Muss "OpenCV-Python Tutorials" 2

Der Inhalt dieses Artikels ist nur eine teilweise Übersetzung der OpenCV-Python-Tutorials. Auf den folgenden Websites der Tottori University finden Sie alle Übersetzungen. Wir empfehlen daher, dass Sie sich auf diese beziehen.

Site in der Tottori University OpenCV-Python-Tutorial

OpenCV 3.1 OpenCV-Python-Tutorials http://docs.opencv.org/3.1.0/d6/d00/tutorial_py_root.html#gsc.tab=0 Es ist veröffentlicht in (ich habe bemerkt, 2016.2.28).

Daher ist der folgende Inhalt (Übersetzung des OpenCV3.0-Tutorials) veraltet. Korrespondenz zwischen der eigentlichen Python-Bindung und dem im Tutorial eingeführten Skript Es wurde gegenüber dem Tutorial unter OpenCV3.0 verbessert. Bitte lesen Sie die folgenden Sätze in diesem Sinne.

Ich habe etwas mehr über "OpenCV-Python Tutorials" übersetzt.

Das Fragment des Skripts, dem ich den Link gefolgt bin, scheint sich unten auf Github zu befinden. rajatsaxena/OpenCV (https://github.com/rajatsaxena/OpenCV) Von dort aus können Sie Skripte und Daten finden und ausführen.

** Einführung in OpenCV **

Einführung in das OpenCV-Python-Tutorial

OpenCV-Pythonを始めてみよう

OpenCV-Python unter Windows installieren OpenCVをwindowsで使えるようにする。

OpenCV-Python auf Fedora installieren

OpenCVをFedoraで使えるようにする。

** Funktionen der GUI in OpenCV **

Beginnen wir mit der Bildbearbeitung 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。

Starten wir den Videobetrieb 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。

OpenCV-Zeichenfunktion 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。

Verwenden Sie die Maus als Pinsel マウスを使って塗りつぶし

Trackbar als Farbpalette verwenden パラメータを制御するためのtrackbarを作る

** Kernoperation **

Grundlegende Operation für Bilder

Erfahren Sie, wie Sie Pixelwerte lesen und bearbeiten, Bilder im ROI (Region of Interest) bearbeiten und andere grundlegende Vorgänge ausführen.

Arithmetik zum Bild

Führt arithmetische Operationen am Bild aus.

[Methode zur Messung und Verbesserung der Ausführungsleistung] (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。

Mathematische Methoden in 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。

** Bildverarbeitung mit OpenCV **

Farbraum ändern 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。

Geometrische Transformation des Bildes 　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。

Bildschwellenwertverarbeitung 　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。

Bildglättung Lernen Sie, Bilder zu verwischen und mit einem benutzerdefinierten Kernel nach Bildern zu filtern.

Morphologische Konvertierung

　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。

Bildverlauf Finden Sie Bildverläufe, Kanten und mehr.

Canny Edge Detection

　Cannyエッジ検出を使ってエッジを見つけてみましょう。

Bildpyramide 　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。

** Gliederungsverarbeitung mit OpenCV

OpenCVにある輪郭処理の全て。

** Konturverarbeitung mit OpenCV **

Gliederung: Los geht's

輪郭を見つけ描こう

Gliederungsfunktionen

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

Kontureigenschaften 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。

Gliederung: Andere Funktionen

Erfahren Sie, wie Sie Konvexitätsfehler finden, Polygontests zeigen und mit verschiedenen Formen übereinstimmen.

Konturhierarchie

Erfahren Sie mehr über die Hierarchie der Konturen.

** Histogramm in OpenCV

Alle Histogramme in OpenCV.

OpenCV OpenCV-Histogramm

Histogramme-1: Finden, zeichnen und analysieren! !! !!

ヒストグラムを見つけ、描画しよう。

Histogramme-2: Abflachen des Histogramms

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。

Histogramme --3: Zweidimensionales Histogramm

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。

Histogramm-4: Rückprojektion des Histogramms

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。

Bildkonvertierung mit 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。

Template Matching 　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。

Huff-Zeilenkonvertierung 　画像の中から線を検出してみましょう。

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

Flächenteilung des Bildes basierend auf dem Watershed-Algorithmus

　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。

Interaktive Vordergrundextraktion mit dem GrabCut-Algorithmus

　GrabCutアルゴリズムでの前景抽出をしてみましょう。

** Funktionserkennung und Funktionsbeschreibung **

Grundlegendes zu den Funktionen

　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？

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

Shi-Tomasi-Eckendetektor und starke Ecken im Bild (gute Funktionen zum Verfolgen) Werfen wir einen Blick auf die Details der Shi-Tomasi-Eckenerkennung.

Einführung in die SIFT-Feature-Menge (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。

Einführung in die SURF-Funktionen (Speeded-Up Robust Features)

　　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。

SCHNELLER Algorithmus zur Eckenerkennung 　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。

KURZE Funktionen (binär robuste unabhängige Elementarfunktionen) 　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 ist. Sie können die Features komprimieren, um sie schneller zu machen, aber Sie müssen die Features erst noch berechnen. Hier kommt BRIEF ins Spiel und bietet eine Verknüpfung zum Auffinden von Binärdeskriptoren mit weniger Speicher, schnellerer Übereinstimmung und höherer Erkennung.

ORB-Funktionen (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。

Feature Quantity Matching 　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。

Feature Quantity Matching und Homografie zum Auffinden von Objekten 　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。

** Videoanalyse **

Meanshift- und Camshift-Tracking

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。

[Optischer Fluss] (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。

Entfernen des Hintergrunds

　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。

** Kamerakalibrierung und 3D-Rekonstruktion **

Kamerakalibrierung 　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？

Einstellungsschätzung 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。

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

Informationen zur Tiefenentfernung vom Stereobild 2D画像群から奥行き情報を得ます。

** Maschinelles Lernen **

K-Nearest-Methode 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

K durchschnittliche Methode

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 Hier erfahren Sie mehr über die verschiedenen Funktionen von OpenCV im Zusammenhang mit Computerfotografie, z. B. Bildentstörung.

Entfernung von Bildrauschen 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。

Bildreparatur 　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。

** Objekterkennung **

Gesichtserkennung mit dem Haar-Kaskadendetektor Haar カスケード検出器を用いた顔検出

** OpenCV-Python-Bindung **

Lassen Sie uns nun lernen, wie OpenCV-Python-Bindungen hergestellt werden.

Wie funktioniert die OpenCV-Python-Bindung? 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。