ภาษาโปรแกรมมิ่ง · PRC-32

Basic Image Processing with OpenCV and Python Workshop

หลักสูตร Basic Image Processing with OpenCV and Python Workshop เป็นการอบรมแบบลงมือทำด้วย OpenCV 5 และ Python ตั้งแต่ปรับแต่งภาพ หาขอบและ Contour เพื่อวัดและนับวัตถุ ติดตามวัตถุในวิดีโอ จนถึงตรวจจับใบหน้าและวัตถุด้วยโมเดล AI เหมาะกับนักพัฒนา Python วิศวกร และผู้ที่ต้องการสร้างระบบ Computer Vision

อัปเดตล่าสุด 8 ต.ค. 2569

ราคาเริ่มต้น 10,800 บาท / ท่าน 12,000 −10% ยังไม่รวม VAT 7% · มีราคาหมู่คณะ

ขอใบเสนอราคาอบรมองค์กร ลงชื่อจองไว้

PDFดาวน์โหลด Course Outline

ระยะเวลา18 ชั่วโมง · 3 วัน
รูปแบบออนไซต์ / ออนไลน์สด
รอบถัดไปเปิดตามคำขอ
ใบรับรองมี Certificate

ภาพรวมหลักสูตร

งานตรวจสอบคุณภาพชิ้นงาน การนับสินค้า การอ่านค่าจากภาพ หรือการตรวจจับคนและยานพาหนะจากกล้อง ล้วนเริ่มจากการประมวลผลภาพที่ถูกต้อง OpenCV เป็นไลบรารีโอเพนซอร์สหลักของงาน Computer Vision ที่ใช้กับ Python ได้ทันที และ OpenCV 5 ได้ปรับ DNN Module ให้รองรับโมเดล ONNX ได้กว้างขึ้นมาก ทำให้นำโมเดล AI สมัยใหม่มาใช้ร่วมกับเทคนิคประมวลผลภาพแบบดั้งเดิมได้ในโปรแกรมเดียว

หลักสูตรนี้เป็น Workshop ที่พาผู้เรียนใช้ OpenCV 5 กับ Python ตั้งแต่พื้นฐานภาพดิจิทัล การแปลงภาพ Thresholding, Filter และ Histogram ไปจนถึงหา Contour เพื่อวัดและนับวัตถุ จับคู่ Feature ตรวจจับการเคลื่อนไหวและติดตามวัตถุในวิดีโอ แล้วต่อยอดสู่ Deep Learning ด้วยการตรวจจับและจดจำใบหน้า ตรวจจับวัตถุด้วย YOLO26 และเร่งความเร็วด้วย OpenVINO ปิดท้ายด้วยโปรเจกต์ระบบ Vision ที่ทำงานกับกล้องจริง (อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง ระดับ Beginner)

สิ่งที่คุณจะได้รับ

เข้าใจหลักการของ Computer Vision ตั้งแต่การรับภาพ ประมวลผล จนถึงวิเคราะห์และตีความ
ติดตั้งและใช้ OpenCV 5 กับ Python จัดการภาพและวิดีโอในรูปแบบ NumPy Array ได้
แปลงภาพ แยกวัตถุด้วย Thresholding และสี และปรับคุณภาพภาพด้วย Filter และ Histogram
หา Contour เพื่อวัดขนาด นับจำนวน และตรวจรูปร่างของวัตถุจากภาพได้
จับคู่ Feature ระหว่างภาพ ตรวจจับการเคลื่อนไหว และติดตามวัตถุในวิดีโอได้
ใช้โมเดล ONNX ผ่าน DNN Module ตรวจจับใบหน้าและวัตถุได้
เร่งความเร็วการประมวลผลโมเดลด้วย OpenVINO บน CPU ทั่วไป
สร้างระบบ Vision ขนาดเล็กที่ทำงานกับกล้องจริงได้ตั้งแต่ต้นจนจบ

หลักสูตรนี้เหมาะสำหรับ

ผู้ที่ต้องการพัฒนาระบบที่ใช้ Computer Vision อ่านค่า วัด หรือนับสิ่งของจากภาพ
วิศวกรและช่างเทคนิคสายการผลิตที่ต้องการต่อยอดงานตรวจสอบคุณภาพด้วยกล้อง
นักพัฒนา Python ที่ต้องการเริ่มงานประมวลผลภาพและวิดีโอ
นักศึกษาและผู้สอนที่ต้องการพื้นฐาน Computer Vision ก่อนต่อยอด Deep Learning

พื้นฐานของผู้เข้าอบรม

เขียน Python เบื้องต้นได้ เช่น ตัวแปร List, Loop, Function และการติดตั้งแพ็กเกจด้วย pip
ใช้ Command Line และ VS Code ขั้นพื้นฐานได้
หากคุ้นเคย NumPy มาก่อนจะช่วยให้เข้าใจเร็วขึ้น
โน้ตบุ๊ก RAM 8 GB ขึ้นไปพร้อม Webcam และสิทธิ์ติดตั้งโปรแกรม

หัวข้อการฝึกอบรม

รายละเอียดหลักสูตร

หลักสูตรนี้เป็นฉบับปรับปรุงใหม่ปี 2026 ของหลักสูตร Basic Image with OpenCV and Python Workshop เนื้อหาอัปเดตเป็น OpenCV 5 อบรม 3 วัน วันละ 6 ชั่วโมง รวม 18 ชั่วโมง (09:00-16:00 น.) รูปแบบ Workshop ที่ผู้เรียนเขียนโค้ดกับภาพ วิดีโอ และกล้องจริงทุกหัวข้อ ระดับ Beginner สำหรับผู้ที่รู้ Python เบื้องต้น

วันแรกเป็นพื้นฐานการประมวลผลภาพ วันที่สองเป็นการวัด นับ และติดตามวัตถุ วันที่สามเป็น Deep Learning กับภาพด้วยโมเดล ONNX การตรวจจับและจดจำใบหน้า YOLO26 และ OpenVINO พร้อม Capstone ระบบ Vision จากกล้องจริง ทุก Lab รันบนโน้ตบุ๊กทั่วไปโดยไม่ต้องใช้ GPU ผู้เรียนจะได้ Lab Guide ซอร์สโค้ด และภาพและวิดีโอตัวอย่างครบทุก Lab กลับไปใช้งานต่อ

Day 1 พื้นฐานภาพดิจิทัลและการประมวลผลภาพ

Section 1: Lab: เริ่มต้น OpenCV 5 กับ Python

หลักการของ Computer Vision ตั้งแต่การรับภาพ ประมวลผล จนถึงการวิเคราะห์และตีความ
ติดตั้ง Python, Virtual Environment และ opencv-python 5 พร้อมทางเลือกแบบ Headless
ภาพคือ NumPy Array: พิกเซล ช่องสี และระบบสี BGR, RGB, HSV และ Grayscale
อ่าน แสดง และบันทึกภาพ รวมถึงเปิด Webcam ด้วย VideoCapture
Lab: โปรแกรมแรก แสดงภาพจากกล้องและบันทึกภาพนิ่ง

Section 2: Lab: วาดภาพและแปลงเรขาคณิต

วาดเส้น กรอบ วงกลม และข้อความลงบนภาพ
ย่อขยาย หมุน เลื่อน และครอบตัดภาพด้วย ROI
Affine Transform และ Perspective Transform
Lab: ปรับภาพเอกสารที่ถ่ายเอียงให้ตรงแบบสแกน

Section 3: การคำนวณกับภาพและ Thresholding

บวก ลบ และผสมภาพ รวมถึง Bitwise Operation กับ Mask
Global Threshold, Otsu และ Adaptive Threshold
แยกวัตถุตามช่วงสีในระบบ HSV ด้วย inRange
Lab: ตรวจจับวัตถุตามสีจากภาพและ Webcam

Section 4: Filter, Morphology และ Edge Detection

ลด Noise ด้วย Gaussian, Median และ Bilateral Filter
Morphology: Erode, Dilate, Opening และ Closing
หาขอบภาพด้วย Sobel และ Canny
Lab: ทำความสะอาดภาพชิ้นงานก่อนนำไปวิเคราะห์

Section 5: Lab: Histogram และการปรับคุณภาพภาพ

วิเคราะห์ Histogram ของภาพขาวดำและภาพสี
ปรับความสว่างและคอนทราสต์ด้วย Histogram Equalization และ CLAHE
Gamma Correction สำหรับภาพที่มืดหรือสว่างเกิน
Lab: ปรับภาพจากกล้องในสภาพแสงต่างกันให้วิเคราะห์ได้สม่ำเสมอ

Day 2 วัด นับ และติดตามวัตถุ

Section 6: Contour และการวิเคราะห์รูปร่าง

หา Contour และลำดับชั้นของ Contour ด้วย findContours
พื้นที่ เส้นรอบรูป Bounding Box และ Minimum Area Rectangle
ประมาณรูปทรงด้วย approxPolyDP เพื่อแยกสามเหลี่ยม สี่เหลี่ยม และวงกลม
Lab: แยกประเภทชิ้นงานตามรูปร่าง

Section 7: Lab: วัดขนาดและนับชิ้นงาน

แปลงพิกเซลเป็นมิลลิเมตรด้วยวัตถุอ้างอิง
Camera Calibration ด้วยกระดานหมากรุกเพื่อแก้ความบิดเบี้ยวของเลนส์
นับวัตถุด้วย Connected Components และแยกวัตถุที่ติดกันด้วย Watershed
Lab: วัดขนาดและนับชิ้นงานบนโต๊ะจากกล้อง พร้อมตรวจว่าผ่านเกณฑ์หรือไม่

Section 8: Feature Detection และ Matching

จุดมุมด้วย Harris และ Shi-Tomasi
Keypoint และ Descriptor ด้วย ORB และ SIFT
จับคู่ Feature ด้วย BFMatcher และ FLANN
หา Homography เพื่อค้นหาวัตถุและจัดภาพให้ตรงกัน
Lab: ค้นหาฉลากสินค้าในภาพที่ถ่ายจากหลายมุม

Section 9: Lab: วิดีโอและการตรวจจับการเคลื่อนไหว

อ่านและบันทึกวิดีโอด้วย VideoCapture และ VideoWriter
Frame Difference และ Background Subtraction แบบ MOG2 และ KNN
Optical Flow สำหรับดูทิศทางการเคลื่อนที่
Lab: ตรวจจับการเคลื่อนไหวในพื้นที่ที่กำหนดและบันทึกเหตุการณ์

Section 10: Lab: Object Tracking ในวิดีโอ

MeanShift และ CamShift สำหรับติดตามวัตถุตามสี
TrackerNano และ TrackerVit ที่ใช้โมเดล DNN ขนาดเล็ก
เลือก Tracker ให้เหมาะกับความเร็วและความแม่นยำที่ต้องการ
Lab: ติดตามวัตถุที่เลือกในวิดีโอและแสดงเส้นทางการเคลื่อนที่

Day 3 Deep Learning กับภาพและระบบจากกล้องจริง

Section 11: DNN Module ใน OpenCV 5

Deep Learning ต่างจากการประมวลผลภาพแบบดั้งเดิมอย่างไร
โหลดโมเดล ONNX ด้วย readNetFromONNX และการเลือก Engine ใน OpenCV 5
เตรียมภาพด้วย blobFromImage และอ่านผลลัพธ์ของโมเดล
หาโมเดลพร้อมใช้จาก OpenCV Zoo
Lab: จำแนกภาพด้วยโมเดล ONNX ที่ฝึกไว้แล้ว

Section 12: Lab: ตรวจจับและจดจำใบหน้า

ตรวจจับใบหน้าและจุดสำคัญบนใบหน้าด้วย FaceDetectorYN (YuNet)
จัดแนวใบหน้าและสกัด Feature ด้วย FaceRecognizerSF (SFace)
เปรียบเทียบใบหน้าด้วย Cosine Similarity และการตั้งค่า Threshold
ความยินยอม PDPA และการเก็บข้อมูลใบหน้าอย่างปลอดภัย
Lab: ระบบยืนยันตัวตนจากใบหน้าของผู้เรียนที่ยินยอม

Section 13: Object Detection ด้วย YOLO26

หลักการของ Object Detection: Bounding Box, Confidence และ NMS
ใช้ Ultralytics YOLO26 ตรวจจับวัตถุจากภาพและวิดีโอ
Export โมเดลเป็น ONNX แล้วรันด้วย DNN Module ของ OpenCV
Lab: นับคนหรือรถที่ผ่านเส้นที่กำหนดในวิดีโอ

Section 14: Lab: เร่งความเร็วด้วย OpenVINO

OpenVINO คืออะไร และใช้ร่วมกับงาน Vision อย่างไร
แปลงโมเดลเป็น OpenVINO IR และรันด้วย OpenVINO Runtime
ลดขนาดโมเดลด้วย FP16 และ INT8 พร้อมดูผลต่อความแม่นยำ
Lab: วัด FPS ก่อนและหลังใช้ OpenVINO บนโน้ตบุ๊กของผู้เรียน

Section 15: Workshop: ระบบ Vision จากกล้องจริง

ออกแบบ Pipeline: รับภาพ ประมวลผล ตรวจจับ วัด และบันทึกผล
เลือกโจทย์ เช่น ตรวจขนาดชิ้นงาน นับสินค้า หรือบันทึกการเข้าออกด้วยใบหน้า
บันทึกผลเป็นไฟล์ CSV พร้อมภาพหลักฐาน และแสดงผลบนหน้าจอ
นำเสนอผลงาน รีวิวร่วมกัน และสรุปแนวทางนำไปใช้ในงานจริง

รอบอบรมและรูปแบบการอบรม

สำหรับบุคคล — รอบอบรมทั่วไป

ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770

ลงชื่อจองไว้ สอบถามรอบอบรม

สำหรับองค์กร — In-house / Private Training

ปรับเนื้อหาให้ตรงกับเครื่องมือและงานจริงของทีม
เลือกวันเอง อบรมที่บริษัทหรือออนไลน์สด
ออกใบเสนอราคาในนามนิติบุคคลให้ฝ่ายจัดซื้อ

ขอใบเสนอราคาอบรมองค์กร

วิทยากรผู้สอน

สนิทวงศ์ กมลภากรณ์วิทยากรผู้สอน

คำถามที่พบบ่อย

Image Processing กับ Computer Vision ต่างกันอย่างไร

Image Processing คือการแปลงหรือปรับภาพ เช่น ลด Noise ปรับคอนทราสต์ หาขอบ หรือแยกวัตถุออกจากพื้นหลัง ผลลัพธ์มักยังเป็นภาพ ส่วน Computer Vision คือการทำให้คอมพิวเตอร์เข้าใจสิ่งที่อยู่ในภาพ เช่น นับจำนวนชิ้นงาน วัดขนาด จดจำใบหน้า หรือตรวจจับวัตถุ ซึ่งมักใช้ Image Processing เป็นขั้นเตรียมภาพก่อน หลักสูตรนี้เริ่มจาก Image Processing แล้วต่อยอดไปสู่งาน Computer Vision และโมเดล AI

หาเส้นขอบวัตถุ (Contour) ในภาพด้วย OpenCV มีขั้นตอนอย่างไร

เริ่มจากแปลงภาพเป็นขาวดำ ลด Noise ด้วย Gaussian Blur แล้วแยกวัตถุออกจากพื้นหลังด้วย Threshold หรือหาขอบด้วย Canny จากนั้นใช้ Morphology ปิดช่องว่างเล็ก ๆ แล้วเรียก findContours เพื่อได้รายการ Contour ของแต่ละวัตถุ นำไปคำนวณพื้นที่ เส้นรอบรูป และกรอบสี่เหลี่ยม เพื่อวัดขนาดหรือนับจำนวน หากต้องการหน่วยจริงให้เทียบกับวัตถุอ้างอิงที่รู้ขนาด

OpenVINO คืออะไร ใช้ร่วมกับ OpenCV อย่างไร

OpenVINO เป็นชุดเครื่องมือโอเพนซอร์สของ Intel สำหรับปรับและรันโมเดล AI ให้เร็วขึ้นบน CPU และ GPU ในตัวโดยไม่ต้องมีการ์ดจอแยก ในหลักสูตรจะใช้ OpenCV เตรียมภาพและแสดงผล แล้วแปลงโมเดลอย่าง YOLO26 เป็นรูปแบบ OpenVINO IR เพื่อรันด้วย OpenVINO Runtime พร้อมทดลองลดขนาดโมเดลเป็น FP16 หรือ INT8 และวัด FPS เทียบกันบนโน้ตบุ๊กของผู้เรียน

หลักสูตร Basic Image Processing with OpenCV and Python Workshop เหมาะกับใคร ต้องมีพื้นฐานอะไรมาก่อน

เหมาะกับผู้ที่ต้องการพัฒนาระบบ Computer Vision สำหรับอ่านค่า วัด หรือนับสิ่งของ วิศวกรและช่างเทคนิคสายการผลิต นักพัฒนา Python และนักศึกษาที่ต้องการพื้นฐานก่อนต่อยอด Deep Learning ผู้เรียนควรเขียน Python เบื้องต้นได้และติดตั้งแพ็กเกจด้วย pip เป็น หากคุ้นเคย NumPy จะเข้าใจเร็วขึ้น และควรมีโน้ตบุ๊ก RAM 8 GB ขึ้นไปพร้อม Webcam โดยไม่ต้องใช้ GPU

เรียนจบหลักสูตร Basic Image Processing with OpenCV and Python Workshop แล้วทำอะไรได้บ้าง

ผู้เรียนจะประมวลผลภาพและวิดีโอด้วย OpenCV 5 ได้คล่อง แยกวัตถุด้วย Threshold และสี วัดขนาดและนับชิ้นงานจาก Contour จับคู่ Feature ระหว่างภาพ ตรวจจับการเคลื่อนไหวและติดตามวัตถุในวิดีโอ ใช้โมเดล ONNX ตรวจจับใบหน้าและวัตถุ และเร่งความเร็วด้วย OpenVINO ได้ พร้อมโค้ดต้นแบบของระบบ Vision ที่ทำงานกับกล้องจริงกลับไปพัฒนาต่อ

จัดอบรมหลักสูตร Basic Image Processing with OpenCV and Python Workshop ให้ทีมในองค์กรได้ไหม

ได้ สถาบันไอทีจีเนียสรับจัดอบรมแบบ In-house สำหรับองค์กร สามารถปรับตัวอย่างและโจทย์ใน Workshop ให้ใกล้เคียงงานของทีม เช่น การตรวจขนาดชิ้นงานในสายการผลิต การนับสินค้า หรือการวิเคราะห์วิดีโอจากกล้องวงจรปิด และเลือกเน้นเทคนิคประมวลผลภาพหรือโมเดล AI ตามความต้องการ ติดต่อขอใบเสนอราคาได้ผ่านช่องทางของสถาบัน