OpenCV

• Desarrolladores Python que necesitan integrar visión por computador en sus proyectos.
• Científicos de datos e ingenieros de machine learning que trabajan con datos visuales.
• Estudiantes de inteligencia artificial, robótica o ingeniería que necesitan dominar el procesamiento de imágenes.
• Profesionales de sectores como vigilancia, automoción, medicina o industria que requieren soluciones de análisis visual automatizado.

Módulo 1: Introducción y entorno Qué es OpenCV y ecosistema de visión artificial Instalación con pip y conda Representación de imágenes como arrays NumPy Lectura, visualización y escritura de imágenes Espacios de color (BGR, RGB, HSV, escala de grises) Módulo 2: Operaciones básicas con imágenes Redimensionar, recortar y regiones de interés (ROI) Rotación y volteo de imágenes Transformaciones geométricas (afín y perspectiva) Dibujo de formas y texto Operaciones aritméticas y bitwise Módulo 3: Procesamiento de imágenes Filtros de suavizado (gaussiano, mediana, bilateral) Detección de bordes (Canny, Sobel, Laplacian) Umbralización (binaria, adaptativa, Otsu) Operaciones morfológicas (erosión, dilatación, apertura, cierre) Convolución con kernels personalizados Módulo 4: Histogramas y análisis de color Cálculo y visualización de histogramas Ecualización y CLAHE Filtrado de color con inRange en HSV Retroproyección y comparación de histogramas Módulo 5: Contornos y detección de formas Detección de contornos y jerarquías Propiedades geométricas de contornos Detección de formas con approxPolyDP Transformada de Hough para líneas y círculos Template matching Módulo 6: Detección de características y descriptores Detección de esquinas (Harris, Shi Tomasi) SIFT: descriptores invariantes a escala ORB: detector rápido FAST + BRIEF Feature matching con BFMatcher y FLANN Homografía y alineación de imágenes Módulo 7: Procesamiento de vídeo Captura de vídeo con VideoCapture Escritura de vídeo con VideoWriter Flujo óptico (Farneback, Lucas Kanade) Sustracción de fondo (MOG2, KNN) Seguimiento de objetos (CSRT, KCF, MOSSE) Módulo 8: Deep learning con OpenCV Módulo DNN y carga de modelos Detección de rostros con DNN y Haar Cascades Clasificación de imágenes con MobileNet Detección de objetos con YOLO y SSD Inferencia con modelos ONNX Módulo 9: Aplicaciones prácticas Reconocimiento facial OCR con Tesseract Realidad aumentada con marcadores ArUco Escáner de documentos Panorama con image stitching Calibración de cámara

Este curso completo de OpenCV recorre la biblioteca de visión por computador de principio a fin: desde la representación de imágenes como arrays NumPy hasta aplicaciones prácticas completas como reconocimiento facial, OCR y realidad aumentada, pasando por transformaciones geométricas, filtros, detección de bordes, contornos, histogramas, detección de características (SIFT, ORB, matching), procesamiento de vídeo (flujo óptico, sustracción de fondo, seguimiento de objetos) y deep learning con el módulo DNN (YOLO, SSD, MobileNet).

• Dominar la representación y manipulación de imágenes como arrays NumPy con OpenCV.
• Aplicar filtros, detección de bordes, umbralización y operaciones morfológicas para procesamiento de imágenes.
• Analizar histogramas, contornos y formas geométricas en imágenes.
• Detectar y emparejar características con SIFT, ORB y técnicas de matching.
• Procesar vídeo en tiempo real con flujo óptico, sustracción de fondo y seguimiento de objetos.
• Ejecutar modelos de deep learning con el módulo DNN para detección y clasificación.
• Construir aplicaciones prácticas de visión artificial: reconocimiento facial, OCR, realidad aumentada y escáner de documentos.