معرفی و دانلود کتاب بینایی رایانه توسط OpenCv با پایتون

معرفی کتاب بینایی رایانه توسط OpenCv با پایتون

کتاب بینایی رایانه توسط OpenCv با پایتون، نوشته‌ی جوزف هاوس، چگونگی استفاده از فرمان‌های پایتون OpenCv را برای ضبط ویدئو، دست‌کاری تصاویر و ردیابی اشیا را آموزش می‌دهد. تمامی این فرمان‌ها می‌تواند با استفاده از یک وب‌کم معمولی یا یک حس‌گر عمق تخصصی مانند مایکروسافت کینکت (Microsoft kinect) انجام شود. OpenCv یک کتابخانه‌ی متن‌باز دارای چند پلتفرم است که بلوک‌های اساسی برای آزمایش و برنامه‌های بینایی رایانه را فراهم می‌کند و به‌صورت گسترده در دانشگاه‌ها و صنایع مختلف مورداستفاده قرار می‌گیرد.

درباره‌ی کتاب بینایی رایانه توسط OpenCv با پایتون

با پیشرفت تکنولوژی و افزایش تولید انواع‌واقسام گجت‌ها و ابزارهای الکترونیک هوشمند، تمایل مردم نیز به استفاده‌ی هرچه بهتر و باکیفیت‌تر از این امکانات افزایش یافته است. به‌عنوان‌مثال استفاده از امکانات تصویربرداری، ویرایش و ساخت ویدئوهای باکیفیت، استفاده از دوربین‌های تلفن همراه، وب‌کم و... را هم افزایش داده و توسعه‌دهنده‌ها نیز بر اساس همین بازار تقاضا، به‌سراغ تولید و ارتقای برنامه‌هایی مثل ضبط و ویرایش تصویر می‌روند. مثلاً پیوندهای پایتون OpenCv یکی از بهترین گزینه‌ها برای توضیح جزئیات سخت‌افزار دوربین و تخصیص آرایه است و می‌تواند راهکارهای این الزامات را در یک زبان سطح‌بالا و در قالب داده‌ای استانداردشده و دارای قابلیت همکاری با کتابخانه‌های NumPy و SciPy استخراج و کشف کند. بااین‌حال OpenCv برنامه‌ای سطح بالاست و استفاده از آن برای کاربران ناآشنا، سخت است. ازهمین‌رو جوزف هاوس (Joseph Howse) نویسنده‌ی کتاب بینایی رایانه توسط OpenCv با پایتون (OpenCV Computer Vision with Python) تلاش کرده در پنج فصل با عنوان‌های راه‌اندازی OpenCv، مدیریت فایل‌ها، دوربین‌ها و رابط‌های کاربری، فیلتر تصاویر، ردیابی چهره‌ها با آبشارهای هار، و تشخیص مناطق پیش‌زمینه / پس‌زمینه و عمق، به‌همراه دو پیوست ادغام با Pygame و آبشارهای هار برای اهداف سفارشی آموزش‌هایی مختصر با تأکید بر تنظیمات سرراست، طراحی برنامه‌های سرراست و درک ساده از هدف هر تابع را ارائه کند.

نحوه‌ی آموزش‌های فصل‌به‌فصل او نیز به‌گونه‌ای است که خواننده‌ی کتاب می‌تواند در پایان فصل اول، یک محیط توسعه داشته باشد که به Python، OpenCv، کتابخانه‌های دوربین تشخیص عمق، و کتابخانه‌های علمی عمومی دسترسی داشته باشد. با مطالعه‌ی تمام فصل‌ها نیز می‌توان چندین برنامه‌ی کاربردی سرگرم‌کننده را انتخاب کرد که صورت کاربران را در فید دوربین زنده دست‌کاری کند. در پشت این برنامه نیز یک کتابخانه‌ی کوچک از تابع‌ها و کلاس‌های قابل‌استفاده‌ی مجدد خواهید داشت که امکان استفاده از آن را در پروژه‌های بینایی کامپیوتری خود در آینده دارید. کتاب بینایی رایانه توسط OpenCv با پایتون، نوشته‌ی جوزف هاوس در انتشارات فناوری نوین، و با ترجمه‌ی مشترک مهدی نوری و محمدحسام ابراهیم پور به زبان فارسی به چاپ رسیده است.

کتاب بینایی رایانه توسط OpenCv با پایتون مناسب چه کسانی است؟

این کتاب به توسعه‌دهنده‌های پایتون که علاقه دارند بینایی رایانه را به‌صورت حرفه‌ای و از راه توسعه‌ی برنامه یاد بگیرند، پیشنهاد می‌شود.

با جوزف هاوس بیشتر آشنا شویم

جوزف هاوس در کشور کانادا زندگی می‌کند و مدیر ارشد شرکت Nummist Media است که در زمینه‌ی ارائه خدمات راهنمایی و مشاوره تخصصی در زمینه‌ی بینایی کامپیوتر فعالیت دارد. او یک برنامه‌نویس و توسعه‌دهنده‌ی ارشد است و تاکنون کتاب‌های فراوانی در این زمینه‌ها به چاپ رسانده که ازجمله بهترین آثارش می‌توان به کتاب‌های «برنامه‌نویسی اندروید با OpenCV 3» ،«Android Application Programming with OpenCV 3»، «گرامر زبان Cree» ،(A Grammar of the Cree Language) ،« OpenCV برای سازمان‌های امنیتی» (OpenCV for Secret Agents) و کتاب حاضر اشاره کرد.

فهرست مطالب کتاب

فصل اول: راه‌اندازی OpenCV
1-1. انتخاب و استفاده از ابزار‌های مناسب راه‌اندازی
2-1. انتخاب در ویندوز XP، ویندوز ویستا، ویندوز 7 یا ویندوز 8
1-2-1. استفاده از نصب کننده‌های دودویی (بدون پشتیبانی از عمق دوربین‌ها)
2-2-1. استفاده از CMake و کامپایلرها
3-2-1. انتخاب در Mac OS X Snow Leopard، Mac OS X Lion یا Mac OS X Mountain Lion
4-2-1. استفاده از MacPorts با‌ بسته‌های آماده
5-2-1. استفاده از MacPorts با‌ بسته‌های سفارشی خود
6-2-1. استفاده از Homebrew با‌ بسته‌های آماده (بدون پشتیبانی از دوربین‌های عمق)
7-2-1. از Homebrew با‌ بسته‌های سفارشی خود استفاده کنید
3-1. انتخاب در اوبونتو 04. 12 LTS یا اوبونتو 12. 10
1-3-1. استفاده از مخزن اوبونتو (بدون پشتیبانی از دوربین‌های عمق)
2-3-1. استفاده از CMake از طریق یک اسکریپت آماده که ‌می‌توانید ‌سفارشی‌سازی کنید
4-1. انتخاب در سیستم‌های دیگر مانند یونیکس
5-1. اجرای نمونه‌ها
6-1. یافتن اسناد، کمک و به‌روزرسانی
7-1. خلاصه
فصل دوم: مدیریت فایل‌ها، دوربین‌ها، و رابط کاربری گرافیکی
1-2. اسکریپت‌های اصلی ورودی/ خروجی
1-1-2. خواندن/ نوشتن یک فایل تصویری
2-2. تبدیل بین تصویر و بایت خام
3-2. خواندن/ نوشتن فایل ویدئویی
4-2. ضبط فریم‌های دوربین
5-2. نمایش فریم‌های دوربین در ویندوز
6-2. مفهوم پروژه
7-2. طراحی شی گرا
8-2. انتزاع یک مدیر stream – managers. CaptureManager
9-2. انتزاع پنجره و صفحه‌کلید - مدیران ویندوز منیجر
10-2. اعمال کردن‌ همه چیز - cameo. Cameo
11-2. خلاصه
فصل سوم: فیلتر تصاویر
1-3. ایجاد ماژول‌ها
2-3. ترکیب کانال - مشاهده در Technicolor
3-3. شبیه‌سازی فضای رنگ RC
4-3. شبیه‌سازی فضای رنگ RGV
5-3. شبیه‌سازی فضای رنگ CMV
6-3 منحنی‌ها - خم شدن فضای رنگ
7-3. فرمول‌بندی منحنی
8-3. کش و اعمال منحنی
9-3. طراحی فیلتر‌های منحنی شی گرا
10-3. تقلید از فیلم‌های عکسی
11-3. شبیه‌سازی از Kodak Portra
12-3. شبیه‌سازی از Fuji Provia
13-3. شبیه‌سازی از Fuji Velvia
14-3. شبیه‌سازی پردازش متقابل
15-3. اشکارسازی لبه‌ها
16-3. کرنل‌های سفارشی - پیچیده ‌می‌شوند
17-3. اصلاح برنامه
18-3. خلاصه
فصل چهارم: ردیابی چهره‌ها با آبشار‌های ‌هار
1-4. مفهوم سازی آبشار‌های ‌هار
2-4. دریافت داده‌های آبشار‌های ‌هار
3-4. ایجاد ماژول‌ها
1-3-4. تعریف صورت ‌به‌صورت سلسله مراتب مستطیل
2-3-4. ردیابی، برش و چسباندن مستطیل‌ها
3-3-4. افزودن توابع مفید دیگر
4-3-4. ردیابی‌ چهره‌ها
5-3-4. اصلاح برنامه
4-4. تعویض چهره در یک فید دوربین
5-4. کپی چهره‌ها بین فید‌های دوربین
6-4. خلاصه
فصل پنجم: تشخیص مناطق پیش‌زمینه/ پس‌زمینه و عمق
1-5. ایجاد ماژول‌ها
2-5. ضبط فریم از دوربین عمق
3-5. ایجاد ماسک از نقشه ناهماهنگی
4-5. ماسک کردن عملیات کپی
5-5. اصلاح برنامه
6-5. خلاصه
پیوست الف: ادغام با Pygame
1-پیوست الف. نصب Pygame
2-پیوست الف. مستندات و آموزش
3-پیوست الف. اصلاح برنامه‌
4-پیوست الف: کاربرد‌های بیشتر از Pygame
5-پیوست الف: خلاصه
پیوست ب: ایجاد آبشار‌های ‌هار برای اهداف سفارشی‌
1- پیوست ب: جمع آوری تصاویر آموزشی مثبت و منفی
2- پیوست ب: پیدا کردن اجزای آموزشی
1-2- پیوست ب: روی ویندوز
2-2- پیوست ب در مک، اوبونتو و سایر سیستم‌های مشابه یونیکس
3- پیوست ب: ایجاد مجموعه‌های آموزشی و آبشار
4- پیوست ب: ایجاد <negative_descrption>
5- پیوست ب: ایجاد <positive_description>
6- پیوست ب: ایجاد <binary_description> با اجرا <opencv_createsamples>
7- پیوست ب: ایجاد <cascade> با اجرا <opencv_traincascade>
8- پیوست ب: آزمایش و بهبود <cascade>
9- پیوست ب: خلاصه‌