آموزش پردازش تصویر با OpenCV

آموزش پردازش تصویر با OpenCV

OpenCV (بینایی ماشین متن باز) یک کتابخانه متن باز شامل بیش از صدها الگوریتم بهینه سازی شده به زبان C و ++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. برای اطلاع از خبرهای جدید در مورد این کتابخانه، به مستندات آنلاین OpenCV به این (لینک) مراجعه کنید.

 

 

برای مشاهده جزئیات و تهیه آموزش OpenCV به این لینک (+) مراجعه نمایید.

 

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

  • درس یکم: مقدمه
    • معرفی
    • نصب کتابخانه OpenCV
    • ایجاد یک پروژه OpenCV با ماکروسافت ویژوال C++
    • بارگذاری، نمایش و ذخیره تصاویر
  • درس دوم: 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
  • درس سوم: 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
  • درس چهارم: 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
  • درس پنجم: 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
  • درس ششم: 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
  • درس هفتم: 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
  • درس هشتم: 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

 

 

برای مشاهده جزئیات و تهیه آموزش OpenCV به این لینک (+) مراجعه نمایید.

 

پیش نیاز

0 پاسخ

ارسال یک پاسخ

در گفتگو ها شرکت کنید.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *