(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