经网络模型，处理非图像类的数值预测任务（如时间序列预测）。你能够读懂简单的 CV 代码逻辑，明白数据从“图片”到“张量”再到“预测结果”的完整链路。

**资料配合建议：**
课程提供的视频是讲解思路，**代码注释和练习案例**才是关键。建议采用“暂停-复现-修改”的方式：
- 看完一个案例（如像素读取），先自己敲一遍代码确保运行无误。
- 尝试修改参数（如改变图片缩放比例、调整矩阵运算方式），观察输出变化。
- 在做股票预测案例时，务必自行运行并记录训练过程中的误差变化，思考如果换成其他数据集，需要调整哪些超参数。

不要急于求成跳过基础模块，OpenCV 和矩阵运算的扎实程度，直接决定了你后续接触深度学习框架时的上限。

课程目录

===============课程目录=============== (1)\课程准备阶段
(2) 1-1 课程准备.mp4
(3) 2-1 课程内容.mp4
(4) 2-10 案例4：像素读取写入.mp4
(5) 2-11 tensorflow常量变量定义.mp4
(6) 2-12 tensorflow运算原理.mp4
(7) 2-13 常量变量四则运算.mp4
(8) 2-14 矩阵基础1.mp4
(9) 2-15 矩阵基础2.mp4
(10) 2-16 矩阵基础3.mp4
(11) 2-17 numpy模块使用.mp4
(12) 2-18 matplotlib模块的使用.mp4
(13) 2-19 小综合：人工神经网络逼近股票价格1.mp4
(14) 2-2 Mac下一站式开发环境anaconda搭建.mp4
(15) 2-20 小综合：人工神经网络逼近股票价格2.mp4
(16) 2-21 小综合：人工神经网络逼近股票价格3.mp4
(17) 2-22 小综合：人工神经网络逼近股票价格4.mp4
(18) 2-3 Windows下一站式开发环境anaconda搭建.mp4
(19) 2-4 测试案例helloWorld.mp4
(20) 2-5 案例1：图片的读取和展示.mp4
(21) 2-6 Opencv模块组织结构.mp4
(22) 2-7 案例2：图片写入.mp4
(23) 2-8 案例3：不同图片质量保存.mp4
(24) 2-9 像素操作基础.mp4
(25) 3-1 本章介绍.mp4
(26) 3-10 图片缩放.mp4
(27) 3-11 图片仿射变换.mp4
(28) 3-12 图片旋转.mp4
(29) 3-13 图片几何变换小结.mp4
(30) 3-2 图片缩放1.mp4
(31) 3-3 图片缩放2.mp4
(32) 3-4 图片缩放3.mp4
(33) 3-5 图片剪切.mp4
(34) 3-6 图片位移1.mp4
(35) 3-7 图片移位2.mp4
(36) 3-8 图片移位3.mp4
(37) 3-9 图片镜像.mp4
(38) 4-1 图像特效介绍.mp4
(39) 4-10 边缘检测2.mp4
(40) 4-11 浮雕效果.mp4
(41) 4-12 颜色映射.mp4
(42) 4-13 油画特效.mp4
(43) 4-14 图像特效小结.mp4
(44) 4-15 线段绘制.mp4
(45) 4-16 矩形圆形任意多边形绘制.mp4
(46) 4-17 文字图片绘制.mp4
(47) 4-2 图像灰度处理1.mp4
(48) 4-3 图像灰度处理2.mp4
(49) 4-4 算法优化.mp4
(50) 4-5 颜色反转.mp4
(51) 4-6 马赛克.mp4
(52) 4-7 毛玻璃.mp4
(53) 4-8 图片融合.mp4
(54) 4-9 边缘检测1.mp4
(55) 5-1 美化效果章节介绍.mp4
(56) 5-10 磨皮美白.mp4
(57) 5-11 高斯均值滤波.mp4
(58) 5-12 中值滤波.mp4
(59) 5-13 图像美化章节小结.mp4
(60) 5-2 彩色图片直方图.mp4
(61) 5-3 直方图均衡化.mp4
(62) 5-4 图片修补.mp4
(63) 5-5 灰度直方图源码.mp4
(64) 5-6 彩色直方图源码.mp4
(65) 5-7 灰度直方图均衡化.mp4
(66) 5-8 彩色直方图均衡化.mp4
(67) 5-9 亮度增强.mp4
(68) 6-1 机器学习章节介绍.mp4
(69) 6-10 SVM支持向量机1.mp4
(70) 6-11 SVM支持向量机2.mp4
(71) 6-12 SVM小结.mp4
(72) 6-13 Hog特征1.mp4
(73) 6-14 Hog特征2.mp4
(74) 6-15 Hog特征3.mp4
(75) 6-16 Hog特征4.mp4
(76) 6-17 Hog小结.mp4
(77) 6-18 Hog_SVM小狮子识别1.mp4
(78) 6-19 Hog_SVM小狮子识别2.mp4
(79) 6-2 视频分解图片.mp4
(80) 6-20 Hog_SVM小狮子识别3.mp4
(81) 6-21 Hog_SVM小狮子识别4.mp4
(82) 6-22 Hog_SVM小狮子识别5.mp4
(83) 6-23 机器学习小结.mp4
(84) 6-3 图片合成视频.mp4
(85) 6-4 Haar特征1.mp4
(86) 6-5 Haar特征2.mp4
(87) 6-6 Haar特征3.mp4
(88) 6-7 adaboost分类器1.mp4
(89) 6-8 adaboost分类器2.mp4
(90) 6-9 Haar+adaboost人脸识别.mp4
(91) 7-1 章节介绍.mp4
(92) 7-10 knn数字识别8.mp4
(93) 7-11 knn数字识别9.mp4
(94) 7-12 knn数字识别10.mp4
(95) 7-13 cnn实现手写数字识别1.mp4
(96) 7-14 cnn实现手写数字识别2.mp4
(97) 7-15 cnn实现手写数字识别3.mp4
(98) 7-16 cnn实现手写数字识别4.mp4
(99) 7-17 cnn实现手写数字识别5.mp4
(100) 7-18 cnn实现手写数字识别6.mp4
(101) 7-19 数字识别小结.mp4
(102) 7-2 样本介绍.mp4
(103) 7-3 knn数字识别1.mp4
(104) 7-4 knn数字识别2.mp4
(105) 7-5 knn数字识别3.mp4
(106) 7-6 knn数字识别4.mp4
(107) 7-7 knn数字识别5.mp4
(108) 7-8 knn数字识别6.mp4
(109) 7-9 knn数字识别7.mp4
(110) 8-1 章节介绍.mp4
(111) 8-2 最简单的图片爬虫.mp4
(112) 8-3 ffmpeg初识_音频.mp4.mp4
(113) 8-4 OpenCV预处理.mp4
(114) 8-5 神经网络训练识别1.mp4
(115) 8-6 神经网络训练识别2.mp4
(116) 8-7 神经网络训练识别3.mp4
(117) 8-8 神经网络训练识别4.mp4
(118) 8-9 mp4
(119) 9-1 所有课程收尾.mp4 课程配套源码.zip
===============课程目录===============(1)\课程准备阶段
(5) 2-11