Computer Vision with Python 3

ویژگی های کلیدی

• یاد بگیرید چگونه یک برنامه پردازش تصویر کامل با استفاده از ابزارها و کتابخانه های رایگان بسازید
• اجرای پردازش جریان تصویر و ویدئو از ابتدایی تا پیشرفته با Python OpenCV API ها
• درک و بهینه سازی ویژگی های مختلف OpenCV با کمک مثال های آسان

توضیحات کتاب

این کتاب یک کتاب کامل است راهنمای توسعه دهندگانی که می خواهند با ساخت برنامه های بینایی کامپیوتری با استفاده از پایتون 3 شروع کنند. این کتاب به پنج بخش تقسیم شده است: مبانی پردازش تصویر، دید کامپیوتری کاربردی، هوشمند کردن برنامه ها، گسترش قابلیت های خود با استفاده از OpenCV، و دستیابی به دست. در سراسر این کتاب، از سه کتابخانه پردازش تصویر Pillow، Scikit-Image و OpenCV برای پیاده‌سازی الگوریتم‌های بینایی کامپیوتری مختلف استفاده می‌شود.

هدف این کتاب، تجهیز خوانندگان برای ساخت برنامه‌های Computer Vision است که قادر به کار در آن هستند. سناریوهای دنیای واقعی به طور موثر برخی از برنامه هایی که در این کتاب به آنها نگاه خواهیم کرد عبارتند از: تشخیص کاراکتر نوری، ردیابی اشیا و ساختن دید کامپیوتری به عنوان یک پلت فرم سرویس که از طریق اینترنت کار می کند.

آنچه خواهید آموخت

درباره نویسنده

ساوراب کاپور دانشجوی علوم کامپیوتر در موسسه فناوری اطلاعات ایندراپراستا، دهلی است.

علایق او در بینایی کامپیوتر، تحلیل عددی و طراحی الگوریتم است. او اغلب وقت خود را صرف حل سوالات برنامه نویسی رقابتی می کند. Saurabh همچنین از کار بر روی برنامه های IoT و سرهم بندی با سخت افزار لذت می برد.

او دوست دارد اوقات فراغت خود را به بازی یا تماشای کریکت بگذراند. می توان با او در saurabhkapur96@gmail.com تماس گرفت.

فهرست مطالب

1. مقدمه ای بر پردازش تصویر
2. فیلترها و ویژگی ها
< li>حفاری عمیق تر در ویژگی ها- تشخیص اشیا
3. تقسیم بندی – درک بهتر تصاویر
4. ادغام یادگیری ماشین با بینایی کامپیوتر
5. طبقه بندی تصویر با استفاده از شبکه های عصبی
6. مقدمه ای بر بینایی کامپیوتر با استفاده از OpenCV
7. تشخیص شی با استفاده از OpenCV
8. پردازش ویدئو با استفاده از CV باز
9. Computer Vision به عنوان یک سرویس
</ ol>

Key Features

• Learn how to build a full-fledged image processing application using free tools and libraries
• Perform basic to advanced image and video stream processing with OpenCV’s Python APIs
• Understand and optimize various features of OpenCV with the help of easy-to-grasp examples

Book Description

This book is a thorough guide for developers who want to get started with building computer vision applications using Python 3. The book is divided into five sections: The Fundamentals of Image Processing, Applied Computer Vision, Making Applications Smarter,Extending your Capabilities using OpenCV, and Getting Hands on. Throughout this book, three image processing libraries Pillow, Scikit-Image, and OpenCV will be used to implement different computer vision algorithms.

The book aims to equip readers to build Computer Vision applications that are capable of working in real-world scenarios effectively. Some of the applications that we will look at in the book are Optical Character Recognition, Object Tracking and building a Computer Vision as a Service platform that works over the internet.

What you will learn

• Working with open source libraries such Pillow, Scikit-image, and OpenCV
• Writing programs such as edge detection, color processing, image feature extraction, and more
• Implementing feature detection algorithms like LBP and ORB
• Tracking objects using an external camera or a video file
• Optical Character Recognition using Machine Learning.
• Understanding Convolutional Neural Networks to learn patterns in images
• Leveraging Cloud Infrastructure to provide Computer Vision as a Service

About the Author

Saurabh Kapur is a computer science student at Indraprastha Institute of Information Technology, Delhi.

His interests are in computer vision, numerical analysis, and algorithm design. He often spends time solving competitive programming questions. Saurabh also enjoys working on IoT applications and tinkering with hardware.

He likes to spend his free time playing or watching cricket. He can be reached at saurabhkapur96@gmail.com.

Table of Contents

1. Introduction to Image Processing
2. Filters and Features
3. Drilling Deeper into features- detecting objects
4. Segmentation – Understanding Images Better
5. Integrating Machine Learning with Computer Vision
6. Image Classification using Neural Networks
7. Introduction to Computer Vision using OpenCV
8. Object Detection using OpenCV
9. Video Processing using open CV
10. Computer Vision as a Service