隨著美中貿易戰持續升溫與疫情肆虐，全球的工業布局重新洗牌，醫療科技瞬間抬頭的趨勢下，電腦視覺在工業與醫學資訊的應用更是勢不可擋。而影像視覺是AI的三大應用重點之一，OpenCV是電腦視覺開源應用的始祖，其兼容Python語言更使其與AI的整合更加容易。 在工業檢測AOI領域中，OpenCV是業界算法軟體自製的唯一選擇。在醫學領域，可透過Python套件實現許多醫學影像的讀取與寫入，搭配OpenCV的使用更可實現相關的影像分割等算法。 本課程由資深業師濃縮多年影像實戰經驗，提取最佳學習路徑，透過Python與OpenCV，帶領學員縱橫物件偵測、車牌辨識、工業AOI、醫學影像、視頻監控等應用，引導學員們一揭電腦視覺與開源社群的浩瀚海洋，使具備紮實的戰力投入於理想的視覺應用領域中。

關鍵詞：物件偵測、工業AOI 、視頻監控、 AI 、 影像處理、 電腦視覺、 Python 、 Automatic optical inspection、人工智慧、 OpenCV、object detection、影像辨識、OCR

1. 熟悉數位影像於電腦中的表現形式，包含：儲存格式、讀取及寫入、像素運算。
2. 理解數位影像處理原理並能實作，包含：影像去雜訊、影像品質增強、影像重採樣(降維/增維)。
3. 理解數位電腦視覺原理並能實作，包含：影像特徵提取、特徵強化、輪廓萃取、卷積運算、型態學運算。
4. 充分活用 OpenCV 函式庫，包含：影像處理、影片(視訊)處理、高階 GUI 工具(圖形互動介面)、Image Processing 演算法實務、Computer Vision 演算法實務。
5. 融會貫通基礎演算法及函示庫工具，並且有能力實作自己的視覺演算法或影像分析模型 (Prototype)。
6. 瞭解物件偵測模型的工作原理，學會用YOLO實現物件偵測-車牌辨識。

• 欲從事影像處理、電腦視覺、影像分析、影像辨識等演算法開發與實作驗證的工程師、研究者、創客。
• 想了解影像處理的演算法於嵌入式系統之移植與效能調整。
• 理解數位電腦視覺原理並能實作，包含：影像特徵提取、特徵強化、輪廓萃取、卷積運算、型態學運算。
• 從事深度學習在影像處理(如CNN)的研發，而對於影像處理關於物件識別、偵測的底層知識有興趣。
• 從事FPGA 影位影像訊號的處理，但想要理解底層影像處理相關的演算法。