

แผนการสอนวิชา OpenCV ระยะเวลา 6 ชั่วโมง
ถูกออกแบบมาเพื่อให้นักเรียนเข้าใจทั้งภาคทฤษฎีและภาคปฏิบัติ ผ่านกิจกรรมเชิงโครงงานและการเรียนรู้แบบลงมือทำ โดยเน้นการพัฒนาทักษะการคิดวิเคราะห์ การแก้ปัญหา และความคิดสร้างสรรค์
Computer Vision คือการทำให้คอมพิวเตอร์สามารถมองเห็นและเข้าใจข้อมูลจากภาพหรือวิดีโอ
ความสัมพันธ์ระหว่าง Computer Vision, AI และ Machine Learning
ตัวอย่างการใช้งาน: Face Recognition, Self-driving Car, การแพทย์, การเกษตร
OpenCV คือไลบรารีสำหรับการประมวลผลภาพที่ได้รับความนิยมสูงสุด ใช้งานฟรีและรองรับหลายภาษา
ครูนำคลิปตัวอย่างการใช้งาน Computer Vision มาให้นักเรียนดู
นักเรียนระดมสมองว่า Computer Vision สามารถใช้ในชีวิตประจำวันได้อย่างไร
ระบบที่ต้องใช้: Python, Pip, IDE เช่น PyCharm, VS Code, Jupyter Notebook
ติดตั้ง OpenCV โดยใช้คำสั่ง pip install opencv-python
การตรวจสอบเวอร์ชันของ OpenCV ด้วย cv2.__version__
ติดตั้งแพ็กเกจเสริม เช่น opencv-contrib-python
การแก้ไขปัญหา Error Import cv2
นักเรียนติดตั้ง Python และ OpenCV บนเครื่องของตนเอง
ทดสอบรันโปรแกรมแรก import cv2 และแสดงเวอร์ชัน
การอ่านภาพด้วย cv2.imread()
การแสดงผลภาพด้วย cv2.imshow()
การบันทึกภาพด้วย cv2.imwrite()
คุณสมบัติของภาพ: Width, Height, Color Channels (BGR)
การแปลงภาพสีเป็น GrayScale และ HSV
นักเรียนเปิดไฟล์ภาพด้วย OpenCV และแสดงผล
ทดลองบันทึกภาพใหม่หลังจากการปรับขนาด
การปรับขนาดภาพ (Resizing) ด้วย cv2.resize()
การหมุนและกลับภาพ (Rotation & Flip)
การเบลอภาพ (Blurring): Gaussian Blur, Median Blur
การตรวจจับขอบภาพ (Edge Detection): Canny Edge Detection
การทำ Threshold แยกวัตถุออกจากพื้นหลัง
นักเรียนทดลองใช้ resize และ flip กับภาพ
เขียนโปรแกรมตรวจจับขอบภาพด้วย Canny Edge
การอ่านวิดีโอจากไฟล์ด้วย cv2.VideoCapture()
การอ่านจากกล้อง Webcam
การแสดงผลวิดีโอแบบ Real-time
การบันทึกวิดีโอออกเป็นไฟล์ใหม่
นักเรียนเปิดกล้อง Webcam และแสดงผลภาพแบบ Real-time
ทดลองเพิ่ม GrayScale หรือ Edge Detection ลงในวิดีโอ
การบูรณาการความรู้: การอ่านไฟล์ภาพ วิดีโอ และการประมวลผล
ตัวอย่างโครงงาน: โปรแกรมตรวจจับใบหน้า, ตรวจจับการเคลื่อนไหว, แปลงภาพเป็นศิลปะขาวดำ
การนำเสนอผลงานและการทำงานเป็นกลุ่ม
นักเรียนเลือกโครงงานและทำเป็นกลุ่ม
นำเสนอผลงานหน้าชั้นเรียน
