课程定位：这不是纯理论课，而是OpenCV实战的“工具箱”

这门课的核心不在于推导深度学习论文的数学公式，而在于解决计算机视觉落地中的工程问题。从资料结构来看，它系统地覆盖了从图像底层操作到特征提取，再到传统视觉算法应用的全链路。对于想要进入AI视觉领域，但苦于不懂图像处理基础、只会调包不会修bug的开发者来说，这是一次补齐底层认知的绝佳机会。

课程避开了空洞的概念宣讲，直接切入OpenCV这一工业界标准库。无论是早期的信用卡数字识别，还是全景图像拼接、背景建模，每一个模块都对应着真实工作场景中的典型需求。它适合那些已经掌握Python基础，对神经网络有基本了解，但面对具体视觉任务时不知道如何预处理、如何优化效果的中级学习者。

学习路径与核心模块拆解

建议的学习顺序应遵循“由浅入深、由局部到整体”的逻辑。首先，必须扎实攻克图像基本操作与形态学操作。这是所有后续处理的基石，包括如何读取视频、处理ROI区域、理解边界填充，以及腐蚀、膨胀、开闭运算等对图像噪声和形状的处理手段。如果这一步没打牢，后面的特征检测就会变得非常吃力。

进阶阶段，重点聚焦于图像特征提取与梯度计算。课程深入讲解了Sobel、Scharr、Laplacian算子以及Harris角点检测的数学原理与代码实现。这里需要特别注意，讲师不仅讲怎么用，还推导了背后的数学简化过程，这对于理解算法本质至关重要。随后，通过全景图像拼接案例，将特征匹配与RANSAC算法串联起来，这是传统视觉算法中最具代表性的综合实战之一。

此外，课程还包含了DNN模块与背景建模的内容。DNN模块展示了如何在OpenCV中加载预训练模型进行推理，解决了“训练”与“部署”之间的断层问题。背景建模部分则通过混合高斯模型，讲解了动态场景下的目标检测思路，这在安防监控等场景应用极广。

学完能独立做什么及资料配合建议

完成本课程后，你将具备独立使用OpenCV处理复杂视觉任务的能力。具体来说，你可以实现图像的精细化预处理（如去噪、增强）、特征点的自动检测与匹配、基于模板的简单物体识别，以及基于深度学习框架的视频流目标检测。你不再是一个只会调用高级API的“调参侠”，而是能够理解数据流向、懂得根据任务特性选择合适算法的工程师。

在配合资料练习时，请务必不要只看不练。课程中的每一个算子（如Harris）和每一个项目（如信用卡识别、全景拼接）都配有对应的源码或演示视频。建议先独立复现每一个小案例的代码，跑通后再尝试修改参数观察效果差异。特别是信用卡数字识别这一实战项目，它整合了环境配置、预处理、模板匹配全流程，是检验你是否真正掌握传统CV流程的最佳试金石。通过反复打磨这几个核心案例，你将建立起完整的视觉算法思维框架。

课程目录

📁 6-Opencv图像处理框架实战 📁 18-Opencv的DNN模块 1-dnn模块.mp4
 [28.6 MB] 2-模型加载结果输出.mp4
 [40.5 MB] 📁 2-图像基本操作 4-边界填充.mp4
 [21.5 MB] 5-数值计算【公重号：CunWorkNotes】.mp4
 [40.0 MB] 1-计算机眼中的图像.mp4
 [30.9 MB] 3-ROI区域【公重号：CunWorkNotes】.mp4
 [15.4 MB] 2-视频的读取与处理.mp4
 [47.0 MB] 📁 13-案例实战-全景图像拼接 3-图像拼接方法.mp4
 [45.0 MB] 1-特征匹配方法.mp4
 [28.6 MB] 4-流程解读【整理不易‖记得关注：CunWorKNotes】.mp4
 [21.7 MB] 2-RANSAC算法.mp4
 [34.5 MB] 📁 5-图像梯度计算 3-scharr与lapkacian算子.mp4
 [27.4 MB] 2-梯度计算方法【优质资源‖关注：cunWorkNotes 解锁】.mp4
 [30.3 MB] 1-Sobel算子【公重号：CunWorkNotes】.mp4
 [27.0 MB] 📁 11-图像特征-harris 4-特征归属划分.mp4
 [43.2 MB] 2-基本数学原理【不易整理‖请关注：CunWorkNoteS】.mp4
 [30.6 MB] 1-角点检测基本原理.mp4
 [15.5 MB] 3-求解化简【不易整理‖请关注：CunWorkNoteS】.mp4
 [31.8 MB] 5-opencv角点检测效果.mp4
 [31.0 MB] 📁 9-项目实战-信用卡数字识别 3-模板处理方法【更多精选‖公众号：CunWorknotes】 .mp4
 [23.7 MB] 1-总体流程与方法讲解【优质资源‖关注：cunWorkNotes 解锁】.mp4
 [20.7 MB] 2-环境配置与预处理【资源精选‖更多关注：CunworkNotes】.mp4
 [34.8 MB] 5-模板匹配得出识别结果.mp4
 [47.7 MB] 4-输入数据处理方法.mp4
 [28.9 MB] 📁 4-图像形态学操作 2-膨胀操作【更多精选‖公众号：CunWorknotes】 .mp4
 [12.3 MB] 4-梯度计算.mp4
 [7.9 MB] 1-腐蚀操作.mp4
 [21.0 MB] 3-开运算与闭运算.mp4
 [9.3 MB] 5-礼帽与黑帽【资源精选‖更多关注：CunworkNotes】.mp4
 [15.9 MB] 📁 16-背景建模 2-混合高斯模型【不易整理‖请关注：CunWorkNoteS】.mp4
 [26.4 MB] 3-学习步骤【公重号：CunWorkNotes】.mp4
 [31.8 MB] 1-背景消除-帧差法【持续更新‖免费提供：CunworknoteS】.mp4
 [20.8 MB] 4-背景建模实战【资源精选‖更多关注：CunworkNotes】.mp4
 [51.2 MB] 📁 7-图像金字塔与轮廓检测 7-匹配效果展示【更多精选‖公众号：CunWorknotes】 .mp4
 [21.1 MB] 5-轮廓特征与近似.mp4
 [37.5 MB] 6-模板匹配方法【持续更新‖免费提供：CunworknoteS】.mp4
 [47.3 MB] 4-轮廓检测结果.mp4
 [34.4 MB] 3-轮廓检测方法.mp4
 [19.3 MB] 1-图像金字塔定义.mp4
 [19.7 MB] 2-金字塔制作方法【更多精选‖公众号：CunWorknotes】 .mp4
 [25.5 MB] 📁 1-课程简介与环境配置 1-课程简介【整理不易‖记得关注：CunWorKNotes】.mp4
 [5.4 MB] 2-Python与Opencv配置安装【更多精选‖公众号：CunWorknotes】 .mp4
 [33.3 MB] 3-Notebook与IDE环境.mp4
 [84.4 MB] 📁 15-项目实战-答题卡识别判卷 4-选项判断识别【优质资源‖关注：cunWorkNotes 解锁】.mp4
 [57.1 MB] 2-预处理操作.mp4
 [24.1 MB] 1-整体流程与效果概述.mp4
 [29.5 MB] 3-填涂轮廓检测.mp4
 [25.7 MB] 📁 3-阈值与平滑处理 1-图像阈值【资源精选‖更多关注：CunworkNotes】.mp4
 [30.8 MB] 3-高斯与中值滤波.mp4
 [20.6 MB] 2-图像平滑处理.mp4
 [24.7 MB] 📁 10-项目实战-文档扫描OCR识别 5-tesseract-ocr安装配置.mp4
 [41.2 MB] 1-整体流程演示.mp4
 [21.5 MB] 3-原始与变换坐标计算.mp4
 [26.2 MB] 4-透视变换结果.mp4
 [32.9 MB] 2-文档轮廓提取.mp4
 [27.8 MB] 6-文档扫描识别效果.mp4
 [28.9 MB] 📁 19-项目实战-目标追踪 3-深度学习检测框架加载.mp4
 [43.6 MB] 6-多进程效率提升对比【优质资源‖关注：cunWorkNotes 解锁】.mp4
 [78.1 MB] 2-多目标追踪实战.mp4
 [34.6 MB] 5-多进程目标追踪.mp4
 [25.7 MB] 1-目标追踪概述.mp4
 [49.7 MB] 4-基于dlib与ssd的追踪.mp4
 [73.0 MB] 📁 21-项目实战-疲劳检测 5-检测效果.mp4
 [40.6 MB] 2-获取人脸关键点.mp4
 [36.1 MB] 1-关键点定位概述.mp4
 [28.5 MB] 4-闭眼检测.mp4
 [71.1 MB] 3-定位效果演示.mp4
 [45.4 MB] 📁 12-图像特征-sift 6-opencv中sift函数使用【不易整理‖请关注：CunWorkNoteS】.mp4
 [28.8 MB] 3-特征关键点定位.mp4
 [48.2 MB] 1-尺度空间定义.mp4
 [20.0 MB] 5-特征向量生成【整理不易‖记得关注：CunWorKNotes】.mp4
 [43.7 MB] 2-高斯差分金字塔.mp4
 [21.7 MB] 4-生成特征描述.mp4
 [24.7 MB] 📁 17-光流估计 4-光流估计实战.mp4
 [64.2 MB] 2-Lucas-Kanade算法.mp4
 [19.7 MB] 3-推导求解【不易整理‖请关注：CunWorkNoteS】.mp4
 [25.9 MB] 1-基本概念.mp4
 [20.2 MB] 📁 20-卷积原理与操作 5-卷积参数共享【优质资源‖关注：cunWorkNotes 解锁】.mp4
 [17.7 MB] 3-卷积计算过程.mp4
 [27.6 MB] 1-卷积神经网络的应用.mp4
 [36.2 MB] 6-池化层原理.mp4
 [16.1 MB] 2-卷积层解释【公重号：CunWorkNotes】.mp4
 [22.3 MB] 4-pading与stride【不易整理‖请关注：CunWorkNoteS】.mp4
 [26.1 MB] 8-卷积操作流程【不易整理‖请关注：CunWorkNoteS】.mp4
 [41.1 MB] 7-卷积效果演示.mp4
 [24.6 MB] 📁 8-直方图与傅里叶变换 2-均衡化原理.mp4
 [31.4 MB] 5-频域变换结果.mp4
 [26.3 MB] 1-直方图定义.mp4
 [23.6 MB] 4-傅里叶概述【不易整理‖请关注：CunWorkNoteS】.mp4
 [38.8 MB] 3-均衡化效果【更多精选‖公众号：CunWorknotes】 .mp4
 [27.2 MB] 6-低通与高通滤波【不易整理‖请关注：CunWorkNoteS】.mp4
 [27.3 MB] 📁 6-边缘检测 3-边缘检测效果.mp4
 [36.6 MB] 2-非极大值抑制【资源精选‖更多关注：CunworkNotes】.mp4
 [18.3 MB] 1-Canny边缘检测流程.mp4
 [19.0 MB] 📁 14-项目实战-停车场车位识别 8-基于视频的车位检测【公重号：CunWorkNotes】.mp4
 [135.6 MB] 3-图像数据预处理.mp4
 [56.7 MB] 6-车位区域划分.mp4
 [57.3 MB] 1-任务整体流程.mp4
 [71.4 MB] 5-按列划分区域.mp4
 [54.7 MB] 2-所需数据介绍.mp4
 [34.3 MB] 4-车位直线检测.mp4
 [61.4 MB] 7-识别模型构建.mp4
 [41.2 MB] 📁 第八期资料 📁 第11章 论文必备Transformer实战解读 📁 第十二，十三章 Loftr.pdf
 [1.5 MB] 2104.00680.pdf
 [7.8 MB] 📁 谷歌开源项目BERT源码解读与应用实例 📁 基础补充-Resnet模型及其应用实例 Resnet.pdf
 [207.9 KB] mmdetection-master【整理不易‖记得关注：CunWorKNotes】.zip
 [1.5 GB] 可变形DETR【公重号：CunWorkNotes】.pdf
 [4.5 MB] Loftr.pdf
 [1.5 MB] mask2former.pdf
 [3.0 MB] Informer【不易整理‖请关注：CunWorkNoteS】.pdf
 [1.1 MB] Transformer在视觉中的应用VIT算法【更多精选‖公众号：CunWorknotes】 .pdf
 [1.2 MB] 2104.00680【更多精选‖公众号：CunWorknotes】 .pdf
 [7.8 MB] transformer【不易整理‖请关注：CunWorkNoteS】.pdf
 [2.0 MB] 第七章：detr目标检测源码解读.zip
 [108.3 KB] BEV.pdf
 [998.2 KB] Informer.zip
 [18.3 MB] 第五章：swintransformer源码解读.zip
 [234.6 MB] maskformer.pdf
 [1.5 MB] baiduyunguangjia_cfg_A900527E-5BA6-4d22-8E96-E40D5C6EDF61.cfg [4.0 B] 第四章：swintransformer算法原理解析.pdf
 [807.8 KB] Medical-Transformer.zip
 [59.8 MB] 第六章：基于Transformer的detr目标检测算法.pdf
 [885.7 KB] 📁 第22章 深度学习模型部署与剪枝优化实战 📁 嵌入式AI 📁 第四章 deepstream 📁 software Accelerated_GStreamer_User_Guide【持续更新‖免费提供：CunworknoteS】.pdf
 [1.1 MB] EasyPlayer-RTSP-Win-V3.0.19.0515.zip
 [16.3 MB] camera_gstreamer_code_rtp.py [2.1 KB] camera_gstreamer_code_rtsp_out.py [2.1 KB] rtspVideoH264.py [717.0 B] rtspCameraH264.py [725.0 B] gstreamer-1.0-msvc-x86_64-1.20.4.msi [104.4 MB] 4.4 python实现RTP和RTSP.pdf
 [648.2 KB] 4.5 deepstream推理.pdf
 [815.1 KB] 4.2 deepstream HelloWorld.pdf
 [711.6 KB] 4.6 deepstream集成yolov4【不易整理‖请关注：CunWorkNoteS】.pdf
 [822.5 KB] 4.1 deepstream 介绍安装.pdf
 [620.5 KB] 4.3 GStreamer RTP和RTSP.pdf
 [1.5 MB] 📁 第二章 AI 实战 📁 2software 📁 networks googlenet_noprob.prototxt [34.9 KB] googlenet.prototxt [35.0 KB] bvlc_googlenet.caffemodel [51.1 MB] mobilenet-v1-ssd-mp-0_675.pth [36.2 MB] jetson-inference.zip
 [557.4 MB] usbCamera.py [159.0 B] csiCamera.py [1002.0 B] 2.4 训练自己的目标检测模型准备.pdf
 [300.1 KB] 2.2 docker 的安装使用.pdf
 [395.7 KB] 2.5 训练出自己目标识别模型.pdf
 [1.1 MB] 时间统计.xlsx [9.6 KB] 2.6 转换出onnx模型，并使用.pdf
 [95.3 KB] 2.3 docker中运行分类模型.pdf
 [124.5 KB] 2.1 jetson-inference 入门.pdf
 [115.2 KB] 📁 第三章 NVIDIA TAO 实用级的训练神器 3.4NVIDIA TAO预训练模型和训练.pdf
 [858.8 KB] 3.2NVIDIA TAO数据准备和环境设置.pdf
 [785.9 KB] 3.1NVIDIA TAO介绍和安装.pdf
 [571.0 KB] 3.5TAO 剪枝在训练推理验证.pdf
 [792.0 KB] 3.3NVIDIA TAO数据转换.pdf
 [936.6 KB] 📁 第一章 认识 jetson nano 📁 1software SDCardFormatterv5_WinEN.zip
 [6.1 MB] csiCamera.py [1002.0 B] code_1.71.2-1663189619_arm64.deb [71.5 MB] balenaEtcher-Setup-1.7.9.exe [138.8 MB] usbCamera.py [183.0 B] 1.2 jetson nano 刷机.pdf
 [503.9 KB] 1.3 感受nano的GPU算力.pdf
 [118.1 KB] 1.2b jetson nano 系统安装过程.pdf
 [802.2 KB] 1.4 安装使用摄像头csi usb.pdf
 [163.2 KB] … 其余 30

09 项略，目录共 3209 项