OpenCV adalah perpustakaan penglihatan komputer sumber terbuka yang terdapat di bawah lesen BSD. Oleh itu, ia percuma untuk kegunaan akademik dan komersial. Perpustakaan ditulis dalam C dan C++. Ia berjalan di Linux, Windows, Mac OS, iOS, dan Android. Ia mempunyai antara muka C, C ++, Java, MATLAB dan Python. OpenCV mempunyai lebih daripada 2.500 algoritma yang dioptimumkan untuk penglihatan komputer masa nyata.

Tujuan komuniti OpenCV adalah untuk membuat infrastruktur penglihatan komputer yang membolehkan pembangun membuat aplikasi yang kompleks dengan kemudahan yang relatif. Perpustakaan ini direka untuk kecekapan komputasi untuk aplikasi masa nyata. Oleh itu, ia mempunyai pelbagai kegunaan dalam pengecaman wajah, pengenalan isyarat, pengimejan perubatan, interaksi manusia-komputer, pengesanan gerakan, pemantauan keselamatan, robotik, kawalan kamera dan banyak lagi.

Selain komponen penglihatan komputer, OpenCV juga mempunyai sokongan untuk pembelajaran mesin tujuan umum. Pembelajaran mesin (ML) adalah teknologi penting untuk masalah penglihatan komputer. Oleh itu, perpustakaan ML menjadikan OpenCV lebih menarik bagi pembangun penglihatan komputer.

Visi Komputer dan OpenCV

Visi komputer diciptakan dengan tujuan untuk meniru kemampuan penglihatan manusia. Ia menggunakan algoritma untuk mengubah gambar yang ditangkap menjadi data dan menjadikannya lebih mudah untuk memahami masalah penglihatan dunia nyata.

Dalam kes penglihatan manusia, mata kita berfungsi sebagai alat input. Kemudian otak kita membahagikan aliran gambar menjadi beberapa saluran untuk diproses. Selain data visual, otak manusia juga mempertimbangkan data deria lain dan menggunakannya untuk memahami kedalaman ruang. Ini memberi otak manusia keupayaan untuk memahami ruang tiga dimensi.

Apabila kita mengumpulkan data melalui kamera, kita akan mendapat pandangan dunia dua dimensi. Algoritma penglihatan komputer mengambil gambar dua dimensi dan menggunakan sifat matematik untuk mengetahui perwakilan tiga dimensi. Ini adalah masalah yang sangat sukar untuk diselesaikan.

Juga, penglihatan komputer sering menggunakan maklumat kontekstual lain untuk mengatasi batasan gambar dua dimensi. Ia mengambil kira maklumat seperti warna, kecerahan atau kontras. Sebagai contoh, jika algoritma pengenalan objek mencari meja kayu, ia dapat menghilangkan warna yang tidak berkaitan dengan kayu dari gambar input dengan selamat. Juga, algoritma penglihatan komputer menghilangkan kebisingan dalam data input.

Perpustakaan OpenCV dirancang untuk menjadikan pelaksanaan algoritma penglihatan komputer lebih mudah. Ia menangani kerumitan komputasi sehingga pembangun dapat menumpukan perhatian pada tugas peringkat tinggi.

Sejarah OpenCV

Pada tahun 1999, OpenCV bermula di Intel sebagai inisiatif untuk memajukan aplikasi intensif CPU. Gary Bradski yang bekerja di Intel pada masa itu menyedari bahawa pelajar di MIT Media Lab berkongsi perpustakaan untuk mendapatkan permulaan dalam aplikasi penglihatan komputer. Ini mengilhami idea untuk membina infrastruktur penglihatan komputer yang dapat digunakan dengan mudah.

Dari Intel, projek OpenCV berpindah ke Willow Garage, makmal penyelidikan robotik dan inkubator teknologi yang berpusat di Menlo Park, California. Pada masa ini, projek sumber terbuka OpenCV dikendalikan oleh Itseez, sebuah syarikat pengembangan dan perundingan perisian visi komputer yang disesuaikan.

OpenCV versi 1.0 dikeluarkan pada tahun 2006. Versi utama seterusnya 2.0.0 datang pada tahun 2009. Versi utama semasa 3.0.0 dikeluarkan pada tahun 2015. Versi terkini hingga kini adalah OpenCV 3.3.0.

Menggunakan OpenCV

Perpustakaan telah mendapat populariti di kalangan saintis dan akademik. Ia sering digunakan sebagai alat pengajaran penglihatan komputer. Tetapi OpenCV cukup kuat untuk menyokong masalah dunia nyata.

Anda boleh menggunakan OpenCV untuk produk bukan komersial dan komersial. Ia digunakan oleh syarikat gergasi industri seperti Google, Yahoo, Microsoft, Intel, IBM, Sony, Honda, dan Toyota. Institut penyelidikan di universiti terkemuka seperti MIT, CMU, Stanford, dan Cambridge memberikan sokongan untuk perpustakaan. OpenCV Yahoo Group mempunyai 50,000 ahli di seluruh dunia.

Memasang OpenCV

Untuk menunjukkan pemasangan OpenCV saya akan menggunakan Ubuntu 17.10 dan akan melakukan pemasangan ke dalam gambar docker baru untuk memastikan tidak ada pakej yang bertentangan untuk persekitaran dev OpenCV.  Inilah baris arahan saya untuk penyediaan docker:

docker tarik ubuntu
docker run -it 00fd29ccc6f1 bash
apt-get kemas kini

Baiklah, sekarang anda mempunyai persekitaran yang segar, mari pasang beberapa pergantungan yang diperlukan untuk menjadikan persekitaran dapat digunakan.

apt-get install wget cmake g ++ unzip vim

Seterusnya kita memerlukan kod sumber OpenCV. Anda boleh mendapatkan kod sumber dari laman web di sini, dan memastikan bahawa anda memuat turun versi terkini.  Bongkar dan kemudian buat direktori build untuk sistem CMake dan masukkan direktori:

wget https: // github.com / opencv / opencv / arkib / 3.3.1.zip
cd opencv-3.3.1
mkdir membina
cd bina

Seterusnya kita dapat membina perpustakaan dan memasangnya ke jalan sistem dalam gambar docker.  Sekiranya anda tidak menggunakan docker, anda akan menentukan awalan build anda, tetapi menggunakan gambar docker khusus menjadikan semua ini sangat mudah seperti yang ditunjukkan di bawah:

cmake ..
membuat
buat pemasangan

Untuk mengesahkan pembinaan dan pemasangan berjaya, mari tulis program ujian C ++ sepele yang merangkumi perpustakaan OpenCV dan kemudian jalankan.  Berikut adalah contoh kod yang boleh anda gunakan untuk menguji pemasangan anda:

#sertakan "opencv2 / core / core.hpp "
#sertakan
int utama ()

cv :: Point2f p (4, 5);
std :: cout << "Point output: " << p << std::endl;
pulangan 0;

Anda boleh membina dan menjalankannya seperti ini:

root @ 6d6b443afced: ~ / src # g ++ ujian.ujian cpp -o
root @ 6d6b443afced: ~ / src # ./ ujian
Output titik: [4, 5]

Selamat berjaya, tugasnya selesai.

Langkah seterusnya

Pengecaman Muka OpenCV

Rujukan:

• https: // opencv.org /
• https: // opencv.org / tentang.html
• https: // dokumen.terbuka.org / 3.3.1 / d1 / dfb / pengenalan.html
• https: // en.wikipedia.org / wiki / OpenCV