"Tutoriels OpenCV-Python" 2 incontournables

Le contenu de cet article n'est qu'une traduction partielle des didacticiels OpenCV-Python. Les sites suivants de l'Université de Tottori ont toutes les traductions, nous vous recommandons donc de vous y référer.

Site de l'Université Tottori Tutoriel OpenCV-Python

Tutoriels OpenCV 3.1 OpenCV-Python http://docs.opencv.org/3.1.0/d6/d00/tutorial_py_root.html#gsc.tab=0 Il est publié dans (j'ai remarqué 2016.2.28).

Par conséquent, le contenu suivant (traduction du tutoriel OpenCV3.0) est obsolète. Correspondance entre la liaison Python réelle et le script introduit dans le didacticiel Il est amélioré à partir du tutoriel sur OpenCV3.0. Veuillez lire les phrases suivantes dans cet esprit.

J'ai traduit un peu plus sur les "Tutoriels OpenCV-Python".

Le fragment du script sur lequel j'ai suivi le lien semble se trouver sur Github ci-dessous. rajatsaxena/OpenCV (https://github.com/rajatsaxena/OpenCV) À partir de là, vous pouvez rechercher et exécuter des scripts et des données.

** Introduction à OpenCV **

Introduction au didacticiel OpenCV-Python

OpenCV-Pythonを始めてみよう

Installer OpenCV-Python sur Windows OpenCVをwindowsで使えるようにする。

Installer OpenCV-Python sur Fedora

OpenCVをFedoraで使えるようにする。

** Fonctionnalités de l'interface graphique dans OpenCV **

Commençons la manipulation d'image 画像を読み込むこと、表示すること、保存することを学びます。

Commençons l'opération vidéo 動画の再生、カメラからの動画のキャプチャと動画としての保存を学びましょう。

Fonction de dessin OpenCV 直線、矩形、楕円、円などをOpenCVを使って描画することを学びます。

Utilisez la souris comme pinceau マウスを使って塗りつぶし

Utiliser la Trackbar comme palette de couleurs パラメータを制御するためのtrackbarを作る

** Opération de base **

Opération de base sur les images

Apprenez à lire et à modifier les valeurs de pixel, à utiliser les images dans le ROI (région d'intérêt) et à d'autres opérations de base.

Arithmétique à l'image

Effectue des opérations arithmétiques sur l'image.

[Méthode de mesure et d’amélioration des performances d’exécution] (http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_core/py_optimization/py_optimization.html#optimization-techniques)

答を得ることは大切だ。しかし、最速に答を得ることはさらに大切だ。あなたのコードのスピードをチェックし、コードを最適化することなどを学びます。

Méthodes mathématiques dans OpenCV PCA(Principalcomponentsanalysis　主成分分析)、SVD(singularvaluedecomposition　特異値分解)などのOpenCVで提供されている数学的手法のいくつかを学びます。

** Traitement d'image avec OpenCV **

Modifier l'espace colorimétrique 異なる色空間で画像を変換する方法を学びましょう。そして動画で色つきの物体を追跡させてみましょう。

Transformation géométrique de l'image 　回転、変形などのさまざまな幾何変換を施してみましょう。

Traitement du seuil d'image 　画像をグローバルしきい値、適応的閾値処理 、大津の２値化などで2値化画像に変換してみましょう。

Lissage d'image Apprenez à brouiller les images et à filtrer les images avec un noyau personnalisé.

Conversion morphologique

　収縮、膨張、Opening, Closingなどのモルフォロジー変換について学びます。

Dégradé d'image Trouvez des dégradés d'image, des bords et plus encore.

Détection Canny Edge

　Cannyエッジ検出を使ってエッジを見つけてみましょう。

Pyramide d'images 　画像ピラミッドとそれを画像混合に使う方法を学びます。

** Traitement des grandes lignes avec OpenCV **

OpenCVにある輪郭処理の全て。

** Traitement des contours avec OpenCV **

Aperçu: commençons

輪郭を見つけ描こう

Caractéristiques générales

様々な輪郭の特徴、面積、周囲長、外接矩形（包含矩形）などを見つけることについて学びましょう

Caractéristiques de contour 様々の輪郭の特性、堅実性、平均強度などを見つけることを学びましょう。

Aperçu: Autres fonctions

Apprenez à trouver des défauts de convexité, des tests de polygones ponctuels et des correspondances avec différentes formes.

Hiérarchie du contour

Découvrez la hiérarchie des contours.

** Histogramme dans OpenCV

Tous les histogrammes d'OpenCV.

Histogramme OpenCV OpenCV

Histogrammes-1: Trouvez, tracez et analysez! !! !!

ヒストグラムを見つけ、描画しよう。

Histogrammes-2: aplatissement de l'histogramme

よいコントラストの画像を得るためにヒストグラムを平坦化することを学びましょう。

Histogrammes --3: histogramme bidimensionnel

2次元のヒストグラムを見つけ、プロットすることを学びましょう。

Histogramme-4: rétroprojection de l'histogramme

領域ごとに色づけされた物体にヒストグラム逆投影することを学びます。

Conversion d'image avec OpenCV 　フーリエ変換、コサイン変換などOpenCVにある様々な画像変換に出会ってみましょう。

Correspondance des modèles 　テンプレートマッチングを用いて画像中から物体を探してみましょう。

Conversion de ligne de Huff 　画像の中から線を検出してみましょう。

Conversion de cercle de Huff 　画像の中から円を検出してみましょう。

Division de la zone de l'image basée sur l'algorithme Watershed

　Watershed(分水嶺)アルゴリズムで画像の領域分割をしてみましょう。

Extraction interactive de premier plan à l'aide de l'algorithme GrabCut

　GrabCutアルゴリズムでの前景抽出をしてみましょう。

** Détection et description des fonctionnalités **

Comprendre les fonctionnalités

　その画像の主な特徴はなんだろうか？　見つけられたこれらの特徴はどのように役に立つのか？

Détection de coin Harris 　ええ、コーナーはよい特徴？　でもどうやって見つけますか？

Détecteur de coin Shi-Tomasi et angles forts dans l'image (bonnes fonctionnalités à suivre) Jetons un coup d'œil aux détails de la détection de coin Shi-Tomasi.

Quantité de fonctionnalités Introduction à SIFT (Scale-Invariant Feature Transform)

　Harrisコーナー検出器は、画像の縮尺が変わるときには、十分良いとは言い切れません。　Loweは、縮尺に影響しない特徴を見つけるブレークスルーとなる手法を開発しました。それはSIFT特徴量と呼ばれています。

Présentation des fonctionnalités de SURF (fonctionnalités robustes accélérées)

　　SIFT特徴量は確かにいい特徴です。しかし、十分速いとは言えません。そこでSURF特徴量と呼ばれる高速化版が作られました。

Algorithme FAST pour la détection des coins 　上に示した特徴検出器は全てよいものです。しかし、SLAM(訳注：SimultaneousLocalizationandMapping、自己位置推定と環境地図作成を同時に行うこと)のようなリアルタイムの用途に使えるほど十分に速いとは言えません。そこでFASTアルゴリズムの登場です。これは本当に"FAST(速い)"です。

BRIEF Features (Binary Robust Independent Elementary Features) 　SIFT特徴量は、128個の浮動小数点からなる特徴記述子を用いています。そのような特徴量を数千個あつかうことを考えてごらんなさい。そのときたくさんのメモリーとマッチングのためにたくさんの時間を使 est. Vous pouvez compresser les fonctionnalités pour les rendre plus rapides, mais vous devez tout d'abord calculer les fonctionnalités. C'est là que BRIEF entre en jeu, offrant un raccourci pour trouver des descripteurs binaires avec moins de mémoire, une correspondance plus rapide et une reconnaissance plus élevée.

Fonctionnalités ORB (Oriented FAST and Rotated BRIEF) 　SIFT特徴量とSURF特徴量はとてもよく動くのだけれども、あなたの用途の中で使うには毎年数ドル払わなければならないとしたらどうしますか？　それらは特許が成立しているのです。その問題を解決するには、OpenCVの開発者はSIFT特徴量とSURF特徴量への新しい"FREE"な代替品、ORBを思いつきました。

Correspondance de quantité de fonctionnalités 　特徴検出器と記述子についてたくさん理解しました。異なる記述子を対応付ける方法を学ぶときです。OpenCVはそのために２つの手法、Brute-Forceマッチング手法とFLANNに基づくマッチング手法です。

Correspondance de quantité de fonctionnalités et homographie pour la recherche d'objets 　いま特徴量マッチングについて知っているので、複雑な画像中の物体を見つけるためにcalib3dモジュールとともに混ぜ合わせてみましょう。

** Analyse vidéo **

Suivi Meanshift et Camshift

私たちは既に、色に基づく追跡の例を見ました。それは単純なものです。ここでは、もっとよいアルゴリズムである平均値シフトとその改良版であるCamShiftが対象をどう見つけ追跡するのか見てみましょう。

[Flux optique] (http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_video/py_lucas_kanade/py_lucas_kanade.html#lucas-kanade)

　重要な概念、オプティカルフローについて学びましょう。それは動画に関連していて、たくさんの用途があります。

Suppression de l'arrière-plan

　いくつかのアプリケーションでは、物体追跡のように前景を抜き出す必要があります。背景除去は、それらの場合に役立つよく知られた手法です。

** Calibrage de la caméra et reconstruction 3D **

Calibrage de la caméra 　利用しているカメラがどれだけ良いものか試してみましょう。それで撮影した画像に歪みが見られるでしょうか？もしあれば、どう補正しましょうか？

Estimation d'attitude calibモジュールを用いてちょっとしたかっこいい3D効果を作るのに役立つ短いセッションです。

Géométrie épipolaire エピポーラ幾何とエピポーラ制約を理解しましょう。

Informations sur la distance de profondeur tirées de l'image stéréo 2D画像群から奥行き情報を得ます。

** Apprentissage automatique **

Méthode K-Nearest K最近傍法の使い方を学ぶとともに、K最近傍法を用いて手書きの数字認識について学びます。

Support Vector Machine (SVM) SVMの考え方を理解します

Méthode moyenne K

データをK平均法を用いて一群のクラスターに分類することを学びます。そして、K平均法を用いて色の量子化をすることを学びます。

Computational Photography Ici, vous découvrirez les différentes fonctionnalités d'OpenCV liées à la photographie computationnelle, telles que le bruit d'image.

Suppression du bruit de l'image Non-local Meansノイズ除去と呼ばれる画像からノイズを除去する良好な手法を見ていただきます。

Réparation d'image 　たくさんの黒点とひっかきを生じた古い劣化した写真を持っていませんか？それを持ってきて、画像修復と呼ばれる方法でそれらを復元してみましょう。

** Détection d'objets **

Détection de visage à l'aide du détecteur de cascade Haar Haar カスケード検出器を用いた顔検出

** Liaison OpenCV-Python **

Voyons maintenant comment sont créées les liaisons OpenCV-Python.

Comment fonctionne la liaison OpenCV-Python? OpenCV-Pythonバインディングがどのように作られているのか学びましょう。