Traitement d'images et de vidéos avec OpenCV 4 : Python : Windows, Linux, Raspberry

Auteur(s) :

Berger, Laurent (1963-....) Découvrir l'auteur

Résumé

Guide d'utilisation de la librairie OpenCV dans ses applications les plus courantes : traitement et reconstitution d'images, stéréovision, reconnaissance faciale et machine learning. Huit cas sont étudiés pour introduire à ses principales fonctionnalités telles que la segmentation panoramique, le calibrage et l'apprentissage automatique, avec des exemples écrits en Python. ©Electre 2020

Éditeur(s)
- D-Booker éditions
Date
- DL 2020
Langues
- Français
Description matérielle
- 1 vol. (VI-230 p.) : ill. ; 21 cm
Sujet(s)
ISBN
- 978-2-8227-0794-7
Indice
- 681.92 Logiciels d'infographie
Quatrième de couverture
- Traitement d'images et de vidéos avec openCV 4 en Python (Windows, Linux, Raspberry)
  Ce livre montre par l'exemple comment utiliser la librairie OpenCV dans ses applications les plus courantes. Il part du présupposé que le lecteur sait programmer en Python et qu'il a un minimum de connaissances en matière de traitement d'images. Centré sur la pratique, il introduit aux principales fonctionnalités d'OpenCV au travers de l'étude de huit cas. Le premier permet de se familiariser avec la librairie et son implémentation en Python (acquisition à partir de plusieurs caméras, gestion des threads, optimisation). Les sept autres sont relativement indépendants et exposent les fonctions majeures (segmentation, panoramique, stéréovision, traitements non réalistes, apprentissage automatique, deep learning, identification de visages) disponibles dans les modules d'OpenCV.
  Les exemples sont écrits en Python avec la version 4.1.2 d'OpenCV (et opencv_contrib) et peuvent être déployés sur Windows, Linux et Raspberry. Certains nécessitent d'avoir au moins deux caméras.
Tables des matières
- - Traitement d'images et de vidéos avec OpenCV 4
  - en Python (Windows, Linux, Raspberry)
  - Laurent Berger
  - D-Booker
  - 1. Pour commencer1
  - 1.1. Organisation en modules d'OpenCV2
  - 1.2. Installation d'OpenCV3
  - 1.3. Que trouve-t-on dans ce livre ?4
  - 1.4. Exemples du livre5
  - 2. Écran de contrôle de caméra vidéo - Gestion des processus légers7
  - 2.1. Acquisition de plusieurs flux vidéo7
  - 2.2. Choix des paramètres des flux vidéo en utilisant la ligne de commande11
  - Programme principal12
  - Enregistrement, lecture du fichier de configuration et traitement de l'argument zoom20
  - Lecture et choix de la résolution du flux23
  - Gestion des événements souris24
  - 2.3. Utilisation des processus légers pour l'acquisition des flux vidéo25
  - Acquisition des flux vidéo et calculs26
  - Modification du programme principal27
  - 2.4. Comparaison des temps de calculs30
  - 3. Segmentation d'images31
  - 3.1. Détection de contours32
  - Création d'une glissière33
  - Classe Filtrage35
  - 3.2. Seuillage d'image45
  - Présentation de l'exemple46
  - Classe Seuillage et sa méthode run48
  - Méthode de seuillage53
  - Composantes connexes et gestion des composantes connexes56
  - Recherche des composantes connexes : variante58
  - 3.3. k-moyenne60
  - La classe ClassifKMoyennes60
  - La méthode classification62
  - La méthode run65
  - Autres méthodes efface-fenetre et lire-valeur-glissiere66
  - 4. Réaliser une caméra panoramique67
  - 4.1. Principe de la photographie panoramique68
  - 4.2. Utilisation du programme69
  - 4.3. Organisation du programme70
  - 4.4. Initialisation du panorama72
  - Construction, appariement et image retenues74
  - Estimation des transformations et des paramètres des caméras et affinement77
  - Projection et couture79
  - 4.5. Composition du panorama82
  - 4.6. Réglage des caméras84
  - 4.7. Sauvegarde et lecture des configurations85
  - 4.8. Description des autres fonctions86
  - 5. Calibrage d'images et stéréovision87
  - 5.1. Principe de laÍ stéréovision88
  - 5.2. Utilisation du programme90
  - 5.3. Calibrage des caméras et du système de stéréovision94
  - Création d'une mire94
  - Calibrage d'une caméra96
  - Calibrage de la stéréovision102
  - 5.4. Algorithmes de stéréovision106
  - 5.5. Visualisation des données avec VTK110
  - 6. Apprentissage automatique - Machine learning111
  - 6.1. Classes de base pour les données et le modèle112
  - 6.2. Données classées par le programme - Fonction DonneesModele113
  - 6.3. Initialisation des modèles119
  - Modèle ANN-MLP121
  - Modèle EM122
  - Modèle KNearest123
  - Modèle LogisticRegression123
  - Modèle NormalBayesClassifier124
  - Modèle RTrees124
  - Modèle SVM124
  - 6.4. Programme principal125
  - 6.5. Descripteur du contour128
  - 7. Utilisation des modèles deep learning131
  - 7.1. Principales fonctions du module dnn132
  - Lecture du réseau132
  - Préparation des données133
  - Fixer les entrées135
  - Lecture du résultat135
  - Nom des couches résultats136
  - Convertir un blob en image136
  - 7.2. Utilisation de l'architecture GoogleNet/Caffe136
  - 7.3. Utilisation de l'architecture AlexNet/Caffe142
  - 7.4. Utilisation de l'architecture Faster R-CNN Inception/TensorFlow143
  - 7.5. Utilisation de l'architecture You Only Look Once149
  - Filtrage des zones : fonction selection-zones152
  - 8. Traitement non réaliste de photographies155
  - 8.1. Utilisation des effets des modules photo et xphoto156
  - cv.detailEnhance156
  - cv.edgePreservingFilter157
  - cv.pencilSketch157
  - cv.stylization158
  - cv.xphoto.oilPainting158
  - Classe glissiereEffet159
  - Programme principal161
  - 8.2. Style artistique en utilisant du deep learning163
  - Modification de la classe GlissiereEffet163
  - Modification du programme principal164
  - 8.3. Style artistique et fonction du module photo165
  - 9. Reconnaissance faciale et de la pose169
  - 9.1. Détection de visages170
  - Classifieur en cascade pour détecter un visage170
  - Deep learning pour détecter un visage172
  - Identification d'une personne175
  - 9.2. Détection des repères di visage182
  - Préliminaires182
  - Programme183
  - 9.3. Pose d'un ou plusieurs humains186
  - Préliminaires186
  - Programme principal189
  - Fonction selection-points191
  - Fonction detection-personne193
  - Memento d'OpenCV195
  - 1. Tableau Numpy et image195
  - 2. Accéder aux pixels d'une image196
  - Accéder à un pixel196
  - Accéder à une ligne, une colonne ou à une zone197
  - Conversion de type198
  - 3. Types de base199
  - Type Scalar, Point et Rect199
  - Type Size199
  - 4. Contours200
  - 5. Compter les pixels vérifiant une condition201
  - 6. Sélectionner des pixels en utilisant un masque binaire201
  - 7. Documentation et aide d'OpenCV203
  - 8. Exemples d'OpenCV205
  - 9. Matplotlib et OpenCV205
  - Construire la librairie Python à partir des sources d'OpenCV207
  - 1. Pourquoi installer sa propre version de Python ?207
  - 2. Installation d'OpenCV à partir des sources207
  - 3. Installation sur Raspberry211
  - Bibliographie213
  - Index217
  - Fonctions, classes, méthodes OpenCV225
  - À propos de l'auteur229
Origine de la notice:
- Electre