(بینایی ماشین متن باز) یک کتابخانه متن باز شامل بیش از صدها الگوریتم بهینه سازی شده به زبانPAYTON  وC , ++C برای تحلیل تصویر و ویدیو است، که از زمان معرفی آن در سال ۱۹۹۹، به میزان زیادی از سوی جامعه محققین و توسعه دهندگان بینایی ماشین به عنوان ابزار توسعه پایه پذیرفته شده است. OpenCV در ابتدا در اینتل به منظور توسعه تحقیقات در زمینه بینایی ماشین و ارتقا کاربردهایی که شدیداً از پردازنده استفاده می کنند، توسعه داده شد. مزیت اصلی OpenCV، در سرعت اجرای آن به خصوص در کاربردهای بی درنگ و البته متن باز بودن و رایگان بودن آن است. این مجموعه آموزشی، تلاشی است برای آشنایی هر چه بیشتر جامعه محققین بینایی ماشین با این کتابخانه ارزشمند، که به صورت گام به گام و عملی همراه با مجموعه متنوعی از مثال ها، شما را برای توسعه برنامه های کاربردی خود آماده خواهد ساخت.

این دوره به شما فرصت خواهد داد تا با پردازش تصویر و ویدیو آشنا شوید. اما این تنها ابتدای راه است. خبر خوش اینکه OpenCV به پیشرفت و توسعه ادامه خواهد داد.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:

• • معرفی
  • نصب کتابخانه OpenCV
  • ایجاد یک پروژه OpenCV با ماکروسافت ویژوال ++C
  • بارگذاری، نمایش و ذخیره تصاویر
•  کار با تصاویر
  • دسترسی به مقادیر پیکسلی
  • پویش تصویر با اشاره گرها
  • پویش تصویر با تکرارگرها
  • نوشتن حلقه های کارا برای پویش تصویر
  • پویش تصویر در هنگام دسترسی به همسایه ها
  • انجام محاسبات ساده تصویر
  • تعریف نواحی مورد علاقه
  • تبدیل فضاهای رنگی
•  فیلترکردن تصاویر
  • فیلتر کردن تصاویر با استفاده از فیلترهای پایین گذر
  • فیلتر کردن تصاویر با استفاده از فیلتر میانه
  • اعمال فیلترهای جهتی برای تشخیص لبه ها
  • محاسبه لاپلاسین تصویر
•  هیستوگرام
  • محاسبه هیستوگرام تصویر
  • به کارگیری جداول جستجو برای تغییر ظاهر تصویر
  • هموارسازی هیستوگرام تصویر
  • پس افکنش هیستوگرام برای تشخیص محتوای خاصی از تصویر
  • استفاده از الگوریتم جابجایی میانگین برای پیدا کردن یک شیئ
  • بازیابی تصاویر مشابه با استفاده از مقایسه هیستوگرام
•  تبدیل تصاویر با عملگرهای ریخت شناسی
  • سایش و گسترش تصاویر با استفاده از فیلترهای ریخت شناسی
  • باز کردن و بستن تصاویر با استفاده از فیلترهای ریخت شناسی
  • تشخیص لبه ها و گوشه ها با استفاده از فیلترهای ریخت شناسی
  • ناحیه بندی تصاویر با استفاده از الگوریتم آبگیر (watershed)
  • استخراج اشیاء پیش زمینه با الگوریتم GrabCut
•  استخراج خطوط، مرزها (کانتورها) و اجزا
  • تشخیص کانتورهای تصویر با عملگر کنی
  • تشخیص خطوط تصویر با تبدیل هاف
  • برازش خط به مجموعه ای از نقاط
  • استخراج کانتورهای اجزا
  • محاسبه توصیف گرهای شکل اجزا
•  تشخیص و انطباق نقاط مورد علاقه
  • تشخیص گوشه های هریس
  • تشخیص ویژگی های FAST
  • تشخیص ویژگی های مقاوم در برابر مقیاس SURF
  • توصیف ویژگی های SURF
•  پردازش دنباله های ویدیویی
  • خواندن دنباله های ویدیویی
  • پردازش قاب های ویدیویی
  • نوشتن دنباله های ویدیویی
  • دنبال کردن نقاط ویژگی در ویدیو
  • استخراج اشیاء پیش زمینه در ویدیی