課程首頁 / Part I 影像處理基礎 / W1 課程介紹與環境建置

Week 1 · Part I 影像處理基礎

W1 課程介紹與環境建置

整門課第一堂。建立對「電腦視覺是什麼」的認識,把 Colab + OpenCV 環境跑通。這套環境會一路用到 W5,且在 Part 2/3 也是「Colab 驗算法 → Android 部署」工作流的前半。

本週要做的事

順序內容預估時間
1認識 CV 三層架構(Low / Mid / High Level)與 9 個經典挑戰60 min
2看 CV 今天能做什麼(OCR / 生物辨識 / 自駕 / Vision Pro 等)30 min
3課程地圖 + 評分方式 + 加 Line 群組20 min
4動手:Colab + Google Drive 掛載 + 第一張 OpenCV 圖60 min
5統計同學背景(Python / Colab / OpenCV 經驗)10 min

教材檔案

課程的三層架構(學生帶走的核心觀念)

High Level Vision → Category / Activity recognition / Deep understanding ↑ Mid Level Vision → 3D Reconstruction / Depth / Motion Estimation ↑ Low Level Vision → Measurements / Enhancement / Region / Features ↑ 影像本身(pixels)

整門課的弧線:

Part 1 (W1-W5)

Low Level——從像素到色彩,純 Colab

Part 2 (W6-W8)

Mid Level——Android 上做古典特徵

Part 3 (W9-W15)

High Level——AI 五範式做 RPS + 研究方向

整門課的工作流原則 ⭐

從 Part 2 開始,每週都會走「Colab 驗算法 → Android 部署」這條工作流。本週先讓學生把 Colab 那半邊跑熟。

階段一:Colab 驗算法

  • 靜態圖 / webcam
  • Python pipeline 跑通
  • 即時 print / 改 cell
  • 專注「算法是否會贏」

階段二:Android 嵌入式系統部署

  • CameraX ImageAnalysis 真實串流
  • Chaquopy 嵌入 Python
  • Java 處理 frame + UI
  • 專注「資料進出格式對不對」
為什麼這樣切? Android 上 Python 不好除錯——沒 REPL、log 隔層、改一行要重 build。 演算法穩了才搬,搬過去不重新驗算法,只確認資料進出與格式轉換。這個原則整門課反覆使用。 W1-W5 是 Colab 階段的基礎訓練,W6 之後才開始搬。

CV 為什麼難?9 個挑戰

來自投影片 p.30-38。這 9 個挑戰會在 W6-W7 古典特徵被部分解決,但完整解決要等 W10 ML/DL 之後。

  1. Viewpoint variation 視角變
  2. Illumination 光線變
  3. Occlusion 遮擋
  4. Scale 尺寸變
  5. Deformation 變形
  6. Background clutter 背景雜亂
  7. Intra-class variation 同類差異大
  8. Local ambiguity 局部歧義
  9. The world behind the image 影像背後的世界

評分機制

項目比重
出勤與課堂作業60%
期中考20%
期末專題20%

期末專題在 W15 報告。

W1 作業 | Colab + OpenCV 讀圖

一、作業目標

熟悉 Google Colab 環境,透過 OpenCV (cv2) 讀取、顯示、儲存影像,並學會將 Google Drive 與 Colab 連結。整門課所有 Colab 端的實作都從這裡開始。

二、作業內容

  1. 使用 Google Colab 建立新的 Python Notebook
  2. 將 Google Drive 掛載至 Colab
  3. 切換到自訂資料夾(例如 /content/drive/My Drive/Colab Notebooks/Image Process)
  4. 確認資料夾內容
  5. 讀取自訂影像檔(例如 Lenna.bmp)
  6. 檢查檔案是否存在
  7. 以灰階模式讀取影像
  8. 顯示影像尺寸
  9. 顯示影像
  10. 將影像儲存為 resize.jpg

三、參考程式碼

import os
import cv2
from google.colab.patches import cv2_imshow
from google.colab import drive

# 掛載 Google Drive
drive.mount('/content/drive')

# 切換至指定資料夾
os.chdir('/content/drive/My Drive/Colab Notebooks/Image Process')
os.listdir()  # 確認目錄內容

# 設定影像路徑
image_path = "Lenna.bmp"

# 檢查檔案是否存在
if not os.path.exists(image_path):
    print(f"Error: Image file not found: {image_path}")
    exit()

# 讀取影像(灰階)
image = cv2.imread(image_path, 0)
print(image.shape)

# 顯示影像
cv2_imshow(image)

# 儲存影像
cv2.imwrite('resize.jpg', image)

四、繳交內容

執行成功的截圖(含影像、shape 輸出、儲存結果)。

五、注意事項

  • 請確認測試圖片 Lenna.bmp 已放置於指定資料夾
  • 若檔案不存在,程式應顯示錯誤訊息
  • 請依照步驟執行並觀察執行結果
  • 若有問題可先詢問 Colab 內建的 Gemini,再問老師

學生檢核表

下課前要打勾的:

  • 我有 Google 帳號可以登入 Colab
  • 我能在 Colab 開新 notebook
  • 我能把 Google Drive 掛載到 Colab
  • 我有跑出 Lenna.bmp 的灰階圖
  • 我有把結果存成 resize.jpg
  • 我已加入課程 Line 群組

講師資訊

授課教師

謝昇憲

辦公室

EN306

Office Hour

每週三 13:00–14:00

Email

georgeh@yuntech.edu.tw

下週預告 (W2)

進入 Camera Pipeline——從 Sensor → ISP → Raw → Color 的成像流程,並架起 Colab + 本地 Webcam 即時串流(這是後面所有「即時影像」實驗的基礎)。

W2 的串流架構講義已準備好: