OpenCV
OpenCV blev startet hos Intel i 1999 af Gary Bradsky, og den første udgivelse kom ud i 2000. Vadim Pisarevsky sluttede sig til Gary Bradsky for at styre Intels russiske program OpenCV team. I 2005 blev OpenCV brugt på Stanley, køretøjet, der vandt 2005 DARPA Grand Challenge. Senere fortsatte dens aktive udvikling under støtte fra Pilegarage med Gary Bradsky og Vadim Pisarevsky, der ledede projektet. OpenCV understøtter nu en lang række algoritmer relateret til computersyn og maskinindlæring og udvides dag for dag.
OpenCV understøtter en lang række programmeringssprog som C++, Python, Java osv., og er tilgængelig på forskellige platforme, herunder Android, Android og iOS. Grænseflader til højhastigheds GPU-operationer baseret på CUDA og OpenCL er også under aktiv udvikling.
OpenCV-Python er Python API til OpenCV, der kombinerer de bedste kvaliteter af OpenCV C++ API og Python sprog.
OpenCV-Python
OpenCV-Python er et bibliotek af Python bindinger designet til at løse computer vision problemer.Python er et programmeringssprog til generelle formål startet af Guido van Rossum, der blev meget populært meget hurtigt, hovedsageligt på grund af dets enkelhed og kodelæsbarhed. Det gør det muligt for programmøren at udtrykke ideer i færre kodelinjer uden at reducere læsbarheden.
sammenlignet med sprog som C / C++ er Python langsommere. Når det er sagt, kan Python let udvides med C/C++, som giver os mulighed for at skrive beregningsintensiv kode i C/C++ og oprette Pythonindpakninger, der kan bruges som Python-moduler. Dette giver os to fordele: for det første er koden lige så hurtig som den originale C/C++ – kode (da det er den faktiske C++ – kode, der arbejder i baggrunden), og for det andet er det lettere at kode i Python end C/C++. OpenCV-Python er en Python indpakning til den oprindelige OpenCV C++ implementering.
OpenCV-Python gør brug af Numpy, som er et meget optimeret bibliotek til numeriske operationer med en Matlab-stil syntaks. Alle OpenCV array strukturer konverteres til og fra Numpy arrays. Dette gør det også lettere at integrere med andre biblioteker, der bruger Numpy som SciPy og Matplotlib.
OpenCV-Python Tutorials
OpenCV introducerer et nyt sæt af tutorials, som vil guide dig gennem forskellige funktioner til rådighed i OpenCV-Python. Denne vejledning er primært fokuseret på OpenCV 3.selv om de fleste af de tutorials vil også arbejde med OpenCV 2.h).
forudgående kendskab til Python og Numpy anbefales, da de ikke vil blive dækket i denne vejledning. Færdighed med Numpy er et must for at skrive optimeret kode ved hjælp af OpenCV-Python.
denne tutorial blev oprindeligt startet af Abid Rahman K. Som en del af Google Summer of Code 2013-programmet under vejledning af Aleksandr Mordvintsev.
OpenCV har brug for dig !!!
da OpenCV er et open source-initiativ, er alle velkomne til at yde bidrag til biblioteket, dokumentationen og tutorials. Hvis du finder nogen fejl i denne tutorial (fra en lille stavefejl til en alvorlig fejl i kode eller koncept), er du velkommen til at rette den ved at klone OpenCV i GitHub og indsende en pull-anmodning. OpenCV udviklere vil tjekke din pull anmodning, give dig vigtig feedback og (når den passerer godkendelse af korrekturlæseren) det vil blive slået sammen til OpenCV. Du bliver derefter en open source-bidragyder: -)
da nye moduler tilføjes til OpenCV-Python, skal denne tutorial udvides. Hvis du er bekendt med en bestemt algoritme og kan skrive en tutorial inklusive grundlæggende teori om algoritmen og koden, der viser eksempelbrug, skal du gøre det.
Husk, vi sammen kan gøre dette projekt til en stor succes !!!
bidragydere
nedenfor er listen over bidragydere, der indsendte tutorials til OpenCV-Python.
- Aleksandr Mordvintsev (GSoC-2013 mentor)
- Abid Rahman K. (GSoC-2013 praktikant)