توضیحات تکمیلی
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 1999، 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 ارتقای کاربردهایی که شدیدا 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.
فهرست سرفصلها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
- درس یکم: مقدمه ای بر پردازش تصویر با OpenCV
- معرفی
- نصب کتابخانه OpenCV
- ایجاد یک پروژه OpenCV با مایکروسافت 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 (Histogram)
- محاسبه هیستوگرام تصویر
- به کارگیری جداول جستجو برای تغییر ظاهر تصویر
- هموارسازی هیستوگرام تصویر
- پس افکنش (Back Projection) هیستوگرام برای تشخیص محتوای خاصی از تصویر
- استفاده از الگوریتم جابجایی میانگین برای پیدا کردن یک شی
- 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 اشیا 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 اشیای پیش زمینه در ویدیویی
در ادامه لیست کتب انگلیسی و کتب فارسی منتشر شده در این زمینه معرفی شده اند:
- G Bradski, A Kaehler; Learning OpenCV: Computer vision with the OpenCV library; 2008
- R Laganière; OpenCV 2 Computer Vision Application Programming Cookbook: Over 50 recipes to master this library of programming functions for real-time computer vision; 2011
- الهام شعبانی نیا، رسول محمدی نصیری؛ بینایی ماشین و پردازش تصویر با OpenCV؛ ۱۳۹۲
- الهام شعبانی نیا - علیرضا سخندان؛ برنامه های کاربردی بینایی ماشین با OpenCV2؛ ۱۳۹۳
پیش نیاز
آنچه در این آموزش خواهید دید:
نرم افزارهای مرتبط با آموزش
پیش نمایشها








راهنمای سفارش آموزشها
در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
- با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
- با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ میشود.
- و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده میشود.
نظرات
کلا محتوای اکثر آموزش هاتون مفید کاربردی هست و مدرس مسلط هستن.