Learn OpenCV with Python by Examples: Implement Computer Vision Algorithms Provided by OpenCV with Python for Image Processing, Object Detection and Machine Learning

ویرایش: [2 ed.] 
نویسندگان: James Chen  
سری:  
ISBN (شابک) : 1738908445, 9781738908448 
ناشر: James Chen 
سال نشر: 2023 
تعداد صفحات: 316 
زبان: English 
فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 37 Mb 

قیمت کتاب (تومان) : 86,000



این کتاب راهنمای جامعی برای یادگیری اصول بینایی کامپیوتر و یادگیری ماشین با استفاده از کتابخانه قدرتمند OpenCV و زبان برنامه نویسی پایتون است. این کتاب یک رویکرد عملی و عملی برای یادگیری مفاهیم و تکنیک های بینایی کامپیوتر از طریق مثال عملی ارائه می دهد. همه کدهای این کتاب در Github موجود است.

از طریق مجموعه‌ای از مثال‌ها، کتاب جلد می‌شود. طیف گسترده ای از موضوعات از جمله پردازش تصویر و ویدئو، تشخیص ویژگی، تشخیص و تشخیص اشیا، یادگیری ماشین و شبکه های عصبی عمیق. هر فصل شامل توضیحات مفصلی در مورد مفاهیم و تکنیک های درگیر، و همچنین مثال های عملی و قطعه کد است که نحوه پیاده سازی آنها را در پایتون نشان می دهد. در سراسر کتاب، خوانندگان از طریق مثال‌ها و پروژه‌های عملی کار می‌کنند و یاد می‌گیرند که چگونه برنامه‌های پردازش تصویر را از ابتدا بسازند.

چه یک مبتدی یا یک برنامه نویس با تجربه باشید، این کتاب منبع ارزشمندی برای یادگیری کامپیوتر است. ویژن با OpenCV و Python. سبک نوشتاری واضح و مختصر باعث می‌شود خوانندگان آن را به راحتی دنبال کنند و مثال‌های متعدد تضمین می‌کند که خوانندگان می‌توانند آموخته‌های خود را تمرین کرده و به کار ببرند. در پایان کتاب، خوانندگان درک کاملی از اصول بینایی کامپیوتر خواهند داشت و قادر خواهند بود برنامه های بینایی کامپیوتری خود را با اطمینان بسازند. این کتاب یک منبع عالی برای کسانی است که به دنبال یادگیری بینایی کامپیوتر و یادگیری ماشین با استفاده از کتابخانه OpenCV و زبان برنامه نویسی پایتون هستند.

فهرست مطالب

1. مقدمه 5

2. نصب 13

2.1 نصب در ویندوز 14

2.2 نصب پایتون در اوبونتو 16

< p> 2.3 PyCharm را پیکربندی کنید و OpenCV 18 را نصب کنید

3. OpenCV Basics 25

3.1 بارگیری و نمایش تصاویر 26

3.2 بارگیری و نمایش ویدیوها 30

3.3 نمایش وب کم 32

3.4 مبانی تصویر 35

3.5 ترسیم اشکال 42

3.6 Draw Texts 48

3.7 ترسیم یک نماد OpenCV مانند 50

4. تعامل کاربر 52

4.1 عملیات ماوس 53

4.2 رسم دایره ها با ماوس 56

< p> 4.3 ترسیم چند ضلعی با ماوس 60

4.4 برش تصویر با ماوس 62

4.5 مقادیر ورودی با Trackbars 64

5. پردازش تصویر 70

5.1 تبدیل فضاهای رنگی 72

5.2 تغییر اندازه، برش و چرخش تصویر 77

5.3 تنظیم کنتراست و روشنایی تصویر 83

5.4 تنظیم رنگ، اشباع و مقدار 87

< p> 5.5 Blend Image 91

5.6 Bitwise Operation 94

5.7 Warp Image 101< /p>

5.8 تاری تصویر 107

5.9 هیستوگرام 114

6. Object Detection 120

6.1 Canny Edge Detection 122

6.2 Dilation and Erosion 125

< p> 6.3 تشخیص شکل 129

6.4 تشخیص رنگ 139

6.5 تشخیص متن با Tesseract 150

6.6 تشخیص انسان 161

6.7 تشخیص چهره و چشم 165

6.8 حذف پس‌زمینه 170

6.9 محو کردن پس‌زمینه 189

7. Machine Learning 196

7.1 K-Means Clustering 200

7.2 K-Nearest Neighbors 216

7.3 پشتیبان ماشین بردار 237

7.4 شبکه عصبی مصنوعی (ANN) 254

7.5 Convolutional شبکه عصبی (CNN) 276

Index 305

مرجع 308

< span>درباره نویسنده 310

This book is a comprehensive guide to learning the basics of computer vision and machine learning using the powerful OpenCV library and the Python programming language. The book offers a practical, hands-on approach to learn the concepts and techniques of computer vision through practical example. All codes in this book are available at Github.

Through a series of examples, the book covers a wide range of topics including image and video processing, feature detection, object detection and recognition, machine learning and deep neural networks. Each chapter includes detailed explanations of the concepts and techniques involved, as well as practical examples and code snippets that demonstrate how to implement them in Python. Throughout the book, readers will work through hands-on examples and projects, learning how to build image processing applications from scratch.

Whether you are a beginner or an experienced programmer, this book provides a valuable resource for learning computer vision with OpenCV and Python. The clear and concise writing style makes it easy for readers to follow along, and the numerous examples ensure that readers can practice and apply what they have learned. By the end of the book, readers will have a solid understanding of the fundamentals of computer vision and be able to build their own computer vision applications with confidence. This book is an excellent resource for anyone looking to learn computer vision and machine learning using the OpenCV library and Python programming language.

Table of Contents

1. Introduction 5

2. Installation 13

2.1 Install on Windows 14

2.2 Install Python on Ubuntu 16

2.3 Configure PyCharm and Install OpenCV 18

3. OpenCV Basics 25

3.1 Load and Display Images 26

3.2 Load and Display Videos 30

3.3 Display Webcam 32

3.4 Image Fundamentals 35

3.5 Draw Shapes 42

3.6 Draw Texts 48

3.7 Draw an OpenCV-like Icon 50

4. User Interaction 52

4.1 Mouse Operations 53

4.2 Draw Circles with Mouse 56

4.3 Draw Polygon with Mouse 60

4.4 Crop an Image with Mouse 62

4.5 Input Values with Trackbars 64

5. Image Processing 70

5.1 Conversion of Color Spaces 72

5.2 Resize, Crop and Rotate an Image 77

5.3 Adjust Contrast and Brightness of an Image 83

5.4 Adjust Hue, Saturation and Value 87

5.5 Blend Image 91

5.6 Bitwise Operation 94

5.7 Warp Image 101

5.8 Blur Image 107

5.9 Histogram 114

6. Object Detection 120

6.1 Canny Edge Detection 122

6.2 Dilation and Erosion 125

6.3 Shape Detection 129

6.4 Color Detection 139

6.5 Text Recognition with Tesseract 150

6.6 Human Detection 161

6.7 Face and Eye Detection 165

6.8 Remove Background 170

6.9 Blur Background 189

7. Machine Learning 196

7.1 K-Means Clustering 200

7.2 K-Nearest Neighbors 216

7.3 Support Vector Machine 237

7.4 Artificial Neural Network (ANN) 254

7.5 Convolutional Neural Network (CNN) 276

Index 305

References 308

About the Author 310