导读
本文主要推荐由北京交通大学黄琳琳教授主讲的《图像处理与机器学习》视频课程，希望对大家的学习有所帮助。（公众号：OpenCV与AI深度学习）
背景介绍
俗话说：基础不牢，地动山摇。经常有同学问我如何系统的学习图像处理，了解一些基础的图像处理知识，偶然在B站看到了北京交通大学黄琳琳教授主讲的《图像处理与机器学习》视频课程，个人觉得讲的很不错，这里推荐给大家，希望对大家的学习有些许帮助。
相关介绍
【1】观看地址->B站直接搜：图像处理与机器学习
第一排红色框的都是，不知是否有版权问题，大家尽快看吧。
原版课程地址：
https://www.icourse163.org/course/NJTU-1462091162
【2】课程目录。这里方便大家了解课程内容，整理目录如下：
第一章 绪论
绪论
1-1 基本概念
1-2 基本概念 （续）
1-3 图像直方图
第一章 讨论
课程实验平台及实验图像
实验一 图像显示
实验二 图像直方图
第二章 图像增强 -- 空间域
2.1 引言
2.2 灰度变换
2.3 直方图均衡
2.4 代数运算
2.5 空间域滤波 低通
2.6 空间域滤波 中值滤波
2.7 空间域滤波 高通
图像增强 空间域 讨论
图像增强 空间域 作业
第二章 图像增强 -- 频域
2.8 二维傅里叶变换 定义
2.9 二维傅里叶变换 性质
2.10 频域滤波 低通
2.11 频域滤波 高通
2.12 频域滤波 同态滤波
第二章 图像增强 -- 频域 讨论
图像增强 频域 作业
第二章 图像增强 实验
实验三 图像直方图均衡
实验四 均值/高斯低通滤波
实验五 中值滤波
实验六 图像边缘提取
第三章 图像形态学处理
3.1 形态学 基本概念
3.2 形态学处理算法
3.3 图像形态学处理 应用
图像形态学处理 作业
第三章 图像形态学处理 实验
实验七 图像形态学处理
第四章 图像分割
4.1 图像分割 引言
4.2 基于阈值的分割算法
4.3 基于边缘的分割算法
4.4 霍夫变换
4.5 基于区域的分割算法
图像分割作业
第五章 贝叶斯决策
5.1 人工智能 简介
5.2 机器学习 引言
5.3 贝叶斯公式
5.4 贝叶斯决策 -- 最小错误率决策
5.5 贝叶斯决策 -- 最小风险决策
5.6 判别函数 （上）
5.7 判别函数 （下）
5.8 概率密度估计 -- 参数法
5.9 概率密度估计 -- 非参数法
第六章 人工神经网络
6.1 人工神经网络 引言
6.2 单层神经网络
6.3 多层神经网络
第七章 深度学习基础
7.1 引言
7.2 卷积神经网络
7.3 深度学习网络
第八章 非监督学习
8.1 聚类算法
8.2 主成份分析 （上）
8.3 主成份分析 （下）
第九章 应用实例
9.3 基于群智感知的PM2.5精细粒度检测
9.1 复杂背景下的人脸检测算法
9.2 基于深度学习的车辆检测算法
大作业
大作业 （上） 车牌检测与字符分割
大作业（下） 车牌字符识别
附录 实验平台完整版（含所有算法代码）
实验平台完整版（含所有算法代码）
【3】课件与源码下载：
链接：https://pan.baidu.com/s/132CXNJ3xLMI_VnGdfKXq6A
提取码：1arc