ویرگول
ورودثبت نام
هوش مصنوعی
هوش مصنوعیهوش مصنوعی، یادگیری ماشین و یادگیری عمیق
هوش مصنوعی
هوش مصنوعی
خواندن ۷ دقیقه·۴ سال پیش

آموزش پردازش تصویر با اپن سی وی OpenCV

کتابخانه 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.


توضیحات تکمیلی

لایبری 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 مراجعه کنید.

https://class.vision/product/opencv/

فهرست سرفصل‌ها و رئوس مطالب دوره OpenCV مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:

  • ماژول 1: شروع کار با OpenCV در پایتون

    مقدمه ای بر بینایی کامپیوتر
    بینایی کامپیوتر و تفاوت آن با پردازش تصویر و بینایی ماشین
    تاریخچه‌ی بینایی کامپیوتر
    کاربردهای بینایی کامپیوتر
    مباحث و سرفصلهای دوره

    مقدمه ای بر تصاویر
    خواندن، ذخیره کردن و نمایش ویدیو
    تصاویر خاکستری (Gray Scale)
    بریدن یک ناحیه از تصویر

    مقدمه ای بر فضاهای رنگی
    فضاهای رنگی – بخش 1 (جداکردن و ادغام کانالهای رنگی)
    فضاهای رنگی – بخش 2 (تغییر مقادیر هر کانال)
    فضاهای رنگی – بخش 3 (فضای رنگی HSV)

    عملیات پایه روی تصاویر و درک تصاویر Transparent
    درک کانال آلفا و ترنسپرنتسی (Transparent)
    عملیات بیتی، ماسک کردن تصویر و ایجاد یک تصویر PNG

    حاشیه نویسی تصویر (Image Annotation)
    رسم اشکال روی تصویر
    نوشتن متون فارسی و انگلیسی روی تصویر
    عملیات ریاضی (Arithmetic Operations)

    تنظیم روشنایی و تضاد تصویر
    تنظیم روشنایی و کنتراست(با توابع خطی)
    تحلیل هیستوگرام تصویر و مشکل روش خطی تنظیم روشنایی و کنتراست
    تنظیم روشنایی و کنتراست(با تصحیح گاما)
  • ماژول 2: خواندن و نوشتن ویدئو و ایجاد رابط کاربری گرافیکی

    رابط کاربری گرافیکی و کالبک در OpenCV
    رویداد کلیک ماوس
    سایر رویدادهای ماوس و رویدادهای صفحه کلید
    ایجاد یک برنامه‌ی ساده رسم نظیر قلم در paint
    ایجاد یک برنامه برای annotate کردن اشیاء تصویر
    استفاده از Trackbar برای دریافت یک مقدار پیوسته از کاربر

    خواندن و ذخیره کردن ویدیو و کار با انواع ورودی های ویدیویی نظیر دوربین مداربسته و وبکم
    استفاده از وبکم
    خواندن فایل ویدیویی
    ذخیره کردن یک ویدیو در فایل
    کار با پروتکل RTSP و دوربینهای مداربسته (CCTV)
    اسکرین صفحه به عنوان ویدیوی ورودی OpenCV
    خواندن ویدیو از یوتیوب و کار با گوگل‌کولب
  • ماژول 3: پردازش تصاویر باینری

    آستانه گذاری
    کاربردها
    حد آستانه گذاری یا Thresholding و باینری کردن تصویر
    روش Otsu برای پیدا کردن خودکار حد آستانه – تئوری
    پیاده سازی روش Otsu در پایتون
    آستانه‌گذاری تطبیقی

    عملیات مورفولوژی
    مفاهیم dilation و erosion
    گسترش یا انبساط (Dilation)
    فرسایش (Erosion)
    عملیات Opening
    عملیات Closing
    پیاده سازی عملیات مورفولوژی در پایتون
    hit-or-miss
    مثال حذف خطوط افقی با علیات مورفولوژی

    تحلیل مولفه‌های متصل
    مفاهیم تحلیل مولفه‌های متصل
    پیاده سازی تحلیل مولفه‌های متصل

    تحلیل کانتور (Contour)
    یافتن contour
    تخمین contour
    پوشش محدب (Convex hull)
    به دست آوردن دایره و مستطیل دربرگیرنده‌ی کانتورها
    محاسبه مساحت، moment و مرکز کانتور و سورت کردن اشکال
    الگوریتم Douglas-Peucker و تشخیص اشکال هندسی
    مثال تشخیص نواحی کلمات
    مثال شمارش سکه

    تشخیص Blob و جمع بندی تصاویر باینری
    تشخیص blob
    سایر کاربردهای مورفولوژی
  • ماژول 4: بهبود تصویر و فیلترگذاری روی تصاویر

    فضاهای رنگی و مقدمات خوشه بندی
    فیلترگذاری روی تصویر با رنگ
    دستور inrange در opencv برای فیلتر کردن رنگ
    مثال فیلتر کردن رنگ آبی در ویدیو
    بررسی سایر فضاهای رنگی
    مثال تکنیک حذف پرده سبز
    مثال حذف پرده سبز با روشی دیگر و بررسی روی ویدیو
    مثال pop-effect
    خوشه بندی یا clustering
    پیدا کردن رنگ‌های غالب با خوشه‌بندی
    بهبود نمایش رنگهای غالب

    تبدیلات رنگ و هیستوگرام
    هیستوگرام تصویر
    پیدا کردن رنگ‌های غالب با هیستوگرام
    یکنواخت‌سازی هیستوگرام و بهبود کنتراست تصویر
    الگوریتم CLAHE: روش پیشرفته یکنواخت‌سازی هیستوگرام
    مقایسه هیستوگرام‌ها و نرمال‌کردن هیستوگرام

    فیلترگذاری روی تصویر و کانولوشن
    تصویر به عنوان یک تابع
    حذف نویز تصویر با میانگین‌ متحرک (moving average)
    تفاوت کانولوشن و کرولیشن و مات کردن تصویر
    فیلتر غیر خطی میانه (median)
    پیاده سازی حذف نویز و مات کردن تصویر در پایتون
    فیلتر sharpening
    پیاده سازی فیلتر sharpening در پایتون

    گرادیان تصویر و لبه‌یابی (edge detection)
    لبه در تصویر چیست؟!
    مفهوم گرادیان تصویر
    یک فیلتر لبه‌یابی (edge detection)
    پیاده‌سازی لبه یابی در پایتون
    فیلتر Sobel
    فیلتر لاپلاس یا filter Laplacian
    الگوریتم لبه‌یابی Canny
    پیاده سازی لبه‌یابی Canny
    تشخیص میزان مات بودن تصویر (فوکوس خودکار)
  • ماژول 5: پردازش تصویر پیشرفته و عکاسی محاسباتی

    تبدیلات هاف (Hough Transforms)
    کاربردهای تبدیل Hough
    تئوری تشخیص خط با استفاده از تبدیل هاف
    پیاده سازی تشخیص خط با استفاده از تبدیل هاف
    مثال تشخیص عقربه های یک ساعت با تبدیل هاف
    تئوری تشخیص دایره با استفاده از تبدیل هاف
    پیاده‌سازی تشخیص دایره با استفاده از تبدیل هاف

    تصویربرداری دامنه دینامیکی بالا
    مفاهیم و پیاده سازی دامنه داینایکی بالا (HDR)

    روش ویرایش تصویر پواسون یا seamless cloning
    روش seamless cloning

    ترمیم تصویر (image inpainting)
    پیاده سازی image inpainting و مثال‌های ترمیم تصویر قدیمی، حذف واترمارک روی تصویر و حذف جوش
    رفع مشکل نور زیاد در یک ناحیه
  • ماژول 6: تبدیل های هندسی و ویژگی های تصویر

    تبدیل های هندسی
    تبدیلات هندسی خطی (چرخش، تغییر سایز و کج‌کردن)
    تبدیلات افاین (Affine Transformation)
    جابه‌جایی و چرخواندن تصاویر با تبدیلات هندسی
    چرخواندن تصویر با مرکزیتی متفاوت
    تغییر اندازه تصاویر
    تبدیل projective
    محاسبه ماتریس تبدیل Affine با داشتن 3 نقطه
    هموگرافی و محاسبه ماتریس تبدیل Perspective با 4 نقطه

    ویژگی های تصویر
    پبدا کردن گوشه‌ها به روش Harris
    پیدا کردن گوشه‌ها با روش Shi-Tomasi
    نقاط کلیدی مورد علاقه (interest point) و الگوریتم SIFT
    ادامه الگوریتم SIFT و مفهوم Scale-Space
    پیاده سازی الگوریتم SIFT
    الگوریتم ORB
    تطبیق ویژگی‌ها
    مثال تشخیص اسکناس با داشتن اسکناس نمونه
    ایجاد تصاویر پاناروما
  • ماژول 7: بخش‌بندی و بازشناسی تصویر

    بخش‌بندی تصویر با استفاده از GrabCut
    بخش‌بندی تصویر با استفاده از GrabCut

    مقدمه‌ای بر هوش‌مصنوعی
    مقدمه‌ای بر یادگیری ماشین
    یادگیری نظارت‌شده – طبقه‌بندی

    طبقه‌بندی تصاویر
    مثال طبقه‌بندی ارقام دست‌نویس فارسی
    مثالهای طبقه‌بندی ارقام دستنویس انگلیسی و حروف انگلیسی
    طبقه‌بند SVM
    الگوریتم HOG
    پیاده‌سازی HOG در پایتون

    تشخیص اشیاء
    تشخیص عابر پیاده با HOG
    روش تشخیص اشیاء voila jones به همراه مثال تشخیص چهره و چشم‌ها
  • ماژول 8: تحلیل ویدئو

    الگوریتم جریان نوری (Optical flow)
    Sparse Optical Flow
    Dense Optical Flow

    تفریق پس زمینه و شناسایی اشیا متحرک
    تفریق پس زمینه و شناسایی اشیا متحرک

    رديابي اشياء(Object Tracking)
    ردیابی با الگوریتمهای Meanshift و Camshift
    ردیابی اشیاء در OpenCV
    ردیابی چند شئ‌ای (Multi-object tracking)
  • طبقه‌بندی تصویر (Image Classification)

    طبقه‌بندی تصویر (Image Classification)
    یادگیری‌عمیق و تفاوت آن با یادگیری ماشین و هوش مصنوعی
    معرفی چالش Image-net و Caffe model zoo
    لود کردن مدل قبلاً آموزش داده شده از Caffe
    لود کردن مدل قبلاً آموزش داده شده از TensorFlow

    شناسایی اشیاء (Object Detection)
    لود کرن مدل تشخیص اشیاء از فریم‌ورک TensorFlow

    شناسایی و بازشناسی چهره (Face detection and recognition)
    شناسایی چهره با YuNet
    بازشناسی چهره عمیق

    تخمین حالت بدن (Human Pose Estimation)
    مدل OpenPose

    بخش‌بندی تصویر (Image Segmentation)
    مدل Mask R-CNN برای تشخیص اشیاء و بخش‌بندی تصویر
  • بخش پایانی

    مینی‌پروژه Cam-Scanner
    مینی‌پروژه اسکن اسناد و تراز کردن خودکار آن

    سخن پایانی
    سخن پایانی
پردازش تصویربینایی ماشینآموزشبینایی کامپیوترپایتون
۴
۰
هوش مصنوعی
هوش مصنوعی
هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
شاید از این پست‌ها خوشتان بیاید