Must-see "OpenCV-Python Tutorials" 2

The content of this article is only a partial translation of OpenCV-Python Tutorials. The following sites within Tottori University have all the translations, so we recommend that you refer to them.

Site in 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 Published in (I noticed 2016.2.28).

Therefore, the following content (translation of the tutorial of OpenCV3.0) is out of date. Correspondence between the actual Python binding and the script introduced in the tutorial This is an improvement over the tutorial for OpenCV 3.0. Please read the following sentences with that in mind.

I translated a little more about "OpenCV-Python Tutorials".

The fragment of the script that I followed the link seems to be on Github below. rajatsaxena/OpenCV (https://github.com/rajatsaxena/OpenCV) From there, you can find and run scripts and data.

** Introduction to OpenCV **

Introduction to OpenCV-Python Tutorial

OpenCV-Pythonを始めてみよう

Install OpenCV-Python on Windows OpenCVをwindowsで使えるようにする。

Install OpenCV-Python on Fedora

OpenCVをFedoraで使えるようにする。

** GUI features in OpenCV **

Let's start image manipulation 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。

Let's start video operation 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 drawing functions 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。

Use the mouse as a paintbrush マウスを使って塗りつぶし

Use Trackbar as a color palette パラメータを制御するためのtrackbarを作る

** Core operation **

Basic operations on images

You will learn how to read and edit pixel values, operate images in the ROI (region of interest), and other basic operations.

Arithmetic operations on images

Performs arithmetic operations on the image.

[Execution performance measurement and improvement method] (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。

Mathematical methods 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。

** Image processing with OpenCV **

Change color space 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。

Geometric transformation of images 　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。

Image threshold processing 　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。

Image Smoothing Learn to blur images and filter to images with a custom kernel.

Morphological conversion

　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。

Image Gradient Find image gradients, edges, and more.

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。

Image Pyramid 　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。

** Outline processing with OpenCV **

OpenCVにある輪郭処理の全て。

** Contour processing with OpenCV **

Outline: Let's get started

輪郭を見つけ描こう

Outline features

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

Contour Properties 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。

Outline: Other Functions

Learn to find convexity defects, point Polygon Tests, and match with different shapes.

Contour Hierarchy (http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_contours/py_contours_hierarchy/py_contours_hierarchy.html#contours-hierarchy)

Learn about the hierarchy of contours.

** Histogram in OpenCV **

All of the histograms in OpenCV.

OpenCV Histogram in OpenCV

Histograms-1: Find, plot and analyze! !! !!

ヒストグラムを見つけ、描画しよう。

Histograms-2: Histogram flattening

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。

Histograms --3: 2D Histogram

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。

Histogram-4: Histogram Backprojection

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。

Image conversion with 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。

Hough Transform 　画像の中から線を検出してみましょう。

Hough Transform 　画像の中から円を検出してみましょう。

Image area division based on the Watershed algorithm

　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。

Interactive foreground extraction using GrabCut algorithm

　GrabCutアルゴリズムでの前景抽出をしてみましょう。

** Feature detection and feature description **

Understanding features

　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 Corner Detector and Good Features to Track Let's take a look at the details of Shi-Tomasi corner detection.

Introduction to SIFT (Scale-Invariant Feature Transform) Features

　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。

Introduction to SURF (Speeded-Up Robust Features) 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。

FAST algorithm for corner detection 　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 is. You can compress the features to make them faster, but you still have to calculate the features first. That's where BRIEF comes in, offering a shortcut to finding binary descriptors with less memory, faster matching, and higher recognition.

ORB (Oriented FAST and Rotated BRIEF) features 　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 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 and homography for finding objects 　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。

** Video analysis **

Meanshift and Camshift Tracking (http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_video/py_meanshift/py_meanshift.html#meanshift)

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。

[Optical flow] (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。

Background Removal

　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。

** Camera calibration and 3D reconstruction **

Camera calibration 　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？

Posture estimation 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。

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

Depth distance information from stereo image 2D画像群から奥行き情報を得ます。

** Machine learning **

K-nearest neighbor method 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-means clustering

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 Here you will learn about the various features of OpenCV related to Computational Photography, such as image denoising.

Image Noise Removal 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。

Image Repair 　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。

** Object detection **

Face detection using Haar cascade detector Haar カスケード検出器を用いた顔検出

** OpenCV-Python binding **

Now let's learn how OpenCV-Python bindings are made.

How does the OpenCV-Python binding work? 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。