講師：陳世杰老師
日期：115年7月3日
（一） 影像處理核心技術與實作
本課程核心在於引導學生利用 OpenCV 進行「非破壞性」影像分析，此技術廣泛應用於現代工業與
生醫領域。
- 邊緣與輪廓檢測：學員掌握「彩色影像轉灰階 $\rightarrow$ 平滑化去雜訊 $\rightarrow$ Canny 邊緣檢測 $\rightarrow$ 尋找並繪製輪廓」之完整技術路徑。課堂亦引進「骨架化」技術，將輪廓縮減至單像素寬度以利特徵提取，並進一步計算物體面積與進行多邊形逼近。
- 重疊物體計數與生物模擬：實作情境為計算桌面硬幣數量，挑戰高難度的「相連與粘著」硬幣分割。此技術在實務上可用於生物學的細胞培養監測，解決培養皿中細胞重疊、無法簡單分離的計數痛點。實作中，學生展現高度靈活度，自主透過「去背」及靈活切換「二值化與反向二值化」來大幅提升邊緣抓取的精準度。
（二）視覺特效與深度學習應用
課程由傳統影像處理技術銜接至現代 AI 模型，兼顧趣味性與實用性。
視覺欺騙與互動特效：實作「隱形斗篷」效果，透過鏡頭偵測特定顏色遮蓋區域，並即時替換為預錄背景，產生隱身錯覺。另進行人臉與眼睛座標偵測，將透明墨鏡貼圖準確疊加於定位點。
模型對比與車牌辨識挑戰：課堂進行演算法效能對比，傳統 Haar Cascades 執行速度快但易受光影干擾；而深度學習模型（YOLO/MTCNN）則具備高精準度與環境適應力。在車牌辨識挑戰中，學生展現自主學習精神，主動部署 YOLO 模型與 easyocr 函式庫，成功在複雜背景下精準讀取車牌。
