OpenCV ist eine Open-Source-Computer-Vision-Bibliothek, die unter der BSD-Lizenz verfügbar ist. Es ist also kostenlos für akademische und kommerzielle Nutzung. Die Bibliothek ist in C und C geschrieben++. Es läuft unter Linux, Windows, Mac OS, iOS und Android. Es verfügt über C-, C++-, Java-, MATLAB- und Python-Schnittstellen. OpenCV verfügt über mehr als 2.500 optimierte Algorithmen für Computer Vision in Echtzeit.

Das Ziel der OpenCV-Community ist es, eine Computer-Vision-Infrastruktur zu schaffen, die es Entwicklern ermöglicht, relativ einfach komplexe Anwendungen zu erstellen. Die Bibliothek ist auf Recheneffizienz für Echtzeitanwendungen ausgelegt. Es hat also eine breite Palette von Anwendungen in der Gesichtserkennung, Gestenerkennung, medizinischen Bildgebung, Mensch-Computer-Interaktion, Bewegungsverfolgung, Sicherheitsüberwachung, Robotik, Kamerasteuerung und mehr.

Neben den Computer-Vision-Komponenten bietet OpenCV auch Unterstützung für allgemeines maschinelles Lernen. Machine Learning (ML) ist eine wichtige Technologie für Computer Vision Probleme. Die ML-Bibliothek macht OpenCV also für Computer Vision-Entwickler attraktiver.

Computer Vision und OpenCV

Computer Vision wurde mit dem Ziel entwickelt, die Fähigkeiten des menschlichen Sehens zu replizieren. Es verwendet Algorithmen, um aufgenommene Bilder in Daten umzuwandeln und macht es einfacher, Sehprobleme in der realen Welt zu verstehen.

Beim menschlichen Sehen funktionieren unsere Augen als Eingabegeräte input. Dann teilt unser Gehirn die Bildströme zur Verarbeitung in mehrere Kanäle auf. Neben visuellen Daten berücksichtigt das menschliche Gehirn auch andere sensorische Daten und verwendet sie, um die räumliche Tiefe zu verstehen. Es gibt dem menschlichen Gehirn die Fähigkeit, den dreidimensionalen Raum zu verstehen.

Wenn wir Daten durch Kameras sammeln, erhalten wir eine zweidimensionale Sicht auf die Welt. Computer-Vision-Algorithmen nehmen die zweidimensionalen Bilder auf und verwenden mathematische Eigenschaften, um die dreidimensionalen Darstellungen zu berechnen. Es ist ein extrem schwierig zu lösendes Problem.

Außerdem verwendet Computer Vision häufig andere Kontextinformationen, um die Einschränkungen zweidimensionaler Bilder zu überwinden. Es berücksichtigt Informationen wie Farbe, Helligkeit oder Kontrast. Wenn ein Objekterkennungsalgorithmus beispielsweise nach einer Holztabelle sucht, kann er alle nicht holzbezogenen Farben sicher aus den Eingabebildern eliminieren. Außerdem eliminieren Computer-Vision-Algorithmen Rauschen in den Eingabedaten.

Die OpenCV-Bibliothek wurde entwickelt, um die Implementierung von Computer-Vision-Algorithmen zu vereinfachen. Es bewältigt die Rechenkomplexität, sodass sich Entwickler auf übergeordnete Aufgaben konzentrieren können.

Geschichte von OpenCV

1999 startete OpenCV bei Intel als Initiative zur Weiterentwicklung CPU-intensiver Anwendungen. Gary Bradski, der zu dieser Zeit bei Intel arbeitete, bemerkte, dass Studenten des MIT Media Lab Bibliotheken gemeinsam nutzten, um einen Vorsprung in Computer-Vision-Anwendungen zu bekommen. Daraus entstand die Idee, eine einfach zu bedienende Computer-Vision-Infrastruktur aufzubauen.

Von Intel zog das OpenCV-Projekt nach Willow Garage, einem Robotik-Forschungslabor und Technologie-Inkubator in Menlo Park, Kalifornien,. Derzeit wird das Open-Source-Projekt OpenCV von Itseez betreut, einem kundenspezifischen Softwareentwicklungs- und Beratungsunternehmen für Computer Vision.

OpenCV-Version 1.0 wurde 2006 veröffentlicht. Die nächste Hauptversion 2.0.0 kam 2009. Die aktuelle Hauptversion 3.0.0 wurde 2015 veröffentlicht. Die aktuellste Version ist OpenCV 3.3.0.

Verwendung von OpenCV

Die Bibliothek hat bei Wissenschaftlern und Akademikern an Popularität gewonnen. Es wird oft als Lehrmittel für Computer Vision verwendet. Aber OpenCV ist robust genug, um reale Probleme zu unterstützen.

Sie können OpenCV für nicht-kommerzielle und kommerzielle Produkte verwenden. Es wird von Branchenriesen wie Google, Yahoo, Microsoft, Intel, IBM, Sony, Honda und Toyota verwendet. Forschungsinstitute führender Universitäten wie MIT, CMU, Stanford und Cambridge unterstützen die Bibliothek. Die OpenCV Yahoo Group hat weltweit 50.000 Mitglieder.

OpenCV installieren

Um die Installation von OpenCV zu demonstrieren, verwende ich Ubuntu 17.10 und führt die Installation in ein neues Docker-Image durch, um sicherzustellen, dass es keine widersprüchlichen Pakete für die OpenCV-Entwicklungsumgebung gibt. Hier ist meine Befehlszeile für das Docker-Setup:

Docker Pull Ubuntu
docker run -it 00fd29ccc6f1 bash
apt-get-Update

Ok toll, jetzt haben Sie eine frische Umgebung, lassen Sie uns einige erforderliche Abhängigkeiten installieren, um die Umgebung nutzbar zu machen.

apt-get install wget cmake g++ entpacken vim

Als nächstes brauchen wir den Quellcode von OpenCV. Sie können den Quellcode von der Website hier herunterladen und sicherstellen, dass Sie die neueste Version herunterladen. Entpacken Sie es und erstellen Sie dann ein Build-Verzeichnis für das CMake-System und geben Sie das Verzeichnis ein:

wget https://github.com/opencv/opencv/archive/3.3.1.Postleitzahl
cd opencv-3.3.1
mkdir-Build
CD-Build

Als nächstes können wir die Bibliothek erstellen und im Systempfad im Docker-Image installieren install. Wenn Sie Docker nicht verwenden, müssen Sie sich für Ihr Build-Präfix entscheiden, aber die Verwendung eines dedizierten Docker-Image macht dies alles sehr einfach, wie unten gezeigt:

cmake…
machen
installieren

Um zu überprüfen, ob der Build und die Installation erfolgreich waren, schreiben Sie ein triviales C++-Testprogramm, das eine OpenCV-Bibliothek enthält, und führen Sie es dann aus. Hier ist ein Beispielcode, mit dem Sie Ihre Installation testen können:

#include "opencv2/core/core.hpp"
#einschließen
int main()

cv::Punkt2f p(4, 5);
std::cout << "Point output: " << p << std::endl;
0 zurückgeben;

Sie können es wie folgt erstellen und ausführen:

root@6d6b443afced:~/src# g++-Test.cpp -o test
root@6d6b443afced:~/src# ./Prüfung
Punktausgabe: [4, 5]

Herzlichen Glückwunsch zur Arbeit, die Arbeit ist erledigt.

Nächste Schritte

OpenCV-Gesichtserkennung

Verweise:

https://opencv.Organisation/
https://opencv.org/über.html
https://docs.opencv.org/3.3.1/d1/dfb/intro.html
https://de.Wikipedia.org/wiki/OpenCV