LEARNDO / ĐỌC THEO LỘ TRÌNH
Bắt đầu với lịch sử và ý tưởng, xây nền tảng, thực hành thị giác 2D, rồi đi vào hình học 3D và kiến thức chuyên sâu. Mỗi bài vẫn có ví dụ, bài tập và chuỗi đọc riêng.
Đây là lịch đọc từ 261 bài đang công khai, không phải ngày xuất bản. Ngày đăng gốc được giữ trên từng bài. Ngày cuối được cân đối để có 2–4 bài; thời gian dưới đây chưa tính thực hành.
Bạn sẽ tính giá trị trung bình có trọng số và mức dao động quanh nó. Kỳ vọng, phương sai và hiệp phương sai giúp giải thích thống kê trên từng lô dữ liệu.
Bạn sẽ vẽ thanh sai số và dải biến thiên quanh đường trung bình. Bài giúp bạn ghi rõ mỗi dải thể hiện đại lượng gì.
Bạn sẽ đọc trung vị, khoảng tứ phân vị và các điểm nằm ngoài râu của biểu đồ hộp. Những điểm này gợi ý nơi cần kiểm tra thêm trong dữ liệu.
Bạn sẽ vẽ hộp, mặt nạ và chú thích lên ảnh. Căn đúng hệ tọa độ giúp hình thể hiện chính xác vùng mà mô hình tìm thấy.
Bạn sẽ ghép hình thành một báo cáo nhỏ rồi xuất PNG và SVG. Bài hướng dẫn chọn kích thước, nhãn và độ phân giải phù hợp.
Bạn sẽ mở một ảnh màu, chuyển ảnh sang mức xám và tìm đường biên bằng OpenCV. Qua đó, bạn thấy máy tính xử lý ảnh dưới dạng những con số như thế nào.
Ảnh có thể đổi màu nếu bạn nhầm thứ tự kênh. Bạn sẽ đọc ảnh bằng OpenCV và phân biệt ba cách biểu diễn màu BGR, RGB, HSV.
Bạn sẽ xác định tọa độ trên ảnh rồi vẽ điểm, đường, hộp và chữ. Bài giúp bạn tránh nhầm hàng, cột với trục ngang, trục dọc.
Cắt một vùng ảnh, lấy bounding box của vật thể rồi chuyển hộp từ hệ ROI về hệ ảnh gốc bằng một phép kiểm tra độc lập.
Bạn sẽ đổi độ sáng, pha hai ảnh và chỉ xử lý vùng trong mặt nạ. Bài giúp bạn kiểm tra kiểu số để tránh tràn giá trị điểm ảnh.
Bạn sẽ xem phân bố mức sáng rồi thử điều chỉnh tương phản. Biểu đồ giúp giải thích vì sao hai ảnh trông khác nhau dù cùng kích thước.
Tạo vật thể nhỏ trên nền lớn, so trung bình toàn ảnh với trung bình chỉ trên mask và đối chiếu hai cách tính độc lập.
Bạn sẽ dịch chuyển, xoay và lật ảnh bằng các phép biến đổi đơn giản. Theo dõi vài điểm mẫu giúp bạn hiểu tác dụng của ma trận.
Một bộ lọc nhỏ có thể làm đường biên hiện rõ. Bạn sẽ tự tính phép lọc 3 × 3, xem kết quả và liên hệ với mạng nơron tích chập.
Bạn sẽ đo sự thay đổi độ sáng bằng Sobel và Laplacian. Các hình kết quả giúp bạn hiểu gradient trước khi dùng bộ tìm biên Canny.
Bạn sẽ thử bộ lọc Gaussian và trung vị trước khi tìm biên bằng Canny. So sánh ảnh giúp bạn chọn cách làm sạch phù hợp với từng loại nhiễu.
Bạn sẽ tách vùng sáng khỏi nền rồi xử lý những chấm nhỏ và lỗ hổng. Các phép co, giãn, mở, đóng giúp bạn hiểu cách làm sạch mặt nạ.
Bạn sẽ tìm đường bao để đếm vật thể, đo diện tích và vẽ hộp quanh chúng. Bài cũng chỉ ra vì sao vùng nhiễu dễ làm kết quả đếm sai.
Giải mã sRGB theo công thức từng đoạn, so hai cách trộn sáng tối và kiểm chứng phép biến đổi khứ hồi bằng số.
Tạo ảnh mosaic RGGB từ một cảnh RGB biết trước, tự cài nội suy song tuyến tính và dùng mảng màu chuẩn để bắt lỗi đảo kênh.
So ước lượng màu chiếu sáng từ trung bình toàn ảnh với một mảng trung tính, rồi chỉ ra giới hạn không thể đảo ngược của vùng bão hòa.