Practical Computer Vision with SimpleCV: The Simple Way to Make Technology See

بیاموزید که چگونه برنامه‌های بینایی کامپیوتری (CV) خود را به‌سرعت و به آسانی با SimpleCV، یک چارچوب متن‌باز نوشته شده در پایتون، بسازید. از طریق نمونه‌هایی از برنامه‌های کاربردی دنیای واقعی، این راهنمای عملی شما را با تکنیک‌های اولیه CV برای جمع‌آوری، پردازش و تجزیه و تحلیل جریان تصاویر دیجیتال آشنا می‌کند. سپس یاد خواهید گرفت که چگونه این روش ها را با SimpleCV، با استفاده از نمونه کد پایتون اعمال کنید. تنها چیزی که برای شروع نیاز دارید یک سیستم ویندوز، مک یا لینوکس و تمایل به قرار دادن CV به روش های مختلف است. تجربه برنامه نویسی اختیاری است.

• از چندین منبع، از جمله وب کم، تلفن های هوشمند، و Kinect تصاویر بگیرید
• ورودی تصویر را فیلتر کنید تا برنامه شما فقط اطلاعات ضروری را پردازش کند
<. li>تصاویر را با انجام محاسبات پایه بر روی مقادیر پیکسل دستکاری کنید
• از تکنیک های تشخیص ویژگی برای تمرکز بر قسمت های جالب یک تصویر استفاده کنید
• با چندین ویژگی در یک تصویر کار کنید، با استفاده از NumPy و کتابخانه های SciPy Python
• درباره جریان نوری برای شناسایی اشیایی که بین دو فریم تصویر تغییر می کنند بیاموزید
• از خط فرمان و ویرایشگر کد SimpleCV برای اجرای مثال ها و تکنیک های آزمایش استفاده کنید

Learn how to build your own computer vision (CV) applications quickly and easily with SimpleCV, an open source framework written in Python. Through examples of real-world applications, this hands-on guide introduces you to basic CV techniques for collecting, processing, and analyzing streaming digital images. You’ll then learn how to apply these methods with SimpleCV, using sample Python code. All you need to get started is a Windows, Mac, or Linux system, and a willingness to put CV to work in a variety of ways. Programming experience is optional.

• Capture images from several sources, including webcams, smartphones, and Kinect
• Filter image input so your application processes only necessary information
• Manipulate images by performing basic arithmetic on pixel values
• Use feature detection techniques to focus on interesting parts of an image
• Work with several features in a single image, using the NumPy and SciPy Python libraries
• Learn about optical flow to identify objects that change between two image frames
• Use SimpleCV’s command line and code editor to run examples and test techniques