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.

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

پاسخی بگذارید

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