В монографии излагаются вопросы обработки изображений с применением функций библиотеки OpenCV. Представлены 60 примеров программ, написанных на языке Python. Примеры разделены на три уровня алгоритмов: простой низкоуровневой обработки изображений, сегментирования и высокоуровневой обработки (распознавания), а также обработки видео. Представленные примеры являются рабочими программами, которые написаны студентами Высшей школы программной инженерии Санкт-Петербургского политехнического университета. Примеры программ позволяют упростить изучение алгоритмов компьютерного зрения и функций библиотеки OpenCV, а также процесс экспериментирования над изображениями. Монография предназначена для начинающих инженеров и специалистов в области проектирования и применения видеосистем для обработки изображений. Монография может быть полезна студентам, проходящим подготовку по направлениям 09.03.01 «Информатика и вычислительная техника», 09.03.04 «Программная инженерия»,12.03.01 «Приборостроение».

The monograph presents the issues of image processing using OpenCV functions. There are 60 examples of programs written in Python. The examples are divided into three levels of algorithms: simple low-level image processing, segmentation and high-level processing (recognition); and video processing. The presented examples are working programs written by students of the Higher School of Software Engineering of St. Petersburg Polytechnic University. Examples of programs allow you to simplify the study of computer vision algorithms and OpenCV library functions. The monograph is intended for novice engineers and specialists in the field of design and application of video systems for image processing. The monograph can be useful to students who are trained in the areas of 09.03.01 “Computer Science and computer engineering”, 09.03.04 “Software engineering”, 12.03.01 “Instrument engineering.

• Оглавление
• Введение.Особенности обработки изображений с применением функций OpenCV
• Глава 1. Видеосистемы
  • 1.1. Архитектуры видеосистем
  • 1.2. Простая видеосистема
  • 1.3. Видеосистема с распределенными камерами
  • 1.4. Специализированная видеосистема
• Глава 2. Простые низкоуровневые алгоритмы обработки изображений
  • 2.1. Классификация алгоритмов
  • 2.2. Простые операции над изображением
  • 2.3. Пространственные методы
  • 2.4. Среднегеометрический фильтр
  • 2.5. Пространственный фильтр повышения резкости. Фильтр Лапласа
  • 2.6. Частотные методы. Фильтр Баттерворта
  • 2.7. Частотные методы. Фильтр Винера
  • 2.8. Сглаживание и повышение резкости
  • 2.9. Подмена пикселей
  • 2.10. Изменение палитры цветов, псевдо раскраска
  • 2.11. Определение HSV-кода пикселя в цветовом цилиндре
  • 2.12. Определение преобладающих цветов на изображении с использованием кластеризации методом k-средних
  • 2.13. Определение преобладающих цветов на изображении с использованием HSV палитры
  • 2.14. Добавление водяного знака на видео
  • 2.15. Алгоритм Retinex
  • 2.16. Применение преобразования Хаара для подавления шумов на изображении
  • 2.17. Пороговая обработка
  • 2.18. Задача сопоставления изображений. Детекторы углов Харриса, LOG, DOG
  • 2.19. Сравнение изображений и генерация картинки отличий
  • 2.20. Фильтры в OpenCV
• Глава 3. Сегментация изображений
  • 3.1. Обзор методов сегментации изображений
  • 3.2. Сегментация на основе цвета
  • 3.3. Метод морфологического водораздела
  • 3.4. Отделение объектов от фона. Алгоритмы Distance Transform и Watershed
  • 3.5. Сегментация с использованием функции Canny
  • 3.6. Алгоритмы сегментации, включая QuickShift
  • 3.7. Алгоритм сегментации MeanShift
  • 3.8. Сегментация с помощью нахождения краев и контуров
  • 3.9. Суперпиксельная сегментация
• Глава 4. Алгоритмы высококоуровневой обработки изображений
  • 4.1. Стабилизация видео
  • 4.2. Стабилизация видео с помощью FFmpeg
  • 4.3. Отслеживание объекта. Трекер
  • 4.4. Отслеживание объекта, применение метода среднего сдвига
  • 4.5. Определение жеста
  • 4.6. Анализ частичного и полного оптического потока между кадрами изображения
  • 4.7 Обобщенное преобразование Хафа и его применение для поиска объектов
  • 4.8. Распознавание лиц с использованием каскадов Хаара
  • 4.9. Определение улыбки
  • 4.10. Распознавание и анимация глаз
  • 4.11. Детектирование оставленных предметов с использованием imutils и dnn
  • 4.12. Классификация изображений с использованием Inception V3
  • 4.13. Пирамиды изображений
  • 4.14. Поиск прямых и окружностей на изображении с помощью схемы голосования. Преобразование Хафа
  • 4.15. Создание панорамных снимков
  • 4.16. Скелетонизация
  • 4.17. Детекторы областей IBR, MSER
  • 4.19 Проекции и преобразование Радона
• Глава 5. Примеры использования алгоритмов обработкивидео
  • 5.1. Игра. Отслеживание объекта. Метод Гауссовой смеси
  • 5.2. Рисование путем перемещения объекта перед видеокамерой
  • 5.3. Сканер документов
  • 5.4 Создание и чтение QR-кодов
  • 5.5. Использование пирамиды изображений для уменьшения разрешения видео
  • 5.6. Наложение моделей на изображение с веб-камеры с использованием технологий OpenCV и нейронных сетей (фреймворк dnn.py)
  • 5.7. Детектирование медицинской маски на лице
  • 5.8. Детектирование дорожных знаков на основе пороговой бинаризации
  • 5.9. Определение дорожного знака
  • 5.10. Распознавание автомобильных номеров
  • 5.11. Замена фона в потоковом видео
  • 5.12. Управление курсором мыши через жесты руки
  • 5.13. Игра аэрохоккей
• Заключение
• Список литературы