p.s.
Технологии машинного зрения(Computer vision) распространены везде в современных технологиях. библиотека OpenCV для Python позволяет нам выполнять алгоритмы машинного зрения в режиме реального времени. С появлением мощных машин мы получаем больше вычислительной мощности для работы с машинным зрением. Используя эту технологию, мы можем бесшовно интегрировать наши приложения машинного зрения в облако. Веб-разработчики могут разработать сложные приложения, без необходимости повторно изобретать колесо. Эта книга - практическая обучающее руководство, которая предоставляет различные примеры на разных уровнях, обучая вас различным функциям библиотеки OpenCV и их фактических реализаций.
Эта книга предназначена для Python-разработчиков, которые являются новичками в библиотеке OpenCV и хотят разработать приложения машинного зрения с использованием библиотеки OpenCV и языка Python. Эта книга также полезна разработчикам универсального программного обеспечения, которые хотят развернуть приложения машинного зрения в облаке. Было бы полезно иметь некоторое знание базовых математических понятий, такими как векторы и матрицы.
Глава 1 «Применение геометрических преобразований к изображениям» объясняет, как применить геометрические преобразования к изображениям. В этой главе мы обсудим аффинные и проекционные преобразования и увидим, как мы можем использовать их, чтобы применить крутые геометрические эффекты к фотографиям. Глава начнется с процедуры установки OpenCV-Python на множество платформ, таких как Mac OS X, Linux и Windows. Вы также изучите, как манипулировать изображением различными способами, такими как изменение размеров(resizing) и изменение цветовых пространств(changing color spaces).
Глава 2 «Обнаружение границ и применение фильтров изображения» показывает, как использовать операторы фундаментальной обработки изображений(fundamental image-processing operators) и как мы можем использовать их, чтобы разработать большие проекты. Мы обсудим, почему мы нуждаемся в обнаружении границ(edge detection) и как оно может использоваться всевозможными способами в приложениях машинного зрения. Мы обсудим фильтрацию изображения(image filtering) и как мы можем использовать ее для наложения различных визуальных эффектов к фотографиям.
Глава 3 «Придание эскизного вида изображению» показывает как данному изображению придать эскизный вид(вид комиксов), используя фильтры изображения(image filters) и другие преобразования(transformations). Мы увидим, как использовать веб-камеру, чтобы получить(захватить) живой видеопоток(live video stream). Мы обсудим, как разработать приложение реального времени(real-time application), где мы извлекаем информацию из каждого кадра в потоке и отображаем результат.
Глава 4 «Обнаружение и отслеживание различных частей тела» показывает, как обнаружить и отследить лица в живом видеопотоке. Мы обсудим конвейер обнаружения лиц и увидим, как мы можем использовать его для обнаружения и отслеживания различных частей лица, таких как глаза, уши, рот и нос.
Глава 5 «Извлечение особенностей из изображения» повествует об обнаружении точек излома(salient points; называемых ключевыми точками; ключевые точки) в изображении. Мы обсудим, почему эти точки излома важны и как мы можем использовать их для понимания содержимого изображения. Мы поговорим о различных технологических методах, которые могут использоваться для обнаружения точек излома и извлечения особенностей из изображения.
Глава 6 «Вырезание пустых мест» показывает, как сделать изменение размеров изображения на основе содержимого. Мы обсудим, как обнаружить интересные части изображения и видеть, как мы можем изменить размеры данного изображения, не ухудшая те интересные части.
Глава 7 «Обнаружение форм и сегментация изображения» показывает, как выполнить сегментацию изображения. Мы обсудим, как разделить заданное изображение на его составные части наилучшим возможным способом. Вы также изучите, как в изображении отделить передний план(foreground) от фона(background).
Глава 8 «Отслеживание объектов» показывает, как отследить различные объекты(track different objects) в живом видеопотоке. В конце этой главы вы будете в состоянии отследить любой объект в живом видеопотоке, который получен через веб-камеру.
Глава 9 «Распознавание объектов» показывает, как построить систему распознавания объектов(object recognition system). Мы обсудим, как использовать эти знания для создания визуальной поисковой системы(visual search engine).
Глава 10 «Добавленная реальность» показывает, как построить приложение добавленной реальности(augmented reality application). К концу этой главы вы будете в состоянии разработать проект забавной добавленной реальности с использованием веб-камеры.
Глава 11 «Машинное обучение искусственной нейронной сетью» показывает, как построить продвинутые(усовершенствованные) классификаторы изображений и распознавания объектов, используя последние реализации библиотеки OpenCV. К концу этой главы вы будете в состоянии понять, как работают нейронные сети(neural networks) и как применить их для машинного обучения(machine learning) для построения инструментов продвинутых изображений.
Вам требуется следующее программное обеспечение:
- OpenCV 3.1 или выше
- NumPy 1.13 или выше
- scikit-learn 0.19 или выше
- pickleshare 0.7 или выше
- Спецификация аппаратных требований - любой компьютер с объемом памяти DDR3 RAM по крайней мере 8 Гбайт.