Ich habe es mit anderen Büchern in Bezug auf die Übersetzung über "OpenCV-Python Tutorials" verglichen.
** Einführung in OpenCV **
Einführung in das OpenCV-Python-Tutorial
Beginnen wir mit OpenCV-Python
OpenCV-Python unter Windows installieren
Stellen Sie OpenCV für Windows zur Verfügung.
OpenCV-Python auf Fedora installieren
Stellen Sie OpenCV in Fedora zur Verfügung.
** GUI-Funktionen 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-Zeichenfunktionen
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.
"Praktisches maschinelles Lernsystem" Kapitel 10 Erkennung von Bildverarbeitungsmustern
Das Importieren von Bildern mit Mahotas wird eingeführt.
Wieder ist das Datenformat nach dem Lesen numpy.array.
Der Funktionsname lautet ebenfalls imread ().
Arithmetische Operationen an Bildern
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)
Es ist wichtig, die Antwort zu erhalten. Noch wichtiger ist es jedoch, die Antwort am schnellsten zu erhalten. Überprüfen Sie die Geschwindigkeit Ihres Codes, lernen Sie, Ihren Code zu optimieren und vieles mehr.
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。
Mahotas beinhaltet auch die Binarisierung von Otsu. Andere Binarisierungstechniken Ridler-Calvard-Techniken sind ebenfalls implementiert.
Bildglättung
画像をぼかしたり、あつらえたカーネルを用いた画像にフィルタすることを学びます。
Morphologische Konvertierung
Moleküle wie Kontraktion, Expansion, Öffnen, Schließen
Erfahren Sie mehr über Phologietransformation.
Bildverlauf
Finden Sie Bildverläufe, Kanten usw. Machen wir das.
Canny Edge Detection
Lassen Sie uns die Kante mithilfe der Canny-Kantenerkennung finden.
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。
** Konturieren mit OpenCV **
Gliederung: Los geht's
Finde den Umriss und zeichne
Gliederungsfunktionen
Erfahren Sie, wie Sie verschiedene Konturmerkmale, Bereiche, Umfänge, umschreibende Rechtecke usw. finden.
Kontureigenschaften
Erfahren Sie, wie Sie verschiedene Kontureigenschaften, Festigkeit, durchschnittliche Festigkeit und mehr finden.
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.
Histogramme in OpenCV
OpenCVにあるヒストグラムの全て。
OpenCV OpenCV-Histogramm
Histogramme-1: Finden, zeichnen und analysieren! !! !!
Suchen Sie das Histogramm und zeichnen Sie es.
Histogramme-2: Abflachen des Histogramms
Lernen Sie, das Histogramm zu reduzieren, um ein gutes Kontrastbild zu erhalten.
Histogramme --3: Zweidimensionales Histogramm
Erfahren Sie, wie Sie ein zweidimensionales Histogramm finden und zeichnen.
Histogramm-4: Rückprojektion des Histogramms
Erfahren Sie, wie Sie ein Histogramm auf ein bereichsfarbenes Objekt zurückprojizieren.
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 Yen Conversion
画像の中から円を検出してみましょう。
Flächenteilung von Bildern basierend auf dem Watershed-Algorithmus
Teilen wir den Bildbereich mithilfe des Watershed-Algorithmus.
Interaktive Vordergrundextraktion mit GrabCut-Algorithmus
Extrahieren wir den Vordergrund mit dem GrabCut-Algorithmus.
** Funktionserkennung und Funktionsbeschreibung **
Grundlegendes zu Funktionen
Was sind die Hauptmerkmale des Bildes? Wie nützlich sind diese Funktionen?
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 gute Funktionen zum Verfolgen](http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_feature2d/py_shi_tomasi/py_shi_tomasi.html#shi- tomasi)
Werfen wir einen Blick auf die Details der Shi-Tomasi-Eckenerkennung.
Einführung in die SIFT-Funktion (Scale-Invariant Feature Transform)
Der Harris-Eckendetektor ist nicht gut genug, wenn sich der Maßstab des Bildes ändert. Lowe hat eine bahnbrechende Methode entwickelt, um Funktionen zu finden, die die Skalierung nicht beeinflussen. Es wird als SIFT-Merkmalsmenge bezeichnet.
Einführung in die SURF-Funktionen (Speeded-Up Robust Features)
SIFT-Funktionen sind sicherlich gute Funktionen. Aber es ist nicht schnell genug. Daher wurde eine Hochgeschwindigkeitsversion namens SURF Feature Quantity erstellt.
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 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-Matching und Homografie zum Finden 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。
Mahotas enthält haralische Merkmale, die zwischen glatten und gemusterten Bildern unterscheiden können.
SURF-Funktionen sind auch in Mahotas enthalten.
** Videoanalyse **
Meanshift- und Camshift-Tracking
Wir haben bereits ein Beispiel für farbbasiertes Tracking gesehen. Es ist einfach. Lassen Sie uns einen Blick darauf werfen, wie der bessere Algorithmus, Mean Shift und seine verbesserte Version, CamShift, Objekte finden und verfolgen.
[Optischer Fluss]
(http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_video/py_lucas_kanade/py_lucas_kanade.html#lucas-kanade)
Erfahren Sie mehr über das wichtige Konzept des optischen Flusses. Es bezieht sich auf Video und hat viele Verwendungszwecke.
Entfernen des Hintergrunds
In einigen Anwendungen ist es erforderlich, den Vordergrund wie die Objektverfolgung zu extrahieren. Die Hintergrundentfernung ist eine bekannte Technik, die in diesen Fällen hilft.
** 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
Eine kurze Sitzung, die Ihnen hilft, mit dem Calib-Modul einen kleinen coolen 3D-Effekt zu erzielen.
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
Eine Gruppe von Daten, die die K-Mittelungsmethode verwenden Lernen Sie, in Cluster zu kategorisieren. Anschließend lernen Sie, Farben mithilfe der K-Mittelungsmethode zu quantisieren.
Handschriftliche Nummernerkennung mit OpenCV
($OPENCV_DIR)\sources\samples\python2\digits.py
Sie können die Ergebnisse von SVM und KNearest sehen.
###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。
Nachtrag:
Maschinelles Lernen beginnend mit Python-Funktionen, die mit scikit-learn Grundlagen des Ingenieurwesens und maschinellen Lernens erlernt wurden
Wird im Mai 2017 veröffentlicht.
"Praktische Computer Vision" bezogen
Ich habe alle Übungen in "Practical Computer Vision" ausprobiert