Simply Opencv 6v3037
This document was ed by and they confirmed that they have the permission to share it. If you are author or own the copyright of this book, please report to us by using this report form. Report l4457
Overview 6h3y3j
& View Simply Opencv as PDF for free.
More details h6z72
- Words: 44,427
- Pages: 355
Simply OpenCv
طريقك حنو تعلم الرؤية احلاسوبية ومعاجلة الصورة الرقمية
Computer Vision
1
ببساطةOpenCv
2
OpenCvببساطة
ُسخصخُامكربة ُ امنعخخُاإلمكرتونٌخُمنُامكربةُتصٌغخُُPDFمنشىسحُذؽزُسخصخُاإلتذاعُاملشبغٍُا ُإلصذاسحُامشاتػخُ ُCreative Common v4ذؽزُرشوغُ:امنعثخُ–ُاملشبسكخُتبملصهُ–ُغذوُاإلظرغاللُامرعبسيُ .
.1سخصخُاملشبعُاإلتذاغٍ(ُ CC-NC-امغريُذعبسًخ)ً :ى هدمٍ خًلم يف نٔى وطىًِو وطهًًٍ ؤو خإلغدفص ؤو كظى ؾزدنص خًوظدذ وَكٌدً هٌل طشدء ٌسؽ نًَ خٓظًالي خًوظدذ طـدًَدً رإي ضىَش فدًوظدذ مـدين متدمدً وًـس ؤن ًكٍ هًٍى. .2امنعثخًُ :BY -ـس ننً نٍس ؤو طهًًٍ خًوظدذ يون ٌهُ خملاًف وخملطًَ خألضًل. .3املشبسكخُتبملصه :SA-بٌخ طم خشظلدق ؤي نمٍ من هٍخ خًوظدذ مؼٍ نمٍ هظدذ خهُ ؤو ملدٌصش طهٌٌمٌص ؤو فًًٌى فٌـس ؤن ًظم نٍسهد رنفٕ خًُهطص (خملشدم خإلرًخنٍ خًنٔزص ،خملشدَهص ردملؼٍ ،خًًًن طـدًَص).
ُ شكشاًُمنمعبهمنيُيفُمشاظػخُامكربة ُ وُ.غثذهيُغًلُ،وُ.غثذهيُغبدلُ،و.نىسهبنُغالء ُ ًٌظىخضٍ مو خملاًف [email protected]
LinkedInكٔدذ http://www.linkedin.com/in/khaled-aldobosh
هدًً خًًرش 8341هـ خملىخفم َ 7182
3
ببساطةOpenCv
OpenCvببساطة
4
ملذمخُامكبذج ُ بسم الله الرحمن الرحيم خًلمً هلل َذ خًهدملٍن ،رهً مُوَ ؤهًت من 8ؤشهُ من خًهمٍ خملٔظمُ إلنًخي هٍخ خًوظدذ خنظهٌع من هظدرظه وقهُ هٌل طُخه رهٍخ خًظنٌٔم خًٍي خٓظًُق من وكظٍ وؿهًي خًوؼًن .خًوظدذ ًٌٕ طُؿمص كُفٌص ًوظدذ آهُ وبمند من طإًٌفٍ ،كٌؽ خنظمًض نىل مُؿو َثًٌس يف خًوظدرص وهى خًًنم خًٍي طلًمه موظزص opencvوخملىؿىي نىل مىكههد ،وخًهًًً من خملُخؿو وخملىخكو خآلهُي. ظمٌؼُاألكىادُامرٍُيفُامكربةُذمُذؼثٌلهبُوذعشًثهبُتشكهُغمًل ُ
ؤيٌس خملُخؿو خألؿنزٌص خًظٍ كُؤطهد ًظهٌم خًُئًص خًلدٓىرٌص ردٓظوًخَ موظزص opencvال طهظم رٍسق خًوىي بال ؿّء ًًٔن منه ؤو كً ال ًظم خًظؿُق ًٌٍسق ؤرًخ ًٍخ خٓظؼمُض خًوؼًن من خًىكع ًفهم خًوىي وٌسكه ًٌلدَت فلً هدنع هربيت رًٌص ردًؼىن ضفُ ؤمد خآلن وهلل خًلمً فإطلنع ًًص ردًؼىن. يف خملُخؿو خألؿنزٌص ًوىن هندن خفرتخع مٔزم روربطى يف ًًص خًربمـص ردًؼىن ،ؤمد يف هٍخ خًوظدذ فدنظربض ؤن خًلدَت ال ًهٌم شٌح نن خًًٌص ًٍخ رًؤض مهه من خًطفُ ردٓظؼندء ؤن ًوىن ًًًه مهُفص وًى ضًًنش ردًربمـص هظهٌٌمص ifو else ifو forو.while هٍ فلُش فٌهد ملًمص نكًُص وؿدنس نمًل فةٌخ خٓظطهس نٌٌى فهم خمللًمص خًنكًُص ًٌفلُش فال طلٌم فإيٌس خمللًمدض خًنكًُص ٌنونى طوؿٌهد يون فهمهد كٌؽ ٌنونى خالنظلدي ًٌـدنس خًهمًل وطؿزٌم خًوىي رشوٍ مزدٌس. يف خًزًخًص ٓإٌسق ؤٓدٌٓدض مهدًـص خًطىَش خًظٍ ٓظٔدنًند يف رًخًص خالنؿالق مبـدي خًُئًص خًلدٓىرٌص ،ورهً ًٌى ٓإٌسق ؤٓدٌٓدض ًًص خًزدًؼىن ،رهً ًٌى ٌنونى خًزًء رظهٌم خٓظوًخَ موظزص ( OpenCvخملوظزص خًربمـٌص خملفظىكص ًٌُئًص خًلدٓىرٌص).
OpenCvببساطة
5
بهذاء بىل ام ّشؼمخ املهذاحُ منػبملنيُ .. بىل امصبدقُ امىغذُ األمني.. بىل امزي ذشربقُ مشئًرهُ امػٌىن.. بىل من تبمعنخ مػه ؤمتنى ؤن ؤكىن..
ظٌذنب مؽمذ صىل هي غنٌهُوظنم بىل غبصمخُ امصربُ وؤًىةُ هزا امػرص.. بىل منهمٍ ونبصؽٍ يف كه ؤمش.. بىل من غنّمنٍ امصثبد يفُ َمشُ املؽن..
ؤيب امغبيل بىل صبؼثخُ املنجُ امذافئُ.. بىل نثؼُ امؽنبنُ ومفربػُ امعنبن.. ؤنهه منهب امصرب واألمبن.. بىل من ُ سيب امغفشان.. بىل من ؤسظى تهب من ّ ُ
وامذيت امغبمٌخ بىل امنعىو امرٍ ؤنبسد ظنمخ وؼذيت.. بىل من تبمرثعم ؤػنلىا طؽكرٍ.. بىل امزًن ؼني ؤسي اترعبمرهم ذكىنُ ظػبديت.. بىل من تهم ًشرذ ؤصسي وتهم ذنعًل وؼذيت..
بخىيت وؤخىايت ؤمظٌز مػهم ؤؼىل مؽظبدُ امؽٌبح.. ُ بىل من بىل من يل مػهم ؤظمه امزكشًبد.. بىل من ركشهم يف املنجُ مىظىد.. بىل من كذسهم غنذي مٌغ مه ؼذود..
ؤصذكبيئُُُ
OpenCvببساطة
6
امفهشط ُ ىظؼ امفهشطُامل َ
7
امشئًخُامؽبظىتٌخُCOMPUTER VISION
15
ؤظبظٌبد مػبمعخُامصىسحُIMAGE PROCESSING
21
ػشًلخُذصثٌزُمكرثخُOPENCV
25
ملذمخُغنُمغخُتبًصىن
33
ؤظبظٌبدُمغخُPYTHON
34
مٌضادُامىاظهخُامشظىمٌخُُGUIيفُOPENCV
39
امفصهُاألولُ:مٌضادُامىاظهخُامشظىمٌخُُGUIيفُOPENCV
44
امفصهُامصبينُ:امػمنٌبدُاألظبظٌخُغىلُامصىس
68
امفصهُامصبمضُ:مػبمعخُامصىسحُيفُOPENCV
91
امفصهُامشاتؼُ:اإلػبسادُيفُOPENCV
194
امفصهُامخبمغُ:املخؼؼبدُامثٌبنٌخُيفُOPENCV
216
امفصهُامعبدطُ:ذؽىًالدُامصىسحُيفُOPENCV
242
امفصهُامعبتؼُ:مٌضحُامكشفُوامىصفُ255 FEATURE DETECTION AND DESCRIPTION
امفصهُامصبمنُ:ذؽنٌهُامفٌذًىُVIDEO ANALYSIS
349
امفصهُامربظؼُ:اكرشبفُاألظعبوُOBJECT DETECTION
338
ذؼثٌلبدُغمنٌخ
353
املشاظؼُامشئٌعٌخ
354
OpenCvببساطة
7
ىظؼ امفهشطُاملُ َُ ُ ملذمخُامكبذج
4
امفهشط
6
امفهشطُاملىظؼ
7
امشئًخُامؽبظىتٌخُCOMPUTER VISION
15
مب هٍ امشئًخُامؽبظىتٌخ
15
ذؼثٌلبدُامشئًخُامؽبظىتٌخ
15
املهبوُامشئٌعٌخُمنشئًخُامؽبظىتٌخ:
17
امكبمرياُامشكمٌخDIGITAL CAMERA
18
ملدَنص رٍن ؤيخيت خًظطىًُ ٌخض خًوُؾ خًظشدرهٍ وخًوُؾ خًُكمٍ
88
مػبمعخ امصىسح امشكمٌخُDIGITAL IMAGE PROCESSING
18
مكرثخُOPENCV
19
مؽرىتبد مكرثخُOPENCV
19
ذؼثٌلبدُOPENCV
24
مغبدُامربمعخُيفُOPENCV
24
ؤظبظٌبد مرػنمُمػبمعخُامصىسحُIMAGE PROCESSING
21
ػشًلخُذصثٌزُمكرثخُOPENCV
25
ػشًلخُذصثٌزُمكرثخُُOPENCVغىلُنظبوُWINDOWS
25
ػشًلخُذصثٌزُمكرثخُُOPENCVغىلُنظبوُامرشغٌهُUBUNTU
28
ػشًلخُذصثٌزُمكرثخُُOPENCVغىلُامشاظثرييُتبي
32
ملذمخُغنُمغخُتبًصىن ممٌّخض ًًص ردًؼىن ؤظبظٌبدُمغخُPYTHON
33 43 34
OpenCvببساطة مفرسُتبًصىنُامرفبغًل
8 34
امػمنٌبدُاألظبظٌخ
36
ؼفظُامربنبمغُيفُظكشتز
37
امفصهُاأل ُولُ:مٌضادُامىاظهخُامشظىمٌخُُGUIيفُOPENCV
44
ػشًلخُغشضُصىسحُوؼفظهب
41
ذػنمُكشاءحُامصىسحُوغشطهبُوؼفظهبُغنُػشًمُامرىاتؼُامربمٌخ
41
كُخءش ونُع خًطىَش
34
امرلبغُامفٌذًىُمنُامكبمريا
47
ذشغٌهُامفٌذًىُمنُمنف
49
ذىاتؼُامشظم
54
َٓم هـ َٓم مٔظؿٌٍ َٓم يخثُش َٓم كؿو ندكظ َٓم مػٌو بغدفص نظ ًٌطىَش
05 08 03 00 05 05
ؤؼذاسُامفإسح
58
رشًؽُامرمشًشُامعبنثٍ
64
امفصهُامصبينُ:امػمنٌبدُاألظبظٌخُغىلُامصىس
68
خصبئصُامصىسح
71
املنؼلخُاملهمخُيفُامصىسحُ()IMAGE ROI
72
فصهُودمغُكنىادُامصىسح
74
بنشبءُؼذودُمنصىسح
75
امػمنٌبدُامعربًخُغىلُامصىس
77
ؿمو خًطىَ يمف خًطىَ خًهمٌٌدض نىل مٔظىي خًزع(BITWISE OPERATIONS( : ذلنٌبدُكٌبطُاألداءُوذؽعٌنه
77 78 79 84
OpenCvببساطة كٌدْ خأليخء نن ؾًُم موظزص OPENCV خًلٍ خملؼديل خالفرتخيض يف OPENCV كٌدْ خأليخء يف IPYTHON خًوؿىخض خًظٍ ًـس خطزدنهد ًٌلطىي نىل خأليخء خملؼديل امفصهُامصبمضُ:مػبمعخُامصىسحُيفُOPENCV ذغٌريُامفظبءادُامنىنٌخُCHANGING COLOR SPACES طًًٌن خًفػديئ خًٌىين طهلس خألؿٔدَ هٌف ٌنونند بًـدي خًلٌمص خًٌىنٌص خملؿٌىذ طهلزهد يف خًفػدء HSV؟ ذػرٌجُامصىسحُُُIMAGE THRESHOLDING خًظهظٌس خًزٌٔـ ((SIMPLE THRESHOLDING خًظهظٌس خملظوٌف ((ADAPTIVE THRESHOLDING خًظلىًٍ خًؼنديئ ال وطٔى ((OTSU’S BINARIZATION امرؽىًالدُامهنذظٌخُغىلُامصىسح خًظلـٌم SCALING خًنلٍ TRANSLATION خًظًوًُ ROTATION طلىًٍ ؤفٌنٍ AFFINE TRANSFORMATION خًظلىًٍ خملنكىَي ))PERSPECTIVE TRANSFORMATION ذهزًجُامصىسحُُُ))SMOOTHING IMAGES خًؿٍ ػنديئ خًزهً _ طُشٌم خًطىَ خملُشم خملظىٓـ ()AVERAGING خملُشم خًًإويس ()GAUSSIAN FILTERING خملُشم خألوٓؿٍ ()MEDIAN FILTERING خملُشم خًؼنديئ خًـدنزٍ ()BILATERAL FILTERING امرؽىًالدُمنُامنبؼٌخُامشكنٌخُ()MORPHOLOGICAL TRANSFORMATIONS نمٌٌص خًظأهٍEROSION نمٌٌص خًظمًي DILATION نمٌٌص خًفظم OPENING
9 83 80 85 88 91 93 94 93 98 99 99 854 855 114 888 888 884 880 887 119 845 844 843 840 847 129 845 848 844
OpenCvببساطة نمٌٌص خإليالق CLOSING نمٌٌص خًظًَؾ خًشوًل MORPHOLOGICAL GRADIENT نمٌٌص كزهص خًلمص TOP HAT نمٌٌص خًلزهص خًٔىيخء BLACK HAT خًهنرص خًرتهٌزٍ ( :STRUCTURING ELEMENTخًلندم )MASK ذذسظبدُامصىسحُIMAGE GRADIENTS مشظلدض ٓىرٌٍ وشدَ SOBEL AND SCHARR DERIVATIVES مشظم الرالٌٓدن LAPLACIAN DERIVATIVES
10 844 844 843 840 845 137 847 848
مكرشفُامؽىافُكبينُCANNY EDGE DETECTION
141
خهظشدف كىخف هدين ردٓظوًخَ موظزص OPENCV
833
ؤهشامبدُامصىسحُIMAGE PYRAMIDS
146
يمف خًطىَ ردٓظوًخَ خألهُخمدض
805
مؼبتلخُاملىامجُTEMPLATE MATCHING مؿدرلص خًلىخًس يف OPENCV مؿدرلص خًلىخًس ًهًش ؤؿٔدَ مهدً ذؽىًهُهبفُمنخؽُHOUGH LINE TRANSFORM طلىًٍ هدف يف OPENCV طلىًٍ هدف خالكظٌليل PROBABILISTIC HOUGH TRANSFORM
153 803 855 163 850 858
ذؽىًهُهبفُمنذائشحُHOUGH CIRCLE TRANSFORM
171
ذعضئخُامصىسحُتبظرخذاوُخىاسصمٌخُWATERSHED
174
االشرلبقُاألمبمٍُامرفبغًلُتبظرخذاوُخىاسصمٌخُGRABCUT
181
امفصهُامشاتؼُ:اإلػبسادُيفُOPENCV
194
مبُهٍُاإلػبساد؟
191
كٌفُذشذعمُاإلػبساد؟
193
ػشًلخُذلشًجُاإلػبس
195
خصبئصُاإلػبساد
196
نّوَ خًطىَش MOMENTS مٔدكص خإلؾدَ CONTOUR AREA ملٌـ خإلؾدَ CONTOUR PERIMETER
895 897 897
OpenCvببساطة طلًُس خإلؾدَ CONTOUR APPROXIMATION يالف خًظلًذ CONVEX HULL خملٔظؿٌٍ خمللٌـ BOUNDING RECTANGLE خًًخثُش خمللٌؿص خألضًًُص MINIMUM ENCLOSING CIRCLE خًلؿو خًندكظ خملظالثم مو خإلؾدَ FITTING AN ELLIPSE خًوـ خملظالثم مو خإلؾدَ FITTING A LINE املضًذُمنُخصبئصُاإلػبسادُCONTOUR PROPERTIES نٔزص خألرهدي ASPECT RATIO خالمظًخي (خًلًوي) EXTENT خًطالرص (خًشًش) SOLIDITY خًلؿُ خملودفح EQUIVALENT DIAMETER خًظًوًُ خًلندم ونلدؽ خًزٌؤٍ MASK AND PIXEL POINTS خملظىٓـ خًٌىين ؤو خًشًش خملظىٓؿص MEAN COLOR OR MEAN INTENSITY نلدؽ خًشًش EXTREME POINTS ذىاتؼُاإلػبسادُاإلطبفٌخُCONTOURS MORE FUNCTIONS نٌىذ خًظلًذ CONVEXITY DEFECTS نلؿص مػٌو خالهظزدَ POINT POLYGON TEST ملدَنص خألشودي MATCH SHAPES امفصهُامخبمغُ:املخؼؼبدُامثٌبنٌخُيفُOPENCV
11 897 898 458 453 450 450 246 455 455 457 457 457 457 458 458 249 459 484 484 216
اإلًعبدُ،امشظمُ،امرؽنٌهُيفُاملخؼؼبدُامثٌبنٌخ
217
بًـدي خملوؿـ خًزٌدين FIND HISTOGRAM كٔدذ خملوؿـ خًزٌدين يف OPENCV كٔدذ خملوؿـ خًزٌدين يف NUMPY َٓم خملوؿـ خًزٌدين PLOTTING HISTOGRAMS
488 489 445 448
ذعىًخُاملخؼؽُامثٌبينُHISTOGRAM EQUALIZATION خملوؿـ خًزٌدين خملظىخِن يف OPENCV ( CLAHEطٔىًص خملوؿـ خًزٌدين ٌو خًظزدًن خمللًوي وخملظوٌف) املخؼؽُامثٌبينُشنبيئُامثػذُ()2D HISTOGRAMS
224 445 447 229
12 449 449 445 233
ببساطةOpenCv OPENCV يف2D خملوؿـ خًزٌدين NUMPY يف2D خملوؿـ خًزٌدين )PLOTTING 2D HISTOGRAMS( ًَٓم خملوؿؿدض خًزٌدنٌص ػندثٌص خًزه HISTOGRAM BACK PROJECTIONُاإلظلبغُامخنفٍُمنمخؼؽُامثٌبين
443 447
NUMPY هىخَِمٌص خإلٓلدؽ خًوٌفٍ يف OPENCV هىخَِمٌص خإلٓلدؽ خًوٌفٍ يف
242
OPENCVُامفصهُامعبدطُذؽىًالدُامصىسحُيف
243
FOURIER TRANSFORMُذؽىًهُفىسًٌهُمنصىسح
433 437 249
NUMPY طلىًٍ فىًٌَه يف OPENCV طلىًٍ فىًٌَه يف :PERFORMANCE OPTIMIZATION OF DFTُاألداءُاملصبيلُمرؽىًهُفىسًٌهُاملرلؼؼ
255 FEATURE DETECTION AND DESCRIPTIONُُمٌضحُامكشفُوامىصف:امفصهُامعبتؼ 257
UNDERSTANDING FEATURESُفهمُاملٌضاد
264
HARRIS CORNER DETECTIONُمكرشفُصواًبُهبسًغ
454 450
OPENCV موظشف ِؤوًص هدًَٕ يف CORNER WITH SUBPIXEL ACCURACY ٍيكص خًّؤوًص مو خًزٌؤٍ خًفُن
267
ُ&ُمٌضادُظٌذحُمنرػلجSHI-TOMASIُمكرشفُصواًب
271
(SCALE-INVARIANT FEATURE TRANSFORM(ُSIFTملذمخُبىل
470 278 488 284 480 287 489 291 494
OPENCV يفSIFT (SPEEDED-UP ROBUST FEATURES)ُ)ُ(ذرسًؼُاملٌضادُاملىًخSURFُملذمخُبىل OPENCV يفSURF ُالكرشبفُامضواًبFASTُخىاسصمٌخ OPENCV يفFAST )ُ(املٌضادُاالترذائٌخُاملعرلنخُاملىًخُامصنبئٌخBRIEF OPENCV يفBRIEF (ORIENTED FAST AND ROTATED BRIEF(ُ)BRIEFُُومذوسFASTُُ(مىظهORB OPENCV يفORB
295
FEATURE MATCHINGُذؼبتمُاملٌضاد
490
BRUTE-FORCE ؤٓدٌٓدض خملؿدرلص
OpenCvببساطة مؿدرلص خًلىش خملٌٔؿُش مو خًىخضف ORB مؿدرلص FLANN BASED
13 497 499
مٌضحُاملؼبتلخُُHOMOGRAPHYُ+إلًعبدُاألظعبو
344
امفصهُامصبمنُ:ذؽنٌهُامفٌذًىُVIDEO ANALYSIS
349
خىاسصمٌخُُMEANSHIFTوCAMSHIFT هىخَِمٌص MEANSHIFT هىخَِمٌص CAMSHIFT امرذفمُامثرصيُOPTICAL FLOW ؾًُلص ًىهدْ هدنًيًٌ -ظًفم خًزرصي يف OPENCV هؼدفص خًظًفم خًزرصي يف OPENCV ػشػُامخنفٌخُBACKGROUND SUBTRACTION هىخَِمٌص ؾُق خًوٌفٌص MOG هىخَِمٌص ؾُق خًوٌفٌص MOG4
314 485 485 319 448 447 332 444 443
امفصهُامربظؼُ:اكرشبفُاألظعبوُOBJECT DETECTION
338
اكرشبفُاألظعبوُتبظرخذاوُخىاسمٌخُHAAR CASCADES
338
هىخَِمٌص HARR CASCADEيف OPENCV هؿىخض طًًَس خًوىخَِمٌص ًٌظهُف نىل خًشوٍ خملؿٌىذ
435 430
ذؼثٌلبدُغمنٌخ
353
املشاظؼُامشئٌعٌخ
354
مقدمة ” العلم مغرس كـل فخر فافتخـر ...واحذر يفوتـك فخـر ذاك المغـرس واعلم بأن العـلم ليس يناله
...من هـمـهـ في مطعـمـ أو ملبـس‟ الإمام الشافعي
OpenCvببساطة
15
امشئًخُامؽبظىتٌخُComputer Vision مب هٍ امشئًخُامؽبظىتٌخ هٍ بكًي مـدالض نٌم خًلدٓىذ خًظٍ طظػمن ؾُق طلطٌٍ ومهدًـص وطلٌٌٍ وفهم خًطىَ، وطهًف خًُئًص خًلدٓىرٌص بىل رندء طؿزٌلدض كديَش نىل فهم ملظىي خًطىَ هٌل ًفهمهد خإلنٔدن رهًف خالٓظفديش منهد يف طؿزٌلدض موظٌفص وطهظرب ؤًػدً بكًي خملـدالض خًظٍ ؤكًػع ػىَش يف خًظؿزٌلدض خًهنًٌٓص خًلًًؼص خًُورىطٌص منهد وخًطندنٌصٌ .نون ًٌطىَ خًُكمٌص ؤن طإهٍ نًش ؤشودي مؼٍ ضىَ مظظدرهص )فًًٌى( ،مشدهً من نًش هدمًنخض ؤو ضىَش مظهًيش خالرهدي من خملدٓلدض خًؿزٌص.
ذؼثٌلبدُامشئًخُامؽبظىتٌخ ُ .8 .4 .4 .3 .0 .5
طؿزٌلدض خًىخكو خالفرتخيض خالٓظوًخمدض خًؿزٌص وطلٌٌٍ خًطىَ خًؿزٌص وطشوٌظ رهؼ خألمُخع . نمٌٌدض خًظلوم خًطندنٌص وخًُورىطدض خًطندنٌص. نمٌٌدض خملالكص هٌل يف خًهُردض ٌخطٌص خًلُهص وخًُورىض خًنلدي)(mobile robot .هشف خألكًخغ وخالشودص مؼٍ خملُخكزص خملُثٌص وخًظهُف نىل خالشودص. ططنٌف خملهٌىمدض وخملهؿٌدض وفهُٓص كىخنً خًزٌدندض ًٌطىَ وخًفًًٌى.
وخكًش من ؤهم طؿزٌلدض خًُئًص خًلدٓىرٌص هٍ خًُئًص خًلدٓىرٌص خًؿزٌص ؤو مهدًـص خًطىَ خًؿزٌص وهٍخ خملـدي ًهظمً نىل خٓظوالص خملهٌىمدض من خًطىَ خًُكمٌص رًٌص خًىضىي بىل طشوٌظ ؾزٍ ًٌمًُؼ .رشوٍ ندَ طوىن خملهٌىمدض نىل شوٍ ضىَ مدًوُوٓوىرٌص ؤو ضىَ شهدنٌص) ، (x-raysؤو ضىَ شهدنٌص ًلونٌص ) (angiography imagesؤو ضىَ فىق ضىطٌص . همؼدي نن خملهٌىمدض خيل ٌنون خٓظوالضهد من خًطىَ خًُكمٌص خًؿزٌص هٍ خألوَخَ ؤو ططٌس خًٍسخًٍن ؤو خًظًًنخض خًوزٌؼص خألهُي .وٌنون ؤًػدً ؤن طٔظوًَ خًُئًص خًلدٓىرٌص ًلٌدْ خألرهدي
16
OpenCvببساطة
ًلنػدء ،وطًفم خًًَ .هٍخ خملـدي ؤًػدً ًًنم خألرلدغ خًؿزٌص رظىفًن مهٌىمدض ؿًًًش مؼالً نن رنٌص خًًمدى وؤًػد ً نن مٔظىي خًهالؾ خًؿزٍ. خًظؿزٌم خًؼدين ًٌُئًص خًلدٓىرٌص هى يف خًطندنص .ؤكٌدندً طًنى رُئًص خآلًص )(machine vision كٌؽ طوىن خملهٌىمدض خملٔظوٌطص من خًطىَش طهًف بىل طؿىًُ خًهمٌٌص خإلنظدؿٌص مؼال طلًًً مودن وخكًخػٌدض وخطـده خًلؿو ًيك طلىَ ٌَخم َورىض رةًظلدؾهد. هظؿزٌم آهُ ًٌُئًص خًلدٌٓىرٌص يف خًطندنص ،نمٌٌص خًظلوم يف خًـىيش كٌؽ ًظم فلظ خملنظف خًنهديئ رشوٍ آيل من كزٍ خآلًص ًٌظإهً من نًَ وؿىي ؤًص ؤهؿدء ؤو نٌىذ بنظدؿٌص.
ظبوُصنبغٍُمامتزًُػرمذُغىلُامشئًخُامؽبظىتٌخ
وخكًش من ؤكًغ خًظؿزٌلدض ًٌُئًص خًلدٓىرٌص هٍ خملُهزدض ٌخطٌص خًلُهص مؼٍ خًًىخضدض ؤو خًهُردض خًطًًنش خملّويش ردًهـالض) ، (wheeled mobile robotخًٌٔدَخض ؤو خًشدكندض، وخًؿدثُخض رًون ؾٌدَ. خملُهزدض خًٍخطٌص خًلُهٌص طٔظوًَ خًُئًص خًلدٓىرٌص يف خملالكص ،ورندء هُخثـ ًٌزٌجص خمللٌؿص)،(SLAM ومهُفص خملودن خًلديل ًٌمُهزص وطـإوِ خًهلزدض (obstacle avoiding).وٌنون ؤن طٔظوًَ ؤًػدً إلهظشدف ؤكًخغ مهٌنص مؼٍ كُخثم يف خًًدردض ؤو ؤَع طلظىي نفـ ؤو يدِ .بهظشدف خًفػدء ًظم خآلن نن ؾًُم خملُهزدض ٌخطٌص خًلُهص خملًنمص رإنكمص خًُئًص خًلدٓىرٌص.
غشتخُنبظبُُCuriosityغىلُكىكجُاملشًؾُذػرمذُتشكهُ ؤظبيسُغىلُامشئًخُامؽبظىتٌخ
OpenCvببساطة
17
املهبوُامشئٌعٌخُمنشئًخُامؽبظىتٌخ ُ امرػشفُRecognition هٍ خملهمص خًظلًًٌٌص يف خًُئًص خًلدٓىرٌص ،وهٍ خًلٌدَ رظلًًً مد بٌخ هدنع خًطىَش طلظىي ؤو ال طلظىي ؿٌٔلً ،مهٌٌلً ،ؤو نشدؾدً مهٌندً .هٍه خملهمص من خملمون كٌهد رزدٓؿص ورًون ؤي ؿهً ًٍهُ رىخٓؿص خإلنٔدنً ،ون ال طّخي هٍه خملٔإًص يًن ملٌىًص رشوٍ فهدي ونهديئ من كزٍ خًلدٓىذ يف شوٌهد خًهدَ .ؿمٌو خًؿُق خملىؿىيش ًلٍ هٍه خملٔإًص طلىَ رةًـدي ؤفػٍ خًلٌىي من ؤؿٍ بًـدي ؤشودي مهٌنص هدألشودي خًهنًٌٌٓص ،وؿىه خألشودص ،خألكُف خملؿزىنص ؤو خملوظىرص ،ؤو خًٌٔدَخض ،ويف كدالض مهٌنص فلـ ملًيش نىل خًًدًس ركُوف بغدءش ملًيش ،هٌفٌص ووغهٌص مهٌنص ًٌـٔم ردًنٔزص ًٌودمًنخ . امرؽذًذ Identification طلًًً مؿدرم وكًٌ ًٌـٔم خملهُف . مؼالً :طلًًً وؿه شوظ مهٍن ؤو خًظهُف نىل رطمص شوظ مهٍن ؤو ٌٓدَش من نىم مهٍن. امرؽشيُُ Detection ًظم خًزلؽ يف رٌدندض خًطىَش إلًـدي ؿٔم مهٍن .مؼدي :طلُي وؿىي هالًد مًُػص يف ضىَش ؾزٌص، خًظلُي نن وؿىي ٌٌٓدَش نىل ؾًُم رسًو .هٌل ًىغم خًشوٍ خًظديل ًظلًًً مالمم خًىؿه.
OpenCvببساطة
18
امكبمرياُامشكمٌخ Digital Camera ًلً قهُض خًودمًنخض خًُكمٌص من كىخيل نٍس ٓنىخض ،وهٍ طهً خآلن من ؤهًت خألؿهّش خالًورتونٌص خٓظوًخمد يف خًظؿزٌلدض خًظـدًَص وخًطندنٌص وطهظرب خًودمًنخ خًُكمٌص ؿهدِ خًُئًص ألي نكدَ .طشزه خًودمًنخ يف هٍه خًلدالض خًهٍن خًزٍسًص يف نكدَ خًُئًص خًطندنٍ ،وخًظٍ ٌنون ؤن طوىن نىم من ؤنىخم خًودمًنخض ٌخض خًوُؾ خًظشدرهٍ ؤو هدمًنخض خًُكمٌص ،كٌؽ ؤنه يف خًودمًنخض ٌخض خًوُؾ خًظشدرهٍ خًػىء ًطؿًَ رشدشص كٔدٓص ًٌػىء وهٍه خًشدشص طلٌٍ رىٓدؾص كّمص خإلًورتون وبن خإلشدَش خًندطـص طٔظوًَ ًٌمهدًـص. يف خًودمًنخض خًُكمٌص بن خًهندرص خمللإومص ًٌػىء خمللؿهص وخملىؿىيش يف يخَش مظودمٌص ًظم بٓظوًخمهد ،وخإلشدَش خًندطـص من هٍه خًهندرص طٔظهمٍ ًٌمهدًـص.
ملبسنخ تني ؤدايت امرصىًش راد امخشط امرشبتهٍ وامخشط امشكمٍ ُ ممٌضاد امكبمريا امرشبتهٌخ خًوٌفص خًلٌٌٌص نٔزٌدً ،خإلًػدق )خًظلٌٌٍ( خألنىل ،مٔظىي متٌٌّ َمديي ؤفػٍ. ممٌضاد امكبمريا امشكمٌخ طظإًف هٍه خًودمًنخ من نًٓص وكٔدْ )يخَش مظودمٌص( وخًٍي ًظػمن :مورب خًفًًٌى ،مىًً خًنزػدض خملٔظوًَ من ؤؿٍ خًظّخمن ويخَخض مٔم منؿلٌص ،هٌهد غمن نفٕ خًٍسًلص .هٍخ ًهنٍ ؤن خًودمًنخض طّن فلـ رػو يُخمدض وٌنون ؤن طُهس رٔهىًص نىل خًُورىض .وًون خًودمًنخ ٌخض خًوُؾ خًظشدرهٍ ٌنون خن طّن مجدض خًًُخمدض. ذ
مػبمعخ امصىسح امشكمٌخُDigital Image Processing هى ؤكً فُوم نٌم خًُئًص خًلدٓىرٌص ،طهظم رةؿُخء نمٌٌدض نىل خًطىَ رهًف طلٔنٌهد ؾزلدً ملهدًًن ملًيش ؤو خٓظوالص رهؼ خملهٌىمدض منهد .نكدَ مهدًـص خًطىَ خًظلًٌٌي ًظإًف من ٓظص مُخكٍ مظظدًٌص وهٍ نىل خًرتطٌس: .8اظرؽصبل امصىسح ) (Image acquisitionرىٓدؾص كٔدْ غىيئ )هدمًنخ). .4املػبمعخ املثذئٌخ) (pre-processingططفٌص خًطىَش من خًظشىًش وطلىًٌهد بىل ضىَش ػندثٌص. .4ذلؼٌؼ امصىسح )ً (segmentationفطٍ خملهٌىمدض خملهمص يف خًطىَش نن خًوٌفٌص.
OpenCvببساطة
19
.3اظرخالص املمٌضاد ) (features extractionطلًًً خًطفدض خًهدمص وخملمٌّش يف خًطىَش. .0ذصنٌف املمٌضاد ) (classificationوَرؿهد ردًنمـ خًٍي طهىي بًٌه وخًظهُف نىل خألمندؽ. .5فهم امصىسح )(image understanding
وطٔظوًَ نكم مهدًـص خًطىَش يف خًوؼًن من خًظؿزٌلدض والٌٌٓل طؿزٌلدض خًُئًص خًلدٓىرٌص يف خًظلوم خآليل،وخًُورىطدض.
مكرثخُOpenCV خملوظزص خًربمـٌص خملفظىكص ًٌُئًص خًلدٓىرٌص ()OpenCvهٍ موظزص خكرتخندض رُمـٌص طهًف رشوٍ ؤٌٓديس بىل طؿىًُ خًُئًص خًلدٓىرٌص ،كدمع رظؿىًُهد ٌسهص بنظٍ (Intel).وه موظزص رُمـٌص مـدنٌص طلع َهطص خملطًَ خملفظىكص)ٌ . (open source BSD licenseنون بٓظوًخمهد نىل ؿمٌو خألنكمص خًلدٓىرٌص ،وهٍ طُهّ رشوٍ ؤٓديس نىل مهدًـص خًطىَش ردًّمن خًللٌم). (real time
مؽرىتبد مكرثخُOpenCv
:Coreوكًش منؿٌص مًمـص ًظلًًً هٌدهٍ خًزٌدندض خألٓدٌٓص ،خملٔظوًمص من كزٍ ؿمٌو وكًخض ؤهُي
:Imgproc وكًش مهدًـص خًطىَ خيل ط ُهنى رهمٌٌدض طلٍٔن خًطىَش ههمٌٌدض خًرتشٌم، وخًظلىًالض خًهنًٌٓص نىل خًطىَ مؼٍ طًًٌن كـم خًطىَش ،طًًٌن طزدًن وٌٓؿىم خًطىَش، طهًًٍ خًهٌٔظىيُخَ ًٌطىَش وخًهًًً من خًهمٌٌدض. :Video وكًش طلٌٌٍ خًفًًٌى خيل طظػمن طلًًُخض خًلُهص ًٌهًف ،خًوٌفٌص وخًزٌجص خمللٌؿص ،هىخَِمٌدض طظزو خًودثن ؤو خًهًف. :Calib3d وكًش طلٌٌٍ خملهٌىمدض ًٌطىَش ػندثٌص خألرهدي وخًظٍ هٍ مإهىٌش من خألٓدْ من رٌجص ػالػٌص خألرهدي وطلظىي نىل هىخَِمٌدض طلًًً خًوىخص خملهمص ًٌزٌجص ػالػٌص خألرهدي.
OpenCvببساطة
20
:Features2dوهٍ خملٔاوًص نن هشف خًوطدثظ خملهُوفص ًٌهًف وفطٌهد نن ردق خًزٌجص خمللٌؿص مؼٍ خألشودي خًهنًٌٓص مؼالً )مُرو ،يوخثُ ،مٔظؿٌالض(.
:Objectdetectهشف نن وؿىه وكدالض من خًفجدض خمللًيش مٔزلد )نىل ٌٓزٌٍ خملؼدي ،وؿىه ،نٌىن ،ؤهىخذ ،ؤشودص ،خًٌٔدَخض ..بًى(.
:Highgui وهٍ وخؿهص ٌٓهٌه خالٓظوًخَ الًظلدؽ خًفًًٌى وخًطىَش ،ردإلغدفص بىل كًَخض ؤهُي ًىخؿهص خملٔظوًَ.
ُ :U moduleطٔظوًَ هدمٍ خًلًَخض خًلٔدرٌص ًٌنكدَ نن ؾًُم خٓظوًخَ كىش رؿدكص مهدًـص خًفًًٌى من ؤؿٍ طؿزٌم هىخَِمٌدض. OpenCV
ذؼثٌلبدُُ OpenCv
ؤنكمص خًظهُف نىل خًىؿىهFacial recognition system ؤنكمص خًظهُف نىل خإلٌندءخض ) Gesture recognitionخألوخمُ نن ؾًُم خإلٌندءخض مؼٍ طلًُى هُيس ًشوظ مهدق نن ؾًُم كُهص خًهٍن(. خًظفدنٍ رٍن خًومزٌىطُ وخإلنٔدنHCI. خًُورىض خًنلديMobile Robot. خًظهُف نىل خًهًفObject Identification. مالكلص خًلُهصMotion Tracking.
مغبدُامربمعخُامرٍُذذغمُُ OpenCv موظزص OpenCVموظىرص ؤٓدٓدً رًٌصً ، C++ونهد طًنم مهكم ًًدض خًربمـص رشوٍ هدمٍ مؼٍ :
ذ
Python Java Matlab/Octave C# Perl Ch Ruby
طهٌم OpenCvرًٌص خًزدًؼىن ( )Pythonؤٓهٍ روؼًن ملدَنص ردًًٌدض خألهُيًًٍ .ى ٓإٌسق هٍخ خًوظدذ خنظٌليخ نىل هٍه خًًٌص .ال طوف من هٍه خًًٌص فهٍ ًًص رٌٔؿص ؿًخ ،وؤرٔـ هؼًنخ من ًًص خًًس فلً طهٌمظهد ؤػندء طهٌم ًًص ٓ .OpenCvإكىَ رٍسق ؤٓدٌٓدض هٍه خًًٌص كظى طنؿٌم ًظهٌم .OpenCv
OpenCvببساطة
21
ؤظبظٌبد مػبمعخُامصىسحُImage Processing مبُهٍُامصىسحُمنُوظههُنظشُامؽبظجُاآليل؟ ُ خًطىَش هٍ نزدَه نن مطفىفص خرهديهد متؼٍ خرهدي خًطىَش خًللٌلٌص (ردًزٌؤٍ) فةٌخ هدنع خرهدي خًطىَش 385*555رٌؤٍ بٌخ خرهدي خملطفىفص هٍ .385*555 مبُهىُامثٌكعه؟ ُ خًزٌؤٍ هى ؿّء من خًطىَش وٌنؼٍ مُرو من مُرهدض خًطىَش وًلظىي نىل كٌمص مهٌنه طزهد ًٌىن خًٍي ًلظىًه هٍخ خًزٌؤٍ ؤو هٍخ خملُرو من خًطىَش. مبراًُػنٍُانُامكبمرياُُ8مٌعبُتٌكعه؟ ُ ؤي ؤن مٔدكص خًطىَش خًظٍ طٌظلؿهد = 8مٌـد رٌؤٍ = 8555555رٌؤٍ ،مؼدي :بٌخ هدن هندًى هدمًنخ طٌظلـ ضىَش رلـم 8045×4538بٌخ خًندطف ٌٓوىن 4.4مٌٌىن رٌؤٍ خي 4.4مٌـد .بٌخ هٌٌل ِخي نًي خًزٌؤٍ يف خًطىَش هٌٌل هدنع خًطىَش ؤوغم وؤنلى. كٌفًُلشؤُامؽبظجُامصىسح؟ ُ ٌهُند ٓدرلد خن خًطىَش يف خًلدٓس متؼٍ مبطفىفص خرهديهد طٔإوي خرهدي خًطىَش ..ونندرصهد = نًي خًزٌؤٍ ...وهٍ ننرص ًلظىي كٌمص خًٌىن خًٍي طلظىًه خًزٌؤٍ... كٌمخُامنىنُيفُامثٌكعه ُ خًطىَش ننًمد طٌظلـ ًهد ؤهًت من شوٍ ..فهندًى ضىَ خرٌؼ وخٓىي فلـ ..وهندًى ضىَ Grayخي خرٌؼ وخٓىي وَضديص ..وهندًى ضىَ مٌىنه ..بًى .هند نإيت ًظهًُف مهم يف خي Image processingوهى : number of bits per pixelخي نًي خي Bitخًظٍ متؼٍ فٌهد خي رٌؤٍ خًىخكًش وخهظطدَهدBpp فةٌخ هدنع خًطىَش ً Bpp 8هنٍ bitوخكًه فلـ ..فهٍ طلظمٍ خمد ضفُ ؤو وخكً ..وهٍ خًطىَش خألرٌؼ وخألٓىي فلـ ..خألرٌؼ هى خًىخكً وخالٓىي هى خًطفُ وبٌخ هدنع Bpp 4مهندهد خن هٍ ؤًىخن رٌؤٍ متؼٍ يف bit 4ومهندهد خن rangeخألًىخن كً ِخي وؤضزم
OpenCvببساطة
22
وهوٍخ كظى نطٍ خىل خًطىَ خملٌىنص وهٍ طٌظلـ يف خًودمًنخ 4مُخض ًٌطىَش خًىخكًش ..مُه طلٌٕ خًٌىن خألكمُ ومُه طلٌٕ خًٌىن خالهٍص ومُه طلٌٕ خًٌىن خالَِق ...وطٔمى خي RGBخي خن خًطىَش خملٌىنص ًهد 4مطفىفدض مطفىفص ًلهٍص ومطفىفه ًلكمُ ومطفىفه ًلَِق. وهند خًزٌؤٍ خًىخكًش متؼٍ يف ٌ bit. 43تدنٌص ًلكمُ وٌتدنٌص ًلَِق وٌتدنٌص ًلهٍص ..وهند ًوىن وهًٍى خالهٍص وهًٍى خألَِق .بٌخ ً نًي خكظٌلالض نًي خكظٌلالض يَؿدض خالكمُ = = ً 85777485ىن خألًىخن ًٌزٌؤٍ هوٍ = منخص ُ بٌخ كمع ردٓظًندء خًزٌؤٍ َكم ( )5,5خي ؤوي مُرو يف خًطىَش ٓظـً خًندطف ممؼٍ يف 4كٌم ( )400,400,400وهٍ كٌمص خي . R,G,Bبٌخ هدنع خي 4كٌم كٌمظهد 400فهٍخ ٌنؼٍ خًٌىن خألرٌؼ وبٌخ هدنىخ ؿمٌهد 5بٌخ هٍخ هى خًٌىن خألٓىي مالؼظخ :بٌخ هدن هندًى ًىن ؤضفُ مؼال فةنه ٌنون خن ًوىن ًه ؤهًت من كٌم يف خي RGBمبهنى خنه ٌنون خٓظنظدؿه رإهًت من ؾًُلص (طلٌٌٍ خالَِق وًِديش خالكمُ وخالهٍصًِ ،ديش خالهٍص وخالَِق وخالكمُ ،طلٌٌٍ خالكمُ وخالَِق وًِديش خالهٍص ....بًى)
ُ مبُهىُامفٌذًىُؤوُامثضُامؽٍُ؟؟ ُ خًزؽ خًلٍ ؤو خًفًًٌى مد هى بال نزدَه نن خًظلدؽ نًي هزًن من خًطىَ يف خًؼدنٌص خًىخكًش ونُغهد ردًرتطٌس ..وطٔمى number of frames per secondوهند طٔمى خًطىَش فًُم Frame..وهٌٌل ِخي نًي خي framesيف خًؼدنٌص خًىخكًش هٌٌل هدن خًفًًٌى مّخمن ًٌللٌلص.. مصبل :بٌخ هدنع خًودمًنخ frame per second 85وهدنع ططىَ مزدَش هُش كًَ ٓظـً فُق هزًن ؿًخ يف خًىكع ٓظـً خًوُه متُ يف خًللٌلٌص ػم رهًهد رؼىخين ٓظـًهد يف خًودمًنخ ..وٓظالكل هٍخ يف خملىردًالض خًلًٌنص ؤنى طلُن ًًن ررسنه وخًودمًنخ طزؼهد رهًهد رفُق وكظًًٍٍ .ى طـً يف خًودمًنخض وغو ًٔمى Sportخًٍي ًًًّ من نًي خي fbsكظى طـدَي خًىخكو.
OpenCvببساطة
23
مبُهٍُمػبمعخُامصىس؟؟ُومبُهٍُامػمنٌبدُامشًبطٌخُامرٍُذعشيُغنٌهب؟ مبد خن خًطىَ متؼٍ يف مطفىفدض بٌخ ٌنونند خؿُخء نٌٌهد هٍ خًهمٌٌدض خًًُدغٌص خًظٍ طـُي نىل خملطفىفدض :رًخًص من خًـمو وخًؿُق كظى خملهديالض وخًظلىًالض )(transformations وخمللٌىذ ويًنهد مبراُنعرفٌذُمنُرمك؟ ُ امعمؼُ :بٌخ ؿمهع نىل ضىَش مد 4مطفىفدض هٌهد طلظىي نىل ننرص = 8فٔظـمو نىل مطفىفص خي red 1وهًٍى خالهٍص وهًٍى خالَِق ...فةٌخ ِخيض كٌمص خالكمُ وخالهٍص وخالَِق فةنى طلرتذ من خالرٌؼ كٌٌال فٔظـً خن خًطىَش خضزلع ؤهًت بغدءش امؼشػ :بٌخ خًظلؿع ضىَطٍن ًنفٕ خًـٔم يف نفٕ خًكُوف وؾُكع خًطىَطٍن من رهػهم ٓظلطٍ نىل ضىَش ؿًًًه طلظىي خًفُوكدض رٌنهم (مبهنى ؤنى بٌخ خًظلؿع ضىَش
OpenCvببساطة
24
ًـٔم مُه ػم وغهع نٌٌه ؿٔم خهُ وخًظلـ مُه خهُي وؾُكع خًطىَطٍن ٓظـً خًندطف نزدَه نن ضىَش ٓىيخء ال طلظىي بال خًـٔم خًٍي وغهظه ماهُخ امرؽىًالد :هؼًنخ مد نٔمو نن خًظشىًش ؤو خالهظّخِ (خًزؤٌص) وهٍ نزدَه نن ضىَش طم خًظلدؾهد ررسنه فإضزلع خًطىَش يًن وخغلص وهند ًظم خؿُخء نٌٌهد transformations طلىَ رهمٍ ًٌ Filterظشىًش وخنديش خًطىَش وخغلص مؼٍ، Fourier transformation .geometric transformation مبُهٍُمكرثخُال OpenCv؟ ُ هٌل وغلند ٓدرلد خن هٍ خًهمٌٌدض نىل خًطىَ هٍ مـُي نمٌٌدض ًَدغٌص رلظه ..وًون ًٌٕ من خملهلىي خن خملربمـٍن ٌٓلىمىن رهمٍ هٍ هٍه خًهمٌٌدض يف هٍ مُه ًٔظوًمىن فٌهد خًطىَ وًًٍى طم خنشدء موظزه خي OpenCvخًظٍ هٍ نزدَه نن موظزه طلظىي نىل يوخي طلىَ رهمٍ مهكم نمٌٌدض خًطىَ خًظٍ ًلظدؿهد خملربمـٍن. هٌل طلظىي نىل يوخي طلىَ رظلًًً خؿٔدَ مهٌنه يف خًطىَش مؼٍ خًوؿىؽ وخالشودي خًهنًٌٓص ويوخي خهُي ًظلًًً خألًىخن ،هٌل ٌنون خٓظًندء مٌفدض XMLهدضه رظلًًً وؿه خالنٔدن ونٌنٌه وشهُه وًًه وؿٔمه هوٍ. وٌنون خٓظوًخمهد يف خًظهُف نىل خًشوظ هٌل ٌنون نمٍ مطنف classifierهدص رإي ؿٔم (خًظلدؽ ضىَ نًًًه ًنفٕ خًـٔم من هٍ خالطـدهدض كظى طظهُف نٌٌه خًودمًنخ من هٍ خالطـدهدض) ...وًٌٕ هٍخ ملظرصخ نىل خالنٔدن فلـ رٍ ؤي ؿٔم (مؼدي مزدًَدض هُش خًلًَ).
25
OpenCvببساطة
ػشًلخُذصثٌزُمكرثخُOpenCv
Windows
raspberry pi
.1ررقؼةذتثبقتذؿؽتبةذOpenCvذعؾىذـظامذWindows ررقؼةذ:1ذ(ؿدتحدـة) ؿشروحةذيفذاؾػقدقوذاؾتاؾقةذ(اـؼرذعؾىذاؾػقدقوذودتشافدذاؾشرحذبعدذاالـتؼالذدلوؼعذ )youtubeذ https://www.youtube.com/watch?v=BAFSi_xTGiIذ
ررقؼةذ:2ذذ(قدوقاً)
ٌنونى طلمٌٍ هٍ مٌف نىل كًي وطنطٌزهم وخكً طٌى خألهُ
ؾتحؿقلذذبرـاؿجذ)python(x,yذذhttps://python-xy.github.io/s.html
محلذادلؾفذاؾتاؾيذاؾذيذحيويذجمؿوعةذإصداراتذدلؽتبةذOpenCv https://drive.google.com/file/d/0B0kFfFN5r9tS1EzSlppUGItNUU/view?usp=sharing
ثمذؼمذبتـصقبذبرـاؿجذ)python(x,yذؽؿاذفوذواضحذيفذاؾصورةذاؾتاؾقة :ذ
OpenCvببساطة
26
ذ
تلؽدذؿنذوجودذعالؿةذاؾصحذعـدذؿؽتبةذOpenCvذضؿنذؼائؿةذpython
27
ببساطةOpenCv
28
ببساطةOpenCv UbuntuذعؾىذـظامذاؾتشغقلذOpenCv ررقؼةذتثبقتذؿؽتبةذ.2
رؿًُلظٍنDebian – Ubuntu – mint ٍ نىل ؤنكمص ًٌنوٕ مؼopenCV ٌنونى طنطٌس من مٔظىيندض خًربخمفpre-compiled خألوىل من هالي طنطٌس خملٌفدض خًـدهّش،موظٌفظٍن : يف كدًص نكدَ ؤورنظى ًوفٍ ؤن طلىَ رظنفٌٍ خألمُ خًظديل:ًمؼال $ sudo apt-get install libopencv-dev python-opencv
ُ للملفات المصدرية من البداية (وتضمن هذه الطريقحُامؽصىلُغىلCompile الطريقة الثانية هي عن طريق عمل ُ .ؤؼذسُنعخخُمنُاملكرثخ :وقم بكتابة التعليمات التاليةTerminal افرؾُظؼشُاألوامر
.َ) خًنكدpackage( َّطلًًؽ ك $ sudo apt-get update $ sudo apt-get upgrade
َطؼزٌع ؤيوخض خملؿى $ sudo apt-get install build-essential cmake git pkg-config
JPEG, PNG, TIFF طلظدؾ خًلَّ خًظدًٌص ًظٔظؿٌو كُخءش ؤنىخم خًطىَ خملوظٌفص هـOpenCv موظزص $ sudo apt-get install libjpeg8-dev libtiff4-dev libjasper-dev libpng12-dev
.OpenCv طنطٌس خملوظزدض خًظٍ ٓنٔظوًمهد ًظلٔن ؤيخء موظزص $ sudo apt-get install libatlas-base-dev gfortran
. وطنطٌس خملوظزدض خًظٍ نًًُهدpython َّ خملٔاوي نن بيخَش كpip طنطٌس $ wget https://bootstrap.pypa.io/get-pip.py $ sudo python get-pip.py
ذ $ sudo pip install virtualenv virtualenvwrapper $ sudo rm -rf ~/.cache/pip
ذ
29
ببساطةOpenCv
# virtualenv and virtualenvwrapper export WORKON_HOME=$HOME/.virtualenvs source /usr/local/bin/virtualenvwrapper.sh
ذ $ source ~/.bashrc
ذ $ mkvirtualenv cv
python 2.7 طنطٌس $ sudo apt-get install python2.7-dev
python ٍ يخهNumpy طنطٌس موظزص $ pip install numpy
OpenCv طنًٍّ موظزص $ cd ~ $ git clone https://github.com/Itseez/opencv.git $ cd opencv $ git checkout 3.0.0
opencv_contrib ًٍّطن
) خًظٍ هدنع مىؿىيشSIFT, SURF, etc.( ٍٓنٔظوًمه كظى نٔظؿٌو خٓظوًخَ رهؼ خًظىخرو مؼ .OpenCV 3.0 ًًً ػم طم كٍفهد يف خإلضًخَ خًـOpenCv ملوظزص2.4.X َيف خإلضًخ $ cd ~ $ git clone https://github.com/Itseez/opencv_contrib.git $ cd opencv_contrib $ git checkout 3.0.0
ذ
30
ببساطةOpenCv
$ cd ~/opencv $ mkdir build $ cd build $ cmake -D CMAKE_BUILD_TYPE=RELEASE \ -D CMAKE_INSTALL_PREFIX=/usr/local \ -D INSTALL_C_EXAMPLES=ON \ -D INSTALL_PYTHON_EXAMPLES=ON \ -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \ -D BUILD_EXAMPLES=ON ..
ذ $ make
ذ
31
ببساطةOpenCv
$ sudo make install $ sudo ldconfig
ذ $ cd ~/.virtualenvs/cv/lib/python2.7/site-packages/ $ ln -s /usr/local/lib/python2.7/site-packages/cv2.so cv2.so
. رشوٍ ضلٌمOpenCv خآلن ًنوظرب هٍ كمند رةنًخي موظزص $ workon cv $ python >>> import cv2 >>> cv2.__version__ '3.0.0'
:ًَخملط ذ/http://www.pyimagesearch.com/2015/06/22/install-opencv-3-0-and-python-2-7-on-ubuntu ذ ذ
OpenCvببساطة
32
ذ
.3ررقؼةذتثبقتذؿؽتبةذOpenCvذعؾىذاؾرادبرييذباي :ذ
ٌنونى ردٓظوًخَ خًلدٓس خملطًُ خًُخٓزًني ردي ملهدًـص خًطىَ يون خًلدؿص ًٌومزٌىطُ فرسنص مهدًـظهد ًٌطىَ رسًهص مبد ًوفٍ (رٍ وٌنونهد مهدًـص خًفًًٌى ؤًػدً) .ملن ال ًهُف مد هٍ خًُخٓزًني ردي فدنطلى رلُخءش خًوظدذ خملمٌّ رادبرييذبايذببدارة ًٌمهنًْ نزً َن نًل وخًٍي ًٍسق فٌه فدثًطهد وؾًُلص خٓظهٌلًهد رشوٍ مفطٍ ومزٔـ.
ؤًػدً ٌنونى خٓظهٌلي ؤي ًىكص طهمٍ رنكدَ ًٌنوٕ مؼٍ BegalBoneؤو OrangePiؤو NanoPi
ًظنًٍّ موظزص OpenCvنىل خًُخٓزًني ردي خطزو خًوؿىخض خملىؿىيش نىل خًُخرـ خًظديل: www.pyimagesearch.comذ
http://www.pyimagesearch.com/2015/10/26/how-to-install-opencv-3-on-raspbian-jessie/
OpenCvببساطة
33
ملذمخُغنُمغخُتبًصىن قٌع هٌمص خًزدًؼىن "خألضٌص" طهرب نن ػهزدن غوم ًهٌش يف خنهدَ خألمدِون ورهؼ مٔظنلهدض خفًُلٌد ًون مدبن خىت ندَ 8998كظى خهظٔس هٍخ خالٓم شهُه ؿًًًش رٍن خملربمـٍن فإضزلع هٌمص خًزدًؼىن طهرب نن ؤشهُ ًًدض خًربمـص مفظىكص خملطًَ يف خًهدمل وخًظٍ طهظرب من ًًدض خملٔظىي خًهديل وطظمٌّ رزٔدؾص هظدرظهد وكُخءطهد ملدَنص رزدكٍ خًًٌدض. طهظرب ًًص ردًؼىن ًًص طفًٔنًص ،مظهًيش خأليُخع وطٔظوًَ رشوٍ وخٓو يف خًهًًً من خملـدالض، هزندء خًربخمف خملٔظلٌص ردٓظوًخَ خًىخؿهدض خًُٓىمٌص GUIويف نمٍ رُخمف خًىًس ،ردإلغدفص بىل خٓظوًخمهد هًٌص رُمـص نطٌص ًٌظلوم يف ؤيخء رهؼ من ؤشهُ خًربخمف خملهُوفص ؤو يف رندء رُخمف مٌللص ًهد ،هٌل طًنم خًربمـص خملظىخًِص ورُمـص خًلىخٌٓس خًودَكص Supercmputers (cluster )– parrallel programmingهٌل طًنم رُمـص مندفٍ خًظلوم GPIOيف ًىكص خًُخٓزًني ردي. رشوٍ ندَ ٌنون خٓظوًخَ ردًؼىن ًربمـص خًربخمف خًزٌٔؿص ًٌمزظًثٍن ،وإلنـدِ خملشدًَو خًػومص هإي ًًص رُمـٌص ؤهُي يف نفٕ خًىكع .يدًزدً مد ًُنطم خملزظًثٍن يف مًٌخن خًربمـص رظهٌم هٍه خًًٌص ًٔهىًظهد وكىطهد يف ٌخض خًىكع ،ومو ًٌى نـً مآٔدض نمالكص طٔظوًَ هٍه خًًٌص يخهٍ رُخمـهد مؼٍ ؿىؿٍ و مآٔص خًفػدء خًًويل "ندٓد."NASA يدًزدً مد طلطٍ هٍه خًًٌص نىل خًرتطٌس خًُخرو ؤو خًودمٕ يف كدمئص ؤشهُ ًًدض خًربمـص يف خًهدمل (طزهدً ألكطدثٌدض مىكو GitHUBخًشهًن ملشدَهص خألهىخي خًربمـٌص) ،نشإض ردًؼىن يف مُهّ CWIمُهّ خًهٌىَ وخًلدٓس خآليل رإمٔرتيخَ نىل ًً "ؿىًًو فدن َُِوَ" Guido van Rossum يف ؤوخهُ خًؼٌلنٌندض ،وهدن ؤوي بنالن ننهد يف ندَ ،8998طم هظدرص نىخش خًًٌص رًٌص خًًس Cؤؾٌم ًنخ نن بنـدره ر ِفُكَص مرسكٌص هًٌّص شهًنش من رًُؿدنٌد، فدن َُِوَ خٓم "ردًؼىن" نىل ًًظه طهز ً هدنع طؿٌم نىل نفٔهد خٓم مىنظٍ ردًؼىن Monty Python
OpenCvببساطة
34
ممقزاتذؾغةذباقثون ذ
طهمٍ نىل ؿمٌو ؤنكمص خًظشًٌٍ وخضًخَطهد خملوظٌفص :وًنًوِ – ًٌنوٕ (ومشظلدطه) – ًىنوٕ (ومشظلدطه) – ؤنكمص خًهىخطف خمللمىًص مؼٍ Symbianو Android وؿىي ؤيٌس خملوظزدض خإلغدفٌص مههد فظٔؿٌو يف ردًؼىن بًـدي موظزص ًوٍ يشء وؤيٌس هٍه خملوظزدض طإيت مُفلص مو خًًٌصً ،ون هندن كٌٌٍ من خملوظزدض خًظٍ طلظدؾ خىل طلمٌٌهد من مطديَ هدَؿٌص ومن خألمؼٌص نىل هٍه خملوظزدض :خًزٌىطىغ ،مندفٍ خًظلوم خإلًورتوين ،وخؿهدض خًىًس ،خًظهدمٍ مو خًشزوص و خإلنرتنع ،رُمـص خًلىخٌٓس خًفدثلص، طؿزٌلدض ٓؿم خملوظس ،موظزدض ًظطمٌم خألًهدذ ػندثٌص وػالػٌص خألرهدي ....بًى. خًظودمٍ مو ++Cو Java طهمٍ غمن رٌجص طفدنٌٌص ؤو نرب ٓوُرظدض (مٌفدض) موظىرص خًظهدمٍ مو كىخنً خًزٌدندض خًظدًٌص Oracle, sybase , PostGres, mSQL , persistence , dbm
ؤظبظٌبدُمغخُpython مفرسُتبًصىنُامرفبغًل طظٌلِ ًًص ردًؼىن رةمودنٌص نمٍ رُخمف نن ؾًُم هظدرظهد يف مٌف (ٓوُرع) ؤو طشًٌٌهد مزدٌسش ومشدهًه خًنظدثف فىَ هظدرظهد نن ؾًُم مفرس ردًؼىن خًظفدنًل وخًٍي ٌنونى طشًٌٌه من ٓؿُ خألوخمُ مزدٌسش نرب هظدرص pythonؤو ٌنونى طشًٌٌه ردًػًـ مُطٍن نىل ؤًلىنص IDLEخملىؿىيش يف مودن طنطٌس .python
OpenCvببساطة
35
شوطٌدً ؤفػٍ خًظهدمٍ مو مفرس خًزدًؼىن من ٓؿُ خألوخمُ .فلـ خفظم ٓؿُ خألوخمُ وخهظس هٌمص pythonهٌل يف خًطىَش خًظدًٌص.
خًػدً ٌنونى خٓظوًخَ ملَُ نطىص مظؿىَ مؼٍ Sublimeؤو ًٌٔ ATOMدنًن نىل هظدرص رُخمف ردًؼىن رٔهىًص وخكرتخفٌص /https://www.sublimetext.com
36
OpenCvببساطة امػمنٌبدُاألظبظٌخ ُ
ٓنوظس ؤوي رُندمف ًهُع ؿمٌص "مُكزدً ؤًهد خًهدمل" Hello Worldوًٌى نن ؾًُم هظدرص خألمُ printػم خًـمٌص خملُخي نُغهد مؼٍ خًطىَش خًظدًٌص: " print " Hello World
ٓنـً ؤن مفرس ردًؼىن خًظفدنًل كً خقهُ خًنظٌـص فىَخ ً مبـُي خًػًـ نىل َِ Enter
ذ
امػمنٌبدُامؽعبتٌخُ : طٔظؿٌو خًزدًؼىن خًلٌدَ ردًهمٌٌدض خًلٔدرٌص مزدٌسش مؼٍ خًـمو ،خًؿُق ،خًلٔمص ،خًٍصذ. خهظس 1+1ػم خغًـ Enter خهظس ٌ( 2*2-1صذ 4يف 4ػم ؾُق )8
ذ
ذػشًفُاملرغريادُ : ًظهًُف ؤي مظًًن َكمٍ يف ًًص خًزدًؼىن هٍ مد نٌٌى فهٌص هى هظدرص خٓم (خملظًًن = كٌمظه) وًهُع كٌمص خملظًًن نوظس printػم خٓم خملظًًن x=2 print x
ًظًًن خملظًًنخض خًنطٌص (هٌمص ؤو ؿمٌص) نوظس خٓم خملظًًن ػم = "خًوالَ خًٍي ًلظىًه خملظًًن" – ال طنىس نالمدض " " رٍن كٌمص خملظًًن مؼٍ: "myName = "Khaled print myName
إليالق خملفرس خًظفدنًل من ٓؿُ خألوخمُ نػًـ نىل َِ Ctrl+D
ذ
37
OpenCvببساطة ؼفظُامربنبمغُيفُظكشتز ُ
يف خألمؼٌص خًٔدرلص خٓظوًمند خًزدًؼىن يف طنفٌٍ خألوخمُ مزدٌسش نرب خملفرس خًظفدنًلً ،ون ردًظإهًٌ ننًمد نزنٍ مشدًَو كلٌلص فٔنلظدؾ ًوظدرص رُخمف ػدرظص ال طػٌو مند مبـُي يٌم خملفرس وًهمٍ هٍخ ٌنونند خٓظوًخَ ؤي ملَُ نطىص وهظدرص نفٕ خألوخمُ خًٔدرلص وكفكهد نىل ضىَش ٓوُرع (مٌف نًص) ردمظًخي pyوهى خمظًخي ؿمٌو رُخمف خًزدًؼىنٌ( .نونى خٓظوًخَ ؤي ملَُ نطىص مؼٍ )Sublime – ATOM – Notepad++ خفظم رُندمف ملَُ خًنطىص ،ػم خهظس خًنظ و خكفل خملٌف ردٓم sum.pyيخهٍ خملـًٌ .C:\s\ASUS ( ASUSهى خٓم خملٔظوًَ ننًي ،غو رًال منه خٓم خملٔظوًَ خًٍي ًًًى)
تشنبمغُمعمؼُسكمني ُ
ذ x=3 y=1+2 sum=x+y print sum
ًظشًٌٍ خًربندمف خفظم ٓؿُ خألوخمُ وخهظس python sum.py
ذ
OpenCvببساطة
38
تشنبمغُمرػشًفُذبتؼُواظرذغبئه ُ ؾتعرقفذتابعذـؽتبذاألؿرذdefذثمذـؽتبذادمذاؾتابع ثمذـػتحذؼودنيذومنررذهلؿاذادلتغرياتذادلطؾوبة ثمذـؽـبذ ـؼطتنيذ(ذ:ذ)ذوـرتكذػاصلذثمذـؽتبذاألواؿرذاؾيتذدقـػذفاذاؾتابع .ذ
ذ
تشنبمغُمرػشًفُمصفىفخ ُ ٓنلظدؾ ًٌمطفىفدض ألنند ٓنظهدمٍ مو خًطىَ وخًطىَش نزدَش نن مطفىفص ٓنلىَ رظهًُف مطفىفص خٓمهد arrayوطلظىي نىل خًهندرص ] .[2,4,7,9ػم كمند ردٓظًندء خًهنرص خًٍي طُطٌزه 4يف خملطفىفص. ذ
ُتشنبمغُمرػشًفُمصفىفخُتبالظرػبنخُمبكرثخُ.Numpy ؤوال كمند ردٓظًنخي موظزص Numpyػم نُفند مطفىفص خٓمهد arrayوطلظىي نىل خًهندرص ] .[2,4,7,9ػم كمند ردٓظًندء خًهنرص خًٍي طُطٌزه 4يف خملطفىفص.
ذ
الفصل الأول ” هؤلاء الذين يمتللكون الجنون الكافي ليؤمنوا أن
بإمكانهم تغيير العالم ،هم من يغيرونه بالفعل ‟
ستيف جوبز – شر يك مؤسس لشركة Apple
OpenCvببساطة
40
امفصهُاأل ُولُ:مٌضادُامىاظهخُامشظىمٌخُُGUIيفُ ُ OpenCv امثذءُيفُامرػبمهُمؼُامصىس ذػنمُذؽمٌهُامصىسحُوغشطهبُوؼفظهبُ . ُ
امثذءُيفُامرػبمهُمؼُامفٌذًى ذػنمُذشغٌهُفٌذًىُ،امرلبغُفٌذًىُمنُامكبمرياُ،وؼفظُامفٌذًىُاملنرلؽُ . ُ
مٌضادُامشظمُيفُOpenCv ذػنمُسظمُخؽُ،معرؼٌهُ،دائشحُوامػذًذُمنُاألشكبلُمؼُذىاتؼُمكرثخُ ُ .OpenCv ُ
ُ اظرخذاوُامفإسحُكفششبحُمنشظم سظمُؤيُسظمخُتبظرخذاوُامفإسحُ . ُ اظرخذاوُرشًؽُامرمشًشُامعبنثٍ)ُ (Track barكنىؼخُؤمىان ذػنمُبنشبءُرشًؽُظبنثٍُمنرؽكمُتثػعُامثبسامرتادُ . ذ ذ
41
OpenCvببساطة ػشًلخُغشضُصىسحُوؼفظهب
امهذفُ : طهٌم كُخءش خًطىَش ونُغهد وكفكهد نن ؾًُم خًظىخرو خًظدًٌص : )(cv2.imread(), cv2.imshow(), cv2.imwrite طلٍٔن ؾًُلص نُع خًطىَش نن ؾًُم خٓظًنخي موظزص. Matplotlib
ذ
امصىسحُاألصنٌخُ
ذ
42
OpenCvببساطة كشاءحُوغشضُامصىسح: اؾربـاؿجذاؾتاؾيذدقؼومذبتحؿقلذاؾصورةذاؾدابؼةذوحػظفاذبادلدتوىذاؾرؿاديذوؿنذثمذدقؼومذبعرضفا ذ
امكىد: import numpy as np import cv2 )img = cv2.imread('gift.jpg',0 )cv2.imshow('image',img )cv2.waitKey(0 )(cv2.destroyAllWindows
ُ امنرٌعخ: ذ
رشػُامكىدُ :
ذ import numpy as np import cv2
يف خًزًخًص كمند ردٓظًندء موظزص OpenCvوموظزص ( Numpyيخمئد ٓنلىَ ردٓظًندثهٌل) )img = cv2.imread('gift.jpg',0
كمند رلُخءش خًطىَش نن ؾًُم خألمُ )( cv2.imreadوهّندهد يف مظًًن ٓمٌنده img ذ
43
OpenCvببساطة رشػُامربتؼُ )(ُ :imread
خملظًًن خألوي هى خٓم خًطىَش (ًـس وغو مٔدَ خًطىَش هدمٍ ؤو وغههد غمن مـًٌ خًهمٍ) وخملظًًن خًؼدين هى ماٌس ًلًي هٌفٌص كُخءش خًطىَش وًإهٍ ػالغ كٌم: cv2.IMREAD_COLOR مهندهد ؤكُؤ خًطىَش ردألًىخن خًودمٌص رًون شفدفٌص (ًودفح َكم )8 cv2.IMREAD_GRAYSCALE مهندهد ؤكُؤ خًطىَش ردًٌىن خًُمديي (ًودفح َكم )5 cv2.IMREAD_UNCHANGED مهندهد ؤكُؤ خًطىَش ردألًىخن خًودمٌص مو شفدفٌص (ًودفح َكم )8- يف كدًص نًَ وغو كٌمص يف خملظًًن خًؼدين طوىن خًلٌمص خالفرتخغٌص 8 ذ )cv2.imshow('image',img
كمند رهُع خًطىَش نن ؾًُم خألمُ cv2.imshow رشػُامربتؼُ)( ُ :imshow خملظًًن خألوي هى ؤٓم خًندفٍش خًظٍ ٓنهُع نٌٌهد خًطىَش خملظًًن خًؼدين هى طدرو كُخءش خًطىَش )cv2.waitKey(0
ػم ؤهربند خًربندمف ؤن ًنظكُ مًش ِمنٌص مهٌنص ورهً خنهدء هٍه خملًش ًلىَ خًربندمف رظنفٌٍ خألمُ خًٍي رهًه.نػو كٌمص خًّمن خملؿٌىذ خنظكدَه غمن خألكىخْ (خًّمن ًلٔس ردملًٌل ػدنٌص) وبٌخ وغهند َكم ٌٓ 5نظكُ خًربندمف كظى ًظم غًـ ؤي مفظدق من ًىكص خملفدطٌم. )(cv2.destroyAllWindows
طدرو بيالق (طًمًن) ؿمٌو خًنىخفٍ خًظٍ فظلندهد نن ؾًُم هٍخ خًربندمف.
مالككص :بٌخ ؤَيند طلـٌم كـم خًطىَش ملد ًندٓس خًشدشص فهٌٌند خٓظوًخَ خألمُ cv2.namedWindowمو خًهٌم ؤن ًه هٌدًَن:
cv2.WINDOW_AUTOSIZE cv2.WINDOW_NORMAL )cv2.namedWindow('image', cv2.WINDOW_NORMAL )cv2.imshow('image',img )cv2.waitKey(0 )(cv2.destroyAllWindows
OpenCvببساطة
44
-2ؼفظُامصىسحُ : مؽفظُامصىسحُنعرخذوُاألمشُُ cv2.imwrite شبهذُامربنبمغُامربيلُ : وقٌفص خًربندمفً :لىَ هٍخ خًربندمف رظلمٌٍ خًطىَش وكُخءطهد ردملٔظىي خًُمديي ػم نُغهد. وهططند مفظدق ًٌ Escوُوؾ من ندفٍش خًطىَش ننً خًػًـ نٌٌه وهططند خملفظدق ً sلفل خًطىَش. import numpy as np import cv2 )img = cv2.imread('gift.jpg',0 )cv2.imshow('image',img
رشػُامكىد:
)k = cv2.waitKey(0 if k == 27: )# wait for Esc key to exit ([27 =Esc] in ASCII )(cv2.destroyAllWindows elif k == ord('s'): # wait for 's' key to save and exit )cv2.imwrite('copygift.png',img )(cv2.destroyAllWindows
ؤوي ؤَرو ؤٓؿُ طم ٌسكهد ٓدرلد خنظكُ كظى ًظم غًـ ؤي مفظدق من ًىكص خملفدطٌم ػم هّن كٌم خًلُف خًٍي غًؿند نٌٌه يف مظًًن ٓمٌنده k
)k = cv2.waitKey(0
if k == 27: )(cv2.destroyAllWindows
بٌخ هدن خًلُف خملػًىؽ هى ( Escخًَّ Escيف خًوٌزىَي ًودفح خًُكم 47رشفُش خآلٓيك) ؤيٌم ؿمٌو خًنىخفٍ elif k == ord('s'):
بٌخ هدن خًلُف خملػًىؽ هى ( sطهٌٌمص ordطهنٍ كىي خمللُف خًٍي رًخهٌهد ًٌُكم خًٍي ًلدرٌه رشفُش خآلٓيك) )cv2.imwrite('copygift.png',img
خكفل خًطىَش imgردٓم ؿًًً "( "copygift.pngهند خالٓم خًـًًً ًٌطىَش خًـًًًش هى )copygift ذ
45
ببساطةOpenCv ُ :imwrite()ُرشػُامربتؼ
ؤٓم خًطىَش خًـًًًش (يف كدًص نًَ وغو مٔدَ ملًي ٌٓظم كفل خًطىَش: خملظًًن خألوي )ٍخًـًًًش يف مـًٌ خًهم خًطىَش خملؿٌىذ كفكهد: خملظًًن خًؼدين ُ :Matplotlibُُذؽعنيُػشًلخُغشضُامصىسحُغنُػشًمُمكرثخ-3 ُ :امكىد import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('gift.jpg',0) plt.imshow(img, cmap = 'gray', interpolation = 'bicubic') plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis plt.show()
:امنرٌعخ
ذ
ُ :رشػُامكىد ؤوي ؤَرو ؤٓؿُ طم ٌسكهد مٔزلد plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')
طدرو نُع خًطىَشplt.imshow ذ plt.xticks([]), plt.yticks([])
46
OpenCvببساطة وقٌفص هٍخ خًٔؿُ بهفدء طًَؿدض ملىَ xو yمن ندفٍش خًطىَش (كم رلٍف هٍخ خًٔؿُ والكل خًفُق)
ذ
ذ
طدرو فظم خًطىَش غمن ندفٍش.
)(plt.show
هندن خًهًًً من خًوٌدَخض مظىفُش غمن موظزص ًٌ ،matplotlibلطىي نىل طهٌٌٌلض ؤهًت غمن هٍه خملوظزص ٌنونى كُخءش خملُؿو خًودص رهد. يف خًوىي خًٔدرم الكل رإنه بٌخ نُغند خًطىَش رًًن خملٔظىي خًُمديي ٓنشدهً رإن ًىن خًطىَش ؤهظٌف فٌل هى خًٔزس! ذ
امعثجُ : ننً طلمٌٍ خًطىَ نرب OpenCvنلطٍ نىل خًطىَش رطًٌص BGRوًون ننً نُع خًطىَش رـ ً Matplotlibظم خنظزدَهد ( RGBؤي ًوىن خألكمُ ؤَِق وردًهوٕ) ًًٍى ًـس مُخندش هٍخ خًىغو وخالنظزده ًظزًًٍ خألًىخن كزٍ بقهدَهد نرب Matplotlib ذ
) OpenCv => (B, G, Rذ )Matplotlib => (R, G, B ذ
47
OpenCvببساطة اؾتؼاطذاؾػقدقوذؿنذاؾؽاؿرياذ
يف خملؼدي خًظديل ٓنلىَ ردًظلدؽ ضىَ من خًودمًنخ ونُغهد ررسنص كظى طكهُ خًطىَ نىل هٌجص فًًٌى رؽ مزدٌس. (خًودمًنخ ننًمد ططىَ فًًٌى مزدٌس هٍ ردًللٌلص طٌظلـ نًش بؾدَخض ًٌطىَ ررسنص ندًٌص وطلىَ رهُغهد فظزًو ًند وهإن خًودمًنخ ططىَ رؽ مزدٌس). مالككص :هٍ بؾدَ من بؾدَخض خًطىَش خملٌظلؿص ًًنى فًُم .frame
(هٌٌل ِخي نًي بؾدَخض خًطىَ خملٌظلؿص يف خًؼدنٌص ٓنلطٍ نىل ِمن كلٌلٍ ؤهرب ًنلٍ خًطىَش). امكىدُ ُ: import numpy as np import cv2 )cap = cv2.VideoCapture(0 while(True): # Capture frame-by-frame )(ret, frame = cap.read # Our operations on the frame come here )gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY # Display the resulting frame )cv2.imshow('frame',gray if cv2.waitKey(1) == ord('q'): break # When everything done, release the capture )(cap.release )(cv2.destroyAllWindows
رشػُامكىدُ : )cap = cv2.VideoCapture(0
أيذحددذاؾؽاؿرياذاؾيتذدـؾتؼطذبفاذاؾػقدقوذؿنذاؾؽاؿرياذومسفاذذ capذ
ذ
48
OpenCvببساطة
امربتؼُ)( :VideoCaptureطدرو خًظلدؽ خًطىَ من خًودمًنخ .كٌمص خملظًًن خًٍي رًخهٍ خًلىٍٓن متؼٍ طُطٌس خًودمًنخ (بٌخ هند نٔظوًَ هدمًنخ وخكًش فٔظإهٍ يدًزد خًرتطٌس ،5وبٌخ هدن ًًًند 4 هدمًنخض وؤَيند طشًٌٍ خًودمًنخ ٓ 4نػو رًي ضفُ خًُكم ( 4 while(True):
كٌلص ال نهدثٌص مد يخَ خًٍسؽ TRUEمللم فةٌخ طلىي بىل ٓ FALSEىف طنظهٍ كٌلص while )(ret, frame = cap.read
امربتؼُ)(ًُreadهًٌ كٌمظدن هٌل: خملظًًن ً :frameوّن رًخهٌه خًطىَش (خًفًُم) خملٌظلـ من خًودمًنخ وًٌى نن ؾًُم خًظدرو )(.cap.read املرغريًُ :retإهٍ خًلٌمص خملهديش من خًظدرو )( cap.radوطوىن كٌمظه بمد Trueؤو .False فةٌخ هدنع خًلٌمص Trueهٍخ ًهنٍ رإن خًودمًنخ طٌظلـ خًطىَ ،ؤمد بٌخ هدنع خًلٌمص Falseفهٍخ ًهنٍ رإن خًودمًنخ ال طٌظلـ خًطىَ . تبخرصبس خًظدرو )(ً cap.readوّن خًطىَش خملٌظلؿص من خًودمًنخ يف خملظًًن ، frameوًهٌمند هٍ خًودمًنخ طٌظلـ خًطىَ ؤَ ال نن ؾًُم طوًّن كٌمص Trueؤو Falseيف خملظًًن .ret ؤكٌدند ال طهمٍ مهى خًظهٌٌمص )( cap.readننًهد ٌنونى ؤن طٔظهمٍ رًال منهد خًظهٌٌمص )(.cap.isOpened )gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY كىي كٌمص هٍ بؾدَ من بؾدَخض خًطىَش ًٌىن خًُمديي وهّنهد يف مظًًن ٓمٌنده gray امربتؼُ)(ُ :cvtColor خملظًًن خألوي ٌنؼٍ ؤٓم خًطىَش وخملظًًن خًؼدين ٌنؼٍ خملٔظىي خًٌىين خملؿٌىذ (هند خهرتند مٔظىي خًٌىن خًُمديي). )cv2.imshow('frame',gray
ؤنُع خًطىَش frameردًٌىن خًُمديي if cv2.waitKey(1) == ord('q'): break
بٌخ طم غًـ مفظدق qكم ردًوُوؾ من كٌلص whileويف خألمُ خًٍي رهًه ٌٓظم بيالق ؿمٌو خًنىخفٍ خملفظىكص.
)(cap.release
هٍخ خألمُ مٔاوي نن طلًُُ خًودمًنخ (ؤي ؤًلدف طشًٌٌهد).
49
ببساطةOpenCv تشغقلذاؾػقدقوذؿنذؿؾف ذ
ردٓمcv2.VideoCapture() فلـ نٔظزًي طُطٌس خًودمًنخ يف خًظدرو.مٌلػٍ ملد ٓزم .خًفًًٌى import numpy as np import cv2
cap = cv2.VideoCapture('C:\s\A\Documents\video.mp4') while(True): # Capture frame-by-frame ret, frame = cap.read() # Our operations on the frame come here gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # Display the resulting frame cv2.imshow('frame',gray) if cv2.waitKey(10) == ord('q'): break # When everything done, release the capture cv2.destroyAllWindows()
فإنع رلدؿص ألن، بن مل ًهمٍ مهى خًوىي خًٔدرم ًهًَ خًلًَش نىل كُخءش خًفًًٌىOpenCv 3 َ يف بضًخ:مالككص .ffmpeg or gstreamerطنطس
Make sure proper versions of ffmpeg or gstreamer is installed. Sometimes,ذ it is a headache to work with Video Capture mostly due to wrong nstallation of ffmpeg/gstreamer.
OpenCvببساطة
50
ذىاتؼُامشظم ُ
ذذذذذذذ امهذفُ : طهٌم َٓم موظٌف خألشودي خًهنًٌٓص ردٓظوًخَ موظزص .OpenCv ٓ نظهٌم خٓظوًخَ خًظىخرو خًظدًٌص: cv2.line(), cv2.circle(), cv2.rectangle(), cv2.ellipse(), )(cv2.putText ٓنالكل ننً خٓظوًخَ هٍه خًظىخرو رإنهد طلظىي نىل خملظًًنخض خًظدًٌص: .8خًطىَش خًظٍ ٌٓظم خًُٓم نٌٌهد ً .4ىن خًشوٍ (ًظلًًً خًٌىن منَُ ػالغ كٌم هٍ )R,G,B ٌٓ .4لهص خًوـ .3نىم خًوـ (مظطٍ – مظلؿو).. سظمُخؽ ًُٓم هـ نلظدؾ بكًخػٌص خًزًخًص وخًنهدًص.
يف هٍخ خملؼدي ٓرنٓم هـ كؿُي يف خًطىَش
import numpy as np import cv2 # Create a black image )img = np.zeros((512,512,3), np.uint8 # Draw a diagonal blue line with thickness of 5 px )cv2.line(img,(0,0),(511,511),(0,0,255),5 # lets see )cv2.imshow('imag',img )cv2.waitKey(0 )(cv2.destroyAllWindows
ذ ذ
51
OpenCvببساطة
رشػُامكىد: )img = np.zeros((512,512,3), np.uint8
ذ
امربتؼُ)(ُ :np.zeros ذًُٓم ضىَش ًىنهد ؤٓىي (مطفىفص ضفًُص :نندرصهد طوىن ؿمٌههد ؤضفدَ = 5خًٌىن خألٓىي) ُُُاملرغريُاأل ُول :ؤوي كٌمظٍن هٌل ؤرهدي خملطفىفص (كـم خًطىَش) وػدًؽ مظًًن هى نملهد املرغريُامصبينٌ :نؼٍ نىم نندرص خملطفىفص خًظٍ طوىن خًطىَش هند خًنىم هى
uint8
Uint8هٍ خهظطدَ ًـ unsigned integer 8-bitنًي ضلٌم يًن ملًٌ ردإلشدَش ًظإًف من 8 رع )cv2.line(img,(0,0),(511,511),(0,0,255),5 ذ
امربتؼُ)( ًٔ lineظوًَ ًُٓم هـً ،ظػمن نًش مظًًنخض طٔدنًند يف نمٌٌص خًُٓم وهٍ: خملظًًن خألوي هى ؤٓم خًطىَش وخملظًًن خًؼدين هى بكًخػٌدض رًًص خًوـ وخملظًًن خًؼدًؽ هى بكًخػٌدض نهدًص خًوـ وخملظًًن خًُخرو هى كٌمص خًٌىن ) (B,G,Rوخملظًًن خًودمٕ هى ٌٓلهص خًوـ ________________________________________ ذ
سظمُمعرؼٌه ُ ؾردمذادلدتطقلذجيبذأنذحنددذزأوقتهذاؾعؾقاذاؾقدرىذوزأوقتهذاؾدػؾىذاؾقؿـى .ذ
52
ببساطةOpenCv :كىدُسظمُمعرؼٌهُغىلُصىسحُظىداء import numpy as np import cv2 # Create a black image img = np.zeros((512,512,3), np.uint8) #Draw Rectangle cv2.rectangle(img,(100,100),(250,250),(0,255,0),3) # lets see cv2.imshow('imag',img) cv2.waitKey(0) cv2.destroyAllWindows()
ذ
ُ :رشػُامكىد cv2.rectangle(img,(100,100),(250,250),(0,255,0),3)
وقٌفظه هٍ َٓم مٔظؿٌٍ وًظم طلًًً هطدثظ هٍخ خملٔظؿٌٍ نن ؾًُمrectangle()ُامربتؼ خملظًًن خألوي هى ؤٓم خًطىَش وخملظًًن خًؼدين وخًؼدًؽ هٌل بكًخػٌدض ِؤوًص.خملظًًنخض خًظدًٌص .خملٔظؿٌٍ خًهٌٌد خًٌرسي وخًٔفىل خًٌمنى
53
ببساطةOpenCv :كىدُسظمُمعرؼٌهُغىلُصىسحُمىظىدحُمعثلب import numpy as np import cv2 from matplotlib import pyplot as plt # read image img =cv2.imread('brid.jpg') #invert color from B,G,R to R,G,B b,g,r = cv2.split(img) # get b,g,r img = cv2.merge([r,g,b]) # switch it to RGB # Draw a diagonal blue line with thickness of 5 px cv2.rectangle(img,(400,35),(570,160),(255,0,0),3) # lets see plt.imshow(img) plt.show()
ذ ذ
ذ ذ
ُ :رشػُامكىد b,g,r = cv2.split(img) # get b,g,r img = cv2.merge([r,g,b]) # switch it to RGB
. هٍ وخكً ًىكًهB, G, R وقٌفظه خًلطىي نىل ؤًىخن خًطىَش خًـcv2.split()
54
OpenCvببساطة
)( cv2.mergeوقٌفظه يمف خألًىخن ٓنٔظوًمه ًًمف خألًىخن خًظٍ كطٌند نٌٌهد من خًظدرو خًٔدرم وًون رطًٌص مهوىٓص( .ؤكطً رًمف خألًىخن رطًٌص مهوىٓص ،رإن ؤرًي خًٌىن خألكمُ ردًٌىن خألَِق وردًهوٕ ؤمد خًٌىن خألهٍص ٓنزلٍ نىل طُطٌزه هم هى ،فنلطٍ نىل خًرتطٌس RGBرًي )BGR كمند ردٓظًندء خًظدرهٍن خًٔدرلٍن ًظلىًٍ خألًىخن من خًرتطٌس BGRبىل .RGB ًلً ٌهُند ٓدرلد رإن موظزص cv2طهُع خألًىخن ردًرتطٌس BGRوًون موظزص matplotlibطإهٍ خًرتطٌس ً RGBهٍخ خًٔزس كً نؤند خألًىخن ًظكهُ خًطىَش ردًٌىن خًللٌلٍ .ؿُذ كٍف هًٍن خًٔؿًُن وٓظهُف مدٌخ ٌٓلًغٌٓ( .طزم خًٌىن خألكمُ رًي خألَِق وخألَِق رًي خألكمُ). مالؼظخُ:مكرثخُ cv2ذػشضُاألمىانُتبمرتذٌجُُ،BGRتٌنٌلُمكرثخُُmatplotlibذػشضُاألمىانُتبمرتذٌجُُ .RGB
)cv2.rectangle(img,(100,100),(250,250),(0,255,0),3
امربتؼُ)( rectangleوقٌفظه هٍ َٓم مٔظؿٌٍ وًظم طلًًً هطدثظ هٍخ خملٔظؿٌٍ نن ؾًُم خملظًًنخض خًظدًٌص :خملظًًن خألوي هى ؤٓم خًطىَش وخملظًًن خًؼدين وخًؼدًؽ هٌل بكًخػٌدض ِؤوًص خملٔظؿٌٍ خًهٌٌد خًٌرسي وخًٔفىل خًٌمنىُ . ذ
سظمُدائشح ُ ًُٓم يخثُش نلظدؾ مُهّهد ونطف كؿُهد import numpy as np import cv2
)'img =cv2.imread('brid.jpg # Draw circle )cv2.circle(img,(480,120), 80, (0,0,255), 5 )cv2.imshow('imag',img )cv2.waitKey(0 )(cv2.destroyAllWindows
ذ
55
OpenCvببساطة
ذ
رشػُامكىدُ : )cv2.circle(img,(250,250), 63, (0,0,255), 5
امربتؼ ُ)( circleوقٌفظه َٓم يخثُش خملظًًن خألوي هى خٓم خًطىَش خًظٍ ٓرنٓم نٌٌهد وخملظًًن خًؼدين هى مُهّ خًًخثُش وخملظًًن خًؼدًؽ هى كؿُ خًًخثُش وخملظًًن خًُخرو هى ًىن خًًخثُش وخملظًًن خًودمٕ ٌنؼٍ ٌٓلهص ملٌـ خًًخثُش. ذ
سظمُكؼؼُنبكص ُ ًُٓم كؿو ندكظ نلظدؾ متًُُ نًش مظًًنخض (خملُهّ +ؤؾىخي خمللىًٍَن ِ+ؤوًص خًًوَخن ِ+ؤوًص خًزًخًص وخًنهدًص) ًظم خًُٓم نن ؾًُم خٓظًندء خًظدرو cv2.ellipse )cv2.ellipse(img,(480,256),(100,50),0,0,180,255,5
ذ
OpenCvببساطة
56
سظمُمظنؼ ُ ًُٓم مػٌو نلظدؾ َئوْ خإلكًخػٌدض ومن ػم نـهٌهد رشوٍ مطفىفص وًـس ؤن طوىن هٍخ خملطفىفص ردًطًٌص int32خملؼدي خًظديل ًُٓم مػٌو رإَرو َئوْ )pts = np.array([[410,65],[470,30],[500,35],[570,90]], np.int32 ))pts = pts.reshape((-1,1,2 ))cv2.polylines(img,[pts],True,(0,0,255
ًى هدنع كٌمص خملظًًن خًؼدًؽ ًٌظدرو )( cv2.polylinesهٍ ً Falseلطٌند نىل مػٌو مفظىق . ٌنون ًٌظدرو خًٔدرم َٓم نًش مٔظلٌٌلض مهد ،مد نٌٌى بال متًُُ مطفىفدض خًنلدؽ وهٍخ ؤفػٍ من َٓم هٍ مٔظلٌم نىل كًي.
ذ ذ ذ ذ بطبفخُنصُمنصىسح ُ ُ إلغدفص نظ ًٌطىَش نٌٌى طلًًً مد ًًل: خًنظ خًٍي طًًُ بيَخؿه ،مىغو خًنظ ردًنٔزص ًٌطىَش (من خًّؤوًص خًٔفىل خًٌرسي) ،نىم خًوـ، كـم خًوـ ردًزٌؤٍ ،خًٌٔلهص ،خًٌىن ،هٍ خًوـ مظطٍ ؤَ منفطٍ. font = cv2.FONT_HERSHEY_SIMPLEX )cv2.putText(img,'OpenCV',(10,300), font, 4,(255,255,255),5 ذ
57
OpenCvببساطة
ذ ذ
مالككصٌ :نونى خٓظًندء ؤهًت من طدرو َٓم نىل نفٕ خًطىَش
58
ببساطةOpenCv ُ ؤؼذاسُامفإسح
.OpenCv يف هٍه خًًَْ ٓنظهٌم خًظهدمٍ مو ؤكًخغ خًفإَش يف cv2.setMouseCallback() ٓنظهٌم خٓظوًَ خًظدرو خًظديل
ؤو، هٍ ؤي يشء مُطزـ ردًفإَش مؼٍ غًـ خًَّ خألًرس:ؤكًخغ خًفإَش خًى......... ؤو خًػًـ مُطٍن،َفو خًػًـ ( خملودن خًٍي ًىؿً ره ماٌس خًفإَشX,Y) بكًخػٌدضcv2.setMouseCallback() ًهؿٌند خًظدرو : ٌنونى هظدرص خألمُ خًظديل،ملهُفص ؤكًخغ خًفإَش خملظىفُش.نىل خًشدشص
ذ
import cv2 events = [i for i in dir(cv2) if 'EVENT' in i] for a in events : print a
E EVENT_FLAG_ALTKEY EVENT_FLAG_CTRLKEY EVENT_FLAG_LBUTTON EVENT_FLAG_MBUTTON EVENT_FLAG_RBUTTON EVENT_FLAG_SHIFTKEY EVENT_LBUTTONDBLCLK EVENT_LBUTTONDOWN EVENT_LBUTTONUP EVENT_MBUTTONDBLCLK EVENT_MBUTTONDOWN EVENT_MBUTTONUP EVENT_MOUSEHWHEEL EVENT_MOUSEMOVE EVENT_MOUSEWHEEL EVENT_RBUTTONDBLCLK EVENT_RBUTTONDOWN ذEVENT_RBUTTONUP
59
ببساطةOpenCv ُ امشظمُتبظرخذاوُامفإسح
ٌنونى طنفٌٍ ؤي ؤمُ ننً خًػًـ نىل َِ خًفإَش نن ؾًُم خًظدرو خًٍي ٓظوظزه وًون هند ٓنلظرص نىل:مالككص .خٓظوًخَ كًغ خًػًـ نىل َِ خًفإَش ًٌُٓم فلـ
:1مصبل وٓننشإ طدرو خٓظًندء مُطزـ.ٓننشإ طؿزٌم رٌٔـ ًُٓم يخثُش ننًمد نػًـ ردًفإَش نىل خًشدشص .رلًغ غًـ َِ خًفإَش خألًرس مُطٍن ًُٓم يخثُش import cv2 import numpy as np # mouse callback function def draw_circle(event,x,y,flags,param): if event == cv2.EVENT_LBUTTONDBLCLK: cv2.circle(img,(x,y),100,(255,0,0),-1) # Create a black image, a window and bind the function to window img = np.zeros((512,512,3), np.uint8) cv2.namedWindow('image') cv2.setMouseCallback('image',draw_circle) while(1): cv2.imshow('image',img) if cv2.waitKey(20) == 27: break cv2.destroyAllWindows()
ذ
60
OpenCvببساطة ُ رشػُامكىدُ ُ :
def draw_circle(event,x,y,flags,param):
ذ
طٔظوًَ نزدَش ًdefظهًُف خًظىخرو يف ًًص ردًؼىن نُفند طدرو ردٓم draw_circleومَُند ًه 0كٌم. if event == cv2.EVENT_LBUTTONDBLCLK: )cv2.circle(img,(x,y),100,(255,0,0),-1
ذ
بٌخ هدن خًلًغ خملػًىؽ هى خًػًـ نىل َِ خملإوْ خألًرس مُطٍن نفٍ مد رًخهٍ ؿمٌص if خًٍسؾٌص :خَٓم يخثُش مُهّهد هى بكًخػٌدض ) (x,yملىكو ماٌس خًفإَش )img = np.zeros((512,512,3), np.uint8 )'cv2.namedWindow('image
كمند رةنشدء ضىَش ًىنهد ؤٓىي رلـم 512 x 512ػم ٓمٌند ندفٍش خًطىَش ردالٓم .image )cv2.setMouseCallback('image',draw_circle
امربتؼ ُ)( ُ setMouseCallbackمٔاوي نن طنفٌٍ كًغ خًفإَش وهند ٌٓلىَ رُٓم يخثُش نن ؾًُم خٓظًندء خًظدرو خًٍي ؤنشإنده يف رًخًص خًوىي وهى .draw_circle رشػُامربتؼُ)(ُ setMouseCallback خملظًًن خألوي هى ؤٓم خًندفٍش خملؿٌىذ طنفٌٍ كًغ خًفإَش نٌٌهد. خملظًًن خًؼدين هى خألمُ خملؿٌىذ طنفٌٍه ننً كًوغ كًغ خًفإَش. ذ ذ
ذ
61
ببساطةOpenCv ُ :2مصبل
ًًٍى ٌٓوىن ًًي،ٓنلىَ يف هٍخ خملؼدي رُٓم مٔظؿٌٍ ؤو يخثُش رند ًء نىل خًلدًص خًظٍ ٓنوظدَهد . وخكً ًُٓم مٔظؿٌٍ وخألهُ ًُٓم يخثُش،طدرو خٓظًندء خًطىَش ًًًه شلٍن ٓنلىَ رظهًًٍ خًوىي.هٍخ خملؼدي كً ًنفهند يف رهؼ خًظؿزٌلدض هظظزو خألؿٔدَ وطلؿٌو خًطىَش وًٌظنلٍ رٍن خهظٌدَ مٔظؿٌٍ ؤو،َخًٔدرم رلٌؽ ٓنوظدَ رإن نُٓم يخثُش ؤو مٔظؿٌٍ كٔس مد نوظد . من ًىكص خملفدطٌمm يخثُش نػًـ نىل كُف import cv2 import numpy as np drawing = False # true if mouse is pressed mode = True # if True, draw rectangle. Press 'm' to toggle to curve ix,iy = -1,-1 # mouse callback function def draw_circle(event,x,y,flags,param): global ix,iy,drawing,mode if event == cv2.EVENT_LBUTTONDOWN: drawing = True ix,iy = x,y elif event == cv2.EVENT_MOUSEMOVE: if drawing == True: if mode == True: cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),-1) else: cv2.circle(img,(x,y),5,(0,0,255),-1) elif event == cv2.EVENT_LBUTTONUP: drawing = False if mode == True: cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),-1) else: cv2.circle(img,(x,y),5,(0,0,255),-1)
img = np.zeros((512,512,3), np.uint8) cv2.namedWindow('image') cv2.setMouseCallback('image',draw_circle)
ذ
62
ببساطةOpenCv while(1): cv2.imshow('image',img) k = cv2.waitKey(1) if k == ord('m'): mode = not mode elif k == 27: break cv2.destroyAllWindows()
ذ
ُ ُ:3مصبل .يف خملؼدي خًٔدرم َٓمند مٔظؿٌٍ ممظٌح فهٍ رةمودنى طًًٌن ًٌى ًُٓم مٔظؿٌٍ مفُى ُ :امؽه import cv2 import numpy as np drawing = False mode = False ix,iy = -1,-1
# mouseCallback Function def draw_circle(event,x,y,flags,param): global ix,iy,drawing,mode,spareimg,img if event == cv2.EVENT_LBUTTONDOWN: drawing = True ix,iy = x,y
ذ
63
ببساطةOpenCv elif event == cv2.EVENT_MOUSEMOVE: if drawing == True: if mode == True: img = spareimg.copy() spareimg = img.copy() cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),2) else: cv2.circle(img,(ix,iy),3,(0,0,255),-1) cv2.line(img,(ix,iy),(x,y),(0,0,255),3) ix,iy = x,y elif event == cv2.EVENT_LBUTTONUP: drawing = False if mode == True : cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),2) spareimg = img.copy() else: cv2.circle(img,(x,y),3,(0,0,255),-1) img = cv2.imread('gift.jpg',1) spareimg = img.copy()
# img = np.zeros((512,512,3),np.uint8) cv2.namedWindow('image',cv2.WINDOW_NORMAL) cv2.setMouseCallback('image',draw_circle) while(1): cv2.imshow('image',img) k = cv2.waitKey(1) if k == ord('m'): mode = not mode elif k == 27: break cv2.destroyAllWindows()
ذ ذ
OpenCvببساطة
64
رشًؽُامرمشًشُامعبنثٍ ُ اظرخذاوُرشًؽُامرمشًشُامعبنثٍ)ُ (Track barكنىؼخُؤمىان امهذفُ : طهٌم بنشدء ٌسًـ ٓلس يف ندفٍش windowsغمن موظزص .OpenCv ٓ نظهٌم خٓظوًخَ خًظىخرو خًظدًٌص. cv2.getTrackbarPos() , cv2.createTrackbar(): ُ كىدُامرعشتخُ : ٓننشإ طؿزٌم رٌٔـ ًهُع ًىن ملًي يف ندفٍش ،وًظم طًًٌن خًٌىن خملهُوع نن ؾًُم ػالػص ؤٌسؾص ٓلس ،هٍ ؤيخش ٓلس متؼٍ ًىن .R,G,Bذ
ٓنهٍن خًٌىن خألٓىي هٌىن خفرتخيض. اؾتابعذ)(cv2.getTrackbarPosذقلخذذادلتغرياتذاؾتاؾقة :ذ ذ
ؤوي مظًًن ٌنؼٍ ؤٓم ٌسًـ خًٔلس ،وػدين مظًًن هى خٓم خًنفٍش خًظٍ ٓنػو نٌٌهد خأليخش ،وػدًؽ مظًًن هى خًلٌمص خالفرتخغٌص ،وَخرو مظًًن هى خًلٌمص خًهكمى ،وهدمٕ مظًًن هى طدرو خالٓظًندء (ؤي خألمُ خملؿٌىذ طنفٌٍه).يف مؼدًند هٍخ ًن نٔظهمٍ طدرو خالٓظًندء ًًٍى ٓنمَُ ًه طدرو ُهٌزٍ. وهندن طؿزٌم آهُ ًظدرو خالٓظًندء وهى خٓظوًخمه هَّ طزًًٍ (ألن موظزص OpenCvال طلىي هدضٌص َِ)ًًٍ ،ى ٓننشإ هدضٌص ًظفهٌٍ قهىَ خًٌىن ؤو ال هٌل هى مىغم يف خًوىي خًظديل:
65
ببساطةOpenCv
import cv2 import numpy as np def nothing(x): # Create a black image, a window img = np.zeros((300,512,3), np.uint8) cv2.namedWindow('image') # create trackbars for color change cv2.createTrackbar('R','image',0,255,nothing) cv2.createTrackbar('G','image',0,255,nothing) cv2.createTrackbar('B','image',0,255,nothing) # create switch for ON/OFF functionality switch = '0 : OFF \n1 : ON' cv2.createTrackbar(switch, 'image',0,1,nothing) while(1): cv2.imshow('image',img) k = cv2.waitKey(1) & 0xFF if k == 27: break # get current positions of four trackbars r = cv2.getTrackbarPos('R','image') g = cv2.getTrackbarPos('G','image') b = cv2.getTrackbarPos('B','image') s = cv2.getTrackbarPos(switch,'image') if s == 0: img[:] = 0 else: img[:] = [b,g,r] cv2.destroyAllWindows() ذ
OpenCvببساطة امنرٌعخُ :
ذ
ذ
66
الفصل الثاني ”من سلك طر يقا يلتمس فيه علما سهل اللله له طر يقا إلى الجنة ‟
سيد الرُسل – محمد صلى الل له عليه وسلم
OpenCvببساطة
68
امفصهُامصبينُ:امػمنٌبدُاألظبظٌخُغىلُامصىس ُ امػمنٌبدُاألظبظٌخُغىلُامصىس
طهٌم كُخءش خًزٌؤٍ وهٌفٌص طًًٌن كٌمظه ،وطهٌم نٔى ؿّء ملًي من خًطىَش، ونمٌٌدض ؤٓدٌٓص ؤهُي امػمنٌبدُامؽعبتٌخُغىلُامصىس
بؿُخء نمٌٌدض كٔدرٌص نىل خًطىَ ُ
ذلنٌبدُكٌبطُاألداءُوذؽعٌنه
خًلطىي نىل خًلٍ خًٍي نًًُ وًون رؿًُلص ؤرسم ،وطهٌم فلظ رسنص خًوىي، وهٌفٌص خًلطىي نىل خًوىي خملؼديل. األدوادُامشًبطٌخُيفُمكرثخُOpenCv
ُ
ذ
امػمنٌبدُاألظبظٌخُغىلُامصىس
OpenCvببساطة
69
امهذفُ : كشاءحُكٌمخُؤيُتٌكعهُيفُامصىسحُوػشًلخُذػذًهُكٌمره. مػشفخُخصبئصُامصىسح. ذغريُمنؼلخُمؽذدحُمنُامصىسح. دمغُامصىسُوفصنهب.
ؤيٌس خًهمٌٌدض خالٓدٌٓص نىل خًطىَش طظم نن ؾًُم خالٓظهدنص مبوظزص ،numpyوطظم رشوٍ ؤفػٍ من خٓظهٌلي موظزص ًًٍ .OpenCvى ًـس ؤن طظهُف نىل موظزص Numpyرشوٍ ؿًٌ. كشاءحُوذػذًهُكٌمخُؤيُتٌكعهُيفُامصىسح ينند نلمٍ خًطىَش خملٌىنص خًظدًٌص كظى نزًؤ ردًٍسق نٌٌهد.
import cv2 import numpy as np )'img = cv2.imread('robot_football.jpg
ذ
ٌنونند خًىضىي ًلٌمص ؤي رٌؤٍ نن ؾًُم بكًخػٌدض خًٔؿُ وخًهمىي ).(X,Y
70
OpenCvببساطة
ردًنٔزص ًٌطىَش خملٌىنص ننً كُخءش كٌمص خًزٌؤٍ ٌٓظم كُخءش ػالغ ؤًىخن وهٍ خألكمُ وخألهٍص وخألَِق .خًوىي خًظديل ٌٓلُؤ ؤًىخن خًزٌؤٍ خًٍي بكًخػٌدطه x=100 , y=100وٌٓهًٌ ًند كٌمص خألًىخن .R G B ]px = img[100,100 print px
ذ
[139ذذ68ذذ]41
كُخءش ًىن وخكً :خًوىي خًظديل فلـ ٌٓلُؤ خًٌىن خألكمُ # accessing only blue pixel ]red = img[100,100,2 print red
ذ
41ذ
ٌنونى طًًٌن ًىن ؤي رٌؤٍ يف خًطىَش نن ؾًُم طًًٌن كٌمظه. يف خًوىي خًظديل ٓنًًن كٌمص ًىن خًزٌؤٍ خًٍي بكًخػٌدطه ) (100,100بىل خًٌىن خألكمُ. ]img[100,100] = [0, 0,255 ]print img[100,100 ذ
مالككص: موظزص Numpyهٍ ؤفػٍ موظزص ملهدًـص خملطفىفدض ررسنص ننً خٓظهٌلي خًؿًُلص خًٔدرلص ًٌىضىي بىل هٍ رٌؤٍ ٌٓايي هٍخ خألمُ ًزؿح يف خًربندمف. ًظهدمٍ مو هٍ رٌؤٍ ًىكًه ًفػٍ خٓظوًخَ خًظدرهٍن )( itemو )( itemsetوًٌى هٌل ًًل: خًوىي خًظديل ٌٓلُؤ كٌمص خًٌىن خألكمُ يف خًزٌؤٍ ٌو خإلكًخػٌص ).(10,10 (خًٌىن خألكمُ ًودفح َكم ،4وخًٌىن خألهٍص ًودفح خًُكم ،1وخًٌىن خألَِق ًودفح خًُكم )0 # accessing RED value )img.item(10,10,2 ذ
71
OpenCvببساطة
خآلن ٓنًًن كٌمص خًـ ( Rخًٌىن خألكمُ) يف خًزٌؤٍ ٌو خإلكًخػٌدض ) (10 , 10ونٔظزًًه رلٌمص ًىنٌص كٌمظهد .100 (كدَن رٍن خًنظٌـص يف خًوىي خًٔدرم وهٍخ خًوىي يف نفٕ خًزٌؤٍ والكل مدٌخ كًغ) # modifying RED value )img.itemset((10,10,2),100 )img.item(10,10,2
ذ
ذ
خصبئصُامصىسح نًي خًلنىخض ( ،)channelsنًي خألٓؿُ ،نًي خألنمًش ،نًي خًزٌؤالض...... ، ملهُفص شوٍ خًطىَش (shapeنًي خألٓؿُ ،نًي خألنمًش ،نًي خًلنىخض) نوظس خًوىي خًظديل: print img.shape
ذ (,3ذ,320ذ )320ذ
ذ
ملهُفص نًي خًزٌؤالض نوظس خًوىي خًظديل:
print img.size
1268568
ملهُفص نىم رٌدندض خًطىَش نوظس خًوىي خًظديل: print img.dtype
ذ
uint8ذ
ًـس خالنظزده ًنىم رٌدندض خًطىَش ألنه ًىؿً خًهًًً من خألهؿدء طلًغ يف رٌجص Opencv_Python ٓززه نىم رٌدندض خًطىَش data type ذ
OpenCvببساطة
72
املنؼلخُاملهمخُيفُامصىسحُ(ُ )Image ROI ُ مبُامللصىدُتـُROI؟! ُ(ُ )Region Of Interest ؤكٌدند نلظدؾ ًظلًُُ منؿلص ملًيش من خًطىَش ،فمؼال من ؤؿٍ خهظشدف خًهٍن نٌٌى ؤوال خًزلؽ نن خًىؿه ،ومن ػم نػو كًوي ًٌىؿه ونلىَ ردًزلؽ يخهٍ هٍه خًلًوي نن خًهٌنٍن .هٍه خًهمٌٌص طىفُ نٌٌند خًزلؽ غمن خًطىَش هٌهد وطلٔن رسنص ويكص خالهظشدف (ألن خًهٌنٍن يخمئد مىؿىيش نىل خًىؿه ) :Dوًظلٔن خأليخء (ألنند رلؼند غمن مٔدكص ضًًنش). ذ
يف هٍخ خًوىي خًظديل ٓنلىَ رظلًًً منؿلص من خًطىَش ومن ػم نلىَ رنٔوهد ووغههد يف مودن ؤهُ من خًطىَش.
import cv2 import numpy as np from matplotlib import pyplot as plt )'img = cv2.imread('football.jpg ]part = img[150:300, 400:550 img[150:300, 50:200] = part )plt.imshow(img )][(plt.xticks )][(plt.yticks )(plt.show
ذ
ؤنكُ ًٌنظٌـص يف خًطىَ خًظدًٌص:
73
OpenCvببساطة كثهُ : ذ ذ
ذ ذ
تػذُ :
ذ
شدهً هٌف طم نٔى خًوُش مُطٍن. رشػُامكىدُ : هزاُامعؼشُمعاولُغنُاملعمُامزيُنشًذُنعخه ُ
]part = img[150:300, 400:550
ًنفُع ؤن خكًخػٌدض خًّؤوًص خًهٌٌد خًٌرسي ًٌلٔم خملُخي نٔوه هٍ ) (X1,Y1وبكًخػٌدض خًّؤوًص خًٔفىل خًٌمنى هٍ ) ، (X2,Y2ننًهد ٌٓوىن خًرتطٌس هٌل ًًلimg[Y1:Y2, X1:X2] : img[150:300, 50:200] = part
هٍخ خًٔؿُ مٔاوي نن خًلٔم خًٍي نًًُ وغو خًلٔم خملنٔىن فٌه ،وًإهٍ ؤًػد نفٕ خًرتطٌس خًٔدرم ].img[Y1:Y2, X1:X2 مالككصً :ـس مُخندش ؤن ًوىن خًفُق رٍن X1و X2نفٔه يف خًلٔم خملنٔىن ،وهًٍى خألمُ ردًنٔزص ًـ Y1و.Y2
74
OpenCvببساطة فصهُودمغُكنىادُامصىسح ُ
ؤكٌدند نلظدؾ ؤن نلىَ ًفطٍ كنىخض ؤًىخن خًطىَش B,G,Rهٍ كندش ًىنٌص نىل كًي .رلٌؽ ٌنونند خًظهدمٍ مو هٍ كندش ًىنٌص رشوٍ منفطٍ ،هٌل ٌنونند ؤًػد يمف كنىخض خألًىخن مهد ًٌلطىي نىل ضىَش مٌىنص. ؾًُلص خًفطٍ وخًًمف ٓهٌص ؿًخ وٌنونى خًلٌدَ رًٍى نن ؾًُم خًوىي خًظديل: تعليمة فصل قنوات األلوان عه بعضها # تعليمة دمج قنوات األلوان مع بعضها #
)b,g,r = cv2.split(img ))img = cv2.merge((b,g,r
# Or ]b = img[:,:,0
ذ
ذ
ًنفُع ؤنى طًًُ ؤن طـهٍ ؿمٌو خًزٌؤالض يف خًلندش Rكٌمظهد ضفُٓ ،ظلىَ يف خًزًخًص رفطٍ كنىخض خألًىخن نن ؾًُم طهٌٌمص )( splitػم ٓظـهٍ كٌمص خًلندش Rطٔإوي خًطفُ( .هٍه خًهمٌٌص رؿٌجص) ٌنونى فهٍ خألمُ خًٔدرم رشوٍ ؤرٔـ نن ؾًُم خالٓظهدنص مبوظزص خملطفىفدض ،Numpyوٌٓظم خألمُ خًٔدرم رشوٍ ؤرسم .شدهً ًوىي خًظديل: img[:,:,2] = 0
ذنثٌهُ : نمٌٌص splitطإهٍ وكع هزًن نٔزٌد ًظنفٌٍ خألمًًٍُ ،ى ال طٔظهمٌهد بال ننً خًٍصوَش ،وخٓظهمٍ رًال ننهد خًهمٌٌدض نىل خملطفىفدض فهٍ ؤفػٍ روؼًن. ذ ذ ذ
ذ
OpenCvببساطة
75
بنشبءُؼذودُمنصىسح ُ بٌخ ؤَيض بنشدء كًوي ًٌطىَش خٓظهمٍ خًظدرو )(.cv2.copyMakeBorder ًإهٍ هٍخ خًظدرو خملظًًنخض خًظدًٌص: ضىَش خًًهٍ ،خًلمص ،خًلدنًش ،خًٌمٍن ،خًٌٔدَ ،نُع خًلًوي ،نىم خًلًويً ،ىن خًلً. مظًًن نىم خًلًوي ًإهٍ خًلٌم خًظدًٌص: :cv2.BORDER_CONSTANTبغدفص ًىن ػدرع ًٌلًوي (ًإهٍ كٌمص خًٌىن من خملظًًن خًظديل) :cv2.BORDER_REFLECTنوٕ نندرص خًلًوي مؼٍ ... FEDCBA | ABCDEFG | GFEDCBAذ
خملٌىن ردًُمديي نهظربه كٌمص خًلًوي وخًهندرص خًظٍ كىي خًلًوي هٍ خملٌىنص ردألَِق .هٍ كُيف ٌنؼٍ كٌمص ًىنٌص ًزٌؤٍ. :cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULTنفٕ خًظهٌٌمص خًٔدرلص وًون مو خًلٌٌٍ من خًظًًنخض GFEDCBA | ABCDEFG | GFEDCBA
ً :cv2.BORDER_REPLICATEظم نٔى خًهنرص خألهًن يف ؿمٌو خألنلدء مؼٍ:
AAAAA | ABCDEFGH | HHHHHHH
،ال ٌنون طفًٔنه وًون ٌٓزًو هوٍخ : :خًظفدف خًلًويv2.BORDER_WRAP CDEFGH | ABCDEFGH | ABCDEFGذ
خملظًًن خألهًن هى خًٌىن (فلـ نٔظهمٌه يف كدي ؤهرتند خًنىم خألوي من خًلًوي) كظى نفهم ؤنىخم خًلًوي رشوٍ ؤوغم ٓنوظس خًربندمف خًظديل خًٍي ًلظىي نىل هٍ ؤنىخم خًلًوي.
76
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt BLUE = [255,0,0] img1 = cv2.imread(' opencv_logo.jpg') replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE) reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT) reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101) wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP) constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE) plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL') plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE') plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT') plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101') plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP') plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT') plt.show()
ذ ذ
77
OpenCvببساطة امػمنٌبدُامعربًخُغىلُامصىس امهذفُ :
طهٌم خًهًًً من خًهمٌٌدض خًلٔدرٌص نىل خًطىَش مؼٍ :خإلغدفص ، additionخًؿُق ،subtractionخًهمٌٌدض خًظٍ طـُي نىل مٔظىي خًزع (.)bitwise operations طهٌم خٓظوًخَ خًظىخرو خًظدًٌصcv2.addWeighted()،cv2.add () : ظمؼُامصىسُ : ٌنون ؿمو ضىَطٍن من هالي خًظدرو )( cv2.addؤو رزٔدؾص من هالي ؿمو خملطفىفدض ً ، res = img1 + img2.ون ًـس ؤن متٌى خملطفىفظٍن نفٕ خًهمم depthوخًنىم typeؤو ؤن طوىن خملطفىفص خًؼدنٌص كٌمظهد ضلٌلص. مالككص :هندن فُق رٍن نمٌٌدض خًـمو خًهًيًص رىخٓؿص Numpyونمٌٌدض خًـمو رىخٓؿص ،OpenCvفدألوىل هٍ نمٌٌص ؾُق ؤمد خًؼدنٌص فهٍ نمٌٌص ؿمو رلع.
شبهذُاملصبلُامربيلُ : ٓنلىَ رةنشدء ضىَطٍن رنفٕ خًنىم وٓنـُي نٌٌهٌل نمٌٌص خًـمو مُش ردالٓظهدنص مبوظزص OpenCvومُش ؤهُي ردالٓظهدنص مبوظزص )]x = np.uint8([250 .Numpy )]y = np.uint8([10 ذ
خًـمو ردالٓظهدنص رـموظزص OpenCv
# 250+10 = 260 => 255
)print cv2.add(x,y ذ
]] [[255ذ
خًـمو ردالٓظهدنص رـ numpy ذ
# 250+10 = 260 % 256 = 4
print x+y
]] [[4ذ
ٓظشدهً خًنظدثف رشوٍ وخغم ننً ؿمو خًطىَطٍن ،ومبد ؤن نمٌٌص خًـمو ردالٓظهدنص مبوظزص OpenCvهدنع نظدثـهد ؤفػٍ ًٍخ ٓنٔظهمٌهد يخمئد ننً خًـمو.
78
ببساطةOpenCv ُ ُ :دمغُامصىس
هند ؤًػد نلىَ رـمو خًطىَ وًون نهؿٍ هٍ منهد وِن موظٌف ؤي ٓنهؿٍ هٍ ضىَش شفدفٌص . هٌل هى وخغم يف خًطىَش خًظدًٌص،موظٌفص نن خألهُي
وخًطىَش خًؼدنٌص0.7 ) خًطىَش خألوىل وِنهد (ؤي ملًخَ شفدفٌظهد،هند ؤهٍند ضىَطٍن ًًمـهم مهد cv2.addWeighted وٓنلىَ رًمف هدطٍن خًطىَطٍن نن ؾًُم خًظدرو،0.3 وِنهد
import cv2 import numpy as np from matplotlib import pyplot as plt img1 = cv2.imread('logo_opencv.png',1) img2 = cv2.imread('football.jpg',1) # 600X600 sound cool # img2 = cv2.resize(img2,(img1.shape[1],img1.shape[0])) img2 = cv2.resize(img2,(750,600)) img1 = cv2.resize(img1,(750,600)) res = cv2.addWeighted(img1,0.7,img2,0.3,0) plt.imshow(res) plt.xticks([]),plt.yticks([]) plt.show()
:امنرٌعخ
79
OpenCvببساطة
ذ ذ
امػمنٌبدُغىلُمعرىيُامثزُ (bitwise operations(ُ: طظػمن نمٌٌدض bitwiseخًهمٌٌدض خًظدًٌص .NOT ،XOR ،OR ،AND هٍ خًهمٌٌدض ًهد فدثًش هزًنش ننً طلًًً ؤي ؿّء من خًطىَش شوٌه ًٌٕ مٔظؿٌٍ .مؼالً يف خًربندمف خًظديل ٓنلىَ رىغو شهدَ OpenCvنىل ِؤوًص خًطىَش ،وهٍخ خألمُ ال ٌنون فهٌه رهمٌٌص خًـمو ( (Additionألن خًٌىن ٓىف ًظًًن ،وال ردًًمف )(blendingألن خًٌىن ٌٓطزم شفدفدً ،ون ٌنونند ؤن نفهٍ ًٌى رهمٌٌص خالٓندي ROIهٌل كمند رهد يف هٍخ خًفطٍ وًون خملشوٌص رإن شهدَ OpenCvشوٌه يًن مٔظؿٌٍ ًًٍى ٓنلىَ مبد ًًل:
80
ببساطةOpenCv import cv2 import numpy as np # Load two images img1 = cv2.imread('football.jpg') img2 = cv2.imread('opencv_logo.png') # I want to put logo on top-left corner, So I create a ROI rows,cols,channels = img2.shape roi = img1[0:rows, 0:cols ] # Now create a mask of logo and create its inverse mask also img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY) ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY) mask_inv = cv2.bitwise_not(mask) # Now black-out the area of logo in ROI img1_bg = cv2.bitwise_and(roi,roi,mask = mask_inv) # Take only region of logo from logo image. img2_fg = cv2.bitwise_and(img2,img2,mask = mask) # Put logo in ROI and modify the main image dst = cv2.add(img1_bg,img2_fg) img1[0:rows, 0:cols ] = dst cv2.imshow('res',img1) cv2.waitKey(0) cv2.destroyAllWindows()
ذ
OpenCvببساطة
81
رشػُامكىدُ : يف خًزًخًص كمند ردٓظًنخي موظزص OpenCvوموظزص Numpyػم كمند رظلمٌٍ خًطىَطٍن وهّند هٍ ضىَش يف مظًًن. # I want to put logo on top-left corner, So I create a ROI rows,cols,channels = img2.shape ] roi = img1[0:rows, 0:cols
ذ
ػم كمند رلُخءش خرهدي ضىَش شهدَ( OpenCvكظى نهُف خًلـم خًٍي ٓظإهٍه ضىَش خًشهدَ ًنلىَ رلـّه يف خًطىَش خًظٍ ٓنػو نٌٌهد خًشهدَ (ضىَش خملٌهس)) ،وهّند كٌمص ضفىف ضىَش خًشهدَ يف خملظًًن ،rowوكٌمص خنمًطهد يف خملظًًن ،cols ونًي كنىخطهد يف خملظًًن .channels ػم كمند رظلًًً مىكو يف خًطىَش خًٍي ٓنػو نٌٌه شهدَ ،OpenCvخملىكو خًٍي ٓنػو فٌه خًشهدَ وهى خًّؤوًص خًٌرسي خًهٌٌد ًٌطىَش ،وًٌى نن ؾًُم خًوىي خًظديل: ] img1[0:rows, 0:colsكُخءش خًلٌّ من خًطىَش خًٍي طزًؤ بكًخػٌدطه من ))0,0 بىل ) )row,colوطوًّنه يف خملظًًن ( roiكٌؽ rowو colهٌل ؤرهدي ضىَش شهدَ .)OpenCv ذ # Now create a mask of logo and create its inverse mask also )img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY )ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY )mask_inv = cv2.bitwise_not(mask
ذ
خآلن ٓننشإ كندم(ً )maskطىَش شهدَ.OpenCv (خًًدًص هند من بنشدء كندم هى طلًًً خملنؿلص خملوظىذ فٌهد شهدَ OpenCvفلـ يون طلًًً خًوٌفٌص ( ًهمٍ كندم ًٌشهدَ ًـس نٌٌند خًلٌدَ مبد ًًل: ذ
OpenCvببساطة
82
.8طلىًٍ خًطىَش خًظٍ ٓننشإ ًهد خًلندم (هند هٍ ضىَش خًشهدَ) ًٌمٔظىي خًُمديي. .4ػم خًلٌدَ ردٓظًندء طدرو ؤٓمه طدرو خًظهظٌس ( )thresholdخًٍي ٓنلىَ من هالًه رلُخءش ًىن مهٍن فلـ وًٌى كٔس مـدي خألًىخن خًٍي نًًُ بقهدَه ،هند ٓنوظدَ مـدي خًٌىن خألٓىي (ٌٓظم ٌسق طدرو خًظهظٌس يف خًفطىي خًالكلص) .4يف خًنهدًص ٓنلىَ رهوٕ خًظلًًً ألنند ال نًًُ كندم خًٌىن خألٓىي خًٍي كىي خًشهدَ وبمند نًًُ بنشدء كندم ًٌشهدَ فلـ ًًٍى كمند رهمٌٌص خًهوٕ نن ؾًُم خًظدرو )( ً( cv2.bitwise_notى مل نلم رهمٌٌص خًهوٕ ٓظالكل ؤن خًشهدَ ؤضزم مـىف وٌٓكهُ خًٌىن خألٓىي خًٍي كىي خًشهدَ)
طدرو خًظهظٌس () cv2.thresholdوقٌفظه ردهظطدَ بقهدَ مـدي ًىين مهٍن يف خًطىَش ،وًإهٍ هٍخ خًظدرو خملظًًنخض خًظدًٌص: خملظًًن خألوي هى ؤٓم خًطىَش خملؿٌىرص ،خملظًًن خًؼدين وخًؼدًؽ هٌل ؤنىل وؤيىن كٌمص ًٌهظٌص خًٌىنٌص خملؿٌىرص (يف مؼدًند نلًي مـدي نظزص خًٌىن خألٓىي) ،وخملظًًن خًُخرو هى نىم خًظهظٌس. هند خٓظهمٌند طدرو خًظهظٌس إلقهدَ خًٌىن خألٓىي فلـ. # Now black-out the area of logo in ROI )img1_bg = cv2.bitwise_and(roi,roi,mask = mask_inv
ذ
خآلن نلىَ رهمٌٌص طهظٌم خملنؿلص خًظٍ نًًُ وغو خًشهدَ فٌهد وًٌى نن ؾًُم نمٌٌص .and # Take only region of logo from logo image. )img2_fg = cv2.bitwise_and(img2,img2,mask = mask
ذ
OpenCvببساطة
83
هٍخ خًوىي ًلىَ ردٓظوُخؾ منؿلص خًشهدَ فلـ يون خملنؿلص خًٔىيخء (خًوٌفٌص) وطوًّنهد يف خملظًًن .img2_fg # Put logo in ROI and modify the main image )dst = cv2.add(img1_bg, img2_fg img1[0:rows, 0:cols ] = dst
ذ
خآلن ٓنلىَ ردًوؿىش خًنهدثٌص وهٍ بقهدَ خًشهدَ يف خملودن خًٍي كًينده يف ضىَش خملٌهس وًٌى نن ؾًُم نمٌٌص خًـمو هٌل هى وخغم يف خًوىي ،ػم كمند رهُع نظٌـص خًـمو نىل خًّؤوًص خًٌرسي خًهٌٌد من خًطىَش. وؤهًنخ نهُع خًنظٌـص نن ؾًُم خًظدرو )(.imshow ذ ذ ذ ذ ذ ذ ذ ذ ذ ذ ذ
OpenCvببساطة
84
ذلنٌبدُكٌبطُاألداءُوذؽعٌنه ُ امهذفُ :
يف مهدًـص خًطىَش نظهدمٍ مو نًي هزًن من خًهمٌٌدض يف خًؼدنٌص ،وًًٍى ًـس ننً هظدرص خًوىي ؤال نهظم فلـ روظدرظه رشوٍ ضلٌم فلـ ،وبمند ًـس نٌٌند خالنظزده ًوظدرص خًوىي رلٌؽ ًظم طنفٌٍ خًربندمف ردًشوٍ خألرسم. ًًٍى يف هٍ خًفطٍ ٓنظهٌم مد ًًل: كٌدْ ؤيخء خًربندمف رهؼ خًظلٌٔندض ًظلٍٔن خًربندمف ٓنظهُف نىل خًظىخرو خًظدًٌصcv2.getTickCount, cv2.getTickFrequency : مبهّي نن موظزص ،OpenCvردًؼىن ًلًَ ًند وكًش timeخًظٍ طٔدنًند نىل كٌدْ خًىكع خًالَِ ًظنفٌٍ طهٌٌمص ؤو مـمىنص طهٌٌٌلض ،ووكًش profileخًظٍ طهؿٌند طلًُُ هدمٍ نن خًربندمف مؼٍ: خًّمن خملٔظًُق ًظنفٌٍ هٍ طدرو – نًي خملُخض خًظٍ طم خٓظًندء فٌهد هٍ طدرو ......خًى.
كٌبطُاألداءُغنُػشًمُمكرثخُُ OpenCv امربتؼًُُُ cv2.getTickCountهؿٌند نًي يوَخض خًٔدنص ( )clock-cyclesخًظٍ طم خٓظًُخكهد ًظنفٌٍ ؤمُ ؤو نًش ؤوخمُ يف خًربندمف. امربتؼًُ cv2.getTickFrequencyهؿٌند طُيي يوَخض خًٔدنص( ،)clock-cycleؤو نًي يوَخض خًٔدنص يف خًؼدنٌص. إلًـدي ِمن طنفٌٍ خًوىي ردًؼىخين نٌٌى ؤن طوظس هٌل ًًل: import cv2 import numpy as np )(e1 = cv2.getTickCount # your code execution )(e2 = cv2.getTickCount )(time = (e2 - e1)/ cv2.getTickFrequency
مصبلُ :
85
OpenCvببساطة import cv2 import numpy as np )'img1 = cv2.imread(' brid.jpg )(e1 = cv2.getTickCount for i in xrange(5,49,2): )img1 = cv2.medianBlur(img1,i
)(e2 = cv2.getTickCount )(t = (e2 - e1)/cv2.getTickFrequency print t # Result I got is 0.521107655 seconds
ذ
مالككصٌ :نونى كٌدْ خًىكع ؤًػد نن ؾًُم خًىكًش ،timeرلٌؽ ًلٔس فُق خًىكع رٍن خٓظًندء خًظدرو يف ؤوي مُش وننً خٓظًندثه يف خملُش خًؼدنٌص )(.time.time
.1احللذادلثاؾيذاالػرتاضيذيفذ :OpenCvذ
طظػمن OpenCvخًهًًً من خًظىخرو خًظٍ ٌنون طنفٌٍهد رشوٍ مؼديل ،فًٌٍى بٌخ هدن ًًًند نكدَ ًًنم هدضٌص ؿهٍ خًوىي مؼديل ؤَ ال ننًهد ًـس خٓظًالي هٍه خًودضٌص (طلًُزد مهكم خملهدًـدض خًـًًًش طًنم هٍه خًودضٌص) وطوىن مفهٌص ننً طنفٌٍ خًربندمف رشوٍ خفرتخيض. ملهُفص هٍ ِمن طنفٌٍ خًوىي مؼديل ؤَ ال نلىَ ردٓظًندء خًظدرو )( cv2.useOptimizedخًٍي ًهًٌ ًند كٌمص TRUEبٌخ هدنع هدضٌص خًوىي خملؼديل ممونص وبال ٌٓهؿٌند FALS هٌل ٌنونند طفهٌٍ وبًًدء طفهٌٍ هٍه خًودضٌص نن ؾًُم خًظدرو )(.cv2.setUseOptimized شدهً خًوىي خًظديل: # check if optimization is enabled
TRUE
)(cv2.useOptimized )%timeit res = cv2.medianBlur(img,49 10 loops, best of 3: 34.9 ms per loop
ذ
ذ
86
OpenCvببساطة
# Disable it )cv2.setUseOptimized(False
)(cv2.useOptimized
ذ
ذ
FALSE
)%timeit res = cv2.medianBlur(img,49
ذ
10 loops, best of 3: 64.1 ms per loopذ
هم شدهًند يف خألهىخي خًٔدرلص رإنه ننً طفهٌٍ هدضٌص خملؼدًٌص يف خًوىي ٌٓوىن ؤرسم رلىخيل خًػهفٍن من خًوىي خًٍي نًٌٍ طفهٌٍ هٍه خًودضٌص فٌه. .2ؼقاسذاألداءذيفذ:IPython
ؤكٌدند نلظدؾ رإن نلٌٕ ؤيخء نمٌٌظٍن مظشدرهظٍن. رٌجص IPythonطّويند رهٍخ خألمُ خًٔلُي نن ؾًُم خًظهٌٌمص .%timeit هٍه خًظهٌٌمص طشًٍ خًربندمف نًش مُخض ًظهؿٌند ؤيق وؤفػٍ نظٌـص. وهٍه خًؿًُلص مندٓزص ؤًػد ًٌظهٌٌٌلض خملفُيش. مؼال هٍ طهُف ؤي من نمٌٌدض خًـمو خًلٔدرٌص ؤفػٍ ) x = 5; y = x**2, x =5; y = x*x, x = np.uint8([5]); y = x*x or y = np.square(x؟
هٍخ مد ٓنهُفه من هالي خألمُ خًظديل: ذ x=5 %timeit y=x**2
10000000 loops, best of 3: 73 ns per loop
ذ
ذ
87
OpenCvببساطة
%timeit y=x*x
ذ
10000000 loops, best of 3: 58.3 ns per loop
ذ
)]z = np.uint8([5 %timeit y=z*z
ذ
1000000 loops, best of 3: 1.25 us per loop
ذ
)%timeit y=np.square(z ذ 1000000 loops, best of 3: 1.16 us per loop
ذ
ٌنونند خالٓظنظدؾ ردن نمٌٌص خًٍصذ y=x*xؤرسم رلىخيل 20مُش ملدَنص مو Numpy وبٌخ ؤهٍند رهٍن خالنظزدَ بنشدء خملطفىفدض فلً ًطٍ ًلىيل رسنص ؤنىل رـ 100مُش ،يشء يًُس ؤًٌٕ هًٍى؟ (هٍه خًؼًُش يف موظزص ًNumpyـُي خًهمٍ نىل بضالكهد) نمٌٌدض خألَكدَ يف ردًؼىن ؤرسم من خًهمٌٌدض خًظٍ طظم يف Numpyردًنٔزص ًٌهمٌٌدض خًظٍ طظػمن ننرص ؤو ننرصًن. خٓظهٌلي ً Numpyوىن ًه فدثًش ننً خِيًدي كـم خملطفىفص كٌٌال. ذ
ٓنلىَ خآلن رظـًُس مؼدي آهُ .يف هٍه خملُش ٓنلدَن ؤيخء خًظدرهٍن )(،cv2.countNonZero )(ً np.count_nonzeroنفٕ خًطىَش. ذ )%timeit z = cv2.countNonZero(img 100000 loops, best of 3: 15.8 us per loop
ذ ذ
)%timeit z = np.count_nonzero(img 1000 loops, best of 3: 370 us per loop
ذ
ذ
OpenCvببساطة
88
ٓنالكل ؤن طىخرو cv2ؤرسم رلىخيل 25مُش من طىخرو Numpy مالككص :نديش ِمن طنفٌٍ طىخرو OpenCvؤرسم روؼًن من خًّمن خملٔظًُق يف Numpyوًٌى ًنفٕ خًهمٌٌص، ًون هندن خٓظؼندءخض وًٌى ننً خٓظهٌلي موظزص ًٌNumpyهُع رًي خًنٔى.
األ ُوامشُامعؽشًخُمـُ ُ :IPython ًىؿً هندن خًهًًً من خألوخمُ خًٔلًُص ًلٌدْ خأليخء وؤوخمُ إلنؿدء مللص موظرصش نن خًوىي وؤمُ إلنؿدء مللص نن ؤي ٓؿُ من خًوىي ،وؤمُ ًلٌدْ كـم خًٍخهُش خًظٍ خٓظهٌوهد خًربندمف. .3اخلطواتذاؾيتذجيبذاتباعفاذؾؾحصولذعؾىذاألداءذادلثاؾي :ذ
ذ ذ ذ ذ
ننً هظدرص خًربندمف نٌٌى ؤوال ؤن طىؿً خًشوٍ خًٍي ٓظؿزم ره خًوىخَِمٌص رشوٍ رٌٔـ ػم طىغم نمٌهد رشوٍ ضلٌم ،ػم طىؿً خملشدهٍ خًظٍ فٌهد ،ػم طىؿً ؤمؼٍ (ؤفػٍ) كٍ ًظوظس ره خًوىخَِمٌص. طـنس خٓظوًخَ خًلٌلدض رزدًؼىن كًَ خإلمودن وهطىضد خًلٌلدض خًؼندثٌص وخًؼالػٌص (( double/triple loopsنكُخ ًزؿجهد خٓظفً من خملظًًنخض خملهُفص مٔزلد ال طنٔى خملطفىفدض مدمل طلظف ًهد ،وكإوي خٓظوًخَ خًهُع رً ًال نن نٔوهد ألن نٔوهد نمٌٌص موٌفص ًٌىكع كظى رهً طؿزٌم خًوؿىخض خًٔدرلص بن رلٍ رُندمـى رؿٌجدً ؤو مل ًهً ممون طهًًٌه ،ننًهد ٌنونى خًظرسًو ردٓظوًخَ موظزدض مؼٍ ًcythonـهٍ خًربندمف ؤرسم.
OpenCvببساطة
89
ذ ذ ذ ذ ذ ذ ذ
الفصل الثالث ” هناك اختياران مبدئيان في الحياة :إما أن تتقبل
ظروف الوضع الحالي كما هي ،أو أن تتقبل مسؤولية
تغيير هذا الوضع ‟
د .دينيس ويتلي – كاتب ومحاضر أمريكي
OpenCvببساطة
91
امفصهُامصبمضُ:مػبمعخُامصىسحُيفُُ OpenCv طًًٌن خًفػدءخض خًٌىنٌص Changing ColorSpaces ٓ ظظهٌم ؾًُلص طًًٌن فػدء خًطىَش ملوظٌف خًفػدءخض خًٌىنٌص طهٌم طهلس ؿٔم مٌىن يف خًفًًٌى طهظٌس خًطىَش (خًظهظٌس :هى نمٌٌص بقهدَ نظزص ًىنٌص مهٌنص) Image Thresholding ٓظظهٌم هٌف طلىي خًطىَش ًطىَش ػندثٌص (فلـ ؤرٌؼ وؤٓىي) وًٌى ردٓظوًخَ بكًي خًؿُق: خًظهظٌس خًهدَ ،global thresholdingخًظهظٌس خملظوٌف Adaptive ،thresholdingخًظلىًٍ خًؼنديئ ال وطٔى Otsu’s banalization خًظلىًالض خًهنًٌٓص نىل خًطىَ Geometric Transformations of Images ٓظظهٌم هٌف طؿزٌم موظٌف خًظلىًالض خًهنًٌٓص نىل خًطىَش مؼٍ خًًوَخن وطلٌٌٍ خًطىَش و ......خًى طهًٍس خًطىَش Smoothing Images طهٌم هٌفٌص ؾمٕ خًطىَش ،فٌرتش خًطىَش خًظلىًالض من خًندكٌص خًشوٌٌص ()Morphological :Morphological Transformations خًظهُف نىل خًظلىًالض خًشوٌٌص خًظٍ طظم نىل خًشوٍ مؼٍ خًظأهٍ، خًظمًي ،خًفظم ،خإليالق طًَؿدض خًطىَش :Image Gradients طهٌم بًـدي طًَؿدض خًطىَش وبًـدي كىخفهد.
موظشف كىخف هدين Canny Edge Detection
OpenCvببساطة
طهٌم بًـدي خًلىخف (كًوي خًشوٍ) مو موظشف كىخف هدين
ؤهُخمدض خًطىَش :Image Pyramids خًظهُف نىل ؤهُخمدض خًطىَش وؾًُلص خٓظوًخمهد ملّؾ خًطىَش ملدَنص خًلىخًس Template Matching طهٌم خًزلؽ نن ؤي هدثن يف خًطىَش ردٓظوًخَ مؿدرلص خًلىخًس طلىًٍ هدف ًٌوـ Hough Line Transform طهٌم خهظشدف خًوؿىؽ خًظٍ يف خًطىَش. طلىًٍ هدف ًًٌوخثُ Hough Circle Transform طهٌم خهظشدف نن خًًوخثُ يف خًطىَش. طلؿٌو خًطىَش ردٓظوًخَ هىخَِمٌص :Watershed طهٌم طلٌٔم خًطىَش رؿًُلص خملـمهدض خملدثٌص)(Watershed خالشظلدق خألمدمٍ خًظفدنًل ردٓظوًخَ هىخَِمٌص GrabCut طهٌم هىخَِمٌص GrabCutالٓظوُخؾ خألؿٔدَ خألمدمٌص يف خًطىَش.
92
OpenCvببساطة
93
ذغٌريُامفظبءادُامنىنٌخُُ Changing Color spaces
اهلدف:
يف هٍخ خًفطٍ ٓنظهٌم ؾًُلص خًظلىًٍ من فػدء ًىين بىل آهُ ،مؼالً منBGR ↔ Gray ومن BGR↔HSV ردإلغدفص بىل ًٌى ٓننشح طؿزٌم ًٔظوُؾ ؿٔم مهٍن يف خًفًًٌى طهٌم خٓظوًخَ خًظىخرو خًظدًٌصcv2.inRange()،cv2.cvtColor() : -1ذغٌريُامفظبيئُامنىين ُ هندن ؤهًت من 805ؾًُلص ًظًًٌن خًفػدءخض خًٌىنٌص مظدكص يف .OpenCvوًون ٓنًَْ فلـ خًظلىًٍ من خًفػدثٌٍن خًٌىنٌٍن خألهًت خنظشدَخ ً وهٌل: BGR↔Grayو BGR↔HSV ًظًًن خًفػدء خًٌىين ٓنٔظوًَ خًظدرو ) cv2.cvtColor(input_image, flagكٌؽ كٌمص خملظًًن flagهٍ خًظٍ ٓىف طلًي ًند نىم خًظلىًٍ .مؼال ًٌظلىًٍ من BGRبىل GRAYطوىن كٌمص خملظًًن flagهٍ cv2.COLOR_BGR2GRAYوًٌظلىًٍ من BGRبىل HSVنٔظهمٍ خملظًًن cv2.COLOR_BGR2HSV
94
OpenCvببساطة ملهُفص كٌم خًفػدءخض خألهُي خًظٍ ًإهٍهد خملظًًن flagشًٍ خًوىي خًظديل:
import cv2 ])'_flags = [i for i in dir(cv2) if i.startswith('COLOR for x in flags: print x COLOR_BAYER_BG2BGR COLOR_BAYER_BG2BGR_VNG COLOR_BAYER_BG2GRAY COLOR_BAYER_BG2RGB COLOR_BAYER_BG2RGB_VNG COLOR_BAYER_GB2BGR COLOR_BAYER_GB2BGR_VNG COLOR_BAYER_GB2GRAY COLOR_BAYER_GB2RGB COLOR_BAYER_GB2RGB_VNG COLOR_BAYER_GR2BGR COLOR_BAYER_GR2BGR_VNG COLOR_BAYER_GR2GRAY ....... etc...
مالككص :يف خًفػدء HSVمـدي خًٔؿىم هى ] ،[0 , 179مـدي خإلشزدم ] ،[0 , 255مـدي خًلٌم ].[0 , 255 ومـدالض خًلٌم هٍه كً طوظٌف من رُندمف آلهًًٍُ ،ى بٌخ كدَنع كٌمOpenCvرًًنهد ٓظلظدؾ ًالنظزده ًؿزٌهٌص هٍه خملـدالض.
-2تعؼبذاألجدام ذ
طهٌمند ًٌظى هٌف نلىي خًطىَش من خًفػدء BGRبىل خًفػدء ،HSVوخآلن ٌنونند خٓظهٌلي هٍه خًودضٌص يف خٓظوُخؾ ؿٔم مٌىن .يف خًفػدء ٌ HSVنون متؼٌٍ خألًىخن رٔهىًص ؤهرب من خًفػدء BGRؤًدنًند نىل متٌٌّ خألًىخن يف قُوف خإلغدءش خملوظٌفص ألنه ًهظم ردًٔؿىم .يف طؿزٌلند خًظديل ٓنلىَ ردٓظوُخؾ ؿٔم مٌىن ؤَِق من فًًٌى وًٌى نن ؾًُم نمٍ مد ًًل: )8نإهٍ هٍ بؾدَ من خًفًًٌى )4نلىي من BGRبىل HSV )4نلىَ رظهظٌس خًطىَش خمللىًص وًٌى نن ؾًُم ؤهٍ نظزص خًٌىن خملؿٌىذ (هند ٓنإهٍ نظزص خًٌىن خألَِق)
ذ
95
ببساطةOpenCv
وننً ًٌى ٌنونى خٓظوًخَ هٍه خًنظٌـص،) ٓنلطٍ ردًنهدًص نىل خًـٔم خملٌىن ردألَِق ًىكًه3 .يف خًظؿزٌم خًٍي طًًُه :خًوىي خًظديل ًىغم هٍه خًوؿىخض import cv2 import numpy as np
cap = cv2.VideoCapture(0) while(1): # Take each frame _, frame = cap.read() # Convert BGR to HSV hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # define range of blue color in HSV lower_blue = np.array([110,50,50]) upper_blue = np.array([130,255,255]) # Threshold the HSV image to get only blue colors mask = cv2.inRange(hsv, lower_blue, upper_blue) # Bitwise-AND mask and original image res = cv2.bitwise_and(frame,frame, mask= mask) cv2.imshow('frame',frame) cv2.imshow('mask',mask) cv2.imshow('res',res) k = cv2.waitKey(5) & 0xFF if k == 27: break cv2.destroyAllWindows()
ذ
OpenCvببساطة
96
رشػُامكىد ُ )cap = cv2.VideoCapture(0
ذ
خٓظًندء طدرو خًظلدؽ خًفًًٌى وطوًّن بؾدَخض خًطىَ (خًفٌُندض )Framesخًظٍ طوىن خًفًًٌى يف خملظًًن cap # Take each frame )(_, frame = cap.read
ذ
خًوؿىش خألوىل :نلطٍ نىل هٍ بؾدَ يف خًفًًٌى. خًظدرو )(ً cap.readهؿٌند بؾدَخض خًطىَ خملٌظلؿص ،وغهند َمّ خًشلؿص ( _ ) يف خملظًًن خألوي ألنند ال نًًُه ونًًُ فلـ خٓظهٌلي خملظًًن خًؼدين frameخًٍي ٓظوّن رًخهٌه بؾدَ خًطىَش خملٌظلـ. (طم ٌسق هٍخ خألمُ مٔزلدً يف خًفطٍ خًؼدين). # Convert BGR to HSV )hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV
خًوؿىش خًؼدنٌص :طلىًٍ خًطىَ خملٌظلؿص من خًفػدء خًٌىين BGRبىل .HSV خًوؿىش خًؼدًؼص :هٍ طهظٌس خًطىَش (ؤي ٓنإهٍ مـدي ًىين مهٍن إلقهدَه ًىكًه) مبهنى ؤهُ نلطً ردًظهظٌس هند هى نمٍ كندم ملـدي ًىين مهٍن يف خًطىَش رلٌؽ ٌٓكهُ هٍخ خًٌىن ردألرٌؼ وؤي ًىن هدَؾ خملـدي خًٌىين خًٍي خهرتنده ٌٓوىن ردًٌىن خألٓىي .وًٌى نن ؾًُم خًظهٌٌٌلض خًظدًٌص: # define range of blue color in HSV )]lower_blue = np.array([110,50,50 )]upper_blue = np.array([130,255,255
نلىَ رظهًُف كًي (نظزظٍ) خملـدي خًٌىين خًٍي نًًُه يف خًفػدء ( HSVهند خهرتند مـدي خًٌىن خألَِق) كمند رإهٍ ؤكٍ نظزص ًىنٌص ملـدي خًٌىن خألَِق وهّندهد يف خملظًًن lower_blue وؤهٍند ؤهرب نظزص ًىنٌص ملـدي خًٌىن خألَِق وهّندهد يف خملظًًن upper_blue
ذ
OpenCvببساطة
97
)mask = cv2.inRange(hsv, lower_blue, upper_blue
ذ
كمند رظوًّن خملـدي خًٌىين (رٍن كٌمظٍ خًهظزظٍن خًظٍ خهرتندهٌل) خًٍي نًًُه يف خملظًًن mask وًٌى نن ؾًُم خًظدرو)(.cv2.inRange # Bitwise-AND mask and original image )res = cv2.bitwise_and(frame,frame, mask= mask
ذ
نلىَ رهمٍ نمٌٌص ًٌ andكهُ خملـدي خًٌىين خًٍي خهرتنده فلـ يون خملـدالض خًٌىنٌص خألهُي.
ذ
يف مؼدًند هٍخ مؼٌند خًٌىن خألَِق ردًىخكً فةٌخ هدن خًٌىن خًٍي يف خًطىَش رنفٕ كٌمص خملـدي خًٌىن خألَِق ٌٓهؿٌند8 ()1 AND 1 = 1ذذذذذذذذذذذذذ(أزرقذANDذأزرقذ=ذ )1ذ
وؤي ًىن ًٌٕ غمن خملـدي خًٌىين خألَِق ٌٓوىن ننًهد ندطف نمٌٌص ANDهى ( 5خًٌىن خألٓىي). )cv2.imshow('frame',frame )cv2.imshow('mask',mask )cv2.imshow('res',res
كم رهُع خًطىَ خملٌظلؿص (ٌٓظم نُغهد نىل شوٍ فًًٌى رٔزس رسنص طلًًؽ خًظلدؽ خًطىَ خًهدًٌص) ،ونُع خًلندم ،ونُع خًـٔم خألَِق فلـ يون يًنه من خألًىخن .الكل رإن هندن رهؼ خًػـٌف يف خًطىَشٓ ،رني يف خًفطىي خًلديمص هٌف ٓنًٍّ هٍخ خًػـٌف. مالككص :هٍخ ؤرٔـ ؾًُلص ًظهلس ؿٔم ،وننًمد طلرتف طىخرو خإلؾدَخض ٌٓ contoursوىن بمودنى خًلٌدَ ردًهًًً من خألشٌدء مؼٍ بًـدي مُهّ خًـٔم ،طهلس خألؿٔدََٓ ،م َٓىمدض مبـُي طلًُى ًًن ؤمدَ خًودمًنخ، وطهٌم خًهًًً من خألشٌدء خملمظهص يف خًفطىي خًلديمص.
ذ
ذ
98
OpenCvببساطة كٌفُميكننبُبًعبدُاملٌمخُامنىنٌخُاملؼنىةُذػلثهبُيفُامفظبءُHSV؟ ُ
هٍخ خًٔاخي ًهً من خألٓجٌص خًشدثهص خًظٍ ط ُٔإي نىل خملىكو خملهىَ .stackoverflow.com روٍ رٔدؾص ٌنونى مهُفص خًلٌمص خًٌىنٌص خملؿٌىرص غمن HSVوًٌى نن ؾًُم خًظدرو خًٍي خٓظهمٌنده ٓدرلدً )(ً cv2.cvtColorون رًي متًُُ كٌمص خًطىَش ًٌظدرو منَُ ًه خًلٌمص خًٌىنٌص خًظٍ نًًُهد يف .BGRنىل ٓزٌٍ خملؼدي إلًـدي كٌمص خًٌىن خألهٍص يف HSVنوظس خألوخمُ خًظدًٌص: )]]] green = np.uint8([[[0,255,0 )hsv_green = cv2.cvtColor(green,cv2.COLOR_BGR2HSV print hsv_green
ذ ]]][[[ 60 255 255
خآلن ٌنونى ؤهٍ ؤيىن كٌمص وؤنىل كٌمص ملـدي خًٌىن خألهٍص ردطزدم خًلدنًش خًظدًٌص: ]ُ [H-10, 100,100] and [H+10, 255, 255 خًلدنًش (] )[H+10] ،[H-10ال طهمٍ يخمئدً مهندًًٍ ،ى ًفػٍ ؤن طلًي ًًوًد رنفٔى ؤنىل وؤيىن كٌمص نن ؾًُم متًُُ ؤيىن كٌمص ًهظزص ًٌىن خألهٍص يف RGBوؤنىل كٌمص ًهظزص ًٌىن خألهٍص يف .RGB متًُن :ؿُذ رنفٔى خٓظوُخؾ ؤهًت من ؿٔم مٌىن رنفٕ خًىكع مؼال خألؿٔدَ خًَّكدء وخًوٍصخء وخًلمُخء. ذ
ذ ذ ذ ذ ذ
99
OpenCvببساطة ذػرٌجُامصىسحُُُُ Image Thresholding
ُ امرػرٌجُ:هىُبظهبسُغرثخُمىنٌخُمػٌنخُغنذمبُنلىلُغرثنبُامصىسحُؤيُؤظهشنبُمعرىيُمىينُ مؽذدُيفُامصىسح ُ Thresholding
Original image
ذ
امهذف ُ يف هٍخ خًًَْ ٓنًَْ خًظهظٌس خًزٌٔـ ،وخًظهظٌس خملظوٌف ،وطهظٌس ؤوطٔى. ٓ نظهٌم خٓظوًخَ خًظىخرو خًظدًٌصcv2.threshold, cv2.adaptiveThreshold : ذ -1اؾتعتقبذاؾبدقطذ(:(Simple Thresholdingذ
هٍه خًؿًُلص رٌٔؿص ،ننًمد طفىق كٌمص خًزٌؤٍ كٌمص ملًيشًٔ ،نً ًه (1خرٌؼ يدًزد) ،وبال ًٔنً ًه (0يدًزد خًٌىن خألٓىي( ،خًظدرو خملٔظوًَ ًهٍه خًهمٌٌص هى)(.cv2.threshold رشػُامربتؼُ)(ُ :cv2.threshold املرغريُاأل ُولٌ :نؼٍ خًطىَش خملؿٌىرص ،وًـس ؤن طوىن هٍه خًطىَش ردملٔظىي خًُمديي. املرغريُامصبينُوامصبمض :هٌل ؤيىن وؤنىل كٌمص ًٌهظزص خًظٍ ٓظطنف خًزٌؤالض من هالًهد. املرغريُامشاتؼ :طلًَ موظزص ًOpenCvند نًش هٌدَخض ًٌظهظٌس وًظم طلًًً ًٌى نن ؾًُم هٍخ خملظًًن cv2.THRESH_BINARY cv2.THRESH_BINARY_INV cv2.THRESH_TRUNC
100
ببساطةOpenCv
cv2.THRESH_TOZERO ذcv2.THRESH_TOZERO_INV
ذ
:ٓنلىَ رظؿزٌم هٍ هٍه خألنىخم يف خًوىي خًظديل import cv2 import numpy as np from matplotlib import pyplot as plt
img = cv2.imread('gradient.bmp',0) ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY) ret,thresh2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV) ret,thresh3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC) ret,thresh4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO) ret,thresh5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV) titles = ['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV'] images = [img, thresh1, thresh2, thresh3, thresh4, thresh5] for i in xrange(6): plt.subplot(2,3,i+1),plt.imshow(images[i],'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show()
ُ :امنرٌعخ
101
ببساطةOpenCv
ذ
ُ :رشػُامكىد img = cv2.imread('gradient.bmp',0) ذ
img كُخءش خًطىَش وطوًّنهد يف خملظًًن ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY) ret,thresh2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV) ret,thresh3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC) ret,thresh4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO) ret,thresh5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV) ذ
)ً(طم ٌسكه ٓدرلدcv2.threshold() كمند رظهظٌس خًطىَش ردٓظوًخَ طدرو خًظهظٌس خًزٌٔـ : ًهًٌ نظٌـظٍنcv2.threshold() خًظدرو .) ٌٓظم ٌسكهد الكلد يف كٔم (خًظلىًٍ خًؼنديئ ال وطٔىretval ٍخًنظٌـص خألوىل ه . خًطىَش خًظٍ طم طهظٌزهدthreshold ٍوخًنظٌـص خًؼدنٌص ه titles = ['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV'] ذ
102
OpenCvببساطة بنؿدء ؤٌٓلء ًٌنىخفٍ خًظٍ ٌٓظم فظلهد وهّند هٍه خألٌٓلء يف مطفىفص ٓمٌندهد titles
]images = [img, thresh1, thresh2, thresh3, thresh4, thresh5 ذ
طوــًّن كٌمــص خًطــىَش ونظٌـــص خًظهظٌــس خألوىل وخًؼدنٌــص وخًؼدًؼــص وخًُخرهــص وخًودمٔــص يف مطــفىفص ٓمٌندهد images for i in xrange(6): )'plt.subplot(2,3,i+1),plt.imshow(images[i],'gray )]plt.title(titles[i )][(plt.xticks([]),plt.yticks ذ
كمند رةنشدء كٌلص forكظى نكهُ نن ؾًُلهد خًنىخفٍ خًظٍ ٓظهُع ًند نظدثف خًظهظٌس. Plt.subplot طدرو يف موظزص matplotlibوقٌفظه بقهدَ ؤهًت من ضىَش يف ندفٍش وخكًش (ؤوي مظًًن وػدين مظًًن هٌل كـم خًندفٍش ،وػدًؽ مظًًن ًلًي نًي خًنىخفٍ) ُPlt.imshow() طدرو ًظهٌجص نُع خًطىَ خملؿٌىرص. Plt.title() إلنؿدء ؤٌٓلء خًطىَ خملؿٌىرص. ُplt.xticks([]),plt.yticks([]) هٍه خًظهٌٌمص إلهفدء طًَؿدض ملىَ خًـ xو . y
)(plt.show ذ
)( Plt.showطدرو ًهُع خًنىخفٍ خًظٍ طم طهٌجظهد من كزٍ خًظدرو )(. plt.imshow ذ ذ ذ
OpenCvببساطة
103
-2اؾتعتقبذادلتؽقفذ(:(Adaptive Thresholding
يف خًلٔم خًٔدرم خٓظهمٌند كٌمص ندمص ًلٌمص خًهظزص ،وًون هٍخ خألمُ يًن ؿًٌ ،فوٍ ضىَش متٌى ٌسوؽ بغدءش موظٌفص يف مندؾم موظٌفص منهدًًٍ ،ى ٓنٔظهمٍ خًظهظٌس خملظوٌف. خًظهظٌس خملظوٌف هى هىخَِمٌص كٔدذ نظزص منؿلص ضًًنش يف خًطىَشًًٍ ،ى ٓنلطٍ نىل نًش نظزدض ًهًش مندؾم يف نفٕ خًطىَش ،وهٍخ ٌٓهؿٍ نظدثف ؤفػٍ ًٌطىَ يف موظٌف ٌسوؽ خإلغدءش. خًظهظٌس خملظوٌف ٌنظٌى 4مظًًنخض يهٍ ومظًًن هُؾ وكًٌ. oؾًُلص خًظوٌٌف هٍ خًظٍ ٓظلًي ؾًُلص كٔدذ كٌمص خًهظزص ،هندن ؾًُلظدن ًٌلٔدذ: :cv2.ADAPTIVE_THRESH_MEAN_C كٌمص خًهظزص ملظىٓـ مٔدكدض مندؾم خًـىخَ. :cv2.ADAPTIVE_THRESH_GAUSSIAN_C كٌمص خًهظزص ملظىٓـ ؤوِخن مـمىم خًلٌم خملظـإوَش ،كٌؽ ؤن خألوِخن هٍ خًندفٍش خًًإوٌٓص. ً :Block Size oلًي كـم منؿلص خًـىخَ :C oػدرع خًؿُق من خملظىٓـ خًلٔديب ؤو خملظىٓـ خملىِون ،كٌمظه طوىن مىؿزص ندي ًش وًون ٌنون ؤن طوىن كٌمظه ؤًػد ضفُ ؤو كٌمص ٓدًزص. مبُهىُاملرىظؽُاملىصون؟ُومبُامفشقُتنيُاملرىظؽُامؽعبيبُواملرىظؽُاملىصون؟ُُ(سًبطٌبد) ُ ُ ملهُفص مد هى خملظىٓـ خملىِون ومد هى خًفُق رٌنه ورٍن خملظىٓـ خًلٔدذ خنظلٍ ًهٍخ خًُخرـ: http://www.mediafire.com//lztw213xna3n2xh
خًوىي خًظديل ًىغم خًفُق رٍن خًظهظٌس خًهدَ وخًظهظٌس خملظوٌف ًٌطىَش يف ٌسوؽ بغدءش موظٌفص:
104
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('dav.jpg',0) img = cv2.medianBlur(img,5) ret,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY) th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,\ cv2.THRESH_BINARY,11,2) th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\ cv2.THRESH_BINARY,11,2) titles = ['Original Image', 'Global Thresholding (v = 127)', 'Adaptive Mean Thresholding', 'Adaptive Gaussian Thresholding'] images = [img, th1, th2, th3]
ذ
for i in xrange(4): plt.subplot(2,2,i+1),plt.imshow(images[i],'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show()
:امنرٌعخ
105
OpenCvببساطة هٌل هى وخغم من خًنظدثف رإن خًظهظٌس خملظوٌف ًهؿٍ نظٌـص ؤفػٍ وغـٌف ؤكٍ. رشػُامكىدُ :
)img = cv2.medianBlur(img,5
ذ
خًظدرو )(ًٔ medianBlurظوًَ ًؿمٕ خًطىَش ردٓظوًخَ خًفٌرت خملظىٓـ. خملظًًن خألوي هى ؤٓم خًطىَش ،خملظًًن خًؼدين ٌنؼٍ يَؿص خًؿمٕ. )ret,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY
ذ
طهظٌس خًطىَش ردٓظوًخَ طدرو خًظهظٌس خًزٌٔـ )( ( thresholdطم ٌسكه مٔزلدً). \th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,
)cv2.THRESH_BINARY,11,2
ذ
طهظٌس خًطىَش ردٓظوًخَ طدرو خًظهظٌس خملظوٌف )( :adaptiveThreshold املرغريُاأل ُول هى خًطىَش خملؿٌىذ طهظٌزهد (ًـس ؤن طوىن خًطىَش يف خملٔظىي خًُمديي) املرغريُامصبين ٌنؼٍ ؤيىن كٌمص ًٌهظزص املرغريُامصبمض ؤنىل كٌمص ًٌهظزص .يف خًظهظٌس خملظوٌف ٓنوظدَ ؤكً خًظىخرو خًظدًٌص:
cv2.ADAPTIVE_THRESH_MEAN_C cv2.ADAPTIVE_THRESH_GAUSSIAN_C
خملظًًن خًُخرو هى نىم خًظهظٌس (طم ٌسكه مٔزلد) خملظًًن خًودمٕ هى Block Sizeوٌنؼٍ كـم خًزٌؤالض خملظـإوَش خًظٍ طٔظوًَ ًلٔدذ كٌمص نظزص خًزٌؤٍ. خملظًًن خًٔديْ هى خًؼدرع Cخًٍي ٌنؼٍ نديش ً ػدرع خًؿُق من خملظىٓـ ؤو خملظىٓـ خملىِون كٌمظه طوىن نديش مىؿزص وًون ٌنون ؤن طوىن كٌمظه ؤًػد ضفُ ؤو كٌمص ٓدًزص. \th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, )cv2.THRESH_BINARY,11,2
نفٕ خًظدرو خًٔدرم مو خهظالف رٌٔـ وهى ردهظٌدَ نىم طدرو خملظًًن خًؼدًؽ.
ذ
106
OpenCvببساطة -3اؾتحوقلذاؾثـائيذالذوتدوذ(:(Otsu’s Binarization
ًلً ؤوغلند يف خًلٔم خًٔدرم رإن خًظدرو )(ً cv2.thresholdهًٌ كٌمظٍن هٌل threshold و ،retValوٌسكند خملظًًن خًؼدين ،thresholdوًون خملظًًن خألوي retValمل نٍسكه ،فٌل هى نمٌه؟؟ يف خًظهظٌس خًزٌٔـ كمند ردهظٌدَ كٌمص نشىخثٌص ًٌهظزص ،ػم نن ؾًُم خًظـًُس نلًي خًلٌم خملؼدًٌص ًٌظهظٌس ،وًون بٌخ هدن ًًًند ضىَش ػندثٌص خًطًٌص (خمللطىي ردًطىَش ػندثٌص خًطًٌص هٍ خًطىَش خًظٍ متٌى كمظٍن يف خملوؿـ خًزٌدين ًهد( ٓ ،نإهٍ كٌمص نظزص وٓؿص رٍن هدطٍن خًلمظٍن وهٍخ مد ًفهٌه طلىًٍ ؤوطٔى.
ذ
مٌوظ: طلىًٍ ؤوطٔى وقٌفظه كٔدذ كٌمص خًهظزص ًٌطىَ ػندثٌص خًطًٌص (خًطىَش خًظٍ متٌى كمظٍن يف خملوؿـ خًزٌدين ًهد).ردًنٔزص ًٌطىَ يًن خًؼندثٌص طلىًٍ ؤوطٔى ًن ًوىن يكٌلدً. ًظؿزٌم طلىًٍ ؤوطٔى نٔظوًَ خًهٌم .cv2.THRESH_OTSUوًٌلطىي نىل كٌمص خًهظزص رزٔدؾص كم رظمًُُ خًلٌمص ضفُ ،ننًهد خًوىخَِمٌص ٓظلٔس كٌمص خًهظزص خملؼدًٌص وطهًٌ كٌمظهد وطوّنهد يف خملظًًن .retValطهظٌس ؤوطٔى بٌخ مل ًُٔظَهمٍ ،ننًهد ٓظوىن كٌمص retValرنفٕ كٌمص خًهظزص خملٔظوًمص.
107
ببساطةOpenCv يف خملؼدي خًظديل ضىَش خًًهٍ ٌخض غـٌف َيف خًلدًص خألوىل ٓنؿزم نىل خًطىَش خًظهظٌس خًهد )(خًظهظٌس خًزٌٔـ يف خًلدًص خًؼدين نؿزم خًظهظٌس كٔس ؤوطٔى يف خًلدًص خًؼدًؼص ٓنلىَ ؤوال رةِخًص خًػـٌف من خًطىَش نن . ػم ٓنؿزم طُشٌم ؤوطٔى5x5 ْؾًُم طؿزٌم مُشم يإويس رلٌد
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('noisy.JPG',0) # global thresholding ret1,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY) # Otsu's thresholding ret2,th2 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# Otsu's thresholding after Gaussian filtering blur = cv2.GaussianBlur(img,(5,5),0) ret3,th3 = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU) # plot all the images and their histograms images = [img, 0, th1, img, 0, th2, blur, 0, th3] titles = ['Original Noisy Image','Histogram','Global Thresholding (v=127)', 'Original Noisy Image','Histogram',"Otsu's Thresholding", 'Gaussian filtered Image','Histogram',"Otsu's Thresholding"]
ذ
for i in xrange(3): plt.subplot(3,3,i*3+1),plt.imshow(images[i*3],'gray') plt.title(titles[i*3]), plt.xticks([]), plt.yticks([]) plt.subplot(3,3,i*3+2),plt.hist(images[i*3].ravel(),256) plt.title(titles[i*3+1]), plt.xticks([]), plt.yticks([]) plt.subplot(3,3,i*3+3),plt.imshow(images[i*3+2],'gray') plt.title(titles[i*3+2]), plt.xticks([]), plt.yticks([]) plt.show()
108
ببساطةOpenCv :امنرٌعخ
ذ
ُ :رشػُُُامكىد # global thresholding ret1,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY) ذ
.طهظٌس خًطىَش وفم طدرو خًظهظٌس خًزٌٔـ # Otsu's thresholding ret2,th2 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU) ذ
طهظٌس خًطىَش وفم طهظٌس ؤوطٔى ذ
blur = cv2.GaussianBlur(img,(5,5),0)
) (ٌٓظم ٌسكه الكلد.5x5 ٓنًٍّ خًػـٌف من خًطىَش نن ؾًُم طؿزٌم مُشم يإويس رلـم ذ
ret3,th3 = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
طؿزٌم طهظٌس ؤوطٔى
109
ببساطةOpenCv
# plot all the images and their histograms images = [img, 0, th1, img, 0, th2, blur, 0, th3] ذ
.image طوًّن خًطىَش وطهظٌزدطهد وموؿؿدطهد خًزٌدنٌص يف مطفىفص ٓمٌندهد ذ:مترقن
.ٍخهظس طؿزٌم ضًًن ًظًًٌن كٌمص خًهظزص ًطىَش مد نن ؾًُم ٌسًـ خًظمًُُ خًـدنز ُ :امؽه import cv2 import numpy as np def nothing(x): img = cv2.imread('shape2.jpg',0) #Generate trackbar Window Name TrackbarName='value threshold' #Make Window and Trackbar cv2.namedWindow('Window') cv2.createTrackbar(TrackbarName,'Window',0,255,nothing) # Allocate destination image Threshold = np.zeros(img.shape, np.uint8) # Loop for get trackbar pos and process it while True: #Get position in trackbar TrackbarPos = cv2.getTrackbarPos(TrackbarName,'Window')
#Apply Threshold cv2.threshold(img,TrackbarPos,255,cv2.THRESH_BINARY, Threshold) # Show in window cv2.imshow('Window',Threshold) # If you press "ESC", it will return value ch = cv2.waitKey(5) if ch == 27: break cv2.destroyAllWindows()
OpenCvببساطة
110
امرؽىًالدُامهنذظٌخُغىلُامصىسح ُ امهذفُ : طهٌم طؿزٌم موظٌف خًظلىًالض خًهنًٌٓص نىل خًطىَش ،مؼٍ خًنلٍ ،خًظًوًُ ،طلىًالض خًظلًُس.affine ٓ نظهٌم خٓظوًخَ خًظدرو cv2.getPerspectiveTransform
غمنٌبدُامرؽىًه ُ ًOpenCvهؿٌند طدرهٌٍن ًٌظلىًٍ هٌل . cv2.warpPerspective،cv2.warpAffine نن ؾًُم هًٍن خًظدرهٌٍن ٌنونى بًـدي هٍ ؤنىخم خًظلىًٍ. خًظدرو ٌcv2.warpAffineنٌى مطفىفص طلىًٍ كـمهد .2x3 خًظدرو ٌ cv2.warpPerspectiveنٌى مطفىفص طلىًٍ رلـم .3x3
111
ببساطةOpenCv ُ Scalingُ امرؽعٌم
ًًً كٌؽ ٌنون طل.cv2.resize() وًٌى نن ؾًُم خًظدرو،هٍ نمٌٌص طلًًً كـم (ؤرهدي) خًطىَش وطٔظوًَ ؤٓدًٌس خالٓظٌفدء.كـم خًطىَش ًًوًدً وٌنون طلًًًه نن ؾًُم ندمٍ خًظلـٌم .خملوظٌفص cv2.INTER_CUBIC (slow) و، ًٌظلٌظcv2.INTER_AREA ٍؤفػٍ ؤٓدًٌس خالٓظٌفدء ه رشوٍ خفرتخيض ًوىن ؤٌٓىذ خالٓظٌفدء هى.ًٌ ًٌظزهcv2.INTER_LINEAR و،ًٌظلًُس .ًٌؤي خًظزهcv2.INTER_LINEAR :خًوىي خًظديل ًىغم مد طلًػند ننه import cv2 import numpy as np img = cv2.imread('gift.jpg') res = cv2.resize(img, None, fx=2, fy=2, interpolation = cv2.INTER_CUBIC) print img.shape print res.shape
ذ )320ذ,320ذ,3( )640ذ,640ذ,3(
:ٌُنون هظدرص خًوىي خًٔدرم رشوٍ آه #OR height, width = img.shape[:2] res = cv2.resize(img,(2*width, 2*height), interpolation = cv2.INTER_CUBIC)
ذ )320ذ,320ذ,3( )640ذ,640ذ,3(
ُ Translationُُُ امنله : ًٌلٌدَ رهمٌٌص خًنلٍ نظزو خًوؿىخض خًظدًٌص.خًنلٍ هى نمٌٌص بِخكص ؿٔم مد
112
ببساطةOpenCv
َ ومنَُ ًهد ملًخM ػم نلىَ رةنشدء مطفىفص
نلًي ملًخَ خالنًّدق ردإلكًخػٌدض [
]خالنًّدق خًٍي نًًُه
.cv2.warpAffine() ومنَُهد ًٌظدروnp. float32 ػم نلىَ رظلىًٍ هٍه خملطفىفص ًٌطًٌص :(100,50) َشدهً خملؼدي خًظديل خًٍي ًىغم خنًّدق خًطىَش (خملطفىفص) مبلًخ import cv2 import numpy as np img = cv2.imread('gazal.jpg',0) rows,cols = img.shape M = np.float32([[1,0,100],[0,1,50]]) dst = cv2.warpAffine(img,M,(cols,rows))
ذ
cv2.imshow('img',dst) cv2.waitKey(0) cv2.destroyAllWindows()
ُ :امنرٌعخ
ذ ذ
113
OpenCvببساطة رشػُامكىدُ :
rows,cols = img.shape
ذ
طوًّن نًي ضفىف وؤنمًش خًطىَش imgيف خملظًًنًن rowsو. cols )]]M = np.float32([[1,0,100],[0,1,50
طهًُف مطفىفص ]
[
ذ
من خًنىم np. float32
ٓنٔظوًَ هٍه خملطفىفص ًظلًًً خنًّدق خًطىَش ردمللًخَ ).(100,50 ))dst = cv2.warpAffine(img,M,(cols,rows
ؿهٍ خًطىَش طنّخق مبلًخَ ) (100,50نن ؾًُم متًُُ خملطفىفص ًٌ Mظدرو )(.cv2.warpAffine خملظًًن خًؼدًؽ ًٌظدرو )(ً cv2.warpAffineلًي كٌدْ ضىَش خًوُؾ. ذ
امرذوًشُُ Rotation ًٌلٌدَ رهمٌٌص طًوًُ خًطىَش رّؤوًص 𝛉 نلىَ مبد ًًل: 𝛉 ننشإ مطفىفص من خًشوٍ ] 𝛉
𝛉 𝛉
[
موظزص OpenCvطىفُ ًند مطفىفص ًظًوًُ خًطىَش كىي ؤي نلؿص ورإي ِؤوًص نًًُهد .وًٌى من هالي خًظدرو .cv2.getRotationMatrix2D خملؼدي خًظديل ًًوَ ًند خًطىَش رّؤوًص ْ 95يَؿص يون طًًٌن كـم خًطىَش.
ذ
114
ببساطةOpenCv
import cv2 import numpy as np img = cv2.imread('gazal.jpg',0) rows,cols = img.shape M = cv2.getRotationMatrix2D((cols/2,rows/2),90,1) dst = cv2.warpAffine(img,M,(cols,rows))
ذ
cv2.imshow('img',dst) cv2.waitKey(0) cv2.destroyAllWindows()
ُ :امنرٌعخ
ذ
ُ :رشػُامكىد M = cv2.getRotationMatrix2D((cols/2,rows/2),90,1)
ذ
.ًلًي ًند ِؤوًص خًًوَخن خًظٍ نًًُ طًوًُ خًطىَش رهدcv2.getRotationMatrix2D خًظدرو :cv2.getRotationMatrix2D () ٌسق خًظدرو . خملظًًن خألوي ًلًي مُهّ يوَخن خًطىَش . خملظًًن خًؼدين ًلًي ِؤوًص خًًوَخن . خملظًًن خًؼدًؽ ًلًي كـم ضىَش خًوُؾ dst = cv2.warpAffine(img,M,(cols,rows))
ذ
115
OpenCvببساطة
نفٕ خًٍسق يف خًفلُش خًٔدرلص ،وًون هٍه خملُش رًي ؤن منَُ مطفىفص ً Mظًًٌن خًلـم مَُنند مطفىفص ً Mظلًًً ِؤوًص خًًوَخن. ذؽىًهُؤفٌنٍُُ Affine Transformation
ذ
يف هٍخ خًظلىًٍ هٍ خًوؿىؽ خملظىخًِص يف خًطىَش خألضٌٌصٓ ،ظزلى مظىخًِص يف ضىَش خًوُؾ. إلًـدي مطفىفص خًظلىًٍ نلظدؾ ػالػص نلدؽ من خًطىَش خألضٌٌص وخًنلدؽ خملندقُش ًهد يف ضىَش خًوُؾ ،ػم ٌٓلىَ خًظدرو cv2.getAffineTransformرةنشدء مطفىفص 2x3وخًظٍ ٓنمَُهد ًظدرو خًظلىًٍ .cv2.warpAffine خنكُ ًٌمؼدي خًظديل ،وشدهً خًنلدؽ خملوظدَش (خًنلدؽ خملٌىنص ردًٌىن خألضفُ).
116
ببساطةOpenCv
import cv2 import numpy as np img = cv2.imread('hello.png',0) rows,cols = img.shape pts1 = np.float32([[67,160],[370,115],[371,263]]) pts2 = np.float32([[20,114],[370,115],[371,263]]) M = cv2.getAffineTransform(pts1,pts2) dst = cv2.warpAffine(img,M,(cols,rows)) cv2.imshow('orginal',img) cv2.imshow('res',dst) k = cv2.waitKey(0)
ذ
cv2.destroyAllWindows()
ُ :امنرٌعخ
ذ
ُ :رشػُامكىد pts1 = np.float32([[50,50],[200,50],[50,200]])
.ٍ ًٌنلدؽ خًطفُخء ًٌطىَش خًًهy وx خألَكدَ خًظٍ رٍن خًلىٍٓن ] [ متؼٍ بكًخػٌدض ذ
OpenCvببساطة )]]pts2 = np.float32([[10,100],[200,50],[100,250
117
ذ
خألَكدَ خًظٍ رٍن خًلىٍٓن ] [ متؼٍ بكًخػٌدض xوًٌ yنلدؽ خًطفُخء ًٌطىَش خًوُؾ. )M = cv2.getAffineTransform(pts1,pts2 ذ
خألن نلىَ رلٔدذ طلىًٍ ؤفٌنٍ رٍن ػالػص ؤِوخؾ من خًنلدؽ خًؼالػص خًطفُخء خًظٍ يف ضىَش خًًهٍ وخًوُؾ نن ؾًُم خًظدرو )( .getAffineTransform ))dst = cv2.warpAffine(img,M,(cols,rows ذ
وؤهًنخ ً نلىَ رظؿزٌم طلىًٍ ؤفٌنٍ خًٍي كٔزنده نىل خًطىَش خملؿٌىرص نن ؾًُم خًظدرو warpAffin )(ً .إهٍ هٍخ خًظدرو ػالغ مظًًنخض ،خألوي هى خًطىَش خملؿٌىذ بؿُخء طلىًٍ ؤفٌنٍ نٌٌهد ،وخملظًًن خًؼدين ٌنؼٍ ملًخَ طلىًٍ ؤفٌنٍ خملؿٌىذ ،وخملظًًن خًؼدًؽ ًلًي كٌدْ ضىَش خًوُؾ. ذ
امرؽىًهُاملنظىسيُ)ُ )Perspective Transformation ذ
118
ببساطةOpenCv
.ًٍ ٓظزلى خًوؿىؽ خملظىخًِص هٌل هٍ رهً خًظلى،3X3 ًٌلٌدَ رهٍخ خًظلىًٍ ٓنلظدؾ مطفىفص وػالػص من،إلًـدي خًظلىًٍ نلظدؾ ؤَرو نلـ يف ضىَش خًًهٍ ومد ًلدرٌهد من خًنلدؽ يف ضىَش خًوُؾ وًٌى من،ًٍ ننًهد ٌنون بًـدي مطفىفص خًظلى،هٍه خًنلدؽ ًـس ؤال طوىن نىل خٓظلدمص وخكًش cv2.warpPerspective رهً ًٌى نؿزم خًظدرو،cv2.getPerspectiveTransform هالي خًظدرو : خًوىي خًظديل ًىغم ًٌى.3X3 ًٍمو مطفىفص خًظلى import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread(' drawing.jpg',0) rows,cols,ch = img.shape pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])/2 pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])/2 M = cv2.getPerspectiveTransform(pts1,pts2) dst = cv2.warpPerspective(img,M,(150,150))
ذ
plt.subplot(121),plt.imshow(img),plt.title('Input') plt.subplot(122),plt.imshow(dst),plt.title('Output') plt.show()
ُ امنرٌعخ
ذ
:ًٌمًًّ من خملهٌىمدض نٌٌى رلُخءش خملُؿو ذ ذComputer Vision: Algorithms and Applications " Richard Szeliski"
119
OpenCvببساطة ذهزًجُامصىسحُُُ)ُ )Smoothing Images
ذ
ذ
امهذفُ : طهٌم هٌفٌص طًزٌش خًطىَش ردٓظوًخَ نًش مُشلدض ًٌرتيي منوفؼ(.)LPF طهٌم طؿزٌم مُشلدض مطنىنص هطٌطد ًٌطىَ (خًؿٍ ػنديئ خًزهً) (.)2D Convolution ذ
120
OpenCvببساطة امؼٍُشنبيئُامثػذُ_ُذششٌؾُامصىس ُ
هٌل بن خالشدَخض خًىكًٌش خًزهً (ٌ )one-dimensional signalsنونند طُشٌلهد (فٌرتطهد) مبُشلدض خًرتيي خملنوفؼ وخملُطفو ، LPF , H PFهًٍى خألمُ ٌنونند طؿزٌله نىل خًطىَش.
ذ
ٌنونند طُشٌم خًطىَش ردٓظوًخَ مُشلدض . HPF،LPF خملُشم ًٔ LPFدنً نىل بِخًص خًػـٌف ؤو طًزٌش خًطىَش (.)blurring خملُشم ًٔ HPFدنًند يف بًـدي خًلىخف يف خًطىَش. موظزص OpenCvطىفُ ًند خًظدرو )( cv2.filter2Dخًٍي ًٔدنًند يف نمٌٌص ؾٍ (يمف) خًلندم مو خًطىَش ًنلطٍ نىل ضىَش مُشلص ،همؼدي نىل ًٌى ٓنـُذ طؿزٌم خملُشم خملظىٓـ نىل خًطىَش. ٓنهُف كندم رلـم ًٌ 5x5مُشم خملظىٓـ هٌل ًًل:
[
] ذ
هٍه خًهمٌٌص طايي ًلٔدذ خملظىٓـ ملـمىنص خًزٌؤالض خًىخكهص غمن خًلندم. ؾزم خًوىي خًظديل وشدهً خًنظٌـص:
121
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('opencv_logo.png') kernel = np.ones((5,5),np.float32)/25 dst = cv2.filter2D(img,-1,kernel)
ذ
plt.subplot(121),plt.imshow(img),plt.title('Original') plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(dst),plt.title('Averaging') plt.xticks([]), plt.yticks([]) plt.show()
ُ :امنرٌعخ ذ ذ ذ
:رشػُامكىد kernel = np.ones((5,5),np.float32)/25
ذ
ػمnp.float32 من خًنىم5x5 كـمهد هى،np.ones()ُبنشدء مطفىفص وخكًًص نن ؾًُم خألم . ٓنٔظهمٍ هٍه خملطفىفص هلندم ًرتشٌم خًطىَش.25 كٔمند خملطفىفص نىل dst = cv2.filter2D (img, -1, kernel)
ذ
ذ
. خًٍي ٌٓلىَ ررتشٌم خًطىَش وفلد ًهٍخ خًلندمcv2.filter2D ًٌظدروKernel نلىَ رظمًُُ خًلندم (-1) وخًؼدين رلًي خًهمم خًٌىين ًطىَش خًوُؾ فةٌخ هدنع كٌمظه،ٍخملظًًن خألوي هى ضىَش خًًه وخملظًًن خًؼدًؽ ٌنؼٍ خًلندم خًٍي ًـس ؤن،ٍٓنلطٍ نىل ضىَش رنفٕ خًهمم خًٌىين ًطىَش خًًه .float ًوىن رلندش وخكًش مبطفىفص من خًنىم
122
OpenCvببساطة ػمغُامصىسحُ(ُ )Image Blurring
طظم نمٌٌص ؾمٕ خًطىَش ردٓظهٌلي كندم مُشم خًرتيي خملنوفؼ .كٌؽ ًٔظوًَ إلِخًص خًػـٌف من خًطىَش ،وهطىضد خًرتييخض خملُطفهص (مؼٍ خًػـٌف وخًلىخف ،)..وطنهم خًلىخف (طؿمٔهد رلٌؽ طـهٌهد ؤهف)ً( ،ون هندن ؤنىخم من طلنٌدض خًؿمٕ ال طلىَ رؿمٕ خًلىخف) .خملوظزص OpenCvطىفُ ًند ؤَرو طلنٌدض ًٌؿمٕ: -1ادلرذحذادلتودطذ()Averaging
ًظم ًٌى نن ؾًُم ًف خًطىَش مو مُشم ضنًوكٍ (ٌنؼٍ خًلندم) (ننًمد ؤكىي ًف خًطىَش مو كندم ؤي متًُُ خًلندم نىل هٍ خًطىَش وخًٍي ٌٓهؿٌند ضىَش ؿًًًش نزدَش نن نظٌـص ملطٌص خًلندم مو خًطىَش خألضٌٌص) ،فهى ًإهٍ رزٔدؾص مظىٓـ هٍ رٌؤٍ يف خًطىَش طلع منؿلص خًلندم ،ؤًظزًي خًهنرص خملُهّي يف خًزٌؤٍ ردملظىٓـ .طظم هٍه خًهمٌٌص نن ؾًُم خًظدرو )(cv2.blurؤو )(.cv2.boxFilter ًـس نٌٌند طلًًً ؾىي ونُع خًلندم خملهًي. ًنفُع ًًًند كندم مُشم ضنًوكٍ كـمه ،3x3ننًهد ٓىف ًزًو هٌل ًًل: x
[
] خًورس
بقعة من الصورة بحجم 3x3
ٌنؼٍ خملظىٓـ .هند خٓظوًمند خًـىخَ.3x3
(مطؿٌم خًـىخَ ًهنٍ هند ؤرهدي خملطفىفص).
مالككص :بٌخ مل طُي خٓظوًخَ خملُشم خًطنًوكٍ ،خٓظوًَ خًظدرو )( cv2.boxFilterومَُ ًه خملظًًن normalize=False.
ؤًمِ نكُش نىل خًربندمف خًظديل ٌو خًلندم :5x5
123
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('opencv_logo.png') blur = cv2.blur(img,(5,5))
ذ
plt.subplot(121),plt.imshow(img),plt.title('Original') plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(blur),plt.title('Blurred') plt.xticks([]), plt.yticks([]) plt.show()
ُ :امنرٌعخ
ذ
:رشػُامكىد blur = cv2.blur(img, (5,5))
ذ
.cv2.blur() طُشٌم خًطىَش ردٓظوًخَ طلنٌص خًرتشٌم خملظىٓـ وًٌى نن ؾًُم خًظدرو ُ :cv2.blur()ُرشػُامربتؼ ُ وخملظًًن خًؼدين ٌنؼٍ كـم خًلندم (كـم خملُشم،خملظًًن خألوي ًإهٍ خًطىَش خملُخي طُشٌلد .)ًٍطنًوك ذ
OpenCvببساطة
124
-2ادلرذحذاؾغلوديذ(:)Gaussian Filtering
خآلن رًال من خٓظهٌلي خملُشم خًطنًوكٍ خًٍي ًظإًف من نندرص مظٔإوًصٓ ،نٔظوًَ خملُشم خًًإويس ،وًٌى نن ؾًُم طؿزٌم خًظدرو )( .cv2.GaussianBlurيف خًزًخًص ًـس نٌٌند طلًًً ؾىي ونُع كندم خملُشم خًًإويس رإنًخي مفُيش ومىؿزص ،ونلًي ؤًػدً خالنلُخف خملهٌدَي نىل خمللىًَن Xو .Yويف كدي هدن ؤكً خمللىًَن مهؿى فلـ ًوىن خًؼدين مٔإوًدً ًه ،وبٌخ هدن هال خمللىًَن كٌمظهم ضفُ ًلٔزدن من كـم خًلندم. خملُشم خًًإويس مفًٌ ؿًخ ً إلِخًص خًػـٌف خًًإويس من خًطىَش .بٌخ ؤكززع ٌنونى بنشدء كندم يإويس ردٓظوًخَ خًظدرو )(.cv2.getGaussianKernel خًوىي خًظديل نفٕ خًوىي خًٔدرم مو طًًن ٓؿُ وخكً فلـ: import cv2 import numpy as np from matplotlib import pyplot as plt
)'img = cv2.imread('opencv_logo.png )blur = cv2.GaussianBlur(img,(5,5),0 )'plt.subplot(121),plt.imshow(img),plt.title('Original )][(plt.xticks([]), plt.yticks )'plt.subplot(122),plt.imshow(blur),plt.title('Blurred )][(plt.xticks([]), plt.yticks )(plt.show
ُامنرٌعخُ : ذ ذ ذ ذ
ذ
125
OpenCvببساطة رشػُامكىد:
)blur = cv2.GaussianBlur(img,(5,5),0
ذ
طُشٌم خًطىَش ردٓظوًخَ طلنٌص خًرتشٌم خًًإويس وًٌى نن ؾًُم خًظدرو )(.cv2.Gaussianblur ٌسق خًظدرو )(cv2.GaussianBlur خملظًًن خألوي ًإهٍ خًطىَش خملُخي طُشٌلد. خملظًًن خًؼدين ٌنؼٍ كـم خًلندم خًًإويس. خملظًًن خًؼدًؽ ٌنؼٍ ملًخَ خالنلُخف خملهٌدَي. -3ادلرذحذاألودطيذ(:)Median Filtering
خًظدرو ً cv2.medianBlurلٔس مظىٓـ مـمىنص خًزٌؤالض خًظٍ طلع خًلندم ؤًظزًي خًنظٌـص ردًهنرص خملُهّي .هٍخ خملُشم فهدي ؿًخ يف كدًص غـٌف خملٌم وخًفٌفٍ. مؼديًًً :ند رلهص (مـمىنص رٌؤالض يف خًطىَش) طإهٍ رؤالطهد خًلٌم خًظدًٌص: 100,25,20,20,15,20,20,20,10
رهً طؿزٌم خملُشم خألوٓؿٍ نٌٌهد ططزم خًنظٌـص:
100,25,20,20,20,20,20,15,10ذ ذ
خًلٌمص خألوٓؿٌص رًي 80
20ذ 25ذ 100ذ
20ذ 25ذ 100ذ
20ذ 20ذ 20ذ
20ذ 15ذ 20ذ
10ذ 20ذ 20ذ
10ذ 20ذ 20ذ
ذ
من خملالكل رإنه يخمئد يف خملُشلدض خًٔدرلص رإن خًهنرص خملُهّي يف خًزلهص ًٔظزًي رلٌمص كً ال طوىن مىؿىيش يف نفٕ خًزلهص خًظٍ مَُند فىكهد خًندفٍش ،نىل خًهوٕ من خملُشم خألوٓؿٍ خًٍي ًٔظزًي خًهنرص خملُهّي رزٌؤٍ من نفٕ خًزلهص ،مٌل ًايي ًظلٌٌٍ خًػـٌف رشوٍ فهدي. كٌدْ خًلندم يف خملُشم خألوٓؿٍ ًـس ؤن ًوىن ضلٌم ومفُي.
126
ببساطةOpenCv
.ٍ ردٓظوًخَ خملُشم خألوٓؿ50% يف خملؼدي خًظديل ٓنلىَ رظوفٌؼ خًػـٌف من خًطىَش رنٔزص import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('noisy_opencv.png') median = cv2.medianBlur(img,5) plt.subplot(121),plt.imshow(img),plt.title('Original') plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(median),plt.title('Median') plt.xticks([]), plt.yticks([]) plt.show()
ُ :ُامنرٌعخ
ذ
:رشػُامكىد ذ
median = cv2.medianBlur(img,5)
.cv2.medianblur() طُشٌم خًطىَش ردٓظوًخَ طلنٌص خًرتشٌم خألوٓؿٍ وًٌى نن ؾًُم خًظدرو ذ
ذ:cv2.medianBlur()ذرحذاؾتابعذ
. خملظًًن خألوي ًإهٍ خًطىَش خملُخي طُشٌلد ... 7 ،0 ،4 :ٍ مؼ8 ًـس ؤن ًوىن فُيًد وؤهرب من، خملظًًن خًؼدين ٌنؼٍ كـم خًلندم
OpenCvببساطة
127
-4ادلرذحذاؾثـائيذاجلاـيبذ(:)Bilateral Filtering
يف خملُشلدض خًٔدرلص نالكل ؤنهد متٌٍ ًؿمٕ خًلىخف ،وًون هٍخ خألمُ ال ًلًغ يف كدًص خٓظوًخَ خملُشم خًؼنديئ )( ،cv2.bilateralFilterوهٍه هٍ وقٌفظه خألٓدٌٓص ،فهى ًًٍّ خًػـٌف يون خًلدق خًٍصَ ردًلىخف ،فدًلىخف طٔدنًند يف خًظهُف نىل خألشودي. نمٌٌص خًرتشٌم خًؼنديئ رؿٌجص ملدَنص مو خملُشلدض خألهُي .ؤًػدً شدهًند ٓدرلد هٌف ؤن خملُشم خًًإويس ال ًهظم رشًش خًزٌؤالض خًظٍ طلع خًلندم هٍ هٍ مظلدَرص ردًشًش ؤَ ال ،مٌل ًايي ًؿمٕ خًلىخف. خملُشم خًؼنديئ خًـدنزٍ ًإهٍ ؤًػد كندم يإويس وًون مو مٍصوذ بغديف طدرو ًفُق شًش خًزٌؤالض ،ورهٍه خًهمٌٌص ًوىن كٔس هٍ من خًـىخَ خملودين ،وخًـىخَ يف خًشًش ،ورًٍى ًلدفل نىل خًلىخف. خًوىي خًظديل ًىغم ًٌى: import cv2 import numpy as np from matplotlib import pyplot as plt )'img = cv2.imread('opencv_ios.png )blur = cv2.bilateralFilter(img,9,75,75 )'plt.subplot(121),plt.imshow(img),plt.title('Original )][(plt.xticks([]), plt.yticks )' plt.subplot(122),plt.imshow(blur),plt.title('Blurred )][(plt.xticks([]), plt.yticks )(plt.show
ذ
OpenCvببساطة
128
ُامنرٌعخُ ُ:
رشػُامكىد: )blur = cv2.bilateralFilter(img,9,75,75
طدرو ؾمٕ خًطىَش ردٓظوًخَ خملُشم خًؼنديئ. ٌسق خًظدرو )( :bilateralFilter خملظًًن خألوي ٌنؼٍ خًطىَش خملؿٌىرص. خملظًًن خًؼدين وخًؼدًؽ وخًُخرو منَُهم هٌل يف خملُشم خًًإويس ،كٌؽ خملظًًن خًؼدين وخًؼدًؽ ٌنؼالن كـم خًلندم خًًإويس وخملظًًن خًُخرو ٌنؼٍ ملًخَ خالنلُخف خملهٌدَي. خًطىَش خًظدًٌص ًزىَي خًورتوين فٌهد غـٌف ردًطىَش فؿزلند نٌٌهد خملُشم خملظىٓـ وخألوٓؿٍ. شدهً خًفُق رٍن خملُشلٍن.
129
OpenCvببساطة امرؽىًالدُمنُامنبؼٌخُامشكنٌخُ()Morphological Transformations
ذ
امهذفُ : طهٌم موظٌف خًهمٌٌدض نىل خًظلىًالض خًظٍ طـُي نىل خًشوٍ مؼٍ خًظأهٍ ،خًظمًي، خًفظم ،خإليالق ....خًى طهٌم خٓظوًخَ خًظىخرو خًظدًٌصcv2.morphologyEx()، cv2.dilate()،cv2.erode() : ُ مػنىمبدُنظشًخُ : خًظلىًالض خًشوٌٌص هٍ رهؼ خًهمٌٌدض خًزٌٔؿص خًظٍ طـُي نىل شوٍ خًطىَش ،طنفٍ نديش نىل خًطىَ خًؼندثٌص .ونلظدؾ ًظنفٌٍ هٍه خًهمٌٌص ًًهٌٍن ،خًًهٍ خألوي هى خًطىَش خألضٌٌص ،ؤمد خًًهٍ خًؼدين هى خًهنرص خًرتهٌزٍ (خملطفىفص خملٔاوًص نن طلًًً خًلندم) خًٍي ًلًي ؾزٌهص خًهمٌٌص. خًهمٌٌدض خألٓدٌٓص هٍ نمٌٌص خًظأهٍ ونمٌٌص خًظمًي .Erosion and Dilation ونمٌٌدض خًفظم وخإليالق وخًظًَؾ .Opening, Closing, Gradient ٓرني هٌف ٓنؿزم هٍه خًهمٌٌدض نىل خًطىَش خًظدًٌص:
ذ ذ
OpenCvببساطة
130
-1عؿؾقةذاؾتكؽل: Erosion
خًفوُش خألٓدٌٓص ًٌظأهٍ هٍ متدمد مؼٍ طأهٍ خًرترص ،ننً طؿزٌم نمٌٌص خًظأهٍ نىل خًشوٍ طايي ًظنهٌم كًوي خًٔؿم خألمدمٍ (كإوي يخمئد ؤن طلُص ؤن ًوىن خًٔؿم خألمدمٍ ردًٌىن خألرٌؼ). كٌفُذرمُغمنٌخُامرأكه؟! ُ خًزٌؤٍ يف خًطىَش خألضٌٌص ًإهٍ كٌمظٍن بمد 0ؤو ( 1ؤٓىي ؤو ؤرٌؼ). خًزٌؤٍ خًٍي يف خًطىَش خألضٌٌص ٌٓهظرب 1فلـ بٌخ هدنع ؿمٌو خًزٌؤالض طلع خًلندم ،1وبال ٌٓظم طـدهٌه ؤي ًإهٍ خًلٌمص .0 خًٍي ًلًغ هى ؤن هٍ رٌؤٍ كًُس من خًلًوي ٓىف ًظم طـدهٌهٓ .مى خًلًوي خًظٍ ٌٓظم طأهٌهد ًظىكف نىل كـم خًلندم. هٍه خًهمٌٌص طفًٌند يف بِخًص خًػـٌف هدًنلدؽ خًزٌػدء خًطًًنش (هٌل شدهًند يف فطٍ خًفػدء خًٌىين) وطفًٌند ؤًػدً يف فطٍ ؿٔمٍن مظطٌٍن هؿٌد. امكىدُ : import cv2 import numpy as np )img = cv2.imread('j.png',0 )kernel = np.ones((5,5),np.uint8 )erosion = cv2.erode(img,kernel,iterations = 1 )cv2.imshow('orginal',img )cv2.imshow('erosion',erosion
امنرٌعخُ :
ذ
)k = cv2.waitKey(0
ُ ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ ذ
ذ
OpenCvببساطة
131
-2عؿؾقةذاؾتؿددذ:Dilation
نمٌٌص خًظمًي نوٕ نمٌٌص خًلع .هند طإهٍ نندرص خًزٌؤٍ خًلٌمص 1بٌخ هدن ننرص وخكً من نندرصه طلع خًلندم 1نىل خألكٍ ،ونظٌـص ًًٍى طّيخي كـم خملنؿلص خًزٌػدء. ردًهديش ننً طؿزٌم نمٌٌص خًظأهٍ إلِخًص غـٌف خملنؿلص خًزٌػدء يف خًطىَش نالكل رإن مٔدكص خًـٔم كً كٌعً ،هٍخ خًٔزس نظزو نمٌٌص خًظأهٍ رهمٌٌص خًظمًًً كظى نًًّ من مٔدكص خًـٔم خًٍي طأهٍ .فهمٌٌص خًظمًي مفًٌش الٓرتؿدم خألؿّخء خملظأهٌص من خًـٔم. امكىدُ : import cv2 import numpy as np )img = cv2.imread('j.png',0 )kernel = np.ones((5,5),np.uint8 )dilation = cv2.dilate(img,kernel,iterations = 1
)cv2.imshow('orginal',img )cv2.imshow('dilation',dilation )k = cv2.waitKey(0 )(cv2.destroyAllWindows
امنرٌعخُ : ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ ذ ذ ذ
ذ ذ
ذ
OpenCvببساطة
132
-3ذعؿؾقةذاؾػتح :Opening
نمٌٌص خًفظم هٍ نزدَش نن نمٌٌص خًظأهٍ +خًظمًي .هٍه خًهمٌٌص مفًٌش إلِخًص خًػـٌف هٌل ٌسكند ٓدرلد .وطظم نرب خًظدرو )(.cv2.morphologyEx امكىد: import cv2 import numpy as np )img = cv2.imread('j.png',0 )kernel = np.ones((5,5),np.uint8 )opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel )cv2.imshow('orginal',img )cv2.imshow('opening',opening )k = cv2.waitKey(0 )(cv2.destroyAllWindows
امنرٌعخُ : ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ ذ ذ
ذ
-4عؿؾقةذاإلغالقذ:Closing
نوٕ نمٌٌص خًفظم ،نلىَ ؤوال رظنفٌٍ نمٌٌص خًظمًي ػم نمٌٌص خًظأهٍ.هٍه خًهمٌٌص مفًٌش ًًٔ خًؼلىذ يف خًـٔم ومفًٌش ًًٔ خًنلدؽ خًٔىيخء خًطًًنش نىل خًـٔم.
ذ
133
ببساطةOpenCv ُ :امكىد
import cv2 import numpy as np img = cv2.imread('j.png',0) kernel = np.ones((5,5),np.uint8) closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
ذ
cv2.imshow('orginal',img) cv2.imshow('closing',closing) k = cv2.waitKey(0) cv2.destroyAllWindows()
:امنرٌعخ ذ ذ ذذذ ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ ذ
ذ:Morphological Gradient عؿؾقةذاؾتدرجذاؾشؽؾيذ-5
. رلٌؽ ٓظزًو هلًوي ًٌـٔم،هى خًفُق رٍن نمٌٌص خًظأهٍ وخًظمًي import cv2 import numpy as np img = cv2.imread('j.png',0) kernel = np.ones((5,5),np.uint8) gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) cv2.imshow('orginal',img) cv2.imshow('gradient',gradient) k = cv2.waitKey(0) cv2.destroyAllWindows()
ذ
134
OpenCvببساطة امنرٌعخ:
ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ ذ
-6عؿؾقةذؼبعةذاؾؼؿةذ:Top Hat
هى خًلُق رٍن نمٌٌص فظم خًطىَش وخًطىَش نفٔهد .يف خًوىي خًظديل ٓنؿزم كندم رلـم .9x9 امكىدُ : import cv2 import numpy as np )img = cv2.imread('j.png',0 )kernel = np.ones((9,9),np.uint8 )tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel )cv2.imshow('orginal',img )cv2.imshow(' tophat ', tophat )k = cv2.waitKey(0 )(cv2.destroyAllWindows
ذ
امنرٌعخ:
ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ
ذ
ذ
135
ببساطةOpenCv :Black Hat عؿؾقةذاؾؼبعةذاؾدوداءذ-7
.هى خًلُق رٍن نمٌٌص بيالق خًطىَش وخًطىَش خألضٌٌص ُ :امكىد import cv2 import numpy as np img = cv2.imread('j.png',0) kernel = np.ones((9,9),np.uint8) blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
ذ
cv2.imshow('orginal',img) cv2.imshow(' blackhat ', blackhat) k = cv2.waitKey(0) cv2.destroyAllWindows()
ُ :امنرٌعخ
ذذذذذذذذذذذذذذ ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ ذ
ذ ذ ذ
136
ببساطةOpenCv ُ )maskُُ(املنبع:Structuring Elementٍُ امػنرصُامرتكٌث
وًون ؤكٌدند، وهدن شوٌه مٔظؿًٌلNumpy ؤنشإند ٓدرلد ننرصخ طُهٌس ًًوي ردالٓظهدنص مبوظزص خًظدروOpenCv وًهٍخ خًٔزس وفُض ًند موظزص،ٍنلظدؾ ألشودي ؤهُي هدًًخثُي وخًلؿه وٓظلطٍ نىل خًلندم خًٍي، فلـ مَُ شوٍ وكـم خًلندم.cv2.getStructuringElement() .طًًُه ذ
# Rectangular Kernel >>> cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
array([[1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1]], dtype=uint8)
ذ
ذ
# Elliptical Kernel >>> cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
array([[0, 0, 1, 0, 0], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [0, 0, 1, 0, 0]], dtype=uint8)
ذ
# Cross-shaped Kernel >>> cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
array([[0, 0, 1, 0, 0], [0, 0, 1, 0, 0], [1, 1, 1, 1, 1], [0, 0, 1, 0, 0], [0, 0, 1, 0, 0]], dtype=uint8)
ذ
ُ :مشظؼُبطبيف at HIPR2Morphological Operations
ذ
OpenCvببساطة
137
امهذفُ : يف هٍخ خًفطٍ ٓنظهٌم بًـدي طًَؿدض ؤًىخن خًطىَش وطهٌم خًـدي كىخف خألؿٔدَ. ٓ نظهٌم خٓظوًخَ خًظىخرو خًظدًٌص. cv2.Laplacian()، cv2.Scharr()،cv2.Sobel() : نكُي: OpenCvتوػرذؾـاذثالثذأـواعذؿنذؿرذحاتذاؾتدرجذ(ؿرذحاتذاؾرتددذادلرتػعذ)HPFذوفي:ذ ذ دوبقل,ذذار,ذالبالدقانذذذ . Laplacian, Scharr,Sobelذ ذ
-1ؿشتؼاتذدوبقلذوذارذ:Sobel and Scharr Derivatives
نمٌٌص ٓىرٌٍ نزدَش نن يمف رٍن نمٌٌظٍ خًرتشٌم خًًإويس ونمٌٌص خًظفدغٍ(خالشظلدق)ًًٍ ،ى فهٍ ؤهًت ملإومص ًٌػـٌف .وٌنونى طلًًً خطـده خملشظم (ؤفلٍ ؤَ نمىيي) نن ؾًُم خًظلوم رلٌم مظًًنخض خًًهٍ ،وٌنونى ؤًػد خًظلوم رلـم خًلندم من هالي مظًًن يف خًًهٍ. بٌخ مَُض خًلٌمص (ًٌ )-1مظًًن خملٔاوي نن طلًًً كـم خًلندم فٌٔهؿٍ كندم رلـم 3x3من خًنىم Scharrوخًٍي ٌٓهؿٌند نظدثف ؤفػٍ. ذ
138
ببساطةOpenCv :Laplacian Derivatives ؿشتقذالبالدقانذ-2
ٍكٌؽ ه
ًلٔس الرالٌٓدن خًطىَش خملهؿى من هالي خًهالكص .ٌٍمشظم ًُىؿً ردٓظوًخَ مشظم ٓىر : ٌٓوىن خًلندم خملٔظوًَ هٌل ًًل،1 ًنفرتع مؼالً ؤن كـم خًلندم هدن [
] ُ ُ :امكىد
ومظًًن نمم،5x5 ْ خألكنهص هٌهد ٓظوىن رلٌد.ًخًوىي خًظديل ٌٓىغم مد ٓزم يف رُندمف وخك .np.unit8 ًٌلطىي نىل خًنظٌـص رطًٌص-1 خًطىَش منَُ ًه خًلٌمص import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('dave.jpg',0) laplacian = cv2.Laplacian(img,cv2.CV_64F) sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5) sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5) plt.subplot(2,2,1),plt.imshow(img,cmap = 'gray') plt.title('Original'), plt.xticks([]), plt.yticks([]) plt.subplot(2,2,2),plt.imshow(laplacian,cmap = 'gray') plt.title('Laplacian'), plt.xticks([]), plt.yticks([]) plt.subplot(2,2,3),plt.imshow(sobelx,cmap = 'gray') plt.title('Sobel X'), plt.xticks([]), plt.yticks([]) plt.subplot(2,2,4),plt.imshow(sobely,cmap = 'gray') plt.title('Sobel Y'), plt.xticks([]), plt.yticks([]) plt.show()
ذ
ذ
139
OpenCvببساطة امنرٌعخُ :
ذ
رشػُامكىدُ : )laplacian = cv2.Laplacian(img,cv2.CV_64F ذ
خملظًًن خألوي هى ضىَش خًًهٍ ،وخملظًًن خًؼدين ٌنؼٍ نمم ضىَش خًوُؾ. )sobelx = cv2.Sobel(img,cv2.CV_64F,1,0, ksize=5 ذ
)( :cv.Sobelخملظًًن خألوي هى ضىَش خًًهٍ ،وخملظًًن خًؼدين ٌنؼٍ نمم ضىَش خًوُؾ ،وخملظًًن خًؼدًؽ ٌنؼٍ خالشظلدق ردًنٔزص ًٌملىَ Xوخملظًًن خًُخرو ٌنؼٍ خالشظلدق ردًنٔزص ًٌملىَY ،وخملظًًن خًودمٕ ٌنؼٍ كٌدْ خًلندم (ًـس ؤن ًوىن 0 ،4 ،8ؤو )7 ذ
)sobely = cv2.Sobel(img,cv2.CV_64F,0,1, ksize=5 ذ
140
ببساطةOpenCv ُ :كظٌخُمهمخ
وًون هندن مشوٌصcv2.CV_8U ؤوnp.uint8 يف خملؼدي خألهًن ًًًند نىم رٌدندض خًوُؾ هى طوىن خًلىخف ننً خالنظلدي من خالٓىي ًلرٌؼ رلٌمص، فهنً خًظلىًٍ من خًنىم خألوي ًٌؼدين،رٌٔؿص ًًٍى ننً طلىًٍ خًزٌدندض ًٌنىم، خمد ننً خًظلىًٍ ردًهوٕ فٔظوىن رلٌمص ٓدًزص،مىؿزص .ً نفلً طٌى خًلىخف ألنهد طهظرب ؤضفدَخnp.unit8 ٍ ؤفػٍ هٌدَ هى ؤن طزلٍ نىل نىم رٌدندض خًوُؾ رطًٌص ؤنىل مؼ،بٌخ ؤَيض ؤن طوظشف خًلىخف ػم نلىًهد ًٌطًٌص، ومن ػم نإهٍ خًلٌمص خملؿٌلص ًهد،cv2.CV_64F،cv2.CV_16S . np.unit8 . وًزٍن خًوؿإ خًلدضٍ ردًلدًص خألوىل،ٍخًوىي خًظديل ًىغم هٍخ خإلؿُخء نىل مُشم ٓىرٌٍ خألفل import cv2 import numpy as np from matplotlib import pyplot as plt
img = cv2.imread('box.png',0) # Output dtype = cv2.CV_8U sobelx8u = cv2.Sobel(img,cv2.CV_8U,1,0,ksize=5) # Output dtype = cv2.CV_64F. Then take its absolute and convert to cv2.CV_8U sobelx64f = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5) abs_sobel64f = np.absolute(sobelx64f) sobel_8u = np.uint8(abs_sobel64f) plt.subplot(1,3,1),plt.imshow(img,cmap = 'gray') plt.title('Original'), plt.xticks([]), plt.yticks([]) plt.subplot(1,3,2),plt.imshow(sobelx8u,cmap = 'gray') plt.title('Sobel CV_8U'), plt.xticks([]), plt.yticks([]) plt.subplot(1,3,3),plt.imshow(sobel_8u,cmap = 'gray') plt.title('Sobel abs(CV_64F)'), plt.xticks([]), plt.yticks([]) plt.show()
ذ
OpenCvببساطة
141
امنرٌعخُ ُ:
ذ
مكرشفُامؽىافُكبينُُ Canny Edge Detection
ذ
OpenCvببساطة
142
امهذفُ : بًـدي خًلىخف (كًوي خألؿٔدَ) مو موظشف كىخف هدين. خٓظوًخَ خًظدرو )(.cv2.Canny نظشيُ : موظشف كىخف هدين هى هىخَِمٌص مشهىَش ًظلًًً خًلىخف .كٌؽ طظإًف هٍه خًوىخَِمٌص من نًش مُخكٍ ،وٓىف منُ نىل هٍه خملُخكٍ هؿىش روؿىش: ذأ .ختػقضذاؾضجقجذNoise Reduction
مبد ؤن خهظشدف خًلىخف ًظإػُ رػـٌف خًطىَشًًٍ ،ى ؤوي هؿىش ٓنلىَ رهد هٍ بِخًص هٍخ خًػـٌف نن ؾًُم خٓظوًخَ مُشم يإويس ، 5x5هٌل طهٌمند ٓدرلد. ب .إجيادذذدةذتدرجذاؾصورة ذ
خًطىَش خملُشلص طُشم رهًهد وفم كندم ٓىرٌٍ يف هال خالطـدهٍن خًهمىيي وخألفلٍ ًنلطٍ نىل . وضىَش ردالطـده خًهمىيي خًظًَؾ (خملشظم خألويل) ًطىَش يف خالطـده خألفلٍ ومن هدطٍن خًطىَطٍن ٌنونند خًـدي طًَؾ خًلدفص وخطـده هٍ رٌؤٍ نىل خًنلى خًظديل: √
خطـده خًظًَؾ(خالشظلدق) يخمئد نمىيي نىل خًلدفص ،وًظم طلًُزه بىل ؤكً من خألَرو خًّوخًد خملظمؼٌص ردالطـده خالفلٍ وخًهمىيي وخطـده خًلؿًُن. ت .إزاؾةذاؾتشوقشذاالذأعظؿيذNon-maximum Suppression ذ
رهً خًلطىي نىل خًظًَؾ وخالطـدهً ،ظم بؿُخء مٔم ًٌطىَش ًلٍف خًزٌؤالض خًظٍ ال طشوٍ خًلدفصًًٍ ،ى فلظ هٍ رٌؤٍ ،فٌٌل بٌخ هدنع كٌمظه ؤهرب (ؤنكم) من كٌمص خًزٌؤالض خملـإوَش ًه يف خالطـده وخًشًش.
143
OpenCvببساطة خنكُ ًٌطىَ ًظدًٌص
ذ
ذ
خًنلؿص Aنىل خًلدفص (يف خالطـده خألفلٍ) .ومن خًؿزٌهٍ ؤن ًوىن خطـده خًلدفص ردطـده خملٌٍ. خًنلؿص Bو Cيف خطـده خًظًَؾًًٍ .ى ًظم فلظ خًنلؿص Aملدَنص مو خًنلؿص Bو Cملهُفص مد بٌخ هدنع هٍه خًنلؿص طشوٍ خًلٌمص خًهكمى خًلدًٌص. بٌخ هدنع كٌمص خًنلؿص ِ Aفهالً هٍ ؤنكم كٌمص ًظدرو ًٌوؿىش خًظٍ رهًهد وبٌخ مل طون نكمى ًظم كٍفهد رىغو خًلٌمص .0وردهظطدَ ،فةن خًنظٌـص خًظٍ نلطٍ نٌٌهد هٍ ضىَش ػندثٌص مو كىخف ؤنهم. ث .اؾتعتقبذادلُتبار ذ :Hysteresis Thresholdingذ ذ
يف هٍه خملُكٌص نلًي فٌٌل بٌخ هدنع خًلىخف فهال كىخف ؤَ الًًٍ ،ى نلظدؾ كٌمظٍن ًٌهظزص، نكمى وضًُي ( ،)minVal ،maxValوؤي كدفص شًش طًَؿهد ؤهرب من خًلً خألنىل نهظربهد كدفص ؤهًًٌص وبٌخ هدنع كٌمظهد ؤكٍ من خًلً خأليىن ال نهظربهد كدفص ونطفُهد .ؤمد ردًنٔزص ًٌلٌمص خًىٓؿى فنهظمً نىل خططدًهد فةٌخ هدنع مظطٌص مو كدفص ؤهًًٌص فنإهٍهد ؤمد بٌخ هدنع يًن مظطٌص ال نإهٍهد .شدهً خًطىَش خًظدًٌص:
ذ
OpenCvببساطة
144
خًلدفص Aفىق كٌمص خًهظزى خًهكمى ًًٍmaxValى نهظربهد كدفص ؤهًًٌص. خًلدفص Cؤٓفٍ maxValوًونهد مظطٌص مو خًلدفص ًًٍ ،Aى نهظربهد ؤًػدً كدفص ؤهًًٌص. خًلدفص Bنىل خًُيم من ؤنهد فىق خًلٌمٍ خًًنٌد ًٌهظزص minValويف نفٕ منؿلص خًلدفص C وًونهد يًن مظطٌص مو كدفص ؤهًًٌص ًًٍى ٓنظوٌظ منهد رظطفًنهد. نظٌـص ملد ٓزم ًـس ؤن نهظم ؿًخ ردهظٌدَ كٌمص ضلٌلص ًـ minValو maxValكظى نلطٍ نىل نظٌـص ضلٌلص .هٍه خًهمٌٌص طًٍّ ؤًػدً خًػـٌف خًطًًن ًٌزٌؤٍ رفُع ؤن خًلىخف هؿىؽ ؾىًٌص (ؤي طًٍّ خًلىخف خًلطًنش)ًًٍ .ى يف خًنهدًص ٓنلطٍ فلـ نىل خًلىخف خًلىًص. اكرشبفُؼىافُكبينُتبظرخذاوُمكرثخُُ :OpenCv OpenCvوغهع ًند ؿمٌو خًوؿىخض خًٔدرلص يف طدرو وخكً وهى )(.cv2.Canny رشػُامربتؼُ)(ُ :cv2.Canny ؤوي مظًًن هى ضىَش خملؿٌىذ خهظشدف كىخفهد ،وخملظًًن خًؼدين وخًؼدًؽ هٌل كًخ خًهظزص ،وخملظًًن خًُخرو هى كٌدْ كندم ٓىرٌٍ خمل ُٔظهمٍ إلًـدي طًَؾ خًطىَش (ردًلدًص خالفرتخغٌص طوىن كٌمظه ،)3 وخملظًًن خًودمٕ وخألهًن هى L2gradientوقٌفظه هٍ طلًًً خملهديًص خًظٍ طىؿً شًش خًظًَؾ، فةٌخ هدنع كٌمظه ضلٌلص TRUEفةنه ًٔظوًَ خملهديًص خًظٍ ٌهُندهد ٓدرلد وهٍ: √
وهٍ ؤهًت يكص. ؤمد بٌخ هدنع كٌمظه Falseفٌٔٔظوًَ خملهديًص خًظدًٌص: |
|
|
|
(خًلدًص خالفرتخغٌص ًٌمظًًن خًودمٕ طوىن .)FALSE
145
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('patella.png',0) edges = cv2.Canny(img,90,250) plt.subplot(121),plt.imshow(img,cmap = 'gray') plt.title('Original Image'), plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(edges,cmap = 'gray') plt.title('Edge Image'), plt.xticks([]), plt.yticks([]) plt.show()
ذ
ُ :امنرٌعخ
ذ
ُ :مشاظؼُبطبفٌخ
Canny edge detector at Wikipedia Canny Edge Detection Tutorial by Bill Green, 2002.
ُ :متشًن خهظس طؿزٌم ضًًن الهظشدف كىخف هدين ًطىَش مد وكم رظلًًً كٌمص خًهظزظٍن نن ؾًُم ٌسًـ . ورهٍه خًؿًُلص ٓظفهم ؿًٌخ طإػًن كٌمص خًهظزدض نىل نظٌـص خهظشدف خًلىخف،side bar خالنّالق ذ
146
OpenCvببساطة أفراؿاتذاؾصورةذImage Pyramidsذ
ذ
ذ
امهذفُ : ٓنظهُف نىل ؤهُخمدض خًطىَش ٓنٔظهمٍ يمف خًطىَ ردٓظوًخَ خألهُخمدضٓ ،ننشح فدههص ؿًًًش "رُطفدق" (رُطلدي + طفدق). ٓنظهٌم خٓظوًخَ خًظىخرو خًظدًٌص. cv2.pyrDown()، cv2.pyrUp(): نظشيُ : نديش نظهدمٍ مو ضىَ ٌخض كٌدْ ػدرع ،وًون كً نلظدؾ ؤن نظهدمٍ مو كٌدٓدض موظٌفص ًٌطىَش نفٔهد .فهىل ٓزٌٍ خملؼدي ننً خًزلؽ نن يشء مد يف خًطىَش مؼٍ خًىؿه ،نلند ًٔند مظإهًًن مد هى كـم خًـٔم خملىؿىي يف خًطىَشًًٍ ،ى ٓنلظدؾ إلنشدء مـمىنص من خًطىَ رلٌدٓدض موظٌفص وخًزلؽ نن خًىؿىه يف ؿمٌو خًطىَ. طٔمى مـمىنص خًطىَ ٌخض خًلٌدٓدض خملوظٌفص رهَُ خًطىَش (ألنه ننً خالكظفدف رهد ووغههد فىق رهػهد خًزهؼ من ؤهرب ضىَش (ؤيق ضىَش) ألضًُ ضىَش (ؤكٍ ضىَش يكص) ٓظزًو نىل شوٍ هُمٍ). هندن نىنٍن ألهُخمدض خًطىَش :خًهَُ خًًإويس وخًهَُ خالراليس.
147
OpenCvببساطة
ًظشوٍ ؤنىل مٔظىي (خألهف يكص) يف خًهَُ خًًإويس نن ؾًُم كٍف خألٓؿُ وخالنمًش خملظهدكزص يف خملٔظىي خأليىن ًٌهَُ (خألنىل يكص) ػم ًظشوٍ هٍ رٌؤٍ يف خملٔظىي خألنىل ًٌهَُ رظؿزٌم خًلندم خًًإويس نىل 5رٌؤالض من خملٔظىي خأليىن ًٌهَُ .ونظٌـص ًًٍى ًظلٌظ كـم خًطىَش ًٌُرو .هٍه خًهمٌٌص طٔمى ؤوهظدف (.)Octave ًٔظمُ هٍخ خألمُ هٌٌل ضهًند ًلمص خًهَُ (طنوفؼ خًًكص وًلٍ كـم خًطىَش هٌٌل ضهًند مٔظىي ؤنىل ردطـده خًلمص) .ؤمد ننً خًظلُن من مٔظىي ؤنىل ملٔظىي ؤيىن ًًًّ كـم ووغىق خًطىَش. ًظم بنـدِ نمٌٌص ًِديش كـم ووغىق خًطىَش ونلطدنهٌل نن ؾًُم خًظدرهٍنcv2.pyrDown() : و)(.cv2.pyrUp خًظدرو )( ًًًّ cv2.pyrUpيكص وكـم خًطىَش. خًظدرو )(ً cv2.pyrDownوفف يكص وكـم خًطىَش. خًطىَش خًظدًٌص طزٍن ػالغ مٔظىًدض من خًهَُ خًًإويس:
ذ
148
OpenCvببساطة شدهً خًوىي خًظديل هٌف ٌٓوفؼ يكص خًطىَش:
import cv2 import numpy as np )img = cv2.imread('sonic.jpg',1 )lower_reso = cv2.pyrDown(img )cv2.imshow('orginal',img )cv2.imshow('lower_reso Image',lower_reso )k = cv2.waitKey(0 )(cv2.destroyAllWindows
امنرٌعخُ :
ذ
وشدهً خًوىي خًظديل هٌف ًًٌّٓ وغىق خًطىَش خًطًًنش ،وًون طٍهُ رإن خًطىَش خًندطـص ننً خًنّوي يف خًهَُ طوظٌف نن خًطىَش خألضٌٌص ألن طىًًٌ ضىَش ؤكٍ يكص ًلٍف مهٌىمدض من خًطىَش، وًًٍى ٓظوىن موظٌفص ٌنونى مالككص خًفُق يف خًطىَش ننً طؿزٌم خًوىي خًظديل: )higher_reso = cv2.pyrUp(lower_reso
ذ
149
OpenCvببساطة
ذ
خألهُخمدض خالرالٌٓص طظشوٍ من خألهُخمدض خًًإوٌٓص ،وال ًىؿً طدرو موطظ ًهد. ضىَ خًهَُ خالراليس مهكم نندرصهد ؤضفدَ .طٔظهمٍ ؾًُلص خًهَُ خالراليس ًػًـ خًطىَ .كٌؽ ًظشوٍ خملٔظىي يف خًهَُ خالراليس من هالي خًفُق رٍن خملٔظىي خملندقُ ًٌهَُ خًًإويس مو نٔوص موربش يف خملٔظىي خأليىن ًٌهَُ. خًطىَش خًظدًٌص طزٍن ػالغ مٔظىًدض من خًهَُ خالراليس:
OpenCvببساطة
150
دمغُامصىسُتبظرخذاوُا ُألهشامبدُ : بكًي طؿزٌلدض خالهُخمدض هٍ يمف خًطىَ. Blending ننً يمف ضىَ مهد كً ال طزًو خًطىَش خًندطـص ؿًٌش رٔزس وغىق خالنلؿدم رٍن خًطىًًٍَ ،ى ٓنلظدؾ ًؿًُلص طٔدنًند نىل مّؾ خًطىَ مهد رٔهىًص ورًون فلًخن خًزٌدندض ،وهٍخ مد طىفُه ًند ؤهُخمدض خًطىَش. ؤكً خألمؼٌص خًظلًًٌٌص نىل ًٌى هى نمٌٌص خًًمف رٍن فوهظٍن هٌل خًظفدق وخًربطلدي ،شدهً خًطىَش خًظدًٌص ًظفهم مد ؤكطً.
نمٌٌص خًًمف رٍن خًظفدق وخًربطلدي طظم نىل خًنلى خًظديل: .8 .4 .4 .3 .0
نلمٍ ضىَش خًظفدكص وخًربطلدًص نىؿً خًهَُ خًًإويس ًٌظفدكص وخًربطلدًص (يف هٍخ خملؼدي ؤوؿًند 6مٔظىًدض ًٌهَُ( من خًهَُ خًًإويس نىؿً خًهَُ خالراليس خآلن نـمو خًلٔم خًٌٔدَي ًٌظفدكص مو خًلٔم خًٌمٌنٍ ًٌربطلدًص يف هٍ مٔظىي من خًهَُ خالراليس. وؤهًنخ ً من ضىَ خًهَُ خملـمىنص نزنٍ خًطىَش خألضٌٌص.
151
ببساطةOpenCv
خًوىي خًظديل ًٍسق ؾًُلص خًظنفٌٍ هؿىش روؿىش وروٍ رٔدؾص (ًٌظزٌٔـ وخإلًػدق كمند روظدرص خًوىي ) بن هٍخ خًؿًُلص يف هظدرص خًوىي ٓظايي الٓظهالن كٔم هزًن من خًٍخهُش.رهٍه خًؿًُلص import cv2 import numpy as np,sys A = cv2.imread('apple.png') B = cv2.imread('orange.png') # generate Gaussian pyramid for A G = A.copy() gpA = [G] for i in xrange(6): G = cv2.pyrDown(G) gpA.append(G) # generate Gaussian pyramid for B G = B.copy() gpB = [G] for i in xrange(6): G = cv2.pyrDown(G) gpB.append(G) # generate Laplacian Pyramid for A lpA = [gpA[5]] for i in xrange(5,0,-1): GE = cv2.pyrUp(gpA[i]) L = cv2.subtract(gpA[i-1],GE) lpA.append(L)
ذ
152
ببساطةOpenCv
# generate Laplacian Pyramid for B lpB = [gpB[5]] for i in xrange(5,0,-1): GE = cv2.pyrUp(gpB[i]) L = cv2.subtract(gpB[i-1],GE) lpB.append(L) # Now add left and right halves of images in each level LS = [] for la,lb in zip(lpA,lpB): rows,cols,dpt = la.shape ls = np.hstack((la[:,0:cols/2], lb[:,cols/2:])) LS.append(ls) # now reconstruct ls_ = LS[0] for i in xrange(1,6): ls_ = cv2.pyrUp(ls_) ls_ = cv2.add(ls_, LS[i]) # image with direct connecting each half real = np.hstack((A[:,:cols/2],B[:,cols/2:])) plt.imshow(ls_) plt.show() plt.imshow(real) plt.show()
ذ
ُ :مشظؼُبطبيف Image Blending
ذ ذ ذ
OpenCvببساطة
153
مؼبتلخُاملىامجُُ Template Matching
امهذفُ : بًـدي ؿٔم يخهٍ ضىَش ردٓظوًخَ مؿدرلص خًلىخًس ٓنظهٌم خٓظوًخَ خًظىخروcv2.minMaxLoc()، cv2.matchTemplate(): ُ مػنىمبدُنظشًخُ : ُ مؿدرلص خًلىخًس هٍ ؾًُلص ًٌزلؽ وبًـدي مىغو كدًس ًٌطىَش غمن ضىَش ؤهرب .موظزص OpenCv طىفُ ًند خًظدرو )(ً cv2.matchTemplateظنفٌٍ نمٌٌص مؿدرلص خًلدًس. ًنظفم يف خًزًخًص نىل مطؿٌلٍن وهٌل ضىَش خًلدًس وضىَش خًهًف .فةٌخ ؤَيند خًزلؽ مؼال نن ضىَش وؿه خًؿفٍ يف خًطىَش خًظدًٌص ،فةنند نٔمٍ ضىَش خًىؿه ردًلدًس ،وخًطىَش خًظٍ رلؼند رًخهٌهد نن ضىَش خًىؿه ردًطىَش خًهًف.
OpenCvببساطة
154
نمٌٌص ملؿدرلص طظم رزٔدؾص رلٌؽ منَُ ضىَش خًلدًس فىق ضىَش خًهًف ونلدَن رٍن خًلدًس وهٍ رلهص يف ضىَش خًهًف كظى نـً ضىَش خًلدًس خملؿٌىرص .هندن نًش ؾُق ًهمٌٌص خمللدَنص غمن موظزص .OpenCV طظم نمٌٌص خملؿدرلص نن ؾًُم متًُُ ضىَش خًلدًس نىل هدمٍ ضىَش خًهًف ،وطوىن خًطىَش خًندطـص نن خمللدَنص ضىَش َمديًص ،رلٌؽ هٍ رٌؤٍ غمنهد ًًي نىل همٌص خًزٌؤالض خملـإوَش ًه خًظٍ طظؿدرم مو خًلدًس. بٌخ هدنع ضىَش خًًهٍ رلـم ( )W x Hوضىَش خًلدًس كـمهد (ٌٓ ،)w x hوىن كـم ضىَش خًوُؾ ( ،)W-w+1 x H-h+1ننً خًلطىي نىل ضىَش نظٌـص خملؿدرلص ٌنونى خٓظهٌلي خًظدرو )( cv2.minMaxLocإلًـدي ؤهرب وؤكٍ كٌمص من نندرص خملطفىفص (ًٌطىَش خًندطـص نن خملؿدرلص) رلٌؽ ًهًٌ ًند هٍخ خًظدرو كٌمظٍن ردًشوٍ ). (x,y بٌخ خنظربند هدطٍن خًلٌمظٍن هٌل بكًخػٌدض خًّؤوًص خًٌرسي خًهٌٌد ًٌمٔظؿٌٍ ،وخنظربند خن نُع هٍخ خملٔظؿٌٍ وؾىًه هى ( )w x hننًهد ٌٓوىن هٍخ خملٔظؿٌٍ هى خًٍي ٌٓلًي منؿلص خًلدًس يف خًطىَش خًندطـص (ًٌظىغٌم :ؤهٍند خًؿىي وخًهُع من ضىَش خًلدًس وؤهٍند بكًخػٌدض ِؤوًص خملٔظؿٌٍ من خًظدرو )(.) minMaxLoc مالككص :بٌخ خٓظوًمع cv2.TM_SQDIFFهؿًُلص ًٌملدَنص فٌفػٍ خٓظوًخَ كٌمص ضًُي فهٍ طهؿٍ نظٌـص ؤفػٍ ًٌمؿدرلص.
مؼبتلخُاملىامجُيفُُ :OpenCv يف هٍخ خملؼدي ٓنلىَ ردًزلؽ نن وؿه خًؿفٍ(خًلدًس) يف خًطىَش خًٔدرلص (خًهًف)ًًٍ ،ى ٓننشإ كدًس هٌل ًًل:
155
ببساطةOpenCv :ٓنـُذ هٍ ؾُق خمللدَنص وٓنشدهً نظدثـهد
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('kid_football.jpg',0) img2 = img.copy() template = cv2.imread('template.jpg',0) w, h = template.shape[::-1] # All the 6 methods for comparison in a list methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR', 'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED'] ذ for meth in methods: img = img2.copy() method = eval(meth) # Apply template Matching res = cv2.matchTemplate(img,template,method) min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]: top_left = min_loc else: top_left = max_loc bottom_right = (top_left[0] + w, top_left[1] + h) cv2.rectangle(img,top_left, bottom_right, 255, 2)
plt.subplot(121),plt.imshow(res,cmap = 'gray') plt.title('Matching Result'), plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(img,cmap = 'gray') plt.title('Detected Point'), plt.xticks([]), plt.yticks([]) plt.suptitle(meth) plt.show()
ذ ذ ذ ذ ذ
156
ببساطةOpenCv ذ:اؾـتقجة cv2.TM_CCOEFF
cv2.TM_CCOEFF_NORMED
cv2.TM_CCORR
ذ
ذ ذ
ذ ذ ذ
157
ببساطةOpenCv cv2.TM_CCORR_NORMED
cv2.TM_SQDIFF
cv2.TM_SQDIFF_NORMED
ذ
ذ
ذ
ذ ذ ذ ذ ذ
158
OpenCvببساطة ٌنونى خملالككص رإن نظٌـص خٓظوًخَ ًٌٔ cv2.TM_CCORRع ؿًٌش. رشػُامكىدُ : )img = cv2.imread('kid_football.jpg',0 )(img2 = img.copy )template = cv2.imread('template.jpg',0 ]w, h = template.shape[::-1
ذ
يف خًزًخًص كمند ردٓظًندء موظزظٍ OpenCvو .Numpyػم ه ّّند خًطىَش خًهًف (خًطىَش خملؿٌىذ بًـدي خًـٔم غمنهد) يف خملظًًن imgوكمند رنٔى خًطىَش وطوًّنهد يف خملظًًن .imge2ػم ه ّّند ضىَش خًلدًس يف خملظًًن .templateورهً ًٌى هّند خَطفدم ونُع ضىَش خًلدًس يف خملظًًنًن w و hوًٌى نن ؾًُم خًظدرو )(.shape methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR', ]''cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED
ذ
ؤنشإند مطفىفص وهّنهد رًخهٌه خألٌٓلء خًظٍ رٍن خألكىخْ .هٍه خألٌٓلء ٓظمؼٍ ؤٌٓلء خًنىخفٍ خًظٍ ٓنهُغهد. for meth in methods: )(img = img2.copy )method = eval(meth
ذ
خًًدًص هند من كٌلص forهٍ نُع هٍ ؾُق خمللدَنص. وقٌفص خًظدرو )( evalهى بِخًص نالمص خالكظزدْ (ًظىغٌم ؤهًت شدهً خألمؼٌص من فـا) # Apply template Matching )res = cv2.matchTemplate(img,template,method )min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res
ذ
نلىَ رهمٌٌص خملؿدرلص نن ؾًُم خًظدرو )(.cv2.matchTemplate خملظًًن خألوي ًهٍخ خًظدرو ٌنؼٍ خًطىَش خًهًف وخملظًًن خًؼدين ٌنؼٍ ضىَش خًلدًس وخملظًًن خًؼدًؽ ٌنؼٍ ؾًُلص خمللدَنص.
OpenCvببساطة )min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res
159
ذ
رشوٍ ندَ خًظدرو )(ً minMaxLocىؿً كٌمص ؤهرب وؤكٍ ننرص يف خملطفىفص وًهؿٌند ؤًػد مىكو هًٍن خًهنرصًن غمن خملطفىفص ردإلكًخػٌدض ).(x,y يف ٓؿُ خًوىي هٍخ ٓنلًي خملنؿلص خًظٍ طم بًـدي فٌهد ضىَش خًلدًس غمن خًطىَش خًهًف مبٔظؿٌٍ وًٌى ردالٓظهدنص ردًظدرو )( cv2.minMaxLocخًٍي ًهًٌ ًند ؤنىل وؤيىن كٌمص ًٌزٌؤٍ يف خًطىَش خًندطـص نن خملؿدرلص مو مىغو هًٍن خًزٌؤٌٍن غمن هٍه خًطىَش .نوظدَ ؤكًخػٌدض ؤكً هًٍن خملىغهٍن ًنلًي بكًخػٌدض خًّوًص خًٌرسي خًهٌٌد ًٌمٔظؿٌٍ( .يف مؼدًند ننً خٓظهٌلي خًؿًُلص ٓ cv2.TM_CCOEFFنلطٍ نىل خًلًًن ( .) )98 ،44( )85 ،844ػم نوظدَ خًلً خملندٓس خًٍي ٌنؼٍ ِؤوًص خملٔظؿٌٍ. ٌٓظم طوًّن خًلً خأليىن يف خملظًًن min_locوخًلً خألنىل يف خملظًًن .max_locهٌل كطٌند كظى خآلن نىل بكًخػٌدض ِؤوًص خملٔظؿٌٍ ،ونلظدؾ خآلن ًظلًًً كًوي منؿلص خملؿدرلص ًًٍى ًـس ؤن نهُف ؾىي ونُع هٍخ خملٔظؿٌٍ ُفكٌفُظنػشفُامؼىلُوامػشض؟ ُ ؾىي ونُع خملٔظؿٌٍ هٌل نفٕ ؾىي ونُع ضىَش خًلدًس. # If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]: top_left = min_loc else: top_left = max_loc )bottom_right = (top_left[0] + w, top_left[1] + h )cv2.rectangle(img,top_left, bottom_right, 255, 2
يف هٍخ خًوىي خهرتند ؤكًخػٌدض مىغو ؤنىل ؤو ؤيىن كٌمص ًٌزٌؤٍ وًٌى كٔس هٍ ؾًُلص ملدَنص ،فزدًنٔزص ألهُ ؾًُلظٍ ملدَنص خهرتند بكًخػٌدض خًلٌمص خأليىن فهى خًلً خملندٓس ًظلًًً ؤكًخػٌدض ِؤوًص مٔظؿٌٍ منؿلص خملؿدرلص ،ؤمد ردًنٔزص ًؿُق خمللدَنص خًزدكٌص فلً خهرتند بكًخػٌدض خًلٌمص خألنىل فهى خألنٔس ًظلًًً ؤكًخػٌدض ِؤوًص هٍخ خملٔظؿٌٍ .وؤهًنند كمند رُٓم مٔظؿٌٍ كىي منؿلص خًلدًس خملىؿىيش يف ضىَش خًهًف.
160
ببساطةOpenCv ُ :ً مؼبتلخُاملىامجُمػذحُؤظعبوُمػب
وًون خفرتع،يف خًٔدرم رلؼند نن ؿٔم وخكً وهى وؿه خًؿفٍ وخًٍي ًىؿً مُش وخكًش يف خًطىَش ننًهد ًن ًنفو خٓظوًخَ خًظدرو،رإن ًًًند ؤهًت من ؿٔم نًًُ بًـديه ردًطىَش ًنإهٍ خملؼدي خًظديل من ًهزص مدًَى. وًـس رًالً ننه خٓظوًخَ خًظهظٌسcv2.minMaxLoc() :خملشهىَش import cv2 import numpy as np from matplotlib import pyplot as plt img_rgb = cv2.imread('mario.jpg') img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) template = cv2.imread('mario_coin.png',0) w, h = template.shape[::-1] res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED) threshold = 0.8 loc = np.where( res >= threshold) for pt in zip(*loc[::-1]): cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2) cv2.imshow('res',img_rgb) cv2.waitKey(0) cv2.destroyAllWindows() ذ:اؾـتقجة ذ
ذ
OpenCvببساطة
161
شدهً من ضىَش نظٌـص خملؿدرلص رإن خًنلـ خًزٌػدء خألهًت ٓؿىند متؼٍ خًزٌؤالض خًظٍ طإهٍ ؤهرب كٌمص ،وخًظٍ َٓمند ننًهد مٔظؿٌٍ مٌىن ردألكمُ هٌل هى وخغم يف خًطىَش خًٔدرلص. معبغذحُمرشػُامكىدُ : ًنهُف مطفىفص Aػندثٌص خًزهً 2Dطإهٍ خًلٌم خًظدًٌص: 𝟖
𝟕𝟖 𝟔 𝟕 𝟖
𝟑 𝟑 𝟕
)]]A = np.array([[2,3,4,5,6,78,97,100],[8,3,1,5,7,8,9,10 print A
ذ
ٓنؿزم نٌٌهد خًظدرو ) np.where(A > thresholdوٓنػو خًٍسؽ رًخهٍ هٍخ خًظدرو رإن ًإهٍ نندرص خملطفىفص خًظٍ كٌمظهد طوىن ؤهرب من ( 0ؤي نػو خًـ )threshold = 5وٌٓهًٌ ًند خًظدرو مىغو هٍه خًهندرص غمن خملطفىفص( .يف خًوىي مؿدرلص خًلىخًس ًهًش خؿٔدَ يًن خي threshold وشدهً مدٌخ ًلطٍ) threshold = 5 )loc = np.where( A > threshold ))](array([0, 0, 0, 0, 1, 1, 1, 1, 1]), array([4, 5, 6, 7, 0, 4, 5, 6, 7
شدهً خًنظٌـص خًٔدرلص ٓرتي رإنه ؤندي مىغو هٍ ننرص يف خملطفىفص غمن خًٍسؽ رُكم خًٔؿُ وخًهمىي كٌؽ خًـ arrayخألوىل متؼٍ خًٔؿُ وخًـ arrayخًؼدنٌص متؼٍ خًهمىي.
ذ
OpenCvببساطة
162
هٍخ خملىكو ًلىي نىل نًش ؤمؼٌص كظى طفهم خًهمٌٌدض خًظٍ طـُي نىل خملطفىفص وخًظٍ خٓظوًمندهد يف خًوىي: https://docs.scipy.org/doc/numpy-dev//quickstart.html ذ
خًطىَش خًظدًٌص طهُع نظٌـص خًزلؽ نن خالي يس غمن خًزىَي.
ذ
خًطىَش خًظدًٌص طهُع نظٌـص خًزلؽ نن خمللإومص يف خًزىَي خالًورتوين. ذ ذ ذ ذ ذ ذ
163
OpenCvببساطة ذؽىًهُهبفُمنخؽُُ Hough Line Transform
ذ
امهذفُ : يفذفذاذاؾػصل ذ
ٓنظهٌم مد هى مفهىَ طلىًٍ هدف ٓرني هٌف ٓنٔظهمٍ طلىًٍ هدف ًٌوشف نن خًوؿىؽ يف خًطىَش ٓنظهٌم خٓظوًخَ خًظىخرو خًظدًٌصcv2.HoughLinesP()،cv2.HoughLines() : مػنىمبدُنظشًخُ : طلىًٍ هدف هى طلنٌص شدثهص الهظشدف ؤي شوٍ ٌنون متؼٌٌه مبهديًص ًَدغٌص ،كٌؽ ٌنونه خهظشدف خًشوٍ كظى وًى هدن خًشوٍ مظلؿو ؤو مشىه كٌٌالٓ ،رني هٌف ًهمٍ هٍخ خًظلىًٍ ًٌوشف نن خًوؿىؽ خًظٍ يف خًطىَش. ؤو ٌنون متؼٌٌه ردًشوٍ خًزدَمرتي خًوـ ٌنؼٍ ًَدغٌد ردملهديًص كٌؽ 𝜌 متؼٍ مٔدفص خملٔظلٌم خًهمىيي من خملزًؤ نىل 𝛉 𝛉 خًوـ ،و 𝛉 متؼٍ خًّؤوًص رٍن هٍخ خملٔظلٌم خًهمىيي وخمللىَ خألفلٍ ) ،(xوكٌدْ هٍه خًّؤوًص ًوىن رهوٕ نلدَذ خًٔدنص. نظٌـص ملد ٓزم ،بٌخ خًوـ مُ ؤٓفٍ خملزًؤ ٓظوىن كٌمص 𝜌 مىؿزص وخًّؤوًص ٓظوىن ؤكٍ من ،ْ 885ؤمد بٌخ مُ فىق خملزًؤ خًّؤوًص رًي ؤن نلىي بن ِؤوًظه ؤهرب من ٓ 885نإهٍ ِؤوًظه رلٌؽ طوىن ؤكٍ من ْ 885وًون 𝜌 ٓظإهٍ كٌمص ٓدًزص ،وؤي هـ نمىيي ِؤوًظه ٓظوىن ْ 5يَؿص وؤي هـ ؤفلٍ ٓظوىن ِؤوًظه ْ 95يَؿص.
OpenCvببساطة
164
كٌفُذرمُغمنٌخُذؽىًهُهبفُمنخؽُ : ؤوال نٌٌند متؼٌٍ هٍ هـ وفم ردَخمرتًن هٌل ) .(𝜌, θيف خًزًخًص ًننشإ مطفىفص 2Dؤو مُخهم ( ُم َـ ِم ْو) (ًالكظفدف رلٌمص خًزدَخمرتًن 𝜌 و )θونلىَ يف خًزًخًص رظطفًنهمٓ ،نـهٍ ضفىف خملطفىفص ًًٌ rowsالًص نىل 𝜌 ،وؤنمًش خملطفىفص ًًٌcolumnsالًص نىل .θ كـم خملطفىفص ًهظمً نىل خًًكص خًظٍ نلظدؿهدً .نفرتع ؤنند نًًُ يكص خًّؤوًص طٔإوي ْ 8 يَؿصٓ ،نلظدؾ ملطفىفص رـ 885نمىي. مبد ؤن ؤهرب مٔدفص ممونص ًـ 𝜌 هٍ كؿُ خًطىَشًًٍ ،ى ًٌلطىي نىل يكص 8رٌؤٍ، ٓنلظدؾ ملطفىفص نًي ضفىفهد ًٔإوي كؿُ خًطىَش. ً نفُع ًًًند ضىَش رلـم 100x100فٌهد هـ ؤفلٍ ردًىٓـ .هٍ ؤوي نلؿص ًى من خًوـ مو مهُفظى إلكًخػٌدض ًٌنلؿص ) (x,yخًظٍ خهرتطهد. نىع كٌم θ=0,1,2,…. ,180يف مهديًص خًوـٓ ،ظلطٍ نىل كٌمص 𝜌 رلٔس كٌمص θ خًظٍ نىغندهد. يف هٍ ِوؾ )ٌ (𝜌, θنونى ًِديش كٌمص خملُخهم مبلًخَ 8يف هالًد ) (𝜌, θخمللدرٌص ًهد.كظى خآلن ًىؿً يف خملُخهم خًوٌٌص )50,90( =1خًظٍ طوىن رـدنس خًوالًد خألهُي خًظٍ يف خملُخهم. خآلن هٍ خًنلؿص خًؼدنٌص من نىل خًوـ وخفهٍ نفٕ خًيشء خًٍي فهٌنده يف خًٔدرمٓ ،ظشدهً ًِديش يف كٌمص خًوالًد خمللدرٌص ًـ ) (𝜌, θخًظٍ كطٌع نٌٌهد ،هٍه خملُش خًوٌٌص ٓظطزم كٌمظهد .)50,90( = 4 مد طفهٌه ردًػزـ رإنى ططىض ًلٌم )( (𝜌,θيف هٍ نلؿص نإهٍهد ًًًّ نًي خألضىخض هٌل يف خالنظودردض) (نن ؾًُم ًِديش نًي خألضىخض ٓنهُف نًي نلدؽ خًوـ فنهٌم ؾىي خًوـ) ،نلىَ رظنفٌٍ نفٕ خًهمٌٌص خًٔدرلص نىل ؿمٌو نلدؽ خًوـ ،وننً هٍ نلؿص ٓظًًّ كٌمص خًوٌٌص ()50,90 ؤو ًًٌّٓ ضىطهد ،رٌنٌل خًوالًد خألهُي كً ًًًّ نًي ؤضىخطهد ؤو ال ،ورهٍه خًؿًُلص ٓنطٍ ًٌنهدًص وٓظلطٍ خًوٌٌص ( )50,90نىل كٌمص ؤنىل ضىض. ًًٍى بٌخ هنع طزلؽ يف خملُخهم نن ؤنىل ضىض ٓظلطٍ نىل خًلٌمص ( )50,90خًظٍ ٓظوربند رإن هندن هـ يف خًطىَش نىل مٔدفص 05من خملزًؤ ورّؤوًص 95يَؿص. وهٍه هٍ آًٌص نمٍ طلىًٍ هدف ًٌوـ ،وٌنون طؿزٌله خًػدً ردٓظوًخَ موظزص ،Numpyوطكهُ خًلٌم خملوظدَش يف خملُخهم هنلدؽ ٌَوش رٌػدء فٌم بٌخ مؼٌنده رطىَش َمديًص.
165
OpenCvببساطة
ذ
خًطىَش خًظٍ نىل خًٌمٍن طىغم نظٌـص طلىًٍ هدف ًٌمٔظلٌمٍن خملىغلٍن نىل خًشوٍ خًٌٔدَي. ًًّديش فهمى ألًٌص نمٍ طلىًٍ هدف ٌنونى خالؾالم نىل مد ًًل: (ذافدذاؾرمسةذادلتحرؽةذاؾيتذتشرحذؽقفذقتمذزقادةذؼقؿةذاخلالقاذيفذادلراؽم) Image Courtesy: Amos Storkey
Image courtesy: Wikipedia (حيويذفذاذادلوؼعذعؾىذذرحذؿبدطذعؾىذذؽلذردومذتوضقحقة) ذExplain Hough Transformation stackoverflow
ذؽىًهُهبفُيفُ:OpenCv هٍ يشء طم ٌسكه ٓدرلد مىؿىي يف خًظدرو )( ،cv2.HoughLinesوهى رزٔدؾص ًهًٌ مطفىفص ًلٌم ) ،(𝜌, θكٌؽ 𝜌 طلدْ ردًزٌؤٍ ،و θطلدْ ردًُخيًدن. خملظًًن خألوي ٌنؼٍ ضىَش خًًهٍ وخًظٍ ًـس ؤن طوىن ردًطًٌص خًؼندثٌص )ًًٍ ،(binary imageى نؿزم خًظهظٌس ؤو نٔظوًَ موظشف كىخف هدين ًٌلطىي نىل ضىَش ػندثٌص وًٌى كزٍ طؿزٌم طلىًٍ هدف. ػدين وػدًؽ مظًًن هٌل 𝜌 و θنىل خًرتطٌسَ .خرو مظًًن هى خًهظزص ،وخًظٍ طهنٍ ؤكٍ ضىض ًـس ؤن نلطٍ نٌٌه ًنهظربه هـ .طٍهُ نًي خألضىخض ًهظمً نىل نًي خًنلدؽ نىل خًوـ ،وهٍخ ًهنٍ ؤضًُ ؾىي ًٌوـ خًٍي ًـس خهظشدفه.
166
ببساطةOpenCv :1مصبل import cv2 import numpy as np img = cv2.imread('dave.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray,50,150,apertureSize = 3) lines = cv2.HoughLines(edges,1,np.pi/180,200) for rho,theta in lines[0]: a = np.cos(theta) b = np.sin(theta) x0 = a*rho y0 = b*rho x1 = int(x0 + 1000*(-b)) y1 = int(y0 + 1000*(a)) x2 = int(x0 - 1000*(-b)) y2 = int(y0 - 1000*(a)) cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)
ُ
cv2.imshow('Cany',edges) cv2.imshow('res',img) cv2.waitKey(0) cv2.destroyAllWindows()
ُ :امنرٌعخ ذ
ذ
167
ببساطةOpenCv ُ :2مصبل import cv2 import numpy as np img = cv2.imread('car2.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray,50,500,apertureSize = 3)
lines = cv2.HoughLines(edges,1,np.pi/180,120) for rho,theta in lines[0]: a = np.cos(theta) b = np.sin(theta) x0 = a*rho y0 = b*rho x1 = int(x0 + 1000*(-b)) y1 = int(y0 + 1000*(a)) x2 = int(x0 - 1000*(-b)) y2 = int(y0 - 1000*(a)) cv2.line(img,(x1,y1),(x2,y2),(0,0,255),1) cv2.imshow('Binary Image',edges) cv2.imshow('res',img) cv2.waitKey(0) cv2.destroyAllWindows() ذ
ُ :امنرٌعخ
ُ
ُ
168
OpenCvببساطة ذؽىًهُهبفُاالؼرٌليلُُ :Probabilistic Hough Transform
يف طلىًٍ هدف خًٔدرم الككند رإنه الهظشدف مٔظلٌم رزدَخمرتًن ؤنـّند خًوؼًن من خًلٔدردض ،نىل هٍ كدي هندن طلٍٔن ًهٍه خًظلنٌص وًظم ًٌى رإهٍ نلدؽ نشىخثٌص رًي ؤهٍ خًنلدؽ هٌهد ،وهٍخ ًن ًاػُ نىل خًنظٌـص ،فوٍ مد نٌٌند هى طوفٌؼ كٌمص خًهظزص. شدهً ًٌطىَش خًظدًٌص خًظٍ طلدَن رٍن طلىًٍ هدف وطلىًٍ هدف خالكظٌليل. خًطىش مإهىٌش من هٍخ خملىكو Image Courtesy: Franck Bettinger’s home page
ذ
. خٓظوًخَ موظزص OpenCvيف خهظشدف خًوؿىؽ ًهظمً نىل كىش خًوؿىؽ خملوظشفص ًًٍى ٓنٔظهمٍ طلىًٍ هدف خالكظٌليل خملظًَؾ.
169
ببساطةOpenCv
ٌنٌى هٍخ خًظدرو مظًًنًٍن. الهظشدف خًوؿىؽ خًلىًصcv2.HoughLinesP() ٓنٔظهمٍ خًظدرو :هٌل . وًُفؼ هٍ هـ يون هٍه خًلٌمص، ؤكٍ ؾىي ًٌوـ:minLineLength .ً خملٔدفص خألنكمٌص خملٔمىكص رٍن ؤؿّخء خًوـ النظزدَه هؿدً وخكًخ:maxLineGap ؤمد يف خًلدًص،وؤفػٍ يشء يف هٍخ خًظدرو رإنه ًهًٌ ًند رشوٍ مزدٌس نلؿص رًخًص خًوـ ونلؿص نهدًظه ؤمد خآلن. وهدن هندن ضهىرص يف بًـدي هٍ خًنلدؽ،خًٔدرلص كطٌند فلـ نىل ردَمرتخض خًوؿىؽ .ؤضزم رةمودنند ؤن نلطٍ نىل هٍه خًنلدؽ رٔهىًص import cv2 import numpy as np img = cv2.imread('dave.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray,50,150,apertureSize = 3) minLineLength = 100 maxLineGap = 10 lines = cv2.HoughLinesP(edges,1,np.pi/180,100,minLineLength,maxLineGap) for x1,y1,x2,y2 in lines[0]: cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2) cv2.imshow('Binary Image',edges) cv2.imshow('res',img) cv2.waitKey(0) cv2.destroyAllWindows()
ذ
ُ :امنرٌعخ ُ
ُ
170
ببساطةOpenCv ُ :2مصبل import cv2 import numpy as np img = cv2.imread('car2.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray,50,150,apertureSize = 3) minLineLength = 100 maxLineGap = 10 lines = cv2.HoughLinesP(edges,1,np.pi/180,100,minLineLength,maxLineGap) for x1,y1,x2,y2 in lines[0]: cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)
ُ
cv2.imshow('Binary Image',edges) cv2.imshow('res',img) cv2.waitKey(0) cv2.destroyAllWindows()
ُ ذ:ؿراجعذإضاػقة Hough Transform on Wikipedia
ذ
OpenCvببساطة
171
ذؽىًهُهبفُمنذائشحُHough Circle Transform
ٓنظهٌم خٓظوًخَ طلىًٍ هدف ًإلًـدي خًًوخثُ يف خًطىَش. ٓنظهٌم خٓظوًخَ خًظدرو. cv2.HoughCircles():
خًًخثُش كٌؽ )
متؼٍ ًَدغٌد (,
هدًظديل هٌل مُهّ خًًخثُش ،و rهى نطف كؿُ خًًخثُش.
نالكل وؿىي ػالغ ردَخمرتخض ًًٍى ٓنلظدؾ ملُخهم ػاليث خًزهً 3Dإلؿُخء طلىًٍ هدف ،وًون هٍخ خألمُ ًن ًوىن فهدي رشوٍ ؿًًًٌٍ ،ى موظزص OpenCVطٔظوًَ ؾًُلص هدف ًٌظًَؾ ( Hough ،)Gradient Methodوخًظٍ طهظمً نىل طًَؾ خًلىخف (ًِديش خًلىخف).
)]]]]]cv2.HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius
خًظدرو خًٍي ٓنٔظوًمه هند هى )( .cv2.HoughCirclesمظًًنخطه هٍ: :Imageضىَش خًًهًٍ .ـس ؤن طوىن خًطىَش يف خملٔظىي خًُمديي. :Methodؾًُلص خملٔظوًمص الهظشدف خًًوخثُ خًظٍ يف خًطىَش ،كدًٌد ٓنظٔظهمٍ خًؿًُلص .cv2.HOUGH_GRADIENT :dpهٍخ خًزدَخمرت ٌنؼٍ نٔزص خًهوٕ وًاػُ نىل كُخَ خملُخهم رظلًًً يكص خًطىَش .فةٌخ هدن dp=1 فٌٔلًي خملُخهم يكص خًطىَش هٌل يف ضىَش خًًهٍ ،ؤمد بٌخ هدن dp=2فٌٔلًي خملُخهم يكص خًطىَش رنطف كـم خًطىَش خألضٌٌص. :minDistؤكٍ مٔدفص مٔمىكص رٍن مُهّ خًًخثُش خملوظشفص .بٌخ هدنع كٌمص هٍخ خًزدَمرت ضًًنش ؿًخ ٓظالكل رإن هندن يوخثُ هؼًنش رـىخَ رهػهد .وبٌخ هدنع خملٔدفص هزًنش ؿًخ ً ٓظالكل خهظفدء رهؼ خًًوخثُ. :circle_storageيف ًًص خي ٌ Cنؼٍ طدرو ٌخهُش خًظوًّن خًظٍ ٌٓوّن ٌٌٓٔص خًًوخثُ خملوظشفص (ال ًهمند)
172
ببساطةOpenCv
ومبد ؤنند ٓنوظدَ ؾًُلص. خًزدَمرت خًؼدين ًلًي وقٌفص هٍخ خًزدَمرت:param1 فهٍخ خًزدَمرت ٌٓمؼٍ ؤنىل كٌمص ًٌهظزص يف موظشف خًلىخف.CV_HOUGH_GRADIENT . ؤمد ؤضًُ كٌمص ًٌهظزص ٓظوىن ؤضًُ مبُطٍن من كٌمص خًهظزص خًهٌٌد،هدين ومبد ؤنند ٓنوظدَ ؾًُلص. خًزدَمرت خًؼدين ًلًي وقٌفص هٍخ خًزدَمرت:param2 بٌخ خهرتند ؤضًُ كٌمص. فهٍخ خًزدَمرت ًلًي كٌمص نظزص خملُخهم.CV_HOUGH_GRADIENT وبٌخ خهرتند.)ًٌهظزص ٓنلطٍ نىل ؤهرب نًي من خًًوخثُ خملوظشفص (مبد يف ًٌى خًًوخثُ خًودٌرص .ؤهرب كٌمص ًٌهظزص ٓنلطٍ نىل ؤهرب خكظٌلي ألن طوىن فهالً يخثُش موظشفص . ؤضًُ كٌدْ ًنطف كؿُ خًًخثُش:minRadius . ؤهرب كٌدْ ًنطف كؿُ خًًخثُش:maxRadius ذ:امكىد
import cv2 import numpy as np img = cv2.imread('OpenCV_Logo.png',0) img = cv2.medianBlur(img,5) cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR) circles = cv2.HoughCircles(img,cv2.cv.CV_HOUGH_GRADIENT,1,20, param1=50,param2=30,minRadius=0,maxRadius=0) circles = np.uint16(np.around(circles)) for i in circles[0,:]: # draw the outer circle cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2) # draw the center of the circle cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)
ذ
cv2.imshow('detected circles',cimg) cv2.waitKey(0) cv2.destroyAllWindows()
173
OpenCvببساطة امنرٌعخ :ذ
ذ
مالككص :يف موظزص OpenCvخإلضًخَ 4كم رظمًُُ خملظًًن خًؼدين ًٌظدرو ردًشوٍ cv2.cv.CV_HOUGHؤَ بٌخ هدن بضًخَ موظزص OpenCvخًٍي طٔظهمٌه هى خإلضًخَ 4فلم رظمًُُ خملظًًن خًؼدين ردًشوٍ .cv2.HOUGH_GRADIENT ذ
مالككص :مَُند ًٌظدرو cv2.HoughCirclesخًزدَمرتًن minRadiusو maxRadiusرلٌمظٍن ،0,0وهٍخ ًهنٍ رإن ًإهٍ هٍ خًًوخثُ ٓىخء هدنع ضًًنش ؤَ هزًنش. ذ ذ ذ ذ ذ ذ ذ ذ
OpenCvببساطة
174
ذعضئخُامصىسحُتبظرخذاوُخىاسصمٌخُWatershed
ذ
امهذفُ : طهٌم طلٌٔم خًطىَش رؿًُلص خًظـمهدض خملدثٌص).(Watershed طهٌم خٓظوًخَ خًظدرو )(.cv2.watershed ملذمخُنظشًخُ : هىخَِمٌص watershedهٍ هىخَِمٌص طلًًٌٌص طٔظوًَ ًظـّثص خًطىَش ألكٔدَ وطفًٌند هٍه خًوىخَِمٌص ننً خٓظوُخؾ خألؿٔدَ خملظالمٔص ؤو خملظًخهٌص فٌٌل رٌنهد هدًلؿو ًنلًًص يف خًطىَش خًظٍ يف خألنىل. ٌنونند متؼٌٍ ؤي ضىَش َمديًص رشوٍ ٓؿم ؾىرىيُخيف رلٌؽ خًشًخض خًٌىنٌص خًهدًٌص متؼٍ خًلمم وخًظالي وخًشًخض خًٌىنٌص خملنوفػص متؼٍ خًىيًدنٓ .نزًؤ مبٍء هٍ خًىيًدن خملنهًّص (خًلٌمص خًطًُي خمللٌٌص) ردملدء وهٍ ويخي رٌىن ممٌّ نن خألهُ (خًىٓم)ٓ .رتطفو خملٌده خنظٌليخ نىل خَطفدم خًلمم (خًظًَؿدض خًٌىنٌص) خمللٌؿص ردًىيًدن وٓظزًؤ خملٌده خملٌىنص رإًىخن موظٌفص ردالهظالؽ مو رهػهد ،وًظـنس هٍخ خألمُ ٓنزنٍ كىخؿّ ننً خألمدهن خًظٍ ًظم فٌهد خالهظالؽ .ونٔظمُ رطس خملدء ورندء خًلىخؿّ كظى يمُ هٍ خًلمم ردملدء ،وننًهد فةن خًلىخؿّ خًظٍ طم رندءهد ٓظهؿٌند نظٌـص خًظلؿٌو وهٍخ هى خمللطىي روٌمص ( watershedمـمهدض خملٌده)ً .ظفهم هٌف ًظم هٍخ خألمُ رشوٍ ؤوغم ٌنونى ًِدَش ضفلص خًىًس CMM webpage on watershedخًظٍ طلىي نىل َٓىَ مظلُهص وطىغٌلٌص.
175
OpenCvببساطة
خًهمٌٌص خًٔدرلص كً طهؿٌند طلؿٌهد مفُؾد رٔزس وؿىي غـٌف يف خًطىَشًًٍ ،ى وفُض OpenCv ًٌمٔظوًَ رإن ًلًي خملندؾم خًظٍ ًًًُ يمـهد وخملندؾم خًظٍ ال ًًًُ يمـهد .وهٍخ هى طلؿٌو خًطىَش خًظفدنًل ،كٌؽ نلًي خملندؾم خًظٍ طشوٍ خًـٔم خألمدمٍ رٌىن وكً ،ػم نلًي خملندؾم خًظٍ طشوٍ هٌفٌص خًـٔم خألهًٌش رٌىن موظٌف ،ؤمد خملندؾم خًظٍ مل نظإهً منهد فنلًيهد رلٌمظهد ومن ػم نؿزم خًوىخَِمٌص ،رهً خًظؿزٌم ٓرني خًلًوي ٓظظلًغ ،ويف خًنهدًص ٓظلًي كًوي خًـٔم وٓظإهٍ خًلٌمص . -1 ُامكىدُ : يف خملؼدي خًظديل ٓنشدهً هٌف ٓنٔظوًَ طلىًٍ خملٔدفص مو هىخَِمٌص ً watershedظلؿٌو (ًظـّثص) خألؿٔدَ خملظالمٔصًٌ .ون ًًًند خًطىَش خًظدًٌص ًٌنلىي ،هٍ كؿهص نلًًص مظالمٔص مو خألهُي ،وبٌخ ؾزلند خًظهظٌس ٓظزلى هٌل هٍ مظالمٔص.
ذ
ٓنزًؤ رةًـدي خًلًوي خًظلًُزٌص ًٌنلىي وًٌى ردٓظوًخَ طهظٌس ؤوطٔى. import cv2 import numpy as np )'img = cv2.imread('coins.png )gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY = ret, thresh )cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU
ذ
176
OpenCvببساطة امنرٌعخُ :
ذ
خآلن ٓنلظدؾ إلِخًص ؤي غـٌف ردًٌىن خألرٌؼ يف خًطىَشًًٍ ،ى ٓنلىَ رظؿزٌم نمٌٌص خًفظم نىل خًشوٍ خًٔدرم ،وإلِخًص خًؼلىذ خًٔىيخء خًطًًنش يف خألؿٔدَ نلىَ رهمٌٌص خإليالق.وخآلن نلن مظإهًًن رإن خملندؾم خًلًُزص من مُهّ خًـٔم هٍ مندؾم ؤمدمٌص ،وخملندؾم خًزهًٌش نن خًـٔم هٍ خًوٌفٌص. خملندؾم خًىكًٌش خًظٍ ًٔند مظإهًًن منهد هٍ هٍ ؤمدمٌص ؤَ هٌفٌص هٍ منؿلص كًوي خًهمٌص. ًًٍى نلظدؾ الٓظوُخؾ خملندؾم خملظإهًًن نىل ؤنهد كؿهص خًنلىي (متؼٍ خملنؿلص خألمدمٌص)، ٓنٔظهمٍ نمٌٌص خًلع Erosionإلِخًص خًزٌؤالض خمللٌؿص رلؿهص خًنلىي وٌٓوىن هٍخ خخألمُ مفًٌ ؿًخً يف كدي هدنع خًلؿو ال متٕ رهػهد ،ؤمد يف كدي خًلؿو متٕ رهػهد فٔنلظدؾ ًهمٍ طلىًٍ ًٌمٔدفص ػم نؿزم نظزص مندٓزص. رهً ًٌى نٌٌند بًـدي منؿلص خًوٌفٌص خألهًٌشًًٍ ،ى ٓنلىَ رهمٌٌص خًظمًًً ًٌ dilateنظٌـص، ورهٍخ ٌنونند خًظإهً من ؤن خملنؿلص خًظٍ يف خًوٌفٌص هٍ هٍ هٌفٌص ؤهًٌش ؤَ ال ،ألن منؿلص خًلًوي مّخًص رٍن خًـٔم وخًوٌفٌص .شدهً خًطىَش خًظدًٌص خًظٍ طىغم خألمًُن خًٔدرلٍن.
177
ببساطةOpenCv
ذ
خملندؾم خملظزلٌص خًظٍ ال نهُف هٍ هٍ ؿٔم ؤَ هٌفٌص (هٍ خملندؾم خًظٍ طٌظلٍ رهد خًلؿو خًنلًًص ًنزًٍ ؤن طوىن كديَش نىلwatershed هىخَِمٌص،)وخًوٌفٌص ؤو كظى خًلؿو خًنلًًص مو رهػهد .بًـديهد وٌنون مهُفظهد من هالي ؾُق خًوٌفٌص خألهًٌش من خألمدمٌص،نًنى هٍه خملندؾم خملظزلٌص ردًلًوي .خألهًٌش # noise removal kernel = np.ones((3,3),np.uint8) opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2) # sure background area sure_bg = cv2.dilate(opening,kernel,iterations=3) # Finding sure foreground area dist_transform = cv2.distanceTransform(opening,cv2.cv.CV_DIST_L2,5) ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)
ذ
# Finding unknown region sure_fg = np.uint8(img) unknown = cv2.subtract(sure_bg,sure_fg)
رًي ؤن متَُ ًهٍخ خًظدرو4 َ خإلضًخOpenCv غمن موظزصdistanceTransform() يف خًظدرو:مالككص .cv2.DIST_L2 كم رظمًُُ خملظًًنcv2.cv.CV_DIST_L2 خملظًزًن
178
OpenCvببساطة امنرٌعخُ ُ:
ورظهظٌس خًطىَش نلطٍ نىل مندؾم خًلؿو خًنلًًص وخًظٍ مظإهًًن من ؤنهد كؿو نلًًص وًظم فطٍ خًل ؿو خًنلًًص نن رهؼ (يف رهؼ خألكٌدن كً طوىن مهظم فلـ ردٓظوُخؾ خًـّء خألمدمٍ يون فطٍ خألؿٔدَ نن رهػهد .يف هٍه خًلدًص ال طلظدؾ ألن طٔظهمٍ خًظلىًٍ خملٔديف ،فلـ مد طلظدؿه هى خٓظوًخَ نمٌٌص خًلع Erosionالٓظوُخؾ خملنؿلص خألمدمٌص خألهًٌش).
ذ
ذ
خألن ؤضزلند مظإهًًن من مندؾم خًلؿو خًنلًًص وخًوٌفٌصًًٍ .ى ٓننشإ نالمص ( Makerمطفىفص رنفٕ كـم خًطىَش خألضٌٌص وًون رنىم رٌدندض )int32ونىٓم خملندؾم يخهٌهد.خملندؾم (خألمدمٌص ؤو خًوٌفٌص) خملظإهًًن منهد نلًيهد رإي نًي ضلٌم مىؿس ،وًون رإَكدَ موظٌفص ًوٍ ؿٔم. وخملندؾم خًظٍ ًٔند مظإهًًن منهد نًم كٌمظهد ضفُ. وًًٍى ٓنٔظوًَ خًظدرو )( cv2.connectedComponentsوخًٍي ًلًي هٌفٌص خًطىَش ردًلٌمص ضفُ ،وخألؿٔدَ خألهُي ًلًيهد رإنًخي ضلٌلص خرظًخ ًء من .1وًون بٌخ هدنع كٌمص خًوٌفٌص 0 ٓظهظربهد هىخَِمٌص watershedيًن مهٌىمصًًٍ ،ى رًالً من ًٌى ٓنلًي خملندؾم يًن خملهٌىمص رـ .0
179
OpenCvببساطة
# Marker labelling )ret, markers = cv2.connectedComponents(sure_fg # Add one to all labels so that sure background is not 0, but 1 markers = markers+1 # Now, mark the ' of unknown with zero markers[unknown==255] = 0
ذ
امنرٌعخُ : خًطىَش خًظدًٌص طزٍن خًنظٌـص خًظٍ طهُع هًُؿص خألًىخن ،JETكٌؽ خألَِق خًًدمم ًهُع خملندؾم خًًًن مهٌىمص(خملـهىًص) ،وخًلؿو خًنلًًص خملظإهًًن منهد طٌىن رإًىخن موظٌفص (كٌم موظٌفص)ً ،ظم نُع خملندؾم خملظزلٌص وخًظٍ هٍ هٌفٌدض ؤهًٌش رٌىن ؤَِق ؤفظم ردًنٔزص ًٌمندؾم خملـهىًص.
ذ
خآلن ًًًند نالمص Makerؿدهّش ،وكدن خًىكع ًظنفٌٍ خًوؿىش خًنهدثٌص وطؿزٌم هىخَِمٌص ،watershedننًهد ضىَش خًهالمص ٓ Makerظظهًي ،وخملنؿلص خًلًويًص ٓظإهٍ خًلٌمص . -1 )markers = cv2.watershed(img,markers ]img[markers == -1] = [255,0,0 ذ
ذ
OpenCvببساطة
180
الكل خًنظٌـص ٓرتي ؤن رهؼ خًلؿو طم طلؿٌههد رشوٍ مؼديل وؤهُي ًٌٔع هًٍى.
ذ ذ ذ
مُخؿو بغدفٌص: ً( CMM page on Watershed Transformationلىي هٍ خملُؿو نىل ضىَ مظلُهص مو خًهًًً من خألمؼٌص خًظٍ طزٔـ ًٍسق) ذ
ذ ذ ذ ذ ذ
181
OpenCvببساطة
ذ
ذ
ذ
امهذفُ : طهٌم هىخَِمٌص GrabCutالٓظوُخؾ خألؿٔدَ خألمدمٌص يف خًطىَش. ٓننشح طؿزٌم طفدنًل ردٓظوًخمهد ذ
امنظشيُ : خًهًف من هىخَِمٌص GrabCutخٓظوُخؾ خألؿٔدَ خألمدمٌص خًظٍ يف خًطىَش رإكٍ طفدنٍ من خملٔظوًَ.هٌف ًلىَ خملٔظوًَ رظنفٌٍ هٍه خًوىخَِمٌص؟ يف خًزًخًص ًُٓم خملٔظوًَ مٔظؿٌٍ كىي خملنؿلص خألمدمٌص (ًنزًٍ ؤن طوىن خملنؿلص خألمدمٌص (خًـٔم) متدمد يخهٍ خملٔظؿٌٍ) ،ومن ػم ًلىَ رظوُخَ طؿزٌم خًوىخَِمٌص كظى خًىضىي ألفػٍ نظٌـص. ًون يف رهؼ خألكٌدن كً ال نلطٍ نىل خًنظٌـص خملُيىرص رٔزس خألهؿدء خًلدضٌص ننً طهٌٌم خًوٌفٌص هإمدمٌص ،ؤو ردًهوٕٓ.نلظدؾ يف هٍه خًلدًص إلنديش طهٌٌم ًٌنظٌـص ،مؼٍ خًظلًًً ًًوًد رٍصردض (خًظلًًً روزٔص خًفإَش) طلًي ؤمدهن خألهؿدء يف خًطىَش خًندطـصًًٍ ،ى رهً خًلٌدَ رهٍه خًهمٌٌص نلطٍ نىل نظٌـص ؤيق. شدهً خملؼدي خًظديل خًٍي ٓنلىَ فٌه ؤوال رُٓم مٔظؿٌٍ كىي خًـٔم ،ومن ػم نلىَ رةغدفص خًٌمٔدض خألهًنش نن ؾًُم ٌصردض خًفإَش .كٌؽ خًٍصردض ردًٌىن خألرٌؼ ًظلًًً خملنؿلص خألمدمٌص ،وخًٍصردض خًظٍ ردًٌىن ألٓىي ًظلًًً خًوٌفٌص ،ومن ػم ٓنلطٍ نىل نظٌـص ؿًٌش.
OpenCvببساطة
ذ
ذ
182
ذ
ومكنُمبُامزيُؼهُتبمخنفٌخ؟ ُ َّ
ؤوالً ًُٓم خملٔظوًَ مٔظؿٌٍ وهٍ يشء هدَؿه ًهً هٌفٌص ؤهًٌشًًٍ ،ى ًـس طػمٍن خًـٔم هدمال يخهٍ خملٔظؿٌٍ .هٍ يشء يهٍ خملٔظؿٌٍ يًن مهُوف فلٔس خًزٌدندض خًظٍ ًًهٌهد خملٔظوًَ ًظم طهٌٍن خملنؿلص خألمدمٌص وخًوٌفٌص. ًلىَ خًلدٓىذ رهً ًٌى رةنؿدء نالمدض ردالنظٌلي نىل خًزٌدندض خملهؿدش ،رلٌؽ ًلىَ رظلًًً خملنؿلص خًوٌفٌص من خألمدمٌص. كدًٌد ٓنٔظوًَ منـ خًوالثـ خًًإويس )ً (GMMظلًًً منـ (شوٍ) خملنؿلص خًوٌفٌص وخألمدمٌص. خنظٌلي خ نىل خًزٌدندض خملهؿدش ًظهٌم GMMوًنشإ طىِند ؿًًًخ ًٌزٌؤالض ،كٌؽ ططنف خًزٌؤالض خًًًن مهُفص بمد همنؿلص ؤمدمٌص ملظمٌص ؤو هٌفٌص ملظمٌص وًٌى ردالنظٌلي نىل نالكظهد مو خًزٌؤالض خملهُفص رًالًص بكطدثٌدض خألًىخن (مؼٍ خًظـمٌو رهندكًٌ). ًظم رندء خًُٓم خًزٌدين من طىِم خًزٌؤالض هٍخ .طظمؼٍ خًهلًش ردًزٌؤٍ .طػدف نلًطٍن بغدفٌص وهٌل نلًش خملطًَ ونلًش خملرصف .هٍ رٌؤٍ ؤمدمٍ ًظطٍ رهلًش خملطًَ وهٍ رٌؤٍ هٌفٍ ًظطٍ رهلًش خملرصف. وِن(كٌمص) خًلىخف خًظٍ طظطٍ رهلًش خملنزو /خملرصف طهؿٍ خكظٌلًٌص ؤن ًوىن خًزٌؤٍ ًنظمٍ ًٌمنؿلص خألمدمٌص /خًوٌفٌص .طلًي خألوِخن رٍن خًزٌؤالض مبهٌىمدض خًلدفص ؤو طشدره خًزٌؤٍ ،فةٌخ هدن هندن فُق هزًن رإًىخن خًزٌؤالض خملرتخرؿص فدًلدفص رٌنهم ٓظؤس وِندً ؤهف.
183
OpenCvببساطة
هىخَِمٌص mincutطٔظهمٍ ًظلؿٌو خًُٓم خًزٌدين ،كٌؽ طلؿهه ًهلًيت منزو ومرصف رإكٍ طدرو طوٌفص .وطدرو خًظوٌفص هى مـمىم هٍ ؤوِخن خًلىخف خمللؿىنص ،ورهً خًلؿو ،هٍ خًزٌؤالض خملظطٌص رهلًش خملطًَ ططزم ؤمدمٌص ،وخملظطٌص رهلًش خملرصف ططزم هٌفٌص. طٔظمُ خًهمٌٌص كظى ًظلدَذ خًظطنٌف. خًطىَش خًظدًٌص طىغم هٍه خًهمٌٌص.
ذ
مصبلُذىطٌؽٍُ : ُ ًظؿزٌم هىخَِمٌص GrabCutيف OpenCvنٔظوًَ خًظدرو)( ، cv2.grabCutومظًًنخض هٍخ خًظدرو هٍ: :img ضىَش خًًهٍ :mask كندم خًطىَش وخًٍي ًلًي خملندؾم خألمدمٌص وخًوٌفٌص ؤو خكظٌلًٌظهد (ؤي خكظٌلي هٍ هٍ خمدمٌص خَ هٌفٌص) ،وًظم ًٌى نن ؾًُم خألنالَ ( )flagsخًظدًٌص: cv2.GC_PR_FGD cv2.GC_BGD, cv2.GC_FGD, cv2.GC_PR_BGD, ؤو رزٔدؾص منَُ خألَكدَ خًظدًٌص 0,1,2,3ردًرتطٌس.
OpenCvببساطة
184
:rectوهٍ بكًخػٌدض خملٔظؿٌٍ خًٍي ًظػمن خًـٔم خألمدمٍ ردًطًٌص ).(x, y, w, h :bdgModel, fgdModelهٍ مطفىفدض طٔظوًمهد خًوىخَِمٌص يخهٌٌد ٌ،نونى فلـ متًُُ مطفىفص ضفًُص رطًٌص np.float64ورلـم ).(1.65 :iterCountنًي خملُخض خًظٍ ًـس ؤن طوَُ خًوىخَِمٌص فٌهد. ً :modeـس ؤن طوىن cv2.GC_INIT_WITH_RECTؤو cv2.GC_INIT_WITH_MASKؤو وغو مُهزدً وخًٍي ًلًي مد بٌخ هدن ٌٓظم طلًًً خًـٔم خالمدمٍ نن ؾًُم َٓم مٔظؿٌٍ ؤو نن ؾًُم ٌصردض (هزٔدض) ؤَِخَ خًفإَش.
يف خًزًخًص ٓنزًؤ رىغو خملٔظؿٌٍٓ ،نلمٍ خًطىَش ،وننشإ كندم ًٌطىَش ،وننشإ خملطفىفظٍن bdgModelو ،fgdModelػم منَُ ردَمرتخض خملٔظؿٌٍ (بكًخػٌدطه وؾىًه ونُغه).نٔمم رظشًٌٍ خًوىخَِمٌص 0مُخض. خًنمـ ً modeـس ؤن ًوىن cv2.GC_INIT_WITH_RECTألنند نٔظوًَ مٔظؿٌٍ.ػم نشًٍ خًـ ،GrabCutننً ًٌى ط ُ َه ًَي ضىَش خًلندم. يف خًطىَش خًـًًًش خملهًًص ًٌلندم ،خًزٌؤالض ٓىف طهٌم رإَرو ؤنالَ طًي نىل خًوٌفٌص ؤو خمللًمص (هٌل يف خًٔدرم).رهًهد نهًي خًلندم رلٌؽ ططزم خًزٌؤالض خًظٍ ؤَكدمهد 5و 4هٌفٌص ؤهًٌش (نػو فٌهم خًلٌمص ضفُ) ،ؤمد خًزٌؤالض رإَكدَ 8و 4طوىن ؤمدمٌص ؤهًٌش (نػو فٌهد خًلٌمص (.8 خآلن ؤضزم ًًًند خًلندم خًنهديئ ؿدهّ .هٍ مد نٌٌند ٌصره ردًطىَش خألضٌٌص ًنلطٍ نىل نظٌـص خًظلؿٌو خملُيىرص.
185
ببساطةOpenCv
import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('deer.jpg') mask = np.zeros(img.shape[:2],np.uint8) bgdModel = np.zeros((1,65),np.float64) fgdModel = np.zeros((1,65),np.float64) rect = (50,50,450,290) cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT) mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8') img = img*mask2[:,:,np.newaxis] plt.imshow(img),plt.colorbar(),plt.show()
ذ
ذ
ذ
186
ببساطةOpenCv
الكل رإنه قهُ يف خًطىَش كٔم من خًوٌفٌص ال نًًُ بقهدَه ًًٍى ًـس نٌٌند خٓظوًخَ خًؿًُلص خًؼدنٌص وخًظٍ طظم رظلًًً خًلندم نرب ؤيخش هدضص (هدملإوْ) رلٌؽ نلًي خألؿٔدَ خألهًٌش ردًٌىن :خألرٌؼ وخًوٌفٌص خألهًٌش ردًٌىن خألٓىي ونوظس مد ًًل # newmask is the mask image I manually labelled newmask = cv2.imread('newmask.png',0) # whereever it is marked white (sure foreground), change mask=1 # whereever it is marked black (sure background), change mask=0 mask[newmask == 0] = 0 mask[newmask == 255] = 1 mask, bgdModel, fgdModel = cv2.grabCut(img,mask,None,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_MASK) mask = np.where((mask==2)|(mask==0),0,1).astype('uint8') img = img*mask[:,:,np.newaxis] plt.imshow(img),plt.colorbar(),plt.show()
ذ
ذ ذ
ذ
ذ
ذ
OpenCvببساطة
187
ٌنونى طلمٌٍ هىي خٓظوُخؾ خًـٔم ألي ضىَش نن ؾًُم طلًًً خملنؿلص خألمدمٌص من خًوٌفٌص رىخٓؿص ٌصردض خًفإَش من هالي خًُخرـ خًظديل:
https://github.com/downingstreet/GrabCut/blob/master/grabcut.pyذ
هٍ مد نٌٌى خطزدم خًوؿىخض خًظٍ ًهُغهد خًوىي ننً طشًٌٌه.
ذ ذ
الكل يف خًطىَش خًندطـص خًٔدرلص رإنه طم خهظفدء يوخًٌس خًٌٔدَش ًًٍى ٓنلىَ رهمٍ ٌصردض رَّ خًفإَش ًظلًًً خًًوخًٌس هنؿلص ؤمدمٌص.
188
OpenCvببساطة
ذ
الكل خآلن هٌف قهُض يوخًٌس خًٌٔدَش يف خًطىَش. ذ ذ ذ
الفصل الرابع ” الإبداع هو النظر في المألوف بطر يقة غير مألوفة ‟ أحمد الشقيري
OpenCvببساطة اؾػصلذاؾرابع:ذاإلراراتذيفذ OpenCvذ ذ امهذفُ : ُ
ذػنمُبًعبدُوسظمُمالمؾُامشكه.
ذػنمُبًعبدُمالمؾُمخرنخُمإلػبسادُ،مصهُاملعبؼخُ،املؽٌؽُ،مؽٌؽُ معرؼٌه.....ُ،امخ
ذػنمُبًعبدُخصبئصُاإلػبسادُ،مصهُامصالتخُؤيُامكصبفخُ......ُ،
ذػنمُبًعبدُذشىهبدُامرؽذةُ،نلؼخُمظنؼُاالخرثبسُ،ذؼبتمُاألشكبلُ املخرنفخ
امرػشفُغىلُامرذسطُامهشمٍُمإلػبساد. ذ ذ
190
OpenCvببساطة
191
امهذفُ : فهم مد هٍ خإلؾدَخض. طهٌم بًـدي وَٓم خإلؾدَخض. ٓنظهٌم خٓظوًخَ خًظىخرو. cv2.drawContours()،cv2.findContours() : مبُهٍُاإلػبساد؟ ُ ٌنون ٌسكهد رزٔدؾص رإنهد نزدَش نن منلنٌدض طػم هٍ خًنلدؽ خملظطٌص مو رهػهد (نىل ؾىي خًلًوي) ،وخًظٍ متٌى نفٕ خًٌىن ؤو خًشًش ،وهٍه خإلؾدَخض هٍ ؤيوخض مفًٌش ًظلٌٌٍ خًشوٍ، وخهظشدف خألؿٔدَ وخًظهُف نٌٌهد. مالؼظبدُهبمخُ : ًٌلطىي نىل ؤفػٍ نظٌـص خٓظوًَ خًطىَ خًؼندثٌصًًٍ ،ى كزٍ ؤًـدي خإلؾدَخض ٓنٔظوًَ نمٌٌص خًظهظٌس ؤو موظشف كىخف هدين. طدرو بًـدي خًلىخف ًًًن خًطىَش خألضٌٌصًًٍ ،ى بٌخ ؤَيض خًلفدف نىل خًطىَش كم رهمٍ نٔوص خكظٌدؾٌص ًٌطىَش وهّنه يف مظًًن آهُ. بًـدي خإلؾدَخض يف ًOpenCvشزه بًـدي ؿٔم ؤرٌؼ من هٌفٌص ٓىيخءًًٍ ،ى ًـس ؤن ًوىن خًودثن خًٍي طزلؽ ننه ردًٌىن خألرٌؼ وخًوٌفٌص ًـس ؤن طوىن ٓىيخء (ال طنىس هٍخ خألمُ). بٌخ هدنع خًطىَش خًؼندثٌص يًن وخغلص ٌنونى خالٓظهدنص ردًظلىًالض خًظٍ طظم نىل خًشوٍ مؼٍ نمٌٌص خًظمًًً .Dilation
192
ببساطةOpenCv
ينند نشدهً هٌف ٓنىؿً بؾدَخض (مالمم) ضىَش ػندثٌص يف خًوىي خًظديل خًٍي ٌٓىغم ًند ؾًُلص :بًـدي خإلؾدَخض import numpy as np import cv2 im = cv2.imread('test.jpg') imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(imgray,127,255,0) # Get all the contours found in the thresholdimage # syntax for opencv2 contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) # syntax for opencv3 #thresh ,contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
ُ :رشػُامكىد ذ
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(imgray,127,255,0)
ٓنلىي خًطىَش ًٌىن خًُمديي ػم ٓنلىَ رظلىًٍ خًطىَش ًٌطًٌص خًؼندثٌص (ؤرٌؼ وؤٓىي) وًٌى نن .ؾًُم خًظهظٌس ذ
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
.cv2.findcontours نلىَ رهمٌٌص بًـدي خإلؾدَخض نن ؾًُم خًظدرو :cv2.findcontours() ٌسق خًظدرو .) خملظًًن خألوي ٌنؼٍ ضىَش خًًهٍ (ًـس ؤن طوىن ردًطًٌص خًؼندثٌص .) خملظًًن خًؼدين ٌنؼٍ منـ خٓرتيخي خإلؾدَ (ٓنٍسكه الكلد .) خملظًًن خًؼدًؽ هى طلًُس خإلؾدَ (ٓنٍسكه الكلد .hierarchy ٍ وطٌٍٔٔ خإلؾدَخض خًهُمcontours وكٌم خًوُؾ خًظٍ ًهًٌهد خًظدرو هٍ خإلؾدَخض Numpy وهٍ بؾدَ مفُي هى نزدَش نن مطفىفص،خإلؾدَخض خملوظشفص طوىن نىل شوٍ كدمئص ردًؼىن .إلكًخػٌدض نلدؽ كًوي خًـٔم
193
ببساطةOpenCv ُ كٌفُذشذعمُاإلػبساد؟
وٌنونند ؤن طٔظوًَ هٍخ خًظدرو ًُٓم ؤي.cv2.drawContours ًُٓم خإلؾدَخض نٔظوًَ خًظدرو .شوٍ ًًًند نلدؾه خمللٌؿص ُ :cv2.drawContoursُرشػُامربتؼ .ٍ خملظًًن خألوي هى ضىَش خًًه . خملظًًن خًؼدين هى خإلؾدَخض خملؿىذ َٓمهد وخًظٍ متَُ ًهٍخ خملظًًن هلدمئص ردًؼىن خملظًًن خًؼدًؽ هى فهُْ خإلؾدَخض (مفًٌ ننً َٓم بؾدَ مفُي رلٌؽ منَُ ًه طُطٌس . )-1 ًُٓم هٍ خإلؾدَخض منَُ ًهٍخ خملظًًن خًلٌمص،خإلؾدَ خملُخي َٓمه . خًى.... خملظًًنخض خألهُي هٍ خًٌىن وخًٌٔلهص :ًُٓم هٍ خإلؾدَخض خًظٍ يف خًطىَش نوظس ذ
img = cv2.drawContours(img, contours, -1, (0,255,0), 3)
:ًُٓم بؾدَ مفُي نوظس ذ
img = cv2.drawContours(img, contours, 3, (0,255,0), 3)
:يف مهكم خألكٌدن ٓنٔظوًَ ؤٌٓىذ ؤفػٍ ًُٓم خإلؾدَخض وهى هدًظديل cnt = contours[4] img = cv2.drawContours(img, [cnt], 0, (0,255,0), 3) import numpy as np import cv2 img = cv2.imread('shape.png') imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(imgray,127,255,0) contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE) cv2.drawContours(img, contours, -1, (0,255,0), 3) cv2.imshow('counter',img) cv2.waitKey(0) cv2.destroyAllWindows()
ذ ذ ذ ذ
OpenCvببساطة
194
مالككص هدمصً :ـس خهظٌدَ يَؿص خًظهظٌس رهندًص كظى نلطٍ نىل بؾدَخض خًطىَش خًظٍ نًًُهد.
خًطىَش خًٔدرلص طلظىي نىل 5بؾدَخضٌ .نونند َٓم بؾدَ مفُي كىي خًـٔم خًٍي نًًُه وًٌى نن ؾًُم خملظًًن خًؼدًؽ ًٌظدرو .cv2.drawContours فةٌخ ؤَيند َٓم خإلؾدَ خًؼدين منَُ ًٌمظًًن خًؼدًؽ خًلٌمص ].contours[1 ذ ذ ذ ذ
ًُٓم خإلؾدَ خًؼدًؽ منَُ ًه خًلٌمص ] contours[2وهوٍخ. ذ ذ ذ
OpenCvببساطة
195
ػشًلخُذلشًجُاإلػبسُ : هٍخ هى خملظًًن خًؼدًؽ يف طدرو بًـدي خإلؾدَخض )(.cv2.findcontours مبُهٍُوظٌفرهُومبُهٍُامفبئذحُمنه؟ ُ كٌند ٓدرلدً ؤن رإن خإلؾدَخض نزدَش نن كًوي خًشوٍ وخًظٍ متٌى نفٕ خًشًش خًٌىنٌص .هٌل كمند رظوًّن بكًخػٌدض خًنلدؽ خًظٍ طشوٍ كًوي خًشوٍ ،وًون هٍ هّند ؿمٌو بكًخػٌدض خًنلدؽ خًظٍ طشوٍ هٍه خًلًوي؟ هٍخ هى مد ٌٓظم طلًًًه ردٓظوًخَ ؾًُلص طلًُس خإلؾدَخض.بٌخ مَُند ًهٍخ خملظًًن خًلٌمص ٓ cv2.CHAIN_APPROX_NONEىف ًوّن ؿمٌو نلدؽ خًلًوي. ومكنُههُنؽربطُمرخضًنُظمٌؼُامنلبغ؟ ُ نىل ٓزٌٍ خملؼدي ؤوؿً خإلؾدَ ًوـ مٔظلٌم ،هٍ طلظدؾ ًوٍ خًنلدؽ خًظٍ نىل خًوـ كظى نٔظؿٌو متؼٌٍ هٍخ خًوـ؟ نلن رلدؿص فلـ ًنلؿظٍن ،نلؿص يف رًخًص خًوـ ونلؿص ؤهُي يف نهدًظه ،وهٍخ مد ًفهٌه خًظدرو cv2.CHAIN_APPROX_SIMPLEفهى ًًٍّ هٍ نلؿص ِخثًش نن خًلدؿص ،وردًظديل ٌٓظم خًظىفًن يف كـم خًٍخهُش. خًطىَش خًظدًٌص طىغم مد طهٌمنده ،كٌؽ يف خملٔظؿٌٍ خًٌٔدَي ؾزلند خًظدرو cv2.CHAIN_APPROX_NONEفظم طلًًً ؿمٌو نلدؽ خملٔظؿٌٍ (ردًٌىن خألَِق) ،ؤمد يف خًطىَش خًٌمٌنٌص ًٌمٔظؿٌٍ ؾزلند خًظدرو cv2.CHAIN_APPROX_SIMPLEفلدَ رظلًًً فلـ خًنلدؽ خًٍصوًَص ًُٓم خملٔظؿٌٍ وهٍ خألَرو خًنلدؽ خملٌىنص ردألَِق.
ذ
OpenCvببساطة
196
خصبئصُاإلػبساد ُ امهذفُ : طهٌم بًـدي خًوطدثظ خملوظٌفص ًإلؾدَخض مؼٍ خملٔدكص ،خمللٌـ ،خملُهّ ،خملُرو خمللٌـ. ٓنظهٌم خٓظوًخَ خًهًًً من خًظىخرو خًظٍ ًهد نالكص ردإلؾدَخض .1عزومذاؾصورةذ :Momentsذ
خًهّوَ طٔدنًند نىل كٔدذ رهؼ خًوطدثظ مؼٍ مُهّ هظٌص ؿٔم ،مٔدكص ؿٔم ..... ،خًى. ًٌمًًّ من خملهٌىمدض نن خًهّوَ َخؿو ضفلص وًوٌزًًٌد Image Moments خًهّوَ رشوٍ ؤٓديس هٍ خًوطدثظ خًظٍ ططف شوٍ خًطىَش وؤمىَ ؤهُي هدملٔدكص وخًظىؿه وخًٌٔلهص وخالًظىخء و .....خًىٌ .نونند خٓظوًخَ هٍه خًوطدثظ ًٌظهُف نىل خألشودي خًظٍ يف خًطىَش. نّوَ خًطىَش هٍ نفٕ فوُش خًهَّ يف خملٌودنٌى .ؤوي نَّ ٌٓهؿٌى مُهّ خًوظٌص ،كٌؽ خًوظٌص متؼٍ شًش(هؼدفص) خًزٌؤٍ ،وػدين نَّ ًوربند هٌف طوظٌف هٍه خًوظٌص كىي مُهّ خًوظٌص ؤي ؤن خًوظٌص يف خملُهّ يًن خًوظٌص كىًه (ننً يَخٓص منؿلص من خًـٔم) .رنفٕ خًؿًُلص خًظٍ طلطٍ فٌهد نىل نؿدًص ًـٔم نىل ؤَع خًىخكوٌ ،نونى خًلطىي بكًي نّوَ خًطىَش .وهٍخ ًهؿٌى خمللإوَ خًُثٌٌٔص)ًٌ (x,yشوٍ خًٍي طًًُ وضفه. خًظدرو )(ً cv2.momentsلًَ فهُْ روٍ خًهّوَ خمللٔىرص ،شدهً خملؼدي خًظديل: import cv2 import numpy as np )img = cv2.imread('star.jpg',0 )ret,thresh = cv2.threshold(img,127,255,0 )contours,hierarchy = cv2.findContours(thresh, 1, 2 ]cnt = contours[0 )M = cv2.moments(cnt print M
ذ ذ
197
OpenCvببساطة من كٌم خًهّوَ هٍه
ٌنونند خًلطىي نىل رٌدندض مفًٌش مؼٍ خملٔدكص ،خملُهّ ..... ،خًى
خملُهّ ًهؿى ردًهالكص:
و
ٌنون طنفٌٍ هٍه خًهالكص رطًٌص رُمـٌص هٌل ًًل: )]'cx = int(M['m10']/M['m00 )]'cy = int(M['m01']/M['m00 print cx, cy
ذ
544ذ 343ذ
.2ؿداحةذاإلرارذ :Contour Areaذ
طلٔس مٔدكص خإلؾدَ من هالي خًظدرو )( cv2.contourAreaؤو ]'.M['m00 )area = cv2.contourArea(cnt print area 678.5
.3حمقطذاإلرارذ :Contour Perimeterذ
ًٔمى ؤًػد ؾىي خًلؿًُ ،ظم كٔدره من هالي خًظدرو )(.cv2.arcLength مظًًنه خًؼدين ًلًي فٌٌل بٌخ هدن خإلؾدَ مًٌم (بٌخ مُنند ًه )TRUEؤَ فلـ منلنٍ. )perimeter = cv2.arcLength(cnt, True print perimeter .4تؼرقبذاإلرار :Contour Approximationذ
128.669046402
ًلُذ شوٍ خإلؾدَ ًشوٍ آهُ مو نًي َئوْ ؤكٍ ردالنظٌلي نىل خًًكص خًظٍ نلًيهد ،وًٌى رظؿزٌم هىخَِمٌص يويالْ رىهُ . Douglas-Peucker ًفهم ًٌى ،خفرتع رإنى طزلؽ نن مُرو يف ضىَش مد ،وًون رٔزس مشوٌص مد كطٌع نىل مُرو مشىه (هٌل هى مهُوع يف خًطىَش خًظدًٌص) ،ننًهد ٌنونند خٓظهٌلي طدرو طلًُس خإلؾدَ ًٌلطىي نىل خملُرو خملؿٌىذ.
ذ
198
OpenCvببساطة
خملظًًن خًؼدين ًظدرو طلًُس خإلؾدَ ( )epsilonهى كٌمص ؤنكم هؿإ مٔمىق ره ًٌلطىي نىل خًظلًُس خملؿٌىذ ،وًـس خهظٌدَه رهندًص ًٌلطىي نىل خًنظٌـص خملُيىرص. )epsilon = 0.1*cv2.arcLength(cnt,True )approx = cv2.approxPolyDP(cnt,epsilon,True )cv2.drawContours(img, [approx], -1, (0,255,0), 3
يف خًطىَش خًظٍ يف خًىٓـ ،خًوـ خألهٍص ٌنؼٍ طلًُس خإلؾدَ. يف خًطىَش خًىٓؿى نٔزص خًظلًُس هٍ 10%من ؾىي خملنلنٍ ( epsilon = 10% of arc .)length ؤمد يف خًطىَش خًٌمٌنٌص فنٔزص خًظلًُس 1%من ؾىي خملنلنٍ ( epsilon = 1% of the arc .)length خملظًًن خًؼدًؽ ًظدرو طلًُس خإلؾدَ )(ً cv2.approxPolyDPلًي فٌٌل بٌخ هدن خمللنٍ مًٌم ؤَ ال.
ذ
تقريب اإلطار بنسبة %1
تقريب اإلطار بنسبة %10
.5غالفذاؾتحدبذ :Convex Hullذ
يالف خًظلًذ ًزًو ًند هظلًُس خإلؾدَ ،وًونه ًٌٕ هًٍى (كً طوىن خًنظدثف مظشدرهص يف رهؼ خًلدالض) .فهى ًهنٍ ملدؾو خملنلنٌدض خًزدَِش(خملنظفوص)(خمللًرص) ،وؤًػد خمللدؾو خمللهُش. خمللدؾو خمللهُش (خملنظفوص ًـهص خًًخهٍ) طًنى رهٌىذ خملنلنٍ. نىل ٓزٌٍ خملؼدي شدهً خًطىَش خًظدًٌص ،خًوـ خألكمُ ًهُع يالف خًظلًذ ًشوٍ خًًٌ.
المربع المشوه
ذ
199
ببساطةOpenCv
ٍهٍ خالهظالفدض نن شوٍ خملنلن.خألٓهم ٌو خالطـدهٍن خًظٍ يف خًطىَش طكهُ نٌىذ خًظلًذ :خًوًل خمللًذ ٌنون بًـديهد وفم خًظدرو ذ
hull = cv2.convexHull(points[, hull[, clockwise[, returnPoints](
ذ:cv2.convexHull ()ذرحذاؾتابعذ
: ًإهٍ خملظًًنخض خًظدًٌص،طدرو كٔدذ يالف خًظلًذ .َ منَُ ًهٍخ خملظًًن نلدؽ خإلؾد:points[ خملظًًن خألوي . يدًزد نظـنزه، مظًًن هُؾ طلًذ خًًالف:hull [ خملظًًن خًؼدين ٌٓوىن هُؾ طلًذ خًًالف موTRUE بٌخ هدن: خطـده خًهٌم:clockwise [ خملظًًن خًؼدًؽ .ٕنلدَذ خًٔدنص وبال ردًهو طهًٌ بكًخػٌدض،TRUE خفرتخغٌد كٌمظهد، نلدؽ خالٓظهديش:returnPoints] خملظًًن خًُخرو . طهًٌ ماٌسخض ًنلدؽ طلًذ ًًالفFALSE ؤمد بٌخ هدنع كٌمظهد،نلدؽ طلًذ خًًالف :ًًٍى ًٌلطىي نىل ملًذ خًًالف هٌل يف خًطىَش خًٔدرلص ًوظفى روظدرص مد ًًل hull = cv2.convexHull(cnt)
import numpy as np import cv2 img = cv2.imread('hand.jpg') imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ُ :مصبل ذ ذ
ret,thresh = cv2.threshold(imgray,245,255,0) thresh_inv=cv2.bitwise_not(thresh)
ذ ذ
contours, hierarchy = ذ ذ cv2.findContours(thresh_inv,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE) hull = cv2.convexHull(contours[0]) ذ ذ ذ cv2.drawContours(img, hull, -1, (0,0, 255), 3) cv2.imshow('Image_hull',img) cv2.waitKey(0) cv2.destroyAllWindows()
ذ ذ
OpenCvببساطة
200
خًنلدؽ خًظٍ ردًٌىن خألكمُ هٍ نلدؽ يالف خًظلًذ(.)hull ًى وضٌند رٍن هٍه خًنلدؽ ٓنلطٍ نىل يالف خًظلًذ. وًون بٌخ ؤَيند بًـدي نٌىذ خًظلًذ نلظدؾ ؤن منَُ خًلٌمص ًٌ Falseمظًًن خًُخرو يف ًظدرو )( cv2.convexHull (.)returnPoints = False ًفهم ًًٍى ٓنإهٍ ضىَش خملٔظؿٌٍ خًٍي يف خًطىَش خًٔدرلص .يف خًزًخًص ؤوؿًند بؾدَ هٍخ خملٔظؿٌٍ ،خآلن ٓنىؿً يالف خًظلًذ ًهٍخ خملٔظؿٌٍ مو وغو كٌمص TRUEيف خملظًًن خًُخرو ًظدرو كٔدذ يالف خًظلًذ ( )returnPoints = Trueفنلطٍ نىل خًنظٌـص خًظدًٌص [[[234 202]], [[ 51 ]]] 202]], [[ 51 79]], [[234 79وخًظٍ متؼٍ خًنلدؽ خألَرو ًّوخًد خملٔظؿٌٍ . خآلن بٌخ فهٌند نفٕ خًوؿىخض خًٔدرلص وًون رًي وغو كٌمص ٓ TRUEنػو كٌمص FALSE (ٓ )returnPoints = Falseىف نلطٍ نىل خًنظٌـص خًظدًٌص ]][[129],[ 67],[ 0],[142 وخًظٍ متؼٍ فهُْ (يًٌٍ) خًنلدؽ خمللدرٌص ًهد يف خإلؾدَ ،نىل ٓزٌٍ خملؼدي ًنفلظ نظٌـص كٌمص مد: ]] cnt [129] = [[234, 202كطٌند نىل نفٕ خًنظٌـص خًٔدرلص (ونفٕ خألمُ مؿزم نىل خًنلدؽ خألهُي) ٓنشدهً هٍخ خألمُ مُش ؤهُي ننً خًظلًغ نن نٌىذ خًظلًذ ).(convexity defects .6اؾتحؼقذؿنذاؾتحدبذ :Checking Convexityذ
ًظم خًظللم فٌٌل بٌخ هدن خملنلنٍ ملًذ ؤَ ال ،نن ؾًُم خًظدرو )(.cv2.isContourConvex هٍخ خًظدرو ًهًٌ كٌمص بمد TRUEؤو .FALSE ذ
)k = cv2.isContourConvex(cnt
201
ببساطةOpenCv ذ:Bounding Rectangle ادلدتطقلذاحملقطذ.7
.ًَه نىندن هٌل خملٔظلٌم وخملًو : ادلدتطقلذاحملقطذادلدتؼقم.A
. ًًٍى ٌٓوىن كـمه ؤضًُي،ًًُهؿٍ مٔظؿٌٍ مٔظلٌم رًون ؤي طًو .cv2.boundingRect() ًلٔس هٍخ خملٔظؿٌٍ من هالي خًظدرو . ونُع خملٔظؿٌٍ وؾىًه،ًٌٍهؿٌند هٍخ خًظدرو بكًخػٌدض خًّؤوًص خًٌرسي خًهٌٌد ًٌمٔظؿ x,y,w,h = cv2.boundingRect(cnt) cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
يف هٍخ خملؼدي كزٍ َٓم خملٔظؿٌٍ خمللٌـ ٓنـهٍ يف خًطىَش خًؼندثٌص ًىن خًًٌ ردًٌىن:1مصبل .)thresh_inv( خألرٌؼ وًىن خًوٌفٌص ردألٓىي ًًٍى ٓنلىَ رهوٕ نمٌٌص خًظهظٌس import numpy as np import cv2 img = cv2.imread('hand.jpg') imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(imgray,245,255,0) thresh_inv=cv2.bitwise_not(thresh) contours, hierarchy = cv2.findContours(thresh_inv,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) cnt =contours[0] hull = cv2.convexHull(cnt)
x,y,w,h = cv2.boundingRect(cnt) cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),2) #cv2.drawContours(img, contours[0], -1, (0,0, 255), 3)
ذ
cv2.imshow('Image_hull',img) cv2.waitKey(0) cv2.destroyAllWindows()
202
ببساطةOpenCv
.Dilation ًًً يف هٍخ خملؼدي خًطىش خًؼندثٌص ٓظوىن يًن وخغلص ًٍخ ٓنٌـإ ًهمٌٌص خًظم:2مصبل
import numpy as np import cv2 img = cv2.imread('airplan.jpg') imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(imgray,207,255,0) thresh_inv=cv2.bitwise_not(thresh) kernel = np.ones((15,15),np.uint8) dilation = cv2.dilate(thresh,kernel,iterations = 1) cv2.imshow('dilation',dilation) contours, hierarchy = cv2.findContours(dilation,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) cnt =contours[1]
#draw hull Rectangle x,y,w,h = cv2.boundingRect(cnt) cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2) cv2.imshow('Image_hull',img) cv2.waitKey(0) cv2.destroyAllWindows()
203
OpenCvببساطة
تعتيب +تمديد
المستطيل المحيط المستقيم
.Bادلدتطقلذاحملقطذادلدور:
هند ًُٓم خملٔظؿٌٍ خمللٌـ رإضًُ مٔدكص ،وًإهٍ خملٔظؿٌٍ ِؤوًص يوَخن (ؤي ًوىن خملٔظؿٌٍ مًخَ رّؤوًص مد)ً.لٔس هٍخ خملٔظؿٌٍ من هالي خًظدرو )(.cv2.minAreaRect ًهؿٌند هٍخ خًظدرو بكًخػٌدض خًّؤوًص خًٌرسي خًهٌٌد ًٌمٔظؿٌٍ ،وؾىي ونُع خملٔظؿٌٍ ،ردإلغدفص ًًٍى ِؤوًص ًهؿٌند ِؤوًص يوَخن خملٔظؿًٌٍُٓ .م خملٔظؿٌٍ ٓنلظدؾ مهُفص ِوخًد خملٔظؿٌٍ خألَرو، ٌنونند خًلطىي نىل هٍه خًّوخًد من هالي خًظدرو )(.cv2.boxPoints )rect = cv2.minAreaRect(cnt )box = cv2.cv.BoxPoints(rect )box = np.int0(box )cv2.drawContours(im,[box],0,(0,0,255),2
ذ
مالؼظخُ : بٌخ ؤَيض طؿزٌم خًظدرو cv2.cv.BoxPointsغمن موظزص OpenCvخإلضًخَ 4نٌٌى ؤن طٔظزًًه ردًظدرو )(.cv2.boxPoints ذ ذ ذ
204
OpenCvببساطة
خًطىَش خًظدًٌص طهُع نىنٍ خملٔظؿٌٍ خمللٌـ (خملٔظلٌم وخملًوَ) .خملٔظؿٌٍ خمللٌـ خملٔظلٌم مٌىن ردًٌىن خألهٍص ،ؤمد خملٔظؿٌٍ خمللٌـ خملًوَ مٌىن ردًٌىن خألكمُ.
ذ
.8اؾدائرةذاحملقطةذاألصغرقةذ :Minimum Enclosing Circleذ
هٍ خًًخثُش خًظٍ طًؿٍ خًـٔم رإكٍ مٔدكص ،وًظم ًٌى نن ؾًُم خًظدرو )(.cv2.minEnclosingCircle )(x,y),radius = cv2.minEnclosingCircle(cnt ))center = (int(x),int(y )radius = int(radius )cv2.circle(img,center,radius,(0,255,0),2
ذ
ذ
ذ
205
ببساطةOpenCv ذ:Fitting an Ellipse اؾؼطعذاؾـاؼصذادلتالئمذؿعذاإلرارذ.9
.ًظم بكدؾص خًـٔم رلؿو ندكظ .cv2.fitEllipse() ًظم َٓم هٍ خًلؿو نن ؾًُم خًظدرو ellipse = cv2.fitEllipse(cnt) im = cv2.ellipse(im,ellipse,(0,255,0),2) ذ
ذ
ذ:Fitting a Line اخلطذادلتالئمذؿعذاإلرارذ.10
cv2.fitLine() ًظم َٓم هٍخ خًوـ نن ؾًُم خًظدرو rows,cols = img.shape[:2] [vx,vy,x,y] = cv2.fitLine(cnt, cv2.DIST_L2,0,0.01,0.01) lefty = int((-x*vy/vx) + y) righty = int(((cols-x)*vy/vx)+y) img = cv2.line(img,(cols-1,righty),(0,lefty),(0,255,0),2)
ذ
206
OpenCvببساطة
ذ
املضًذُمنُخصبئصُاإلػبسادُُ Contour Properties ٓنظهٌم خٓظوًخَ هطدثظ خًـٔم خملٔظهمٌص روًتش مؼٍ خًطالرص وخًلؿُ خملودفح وكندم خًطىَش وخًوؼدفص خملظىٓؿص. -1ـدبةذاألبعادذ :Aspect Ratioذ
متؼٍ نٔزص خًهُع نىل خالَطفدم ًٌمٔظؿٌٍ خمللٌـ ردًـٔم.
)x,y,w,h = cv2.boundingRect(cnt aspect_ratio = float(w)/h ذ -2االؿتداد (احلدود)ذ:Extent
خالمظًخي هى نٔزص مٔدكص خإلؾدَ نىل مٔدكص خملٔظؿٌٍ خمللٌـ.
)area = cv2.contourArea(cnt )x,y,w,h = cv2.boundingRect(cnt rect_area = w*h extent = float(area)/rect_area
ذ
207
ببساطةOpenCv :Solidity اؾصالبةذ(اؾشدة)ذ-3
.هٍ نٔزص مٔدكص خإلؾدَ نىل مٔدكص خملنؿلص خمللًرص
ذ
area = cv2.contourArea(cnt) hull = cv2.convexHull(cnt) hull_area = cv2.contourArea(hull) solidity = float(area)/hull_area
:Equivalent Diameter اؾؼطرذادلؽاػ ذ-4
.َهى كؿُ خًًخثُش خًظٍ مٔدكظهد من نفٕ مٔدكص خإلؾد √
area = cv2.contourArea(cnt) equi_diameter = np.sqrt(4*area/np.pi) ذ
ذ: اؾتدوقر-5
. خًوىي خًظديل ًهؿٍ خمللىَ خالهرب وخالضًُ وخألؾىخي.هٍ خًّؤوًص خًظٍ طم طًوًُ خًـٔم رهد ذ
(x,y),(MA,ma),angle = cv2.fitEllipse(cnt)
:Mask and Pixel Points اؾؼـاعذوـؼاطذاؾبقؽدلذ-6
ٌنون مهُفص هٍه،يف رهؼ خألكٌدن كً نلظدؾ الٓظوًخَ ؿمٌو خًنلدؽ خًظٍ طشوٍ هٍخ خًـٔم :خًنلدؽ من هالي مد ًًل mask = np.zeros(imgray.shape,np.uint8) cv2.drawContours(mask,[cnt],0,255,-1) pixelpoints = np.transpose(np.nonzero(mask)) #pixelpoints = cv2.findNonZero(mask)
ذ
208
OpenCvببساطة
هندن ؾًُلظٍن ملهُفص خًنلدؽ خًظٍ طشوٍ خًـٔم: خًؿًُلص خألوىل ردٓظوًخَ طىخرو موظزص .Numpy خًؿًُلص خًؼدنٌص ردٓظوًخَ طىخرو موظزص ( OpenCvؤهُ ٓؿُ طهٌٌم يف خًوىي خًٔدرم). خًنظٌـص نفٔهد ردًؿًُلص خألوىل مو خهظالف رٌٔـ ،فموظزص Numpyطهؿٍ خإلكًخػٌدض رطًٌص (ٓؿُ ،نمىي) ،رٌنٌل موظزص OpenCvطهؿٍ خإلكًخػٌدض رطًٌص (.) X،Y -7ادلتودطذاؾؾوـيذأوذاؾشدةذادلتودطةذ :Mean Color or Mean Intensityذ
نٔظؿٌو بًـدي خملهًي خًىٓؿٍ ًٌىن .ؤو ٌنونند ؤًـدي خًشًش خًٌىنٌص خًىٓؿٌص ًٌـٔم يف خملٔظىي خًُمدييٓ .نلىَ ردٓظهٌلي خًلندم مُش ؤهُي ًٌلٌدَ رًٍى .ذ )mean_val = cv2.mean(im,mask = mask
ذ
-8ـؼاطذاؾشدةذ:Extreme Points
نلدؽ خًشًش طهنٍ نلدؽ خًـٔم خًهٌىًص وخًٔفٌٌص وؤكىص خًٌمٍن وؤكىص خًٌٔدَ. )]leftmost = tuple(cnt[cnt[:,:,0].argmin()][0 )]rightmost = tuple(cnt[cnt[:,:,0].argmax()][0 )]topmost = tuple(cnt[cnt[:,:,1].argmin()][0 )]bottommost = tuple(cnt[cnt[:,:,1].argmax()][0
نىل ٓزٌٍ خملؼدي ،بٌخ ؾزلند نلدؽ خًشًش نىل هًُؿص مًًنص ؤنًًدن ٓنلطٍ نىل خًنظٌـص خًظدًٌص: ذ ذ
209
OpenCvببساطة ذىاتؼُاإلػبسادُاإلطبفٌخُُ Contours More Functions امهذفُ : نٌىذ خًظلًذ وهٌفٌص بًـديهد بًـدي ؤكٍ مٔدكص من نلؿص بىل خملػٌو. ملدَنص خألشودي خملوظٌفص. امنظشيُُ+امكىدُ : ُ -1عقوبذاؾتحدبذ:Convexity Defectsذذ
ًلً طهٌمند يف خًفطٍ خًٔدرم خًٍي ًظوٌم نن خإلؾدَخض مد هى يالف خًظلًذ .ؤي خنلُخف(فُق) ًٔؿم خًـٔم نن يالف خمللًذ ًهظرب نٌس طلًذ .موظزص OpenCvوفُض ًند طدرو ؿدهّ إلًـدي هٍه خًهٌىذ )(.cv2.convexityDefects )hull = cv2.convexHull(cnt,returnPoints = False )defects = cv2.convexityDefects(cnt,hull
ذ
]][[[ 267 370 313 22563 ]][[ 370 372 371 142 ]][[ 373 377 374 114 ]][[ 377 479 450 30081
ذ
]]][[ 264 266 265 114
مالككص :طٍهُ رإنند مُنند ًٌمظًًن returnPointsيف خًظدرو cv2.convexHullخًلٌمص ً FALSEيك نىؿً نٌىذ خًظلًذ (.)returnPoints = False
ًهًٌ خًظدرو )( convexityDefectsمطفىفص رلٌؽ هٍ ضف ًلىي خًلٌم خًظدًٌص] نلؿص خًزًخًص، نلؿص خًنهدًص ،ؤرهً نلؿص ،خملٔدفص خًظلًُزٌص ألرهً نلؿص [ .خًلٌم خًؼالغ خألوىل طهدي رشوٍ ماٌس ملىغو خًنلؿص نىل خإلؾدَ.
210
ببساطةOpenCv
،ٓنوظس رُندمف طىغٌلٍ ًلىَ رُٓم مٔظلٌم من نلؿص خًزًخًص بىل نلؿص خًنهدًص .وًُٓم يخثُش كىي ؤرهً نلؿص طٍهُ خًلٌم خًؼالغ خألوىل ؤنًٌض هماٌس ًُكم خإلؾدَ (كٌم نزىذ خًظلًذ مل طهدي ًًٍى ًـس ؤن نلٍص هٍه خًلٌم يخمئد من خملطفىفص خًظٍ طلظىي.)رشوٍ بكًخػٌدض .)َنىل بكًخػٌدض خإلؾدَ خمللًي (َكم خإلؾد import numpy as np import cv2 img = cv2.imread('hand.jpg') imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(imgray,230,255,0) thresh_inv=cv2.bitwise_not(thresh) contours, hierarchy = cv2.findContours(thresh_inv,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) cnt =contours[0]
hull = cv2.convexHull(cnt,returnPoints = False) defects = cv2.convexityDefects(cnt,hull) #print defects #print defects.shape for i in range(defects.shape[0]): s,e,f,d = defects[i,0] start = tuple(cnt[s][0]) end = tuple(cnt[e][0]) far = tuple(cnt[f][0]) cv2.line(img,start,end,[0,255,0],2) cv2.circle(img,far,5,[0,0,255],-1) #cv2.drawContours(img, contours[0], -1, (0,0, 255), 3)
cv2.imshow('Image_hull',img) cv2.waitKey(0) cv2.destroyAllWindows()
ذ
OpenCvببساطة
211
امنرٌعخُ : ذ ذ
ٌسقُامكىدُ : يف هٍخ خًوىي ًفهم وقٌفص هٍ ٓؿُ رشوٍ ؿًٌ كم ردٓظوًخَ خًظهٌٌمص ًٌٔprintهٍ نٌٌى فهم خًوىي. )ret,thresh = cv2.threshold(imgray,230,255,0 )thresh_inv=cv2.bitwise_not(thresh
ذ ذ
كمند رهمٌٌص خًظهظٌس فكهُض خًًٌ رٌىن خٓىي وخًوٌفٌص رٌىن خرٌؼًًٍ ،ى كمند رهوٕ نظٌـص خًظهظٌس نن ؾًُم خًظدرو )( cv2.bitwise_notكظى طكهُ خًًٌ ردًٌىن خألرٌؼ.نلىَ رةًـدي خإلؾدَخض نن ؾًُم خًظدرو )(.cv2.findContours )contours, hierarchy = cv2.findContours(thresh_inv,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE ]cnt =contours[0
ذ
ػم نوّن خإلؾدَ خألوي (هند ٌنؼٍ خإلؾدَ كىي خًًٌ) يف مظًًن ٓمٌنده .cnt )hull = cv2.convexHull(cnt,returnPoints = False
نىؿً خًنلدؽ خًظٍ طوىن يالف خًظلًذ ًإلؾدَ نن ؾًُم خًظدرو cv2.convexHullومنَُ ًٌزدَمرت خًؼدين ًهٍخ خًظدرو خًلٌمص Falseكظى نٔظؿٌو ؤًـدي نٌىذ خًظلًذ.
212
OpenCvببساطة ذ
)defects = cv2.convexityDefects(cnt,hull
نىؿً خًنلدؽ خًظٍ طشوٍ نٌىذ طلًذ خإلؾدَ نن ؾًُم خًظدرو )( cv2.convexityDefectsخًٍي ٌٓهًٌ ًند ؤَرو كٌم( ،مؼال [ ) ] 457 475 484 44054ؤوي ػالغ كٌم منهد طاٌس بىل مىغو نلدؽ نٌىذ خًظلًذ. for i in range(defects.shape[0]):
نلىَ رظوُخَ خًلٌلص كٔس نًي نلدؽ نٌىذ خًظلًذ (يف مؼدًند ًىؿً 84نلؿص ًًٍى طم نوًُُ كٌلص 84 forمُش) ردكٍ خًوىي ًن خٌسكه كإوي فهمه ًىكًن نن ؾًُم طهٌٌمص .print ذ -2ـؼطةذؿضؾعذاالختبارذ:Point Polygon Test
خًظدرو )(ً cv2.pointPolygonTestىؿً ؤكرص مٔدفص رٍن نلؿص يف خًطىَش وخإلؾدَ. فهى ًفًٌند يف طلًًً مىكو خًنلؿص ردًنٔزص ًإلؾدَ ،هٍ هٍ يخهٍ ملٌـ خإلؾدَ ؤَ هدَؿه ؤَ نىل خإلؾدًَ .هًٌ هٍخ خًظدرو كٌمص ٓدًزص بٌخ هدنع خًنلؿص هدَؾ ملٌـ خإلؾدَ. نىل ٓزٌٍ خملؼدي ٌنوند خًظللم من خًنلؿص ( )50,50هٌل ًًل: (dist = cv2.pointPolygonTest(cnt,(50,50),True
ذ
ػدًؽ مظًًن يف خًظدرو )( cv2.pointPolygonTestهى ،measureDistبٌخ هدنع كٌمظه TRUE ٌٓىؿً رهً خًنلؿص ،وبٌخ هدنع كٌمظه ٌٓFalseىؿً هٍ خًنلـ يخهٍ خإلؾدَ ؤَ يخهٌه ؤَ نىل خإلؾدَ. بٌخ ؤندي خًظدرو خًلٌمص ( )1.0فدًنلؿص يخهٍ خإلؾدَ ،وبٌخ ؤندي خًلٌمص ) )-1.0فدًنلؿص هدَؾ خإلؾدَ، وبٌخ ؤندي خًلٌمص ( (0.0فدًنلؿص نىل خإلؾدَ.
213
OpenCvببساطة
مالككص :بٌخ مل طُيس رةًـدي خملٔدفص طإهً رإن طـهٍ كٌمص هٍخ خملظًًن ( ،Falseألن نمٌٌص كٔدذ خملٔدفص طإهٍ وكع ؾىًٍ) مٌل ًـهٍ ِمن طنفٌٍ خًظدرو ؤرسم رػهفٍن ؤو ػالػص. -3ؿؼارـةذاألذؽالذ:Match Shapes
موظزص OpenCvطىفُ ًند خًظدرو )( cv2.matchShapesخًٍي ٌنونند من خمللدَنص رٍن شوٌٍن ؤو بؾدًَن ،وًهًٌ كٌمص ًنظٌـص خمللدَنص طىغم هٍخ خًظشدره ،وهٌٌل هدنع نظٌـص خمللدَنص ؤكٍ هٌٌل هدن خًظشدره ؤهرب. طلٔس هٍه خًلٌمص خنظٌليخ نىل كٌم خًهّوَ ،وًىؿً ؤًػد هندن ؾُق موظٌفص إلًـدي كٌمص نظٌـص خمللدَنص .خًوىي خًظديل ًىغم هٍه خًؿُق: import cv2 import numpy as np )img1 = cv2.imread('star1.jpg',0 )img2 = cv2.imread('star2.jpg',0 )ret, thresh = cv2.threshold(img1, 127, 255,0 )ret, thresh2 = cv2.threshold(img2, 127, 255,0 )contours,hierarchy = cv2.findContours(thresh,2,1 ]cnt1 = contours[0 )contours,hierarchy = cv2.findContours(thresh2,2,1 ]cnt2 = contours[0 )ret = cv2.matchShapes(cnt1,cnt2,1,0.0 print ret
كمع رظؿزٌم طدرو ملدَنص خألشودي مللدَنص خألشودي Aو Bو Cخًظٍ يف خًطىَش خًظدًٌص:
ذ
ذ
214
OpenCvببساطة فودنع خًنظٌـص هدًظديل: ملدَنص خًشوٍ Aمو نفٔه هدنع نظٌـص خمللدَنص = 0.0 ملدَنص خًشوٍ Aمو خًشوٍ Bفودنع نظٌـص خمللدَنص = 0.001946 ملدَنص خًشوٍ Aمو خًشوٍ Cفودنع نظٌـص خمللدَنص = 0.326911 طًوًُ خًطىَش ًن ًاػُ هؼًنخ نىل نظٌـص خمللدَنص. ذ
شبهذُؤًظبَُ : Hu-Momentsذفيذدبعةذعزومذالذتتلثرذباؾدورانذأوذتغريذاحلجم.ذميؽـكذإجيادذفذهذاؾعزومذؿنذخاللذاؾتابعذ )( .cv2.HuMomentsذ
)a = cv2.HuMoments(contours )print a ,'\n', len(a ذ
متشًنُ : كدَن رٍن ضىَيت كُفٍن ؤو َكمٍن ردٓظوًخَ خًظدرو )(( cv2.matchShapesهٍخ خملؼدي ٌنؼٍ ؤرٔـ هؿىش نلى خًـ .)OCR خًـ OCRردهظطدَ نزدَش نن هىخَِمٌص ًظلىًٍ خألَكدَ ؤو خألكُف خملُٓىمص بىل نظ). ذ
ذ ذ ذ
ذ
الفصل الخامس ” الجميع عباقرة للكن إن حكمت على قدرة سمكة في تسلق الشجرة
ستعيش حياتها كلها وهي تؤمن بأنها غبية ‟
ألبرت أينشتين
OpenCvببساطة
216
امفصهُامخبمغُ:املخؼؼبدُامثٌبنٌخُيفُ ُ OpenCv خملوؿؿدض خًزٌدنٌص :8-خًزلؽ ،خًُٓم ،خًظلٌٌٍ!!! طهٌم خًزلؽ نن خإلؾدَ وَٓمه
خملوؿؿدض خًزٌدنٌص :4-مهديًص خًُٓم خًزٌدين. طهٌم طللٌم خًظودفا ًٌموؿؿدض خًزٌدنٌص ًٌلطىي نىل ؤفػٍ نٔزص طزدًن ًٌطىَش.
خملوؿؿدض خًزٌدنٌص ػندثٌص خًزهً :2D Histograms طهٌم وبًـدي خملوؿـ خًزٌدين ػنديئ خًزهً.
خإلٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين: طهٌم بًـدي خملوؿـ خًزٌدين ًإلٓلدؽ خًوٌفٍ الهظشدف ؿٔم مٌىن رٌىن مهٍن يف خًطىَش.
OpenCvببساطة
217
ذادلخططاتذاؾبقاـقةذيفذ OpenCvذ
اإلًعبدُ،امشظمُ،امرؽنٌهُيفُاملخؼؼبدُامثٌبنٌخُ : امهذفُ : بًـدي خملوؿؿدض خًزٌدنٌص ردٓظوًخَ طىخرو هٍ من OpenCvو.numpy َٓم خملوؿؿدض خًزٌدنٌص ردٓظهٌلي طىخرو OpenCvوMatplotlib ٓنظهٌم خٓظوًخَ خًظىخروnp. histogram ()،cv2.calcHist() : امنظشيُ : خملوؿـ خًزٌدين ًهؿٌند فوُش ندمص نن خًطىَشً ،ظمؼٍ رلٌم خًزٌؤالض نىل خمللىَ xونًيهد خملىخفم نىل خمللىَ .Y هى فلـ نزدَش نن ؾًُلص ؤهُي ًفهم خًطىَش .ردًنكُ ًٌموؿـ خًزٌدين ًٌطىَش فةنند نلطٍ نىل فوُش ندمص نن طىِم خًشًش خًٌىنٌص يف خًطىَش ،وؤيٌس طؿزٌلدض مهدًـص خًطىَش خًٌىَ ال طوٌى من خٓظهٌلي خملوؿؿدض خًزٌدنٌص. خًطىَش خًظدًٌص مإهىٌش من مىكو ؿدمهص هدمربًًؾ Cambridge in Color websiteوطظػمن خًطىَش مو موؿؿهد خًزٌدين .مو خًهٌم ؤن خملوؿـ خًزٌدين مُٓىَ ًٌطىَش خًُمديًص وًٌٕ خملٌىنص.
ذ ذ
OpenCvببساطة
218
خملنؿلص خًٌرسي من خملوؿـ خًزٌدين طهُع همٌص خًزٌؤالض خًظٍ ًىنهد يدمم (نمٌم) ،وخملنؿلص خًٌمنى طكهُ همٌص خًزٌؤالض خألفظم .ورًٍى نالكل يف خًطىَش رإن خًزٌؤالض خألفظم ؤكٍ من خًزٌؤالض خأليمم ،ؤمد ردًنٔزص ًٌزٌؤالض خًظٍ يف خًىٓـ فومٌظهد كٌٌٌص. بًعبدُاملخؼؽُامثٌبينُُ :Find Histogram رهً ؤن ؤهٍند فوُش نن خملوؿؿدض خًزٌدنٌصٌ ،نونند خآلن ؤن نهُف ؾًُلص بًـديهد نرب هٍ من موظزص OpenCvو ،Numpyوًون كزٍ خًزًء نلظدؾ ًفهم رهؼ خملطؿٌلدض خملُطزؿص ردملوؿـ خًزٌدين: :BINSخملوؿـ خًزٌدين خًٔدرم ًكهُ نًي خًزٌؤالض ًوٍ كٌمص وًكهُ ؤًػد شًطهد خًٌىنٌص، وردًظديل ٓنلظدؾ ًـ 265كٌمص ًإلقهدَ ،وًون مدٌخ نفهٍ بٌخ ؤَيند ؤن نلٔس خملوؿـ خًزٌدين ملـمىنص رٌؤالض طلو كٌمظهد يف مـدي ؿّيئ ملًي؟ نىل ٓزٌٍ خملؼدي ،نًًُ بًـدي نًي خًزٌؤالض خًظٍ شًطهد خًٌىنٌص رٍن 0-15ػم من
16-31ػم ،......،ػم من 240بىل .255
ٓنلظدؾ فلـ ًـ 16كٌمص ًظمؼٌٍ خملوؿـ خًزٌدين وهٍخ مد ٓنشدهًه يف رهؼ خألمؼٌص يف . OpenCV Tutorials on histograms
ذ
ًًٍى مد ًـس نٌٌند فهٌه هى ؿمو خًلٌم خًظٍ يف خملوؿـ خًزٌدين خًوًل خًُمشً ِوٌص ًلٌمص وخكًش يف خملوؿـ خًزٌدين خملطًُ ،ؤي كٔم خملوؿـ خًوًل ًـ 16كٔم مظٔإوي ،وننًهد ًًنى هٍ كٔم رـ .BINيف خملوؿـ خًزٌدين خًُثًٌس ًٌطىَش خًٔدرلص هدن نًي خًلٌم 256كٌمص ،وًُمّ ًلٌم خًـ BINSخًٔدرلص رـ .histSize :DIMSنًي خًزدَخمرتخض (خملهدًًن) خًظٍ طـمو خًزٌدندض .يف خملوؿـ خًٔدرم ؤهٍند فلـ شًش خًزٌؤٍ رهٍن خالنظزدَ ًًٍى ٓظوىن كٌمظهد هند .1 :RANGEهى مـدي خًشًخض خًٌىنٌص خًظٍ نًًُ كٌدٓهد ،ردًهديش طوىن من 0بىل 256ؤي خملـدي هدمٍ (ؿمٌو كٌم خًشًخض (خًهمم خًٌىين)). ذ ذ
219
OpenCvببساطة ؼعبةُاملخؼؽُامثٌبينُيفُُ :OpenCv
ٓنٔظوًَ خآلن خًظدرو )( cv2.calcHistإلًـدي خملوؿـ خًزٌدينٓ ،نظهُف نىل هٍخ خًظدرو ونىل مظًًنخطه: ذ ذ
)]]cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate
خملظًًن خألوي ٌ :imageنؼٍ خًطىَش خألضـٌٌص مـن نـىم unit8ؤو ،float32وًــس ؤن طوظـس غـمن ؤكىخْ ،مؼٍ "].‚[img خملظًًن خًؼدين :channelsيًٌٍ خًلندش خًظٍ نًًُ ؤن نإهٍ فٌهد خملوؿــ خًزٌـدين ملٔـظىي خًطـىَش، يف كدي هدنع خًطىَش َمديًص طوىن خًلندش وخكًش ،ؤمد يف كدًص خًطىَش خملٌىنص فٌمونند طلًًً خًلنـدش خًٌىنٌص ( Rؤو Gؤو )Bنن ؾًُم متًُُ خًلٌمص خًظٍ نًًُهد 0ؤو 1ؤو ( 2هٍ َكم ٌنؼٍ كندش). خملظًًن خًؼدًؽ :maskكندم خًطىَش ،بٌخ ؤَيض بًـدي خملوؿـ خًزٌدين ًودمـٍ خًطـىَش طوـىن كٌمظـه ،Noneؤمد بٌخ ؤَيض بًـدي خملوؿــ خًزٌـدين ملنؿلـص ملـًيش فهٌٌـى بنشـدء كنـدم ضـىَش مندٓـس ومتًُُهد ًهٍخ خملظًًن. خملظًـًن خًُخرـو ٌ :histSizeنؼـٍ نـًي خًــ ، BINSوًــس هظدرظـه غـمن ؤكـىخْ ][ًٌ ،لطـىي نـىل خملـدي خًودمٍ منَُ ].[256 خملظًًن خًودمٕ :rangeهٍخ خملظًًن ٌنؼٍ خملـدي ورشوٍ خفرتخيض ًوىن خملـدي من ].[0,256 ٓنزًؤ ردملؼدي خًظديل رةًـدي خملوؿـ خًزٌدين ًطىَش َمديًص. import cv2 import numpy as np import matplotlib.pyplot as plt )img = cv2.imread('sonic.jpg',0 )]hist = cv2.calcHist([img],[0],None,[256],[0,256 print hist.shape )(256, 1
OpenCvببساطة
220
خملوؿـ خًزٌدين هند هى مطفىفصرلـم ، 256x1هٍ كٌمص طىخفم نًي من خًزٌؤالض يف خًطىَش مو كٌمص خًزٌؤٍ خمللدرٌص ًهد. ؼعبةُاملخؼؽُامثٌبينُيفُُ :Numpy ٓنٔظوًَ خًظدرو )( np. histogramخملىؿىي غمن موظزص Numpyيف بًـدي خملوؿـ خًزٌدين. import cv2 import numpy as np import matplotlib.pyplot as plt )img = cv2.imread('home.jpg',0 )]hist,bins = np.histogram(img.ravel(),256,[0,256 print hist.shape )(256, 1
ٌسق: )(np.histogram )(ravel
ٓنلطٍ نىل نظٌـص مؼٍ نظٌـص خًظدرو خًٔدرم (.)cv2.calcHist متٌى موظزص Numpyخًظدرو)( np.bincountوهى ؤرسم رـ 10Xمُش من )(ًًٍ ،np.histogramى يف خملوؿـ خًزٌدين خألكديي خًزهً ًفػٍ خٓظوًخَ خًظدرو )( ،np.bincountوًون ال طنىس ؤن طػو minlength= 256يف هٍخ خًظدرو. ؿثالً :ذ
)hist = np.bincount(img.ravel(),minlength=256
ذ
مالككص :طىخرو OpenCvؤرسم رلىخيل 40Xمُش من ًًٍ ، np.histogramى خٓظهمٍ طىخرو موظزص OpenCv ننً َٓم خملوؿـ خًزٌدين ًٌطىَش.
ذ
221
ببساطةOpenCv ُ :Plotting Histogramsُ سظمُاملخؼؽُامثٌبين :هندن ؾًُلظٍن ًٌُٓم .Matplotlib ردٓظوًخَ طىخرو خًُٓم يف: ؾًُلص كطًنش .OpenCv ردٓظوًخَ طىخرو خًُٓم يف: ؾًُلص ؾىًٌص ذ
ذ:Matplotlib اؾردمذبادتخدامذ-1
:طدرو ؿدهّ ًُٓم خملوؿؿدض خًزٌدنٌصMatplotlib طىفُ ًند موظزص وال نلظدؾ، هٍخ خًظدرو ًىؿً مزدٌسش خملوؿـ خًزٌدين وًُٓمه.matplotlib.pyplot.hist() . ًُٓم خملوؿـ خًزٌدينnp.histogram والcv2.calcHist َالٓظوًخ :شدهً خًوىي خًظديل import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('home.jpg',0)
ذ
plt.hist(img.ravel(),256,[0,256]) #plt.imshow(img, cmap = 'gray') plt.show()
ُ :امنرٌعخ
ذ
OpenCvببساطة
222
ٌنونى ؤًػد خٓظوًخَ خًُٓم خًهديي يف ًُٓMatplotlibم خملوؿؿدض خًزٌدنٌص ًٌطىَ خملٌىنص . ٓظلظدؾ يف خًزًخًص بًـدي رٌدندض خملوؿـ خًزٌدين ،هٌل يف خًوىي خًظديل: import cv2 import numpy as np from matplotlib import pyplot as plt )'img = cv2.imread('home.jpg )'color = ('b','g','r for i,col in enumerate(color): )]histr = cv2.calcHist([img],[i],None,[256],[0,256 )plt.plot(histr,color = col )]plt.xlim([0,256 )(plt.show
امنرٌعخ:
رةمودنى خًظللم من خًطىَش خًٔدرلص رلٌؽ ٓظـً خًٌىن خألَِق نٔزظه ندًٌص رٔزس خًٌٔلء -2اؾردمذبادتخدامذ :OpenCvذ تطبققذاؾؼـاعذ :Application of Maskذ
ًلً خٓظوًمند فٌٌل ٓزم خًظدرو )( cv2.calcHistإلًـدي خملوؿـ خًزٌدين ًودمٍ خًطىَش ،ؤمد بٌخ ؤَيند بًـدي خملوؿـ خًزٌدين ملنؿلص ملًيش فهٌٌى بنشدء ضىَش رٌػدء (خًلندم) يف مودن خملنؿلص خًظٍ نًًُ َٓم خملوؿـ خًزٌدين ًهد ،وخملندؾم خًزدكٌص من خًطىَش نـهٌهد ٓىيخء .ػم منَُ هٍخ خًلندم( .شدهً خًطىَش خًظدًٌص)
ذ
223
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('home.jpg',0) # create a mask mask = np.zeros(img.shape[:2], np.uint8) mask[100:300, 100:400] = 255 masked_img = cv2.bitwise_and(img,img,mask = mask) # Calculate histogram with mask and without mask # Check third argument for mask hist_full = cv2.calcHist([img],[0],None,[256],[0,256]) hist_mask = cv2.calcHist([img],[0],mask,[256],[0,256]) plt.subplot(221), plt.imshow(img, 'gray') plt.subplot(222), plt.imshow(mask,'gray') plt.subplot(223), plt.imshow(masked_img, 'gray') plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask) plt.xlim([0,256]) plt.show()
ُ :امنرٌعخ وخملوؿـ خًزٌدين خألهٍص ٌنؼٍ خملوؿـ،خملوؿـ خًزٌدين خألَِق ٌنؼٍ خملوؿـ خًزٌدين ًوٍ خًطىَش .خًزٌدين ملنؿلص خًلندم ذ ذ ذ ذ ذ
ُ :مشاظؼُبطبفٌخ Cambridge in Color website
224
OpenCvببساطة ذعىًخُاملخؼؽُامثٌبينُُ Histogram Equalization امهذفُ : يفذفذاذاؾؼدم :ذ
ٓنظهٌم مد هى مفهىَ طٔىًص خملوؿـ خًزٌدين ،وهٌف نٔظوًمه ًظلٍٔن طزدًن خًطىَش. ذػشًفُ : طٔىًص خملوؿـ خًزٌدين (طٔىًص خًهٌٔظىيُخَ) :هٍ ؾًُلص مهدًـص خًطىَش ًػزـ خًظزدًن ردٓظوًخَ خملوؿـ خًزٌدين ًٌطىَش. نظشحُغبمخُ : فٌٌون ًًًند ضىَش كٌم رٌؤالطهد مظـمهص يف نلؿص وخكًش يف خًطىَش ،مؼال خًطىَش خًالمهص كٌم رٌؤالطهد مظـمهص ردملندؾم ندًٌص خًلمم ،وًون خًطىَش خًـًٌش متٌى طىِند منظكم ًٌلٌم ،وًًٍى نلظدؾ ًنٍس طٌى خًلٌم نىل مـدي ؤوٓو ،وهٍخ ًايي ًظلٍٔن طزدًن خًطىَش.
ذ ذ
ًٌمًًّ من خًظفدضٌٍ ٌنونى ًِدَش ضفلص وًوٌزًًٌد Histogram Equalizationؤمد هند فٔىف نشدهً طؿزٌم طٔىًص خملوؿـ خًزٌدين نن ؾًُم موظزظٍ Numpyو.OpenCv يف خًزًخًص ٓنؿزم طٔىًص خملوؿـ خًزٌدين ردالٓظهدنص مبوظزص Numpyهٌل يف خًوىي خًظديل:
225
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt
:شرح flatten()
img = cv2.imread('wiki.jpg',0) hist,bins = np.histogram(img.flatten(),256,[0,256])
cumsum()
cdf = hist.cumsum() cdf_normalized = cdf * hist.max()/ cdf.max()
ذ
plt.plot(cdf_normalized, color = 'b') plt.hist(img.flatten(),256,[0,256], color = 'r') plt.xlim([0,256]) plt.legend(('cdf','histogram'), loc = 'upper left') plt.show()
ونلن رلدؿص،ًننً مشدهًش خملوؿـ خًزٌدين ٓظـً ؤن خملوؿـ ًظمىغو يف خملنؿلص خألهًت بٌسخكد ًًٍى نلن رلدؿص ًظدرو ًلىَ رظىًِو خًزٌؤالض نىل هدمٍ خملنؿلص رًي َٓم،ًودمٍ خًؿٌف .خًزٌؤالض يف خملنؿلص خألهًت ٓؿىند ونؿزم نالكدض طٔىًص خملوؿـ،)0 وخآلن نٌٌند خًزلؽ نن ؤهفؼ نلؿص يف خملوؿـ خًزٌدين (مد نًخ وٌنونند ؤًػد خٓظوًخَ مفهىَ مطفىفص خًلندم يف،خًزٌدين هٌل هى مٍسوق يف ضفلص وقؽقبقدقا : كٌؽ طـُي خًهمٌٌدض فلـ نىل خًهندرص يًن خمللنهص وًٌى هٌل ًًل،Numpy ذ cdf_m = np.ma.masked_equal(cdf,0) cdf_m = (cdf_m - cdf_m.min())*255.0/(cdf_m.max()-cdf_m.min()) cdf = np.ma.filled(cdf_m,0).astype('uint8')
:شرح اآلنذأصبحذ np.ma.masked_equal() ؾدقـاذجدولذ np.ma.filled()
226
OpenCvببساطة
خًزلؽ خًٍي ًهؿٌند مهٌىمدض نن كٌمص هٍ رٌؤٍ يف ضىَش خًوُؾ ردًنٔزص ًوٍ كٌمص رٌؤٍ يف ضىَش خًًهٍٓ .نؿزم نمٌٌص خًظلىًٍ وًٌى هٌل ًًل:ذ ذ
]img2 = cdf[img
خآلن رةمودنند كٔدذ خملوؿـ خًزٌدين وخًـ cdfهٌل ٓزم ،وخًنظٌـص ٓظزًو هٌل ًًل.
ذ
هندن مٌّش مهمص وهٍ رإن خًطىَش كظى وًى هدنع ؤيمم ،فٔنلطٍ ردًنهدًص نىل نفٕ خًنظٌـص ،ؤي ٌنونند خٓظوًخمه هٍسوؽ بغدءش مُؿهٌص ،وهى مفًٌ يف نًش كدالض ،مؼال يف خًظهُف نىل خًىؿىه وكزٍ ؤن نإهٍ نٌندض من ضىَش خًىؿه ًٌظهُف نىل خًىؿه نلىَ رظٔىًص خملوؿـ خًزٌدين ًٌطىَش ًٌلطىي نىل ضىَش وخغلص ًٌظهُف نىل خًىؿه يف قُوف خإلغدءش خملوظٌفص. املخؼؽُامثٌبينُاملرىاصنُيفُُ :OpenCV موظزص OpenCVطىفُ ًند خًظدرو )( cv2.equalizeHistخًٍي يهٌه هى ضىَش َمديًص وًهؿٌند يف خًوُؾ نفٕ خًطىَش وًون رظزدًن ًىين ؤوغم. خًوىي خًظديل ًىغم ًٌى: ذ )img = cv2.imread('wiki.jpg',0 )equ = cv2.equalizeHist(img res = np.hstack((img,equ)) #stacking images side-by-side )cv2.imwrite('res.png',res
ذ
227
OpenCvببساطة
ذ
ٌنونى خآلن ؤهٍ نًش ضىَ رٍسوؽ بغدءش موظٌفص وطؿزم نٌٌهم طدرو طٔىًص خملوؿـ خًزٌدين )(ً cv2.equalizeHistظلٍٔن خًطىَش ،وطللم من خًنظٌـص. ؾًُلص طٔىًص خملوؿـ خًزٌدين طهمٍ رشوٍ ؿًٌ ننًمد ًوىن طىِم خًشًش خًٌىنٌص ًزٌؤالض خًطىَش ملطىَ يف منؿلص مهٌنص ،وًن طهمٍ رشوٍ ؿًٌ يف خألمدهن خًظٍ ًىؿً فٌهد خهظالف هزًن يف خًشًش خًٌىنٌص. (ُCLAHE ذعىًخُاملخؼؽُامثٌبينُروُامرثبًنُاملؽذ ُودُواملركٌف)ُ ُ: )CLAHE (Contrast Limited Adaptive Histogram Equalization خًظٔىًص خًٔدرلص ًٌموؿـ خًزٌدين طإهٍ رهٍن خالنظزدَ خًظزدًن خًوًل ًٌطىَش ،وًون ؤكٌدند كً ال طهمٍ مهند ،فدًطىَش خًظدًٌص طكهُ ضىَش خًًهٍ وهُؿهد رهً خًظٔىًص خًشدمٌص ًٌموؿـ خًزٌدين :خًوٌفٌص كً طوىن طلٔنع يف خًطىَش خًٔدرلص ،وًون مالمم خًىؿه طزًو مملٌص ،وهٍخ ألن طٔىًص خملوؿـ خًزٌدين ًٌٔع مُهّش نىل منؿلص وخكًش هٌل ٓزم.
ذ ذ
ذ
228
OpenCvببساطة
ًلٍ هٍه خملشوٌص نٔظوًَ طٔىًص خملوؿـ خًزٌدين خملظوٌفص ،وًٌى رظلٌٔم خًطىَش ملوهزدض (خفرتخغٌد كٌدْ خملوهس 8X8يف )OpenCVػم هٍ موهس يف خًطىَش ًظم طٔىًص خملوؿـ خًزٌدين ًه نىل كًي ،كٌؽ نالكل رإنه ًإهٍ رهٍن خالنظزدَ هٍ ؿّء من خًطىَش ًىكًه. يف كدًص وؿىي غـٌف ،نؿزم كً ًٌظزدًن ،فةٌخ هدن خملوؿـ ؤنىل من كً خًظزدًن خمللًي (خفرتخغٌد 40يف ً )OpenCVظم كظ هٍه خًزٌؤالض وطىًِههد رشوٍ منظكم نىل خملوهزدض خألهُي كزٍ طؿزٌم نمٌٌص طٔىًص خملوؿـ.وؤهًنخ ًظم بؿُخء نمٌٌص خالٓظٌفدء خًؼنديئ خًوؿٍ نىل خًلًوي ًظنهٌم خالنظلدي .خًوىي خًظديل ًهُع ؾًُلص طؿزٌم CLAHEيف :OpenCV import numpy as np import cv2 )img = cv2.imread('tsukuba_l.png',0 # create a CLAHE object (Arguments are optional). ))clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8 )cl1 = clahe.apply(img )cv2.imwrite('clahe_2.jpg',cl1
ذ
وهٌل نُي يف خًنظٌـص رإن طفدضٌٍ خًىؿه كً طلٔنع. مشاظؼُبطبفٌخُ :
Wikipedia page on Histogram Equalization Masked Arrays in Numpy ?How can I adjust contrast in OpenCV in C ?How do I equalize contrast & brightness of images using OpenCV
ذ
OpenCvببساطة
229
املخؼؽُامثٌبينُشنبيئُامثػذُ()2D Histograms امهذفُ : يف هٍه خًىكًش ٓنظهٌم بًـدي وَٓم خملوؿـ ػنديئ خًزهًٌٓ .فًٌند يف خًفطىي خًلديمص. ملذمخُ : يف خًٔدرم ؤوؿًند وَٓمند خملوؿـ خًزٌدين ؤكديي خًزهً (ًٔمى ؤكديي خًزهً ألنه ًإهٍ فلـ هدضٌص وخكًش مؼٍ كٌمص شًش خًظًَؾ خًُمديي ًٌزٌؤٍ) ،ؤمد كدًٌد فٔنزلؽ نن هدضٌظٍن ًُٓمهد رشوٍ ػاليث خألرهدي .طٔظهمٍ نديش إلًـدي خملوؿؿدض خًزٌدنٌص ًلًىخن كٌؽ طوىندن كٌمص خًـظًَؾ خًٌىين وخًظشزو ًوٍ رٌؤٍ. املخؼؽُامثٌبينُُ2Dيفُُ :OpenCv ًلٔس رزٔدؾص ؿًخ ً من هالي خًظدرو خًظدرو )(ٓ .cv2.calcHistنلظدؾ ًظلىًٍ خًطىَش من خًفػدء BGRبىل ( HSVطٍهُ يف خملوؿـ خًزٌدين 1Dهند نلىي من خًفػدء BGRبىل خملٔظىي خًُمديي .)GRYوهند ردَخمرتخض خًظدرو )(ٓ cv2.calcHistظوىن هدًظديل: :channels = [0,1] ألنند رلدؿص ًلندطٍن Hو .S ًٌ180 :bins = [180,256] مٔظىي Hو ًٌ 256مٔظىي .S :range = [0,180,0,256] كٌمص خًظًَؾ خًٌىين Hueطوىن رٍن 0و ،180رٌنٌل كٌمص خإلشزدم طوىن رٍن خًـ 0و .256 شبهذُامكىدُامربيلُ : import cv2 import numpy as np )'img = cv2.imread('home.jpg )hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV )]hist = cv2.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256
املخؼؽُامثٌبينُُ2Dيفُُ :Numpy ًًي موظزص Numpyؤًػد طدرو ًٌلٔدذ وهى )(( np.histogram2dطٍهُ رإنه يف خملوؿـ خًزٌدين 1Dخٓظهمٌند خًظدرو )(.)np.histogram
ذ
OpenCvببساطة
230
import cv2 import numpy as np from matplotlib import pyplot as plt )'img = cv2.imread('home.jpg )hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV )]]hist, xbins, ybins = np.histogram2d(h.ravel(),s.ravel(),[180,256],[[0,180],[0,256
ذ
ؤوي مظًًن ًهٍخ خًظدرو هى خملٔظىي ،Hوخملظًًن خًؼدين هى خملٔظىي ،Sوخًؼدًؽ هى نًي خًـ ،BIN وخًُخرو مـدًهد .وخآلن ٓننظلٍ ًٌوؿىش خًظدًٌص وهٍ ؾًُلص َٓم خملوؿؿدض خًزٌدنٌص .2D سظمُاملخؼؼبدُامثٌبنٌخُشنبئٌخُامثػذُ(ُ :)Plotting 2D Histograms اؾطرقؼةذاألوىلذبادتخدامذ)(:cv2.imshow
مبد ؤن خًنظٌـص هٍ مطفىفص ػندثٌص خًزهً فًٌٍى ٌنون نُغهد هطىَش َمديًص ردٓظوًخَ خًظدرو خًٔدرم ،وًون ًن نلطٍ نىل فوُش هزًنش نن خألًىخن بال بٌخ هند نىل نٌم رلٌم خًظًَؾ )ً (Hueلًىخن خملوظٌفص. اؾطرقؼةذاؾثاـقةذبادتخدامذؿؽتبةذ:Matplotlibذ
ٌنونند خٓظوًخَ خًظدرو )(ًُٓ plt.imshowم خملوؿـ خًزٌدين ػنديئ خًزهً رإشودي موظٌفص ،مٌل ٌٓهؿٌند فوُش ؤفػٍ نن شًش خًزٌؤالض خملوظٌفص ،وًون ًن ًهؿٌند فوُش هدفٌص نن خألًىخن من ؤوي نكُش بال بٌخ هند نهُف كٌمص خًظًَؾ ًلًىخن خملوظٌفص .ومو ًٌى ًفػٍ خٓظهٌلي هٍه خًؿًُلص فهٍ ؤفػٍ وؤرٔـ. مالككص :ننً خٓظوًخَ هٍخ خًظدرو طٍهُ وغو خملظًًن nearestيف خًهٌم ًٌ interpolationلطىي نىل نظدثف ؤفػٍ ('.)interpolation = 'nearest ذ
OpenCvببساطة
231
شدهً خًوىي خًظديل: import cv2 import numpy as np from matplotlib import pyplot as plt )'img = cv2.imread('home.jpg )hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV ) ]hist = cv2.calcHist( [hsv], [0, 1], None, [180, 256], [0, 180, 0, 256
)'plt.imshow(hist,interpolation = 'nearest )(plt.show
امنرٌعخُ : خًطىَش خًظدًٌص هٍ ًٌطىَش خألضٌٌص مو موؿؿهد خًزٌدين خملٌىن .خمللىَ ً Xهُع كٌمص ( Sخإلشزدم)، وخمللىَ ً Yهُع كٌمص خًظًَؾ (.)Hue
يف خملوؿـ خًزٌدين نشدهً رهؼ خًلٌم خًهدًٌص طلًُزد ننً ، H=100 ,S=200وهٍخ ًلدرٍ ًىن خًٌٔلء خألَِق .وؤًػد ًىؿً هندن رهؼ خًلٌم كٌمظهد ندًٌص طلًُزد ننً ، H=25 , S=100وهٍخ ًلدرٍ خًٌىن خألضفُ ًٌلرص. اؾطرقؼةذاؾثاؾثةذبادتخدامذأدؾوبذاؾعقـاتذيفذ:OpenCv
وهى هٌل يف خملؼدي خًزٌٔـ خملُفم يف خملىكو خًٍي نطزع فٌه موظزص OpenCvغمن خملٔدَ. ""C:\opencv\sources\samples\python2\color_histogram.py
OpenCvببساطة
232
بٌخ شًٌع هٍخ خًوىي ٌنونى مشدهًش خملوؿـ خًزٌدين خًٍي ًهُع خألًىخن خملظىخفلص ،وروٌٌلض رٌٔؿص فهى ًوُؾ خًوىي خًٌىين ًٌموؿـ خًزٌدين .خًنظٌـص ؿًٌش ؿًخ (نىل خًُيم من ؤنى طلظدؾ بىل بغدفص مـمىنص بغدفٌص من خًوؿىؽ) يف هٍخ خًوىي خملربمف ؤنشإ هًُؿص مٌىنص يف خًفػدء ،HSVػم كىًهد ًٌفػدء .BGRنظٌـص ضىَش خملوؿـ خًزٌدين طوىن مٍصورص رٌىن خًوًُؿص .وخٓظوًَ ؤًػد رهؼ هؿىخض خملهدًـص إلِخًص خًزٌؤالض خًطًًنش خملهّوًصًٌ ،لطىي نىل موؿـ رٌدين ؿًٌٌ .نونى خًهىيش ًهٍخ خًربندمف وطشًٌٌه وطلٌٌٌه ،كٌؽ ٓظالكل رإنه ًهؿٍ ردًفهٍ خألًىخن خًللٌلٌص خملىؿىيش يف خًطىَش.
ذ
ٌنونى ؤن طُي يف خملوؿـ خًزٌدين رىغىق مد هٍ خألًىخن خملىؿىيش ،فهندن خًٌىن خألَِق وخًٌىن خألضفُ ورهؼ خًزٌدع رٔزس َكهص خًشؿُنف. ذ ذ ذ ذ ذ ذ
OpenCvببساطة
233
اإلظلبغُامخنفٍُمنمخؼؽُامثٌبينُُ Histogram Back projection امهذفُ :
يف هٍخ خًفطٍ ٓنظهٌم ؾًُلص بٓلدؽ خملوؿـ خًزٌدين نىل ضىَش هٌفٌص وفدثًطهد. مػنىمبدُنظشًخُ : طهًُف back-projectionيف نٌم خًظطىًُ: هى بٓلدؽ خًطىَش نىل هٌفٌص شدشص نطف شفدفص ًٌظم نُغهد هٌل يف فٌٌم خًظطىًُ ،ؤو إلٓظوًخمهد هوٌفٌص يف خًظطىًُ. ذ
ٓنظٔظهمٍ هٍه خًظلنٌص ًظلؿٌو خًطىَش ؤو إلًـدي خألؿٔدَ خملهمص يف خًطىَش.
روٌٌلض رٌٔؿص ،طهظمً هٍه خًوىخَِمٌص نىل بنشدء ضىَش رنفٕ كٌدْ ضىَش خًًهٍ (وًون رلندش وخكًش) ،رلٌؽ هٍ رٌؤٍ فٌهد ًظىخفم مو خكظٌلي ؤن ًنظمٍ ًٌـٔم خملؿٌىذ .روٌٌلض ؤهًت رٔدؾص ،ضىَش خًوُؾ ٌٓوىن فٌهد خًـٔم خملؿٌىذ ؤهًت رٌدغدً ردًنٔزص ًزدكٍ ؤؿّخء خًطىَش. ًٔظوًَ خإلٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين مو هىخَِمٌص مالكلص خألؿٔدَ ٌٓ( Camshiftظم ٌسق هىخَِمٌص Camshiftالكلدً). كٌفُنعرؼٌؼُاملٌبوُتبمخؼىادُامرٍُرشؼنبهبُظبتل ُبً؟ُ ُ ننشإ موؿـ رٌدين ًٌطىَش خًظٍ طلىي نىل خًـٔم خملؿٌىذ (يف ضىَطند خألؿٔدَ هٍ خألَع وخًالنس وخًٌٔلء) (يف خًطىَش خًظدًٌص نٌند خألَع رإنهد خًـٔم خملؿٌىذ) ،خًـٔم ًـس ؤن ٌنل خًطىَش كظى نلطٍ نىل ؤفػٍ نظٌـص ،وًفػٍ خٓظهٌلي خملوؿـ خًزٌدين خملٌىن( )2Dرًالً من خملوؿـ خًُمديي( ،)1Dألن ًىن خًـٔم ؤفػٍ ؾًُلص ًظلًًً خًـٔم ملدَنص مو شًش خًٌىن خًُمديي. ػم نلىَ رةٓلدؽ خملوؿـ خًزٌدين ًطىَش خًـٔم هٌفٌد نىل ضىَش خالهظزدَ (خًظٍ نلن رلدؿص ألن نـً خًـٔم فٌهد) .روٌٌلض ؤهُي ٓنلٔس خكظٌلي خنظٌلء هٍ رٌؤٍ ًلَع ونهُغه ،ورهً ًٌى رهمٌٌص خًظهظٌس نلطٍ نىل خألَغٌص ًىكًهد.
OpenCvببساطة
234
يف خًطىَش خًظدًٌص خٓظهمٌع خملنؿلص خًظٍ رًخهٍ خملٔظؿٌٍ خألَِق ههٌنص رٌٔؿص (خًـٔم خملؿٌىذ) ،وؤَيض ؤن خٓظوُؾ هدمٍ خألَغٌص نن ؾًُم هٍ خًهٌنص ردٓظوًخَ هىخَِمٌص خإلٓلدؽ خًوٌفٍ.
ذ
خىاسصمٌخُاإلظلبغُامخنفٍُيفُُ :Numpy يف خًزًخًص نلظدؾ ؤن نلٔس خملوؿـ خًزٌدين خملٌىن ًٌـٔم خًٍي نًًُ بًـديه (وًٌون ’)‘M وخًطىَش خًظٍ نًًُ خًزلؽ فٌهد نن خًـٔم (وًظون ’.)‘I
235
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt #roi is the object or region of object we need to find roi = cv2.imread('rose_red.png') hsv = cv2.cvtColor(roi,cv2.COLOR_BGR2HSV) #target is the image we search in target = cv2.imread('rose.png') hsvt = cv2.cvtColor(target,cv2.COLOR_BGR2HSV) # Find the histograms using calcHist. Can be done with np.histogram2d also M = cv2.calcHist([hsv],[0, 1], None, [180, 256], [0, 180, 0, 256] ) I = cv2.calcHist([hsvt],[0, 1], None, [180, 256], [0, 180, 0, 256] )
هٌىكص وبنشدءR َ ؤي خٓظوًخ،R نىلbackproject ػم نلىَ رهمٌٌص،
ػم نىؿً خًنٔزص
ؤي،ضىَش ؿًًًش فٌهد هٍ رٌؤٍ ملظمٍ ؤن ًوىن مؿدرم ًٌهًف متؼٍ خإلشزدم خًٌىينS و،(x,y) ) متؼٍ خًظًَؾ خًٌىين ًٌزٌؤٍ خًٍي بكًخػٌدطهhue( hكٌؽ . رهً ًٌى نؿزم خًٍسؽ.(x,y) ًٌٍٔزٌو R = M/(I+1)
ذ
h,s,v = cv2.split(hsvt) B = R[h.ravel(),s.ravel()] B = np.minimum(B,1) B = B.reshape(hsvt.shape[:2])
ٍ متؼD كٌؽ
ravel() reshape()
خآلن نؿزم نمٌٌص خًٌف (خًؿٍ) مو كندم نىل شوٍ كُص يخثُي .خًلندم خًلُيص
disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5)) cv2.filter2D(B,-1,disc,B) B = np.uint8(B) cv2.normalize(B,B,0,255,cv2.NORM_MINMAX)
getStructuringElement()
cv2.normalize()
OpenCvببساطة
236
خآلن نلطٍ نىل مودن خًـٔم نن ؾًُم ؤنكم شًش ًىنٌص ُمهؿى ًٌـٔم ،ورهًهد ٌنونند خًلٌدَ ردًظهظٌس ًٌلطىي نىل نظدثف ؤفػٍ. )ret,thresh = cv2.threshold(B,50,255,0
هٍخ هى هٍ خألمُ!!
ذ ذ ذ
237
ببساطةOpenCv ُ :OpenCvُ خىاسصمٌخُاإلظلبغُامخنفٍُيف
ردَومرتخطه طلًُزد هٍ نفٕ خًظدرو،cv2.calcBackProject() خًظدروOpenCv طىفُ ًند ٍ وًـس طهًًٌه كز، ؤكً ردَومرتخطه هى خملوؿـ خًزٌدين ًٌـٔم خملُخي بًـديه.cv2.calcHist() َُ رهً ًٌى ًـس نٌٌند ؤن من. ًهًٌ هٍخ خًظدرو خًطىَش خمللظمٌص.ٍمتًُُه ًظدرو خإلٓلدؽ خًوٌف : خًوىي خًظديل ًىغم ًٌى.كندم كُيص نىل خًطىَش ػم نؿزم نمٌٌص خًظهظٌس import cv2 import numpy as np roi = cv2.imread('rose_red.png') hsv = cv2.cvtColor(roi,cv2.COLOR_BGR2HSV) target = cv2.imread('rose.png') hsvt = cv2.cvtColor(target,cv2.COLOR_BGR2HSV) # calculating object histogram roihist = cv2.calcHist([hsv],[0, 1], None, [180, 256], [0, 180, 0, 256] )
# normalize histogram and apply backprojection cv2.normalize(roihist,roihist,0,255,cv2.NORM_MINMAX) dst = cv2.calcBackProject([hsvt],[0,1],roihist,[0,180,0,256],1) # Now convolute with circular disc disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5)) cv2.filter2D(dst,-1,disc,dst) # threshold and binary AND ret,thresh = cv2.threshold(dst,50,255,0) thresh = cv2.merge((thresh,thresh,thresh)) res = cv2.bitwise_and(target,thresh) res = np.vstack((target,thresh,res)) cv2.imshow('res',res) , cv2.waitKey(0), cv2.destroyAllWindows()
ذ ذ
OpenCvببساطة
238
رشػُامكىدُ : )'roi = cv2.imread('rose_red.png )hsv = cv2.cvtColor(roi,cv2.COLOR_BGR2HSV
ذ
كمند رظوًّن ضىَش خًـٔم خملؿٌىذ (خًىَيش خًلمُخء) يف خملظًًن ،roiػم كىًند خًطىَش من خًفػدء RGBبىل ًٔ HSVهىًص خًظهدمٍ مو هٍخ خًفػدء خًٌىين. )'target = cv2.imread('rose.png )hsvt = cv2.cvtColor(target,cv2.COLOR_BGR2HSV
ذ
ػم كمند رظوًّن خًطىَش خًهًف ؤي خًطىَش خًظٍ ٓنزلؽ فٌهد نن خًـٔم (ضىَش خًىَوي) يف خملظًًن ،targetػم كىًند خًطىَش من خًفػدء RGBبىل ًٔ HSVهىًص خًظهدمٍ مو هٍخ خًفػدء خًٌىين. # calculating object histogram ) ]roihist = cv2.calcHist([hsv],[0, 1], None, [180, 256], [0, 180, 0, 256
ذ
رهً ًٌى كمند رظهٌجص خملوؿـ خًزٌدين ًٌطىَش خًـٔم خملؿٌىذ وًٌى نن ؾًُم خًظدرو )(.cv2.calcHist # normalize histogram and apply backprojection )cv2.normalize(roihist,roihist,0,255,cv2.NORM_MINMAX
)dst = cv2.calcBackProject([hsvt],[0,1],roihist,[0,180,0,256],1
هند كمند رهمٌٌص خالٓلدؽ نىل خًوٌفٌص نن ؾًُم خًظدرو . calcBackProjectردَخمرتخطه هٍ: cv2.calcBackProject(images, channels, hist, ranges, scale[, dst]) → dst خملظًًن خألوي ً :imagesلًي ضىَ خًًهٍ (هند مَُند فلـ ضىَش وخكًش وهٍ خًطىَش خًهًف خًظٍ ٓنزلؽ فٌهد نن خًـٔم) ،وخًظٍ ًـس ؤن طوىن رنفٕ خًلـم ونفٕ خًهمم خًٌىين .CV_8U or CV_32F خملظًًن خًؼدين ً channelsلًي خًلنىخض خًظٍ ٌٓؿزم نٌٌهد نمٌٌص خالٓلدؽ نىل خًوٌفٌص (.)back projection خملظًًن خًؼدًؽ ٓ :histنمَُ ًه خملوؿـ خًزٌدين ًطىَش خًـٔم خملؿٌىذ.
ذ
ذ
OpenCvببساطة
239
خملظًًن خًُخرو ٓ rangeنمَُ ًه كًوي ؤرهديخملوؿـ خًزٌدين. خملظًًن خًودمٕ [ ( :scaleخهظٌدَي) ندمٍ طلًًً خًلـم ًنظٌـص نمٌٌص خالٓلدؽ نىل خًوٌفٌص. خًظدرو ً calcBackProjectلٔس خالٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين .وهى مشدره ًٌظدرو calcHistخًٍي ًىؿً خملوؿـ خًزٌدين ننً هٍ مىغو ) (x,yكٌؽ خًظدرو ًـمو خًلٌم من خًِب (ًٌ )BINموؿـ خًزٌدين ًٌطىَش .وًون خًلنىخض خًٌىنٌص خملوظدَش ًطىَش خًًهٍ ،وًىؿً ِ ْ هند رًي ًِديش نًي خًِب ،خًظدرو ًلُؤ كٌم خًِب ،وًـًوًهد كٔس خًلـم ،وًوّنهد يف ).(x,y ٌنونى بًـدي وطهلس خألؿٔدَ ٌو خًٌىن خًّخهٍ يف خملشهً من هالي خطزدم مد ًًل: .8كزٍ طهلس خًـٔم نلىَ رظطىًُ خًـٔم خملؿٌىذ طهلزه ردًودمًنخ رلٌؽ ًًؿٍ ؤهرب مٔدكص من خًطىَش خملٌظلؿص .ػم نلىي ضىَش خًـٔم خًظٍ خًظلؿندهد ًٌفػدء HSVونلٔس خملوؿـ خًزٌدين ًٌطىَش غمن خًلندش .)hue( Hكً ًظػمن خملوؿـ خًزٌدين نلدؽ كىش وًٌى كٔس ًىن خًـٔم خًٔدثً. .4ننً طهلس خًـٔم نلىي هٍ ؤؾدَ ضىَش ( )frameمن خًفًًٌى خملٌظلـ من خًودمًنخ (خًٍي ٓنزلؽ غمنه نن خًـٔم) بىل خًفػدء ،HSVػم نىؿً خالٓلدؽ خًوٌفٍ ًوٍ frameغمن خًفػدء HSVوًٌى نن ؾًُم بؿُخء نمٌٌدض كٔدرٌص نىل خملوؿـ خًزٌدين ًطىَش خًـٔم خملؿٌىذ .ػم نلىَ رةؿُخء نمٌٌص خًظهظٌس نىل نظٌـص خالٓلدؽ خًوٌفٍ كظى نومً خألًىخن خًػهٌفص .وؤًػد ٌنون ؤن طومً خًزٌؤالض خًظٍ ًوىن بشزدنهد خًٌىين يًن هديف ،هدًزٌؤالض خًهدمتص ؿًخ ً ؤو خًٔدؾهص ؿًخ ً. .4نىؿً خألؿّخء خًظٍ ًىؿً رٌنهد طُخرـ يف ضىَش خًوُؾ ،نىل ٌٓزٍ خملؼدي ؤهرب ؿّء. هٍه خًوؿىخض طلًُزد طشزه هىخَِمٌص ً Camshiftظهلس خًـٔم نن ؾًُم خًٌىن.
# Now convolute with circular disc ))disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5
ذ
OpenCvببساطة
240
يف هٍخ خألمُ ٓنلىَ رةنشدء كظدم كُيص وًٌى نن ؾًُم خًظدرو getStructuringElementكٌؽ منَُ ًه خًشوٍ خًٍي نًًُه .هند مَُند ًهٍخ خًظدرو شوٍ كؿو ندكظ (كُص) ،وخملظًًن خًؼدين ًهٍخ خًظدرو منَُ ًه كـم خًلندم. )cv2.filter2D(dst,-1,disc,dst
ذ
هند ٓنلىَ ردالٓظهدنص ردًظدرو ً cv2.filter2Dرتشٌم خًطىَش وفلد ًٌلندم خًلُيص. خملظًًن خألوي هى ضىَش خًًهٍ ،وخًؼدين رلًي خًهمم خًٌىين ًطىَش خًوُؾ وبٌخ هدنع كٌمظه )(-1 ٓنلطٍ نىل ضىَش رنفٕ خًهمم خًٌىين ًطىَش خًًهٍ ،وخملظًًن خًؼدًؽ ٌنؼٍ خًلندم خًٍي ًـس ؤن ًوىن رلندش وخكًش مبطفىفص من خًنىم .float # threshold and binary AND )ret,thresh = cv2.threshold(dst,50,255,0 ))thresh = cv2.merge((thresh,thresh,thresh )res = cv2.bitwise_and(target,thresh
ذ
وؤهًنخ ٓنلىَ رهمٌٌص طهظٌس خًطىَش خًندطـص نن خإلٓلدؽ نىل خًوٌفٌص إلهٌلي خألًىخن خًظٍ شًطهد خًٌىنٌص غهٌفص. ))res = np.vstack((target,thresh,res )(cv2.imshow('res',res) , cv2.waitKey(0), cv2.destroyAllWindows
خًظدرو )(ٓ np.vstackنٔظهمٌه ًـمو ػالػص ضىَ يف ضىَش وخكًش ،ػم ٓنهُع خًنظٌـص غمن ندفٍش .ؤي ٓنهُع نظدثف ػالغ ضىَ يف ندفٍش وخكًش.
ذ
الفصل السادس ”النجاح ليس نتيجة لعدم ارتكاب أي أخطاء، وللكنه نتيجة لعدم تكرار نفس الخطأ مرتين ‟
جورج برنارد شو -مؤلف أيرلندي شهير.
OpenCvببساطة
242
امفصهُامعبدطُ:ذؽىًالدُامصىسحُيفُُ OpenCV حتوقلذػورققه:ذ
طهٌم بًـدي طلىًٍ فىًٌَه ًٌطىَش. ذ ذ ذ ذ ذ ذ ذ ذ ذ ذ ذ ذ
OpenCvببساطة
243
ذؽىًهُفىسًٌهُمنصىسحُُ Fourier Transform امهذفُ ُ:
بًـدي طلىًٍ فىًٌَه ًٌطىَش ردٓظوًخَ .OpenCv خالٓظفديش من طىخرو خًـ FFTخملىؿىيش يف .Numpy خٓظوًخَ طلىًٍ فىًٌَه يف رهؼ خًظؿزٌلدض. طهٌم خٓظوًخَ خًظىخرو خًظدًٌص. cv2.idft()،cv2.dft () :
مػنىمبدُنظشًخُ : ًٔظوًَ طلىًٍ فىًٌَه ًظلٌٌٍ هطدثظ خًرتيي ملوظٌف خملُشلدض. يف خًطىَ ػندثٌص خًزهً ًٔ 2Dظوًَ طلىًٍ فىًٌَه خملظلؿو Discrete Fourier ( DFT )Transformإلًـدي خملـدي خًرتييي .ؤرسم هىخَِمٌص ًلٔدذ طلىًٍ فىًٌَه هٍ Fast ( FFT ًٌ )Fourier Transformلطىي نىل طفدضٌٍ ؤهًت نن هٍخ خملىغىم ٌنونى كُخءش ؤي هظدذ ًظوٌم نن مهدًـص خًطىَش ؤو خإلشدَش. ٌنونند خنظزدَ fهى طُيي خإلشدَش ،وبٌخ ؤهٍند ردًنٔزص ًإلشدَش خًـٌزٌص مـدًهد خًرتييي رهٍن خالنظزدَ ٓرني ( spikeخًًّديش خملفدؿإش يف خإلشدَش) يف طُيي خإلشدَش .fبٌخ ؤهٍند نٌندض من خإلشدَش ًظشوٌٍ بشدَش مظلؿهصٓ ،نلطٍ نىل نفٕ خملـدي خًرتييي ،وًون ٓظوىن رشوٍ يوَي يف خملـدي ] [-π,+πؤو ]( [0 , 2πؤو ] [0 , Nردًنٔزص ًٌنلؿص Nيف طلىًٍ فىًٌَه خملظلؿو )DFT ٌنونند ؤن نهظرب خًطىَش هدإلشدَش خًظٍ ؤهٍند نٌندض منهد يف هال خالطـدهٍن ًًٍ .x,yى ننًمد نإهٍ طلىًٍ فىًٌَه ًٌطىَش يف هال خالطـدهٍن Xوٓ Yنلطٍ نىل خًرتيي خًٍي ٌٓمؼٍ خًطىَش .رشوٍ رًًهٍ ،بٌخ هدن مؿدي خإلشدَش خًـٌزٌص ًظًًن ررسنص هزًنش ويف وكع كطًن ٌنونند خنظزدَهد بشدَش ٌخض طُيي مُطفو ،ؤمد بٌخ هدن مؿدي خإلشدَش ًظًًن رزؿدء ٓظوىن بشدَش ٌخض طُيي منوفؼٌ ،نونند طؿزٌم نفٕ خًفوُش نىل خًطىَش.
OpenCvببساطة
244
مرىُمؼبلُامصىسحًُرغريُتشكهُكثري؟ُ ُ ًظًًن رشوٍ هزًن ننً نلدؽ خًلىخف ؤو خًػـٌفًٌ ،ى ٌنونند خًلىي رإن نلدؽ خًلىخف وخًػـٌف ٌخض طُيي مُطفو يف خًطىَش .ؤمد بٌخ مل ًون هندن طًًن هزًن يف خملؿدي ٓظوىن خًنلدؽ ٌخض طُيي منوفؼ يف خًطىَش .وخآلن ٓنشدهً هٌف ٓنىؿً طلىًٍ فىًٌَه ًٌطىَش. ذؽىًهُفىسًٌهُيفُُ :Numpy ٓــنىؿً طلىًــٍ فىًٌَــه ردٓــظوًخَ موظزــص .Numpyكٌــؽ متٌــى مـمىنــص FFTإلًـــدي طلىًــٍ فىًٌَه. امربتؼُاملعاولُغنُذؽىًهُفىسًٌهُهىُ)(ُ،np.fft.fft2ظٌػؼٌنبُهزاُامربتؼُامرؽىًهُامرتدديُ كمصفىفخُغلذًخُ . خملظًًن خألوي ًهٍخ خًظدرو هى ضىَش خًًهٍ (ًـس ؤن طوىن َمديًص)، ػدين مظًًن هٌدَي وهى خملٔاوي نن طلًًً كٌدْ مطفىفص خًوُؾ ،فةٌخ هدن خًلٌدْ ؤهرب من ضىَش خًًهٍ ٌٓظم متًًً خًطىَش رإضفدَ كزٍ كٔدذ ،FFTوبٌخ هدن ؤكٍ من كـم ضىَش خًًهٍ ٌٓظم كظ خًطىَش ،وبٌخ مل منَُ ؤي كٌمص يف هٍخ خملظًًن ٌٓوىن كٌدْ ضىَش خًوُؾ رنفٕ كٌدْ ضىَ خًًهٍ. خآلن رهً ؤن كطٌند نىل خًنظٌـص ،فةن خًرتيي خًطفُي ًٌهنرص (خملُهزص خملٔظمُش ٌٓ )DCوىن يف ؤنىل خًّؤوًص خًٌرسيًًٍ ،ى ٓنلظدؾ إلِخكص خًنظٌـص مبلًخَ 2Nيف هال خالطـدهٍن ،وًٌى من هالي خًظدرو )(ًٔ( np.fft.fftshiftهىًص خًظلٌٌٍ). رهً ًٌى نٌٌند بًـدي كـم خًؿٌف ( )magnitude spectrumهٌل ًًل: import cv2 import numpy as np from matplotlib import pyplot as plt )img = cv2.imread('kid_football.jpg',0
)f = np.fft.fft2(img )fshift = np.fft.fftshift(f ))magnitude_spectrum = 20*np.log(np.abs(fshift )'plt.subplot(121),plt.imshow(img, cmap = 'gray )][(plt.title('Input Image'), plt.xticks([]), plt.yticks )'plt.subplot(122),plt.imshow(magnitude_spectrum, cmap = 'gray )][(plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks )(plt.show
ذ
OpenCvببساطة
245
خًنظٌـص ٓظزًو هٌل ًًل:
ذ
ٌنونند ؤن نُي رإن خملنؿلص خألهًت رٌدغد هٍ يف خملُهّ وهٍخ ًزٍن ًند رإن خًرتييخض خملنوفػص هٍ خًٔدثًش. رهً بًـدي خًرتيي من هالي خًظلىًٍ خًرتييي ٌنونى خآلن خًلٌدَ رهًش نمٌٌدض نىل خملـدي خًرتييي مؼٍ طُشٌم خًرتيي خملُطفو ،وبنديش رندء خًطىَش ؤي بًـدي نوٕ ًًٍ ،DFTى ٌنونى رزٔدؾص ؤن طًٍّ خًرتييخض خملنوفػص نن ؾًُم طؿزٌم كندم مٔظؿًٌل رلـم ،60x60ػم نؿزم خًظلىًٍ خًهوًس ردٓظوًخَ خًظدرو )( np.fft.ifftshiftرلٌؽ طإيت خملُهزص خملٔظمُش DCيف خًّؤوًص خًٌرسي خًهٌٌد مُش ؤهُي (ؤي طهىي خًطىَش ملودنهد). رهً ًٌى نىؿً طلىًٍ فىًٌَه خًهوًس ردٓظوًخَ خًظدرو )( ،np.ifft2وخًنظٌـص ؤًػد ٓظوىن ؤنًخي نلًًص ،ننًهد ٌنونند ؤهٍ كٌمظهد خملؿٌلص.
246
ببساطةOpenCv import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('kid_football.jpg',0) f = np.fft.fft2(img) fshift = np.fft.fftshift(f) rows, cols = img.shape crow,ccol = rows/2 , cols/2 fshift[crow-30:crow+30, ccol-30:ccol+30] = 0 f_ishift = np.fft.ifftshift(fshift) img_back = np.fft.ifft2(f_ishift) img_back = np.abs(img_back) plt.subplot(131),plt.imshow(img, cmap = 'gray') plt.title('Input Image'), plt.xticks([]), plt.yticks([]) plt.subplot(132),plt.imshow(img_back, cmap = 'gray') plt.title('Image after HPF'), plt.xticks([]), plt.yticks([]) plt.subplot(133),plt.imshow(img_back) plt.title('Result in JET'), plt.xticks([]), plt.yticks([]) plt.show()
ذ
ذ
ذ ذ
OpenCvببساطة
247
طكهُ خًطىَش خًندطـص خًلىخف خًظٍ يف خًطىَش نظٌـص ًظؿزٌم مُشم خًرتيي خملُطفو ،وهٍخ ًًي ؤًػد نىل ؤن مهكم خًزٌدندض خًظٍ يف خًطىَش طلو يف منؿلص خًرتيي خملنوفؼ من خًؿٌفً .لً شدهًند هٌف ؤوؿًند طلىًٍ فىًٌَه DFTو( IDFTطلىًٍ فىًٌَه خملظلؿو ونؤه) ويًنهد يف ،Numpy وفٌٌل ًًل ٓنلىَ رنفٕ خألمُ وًون غمن موظزص.OpenCv بٌخ الككع يف خًطىَ خًندطـص هندن نًخ خًلىخف نلدؽ غـٌف ؤهُي (مؼٍ خًظٍ ننً خًٔهم خألكمُ)، وًٌى رٔزس طإػًن خًندفٍش خملٔظؿٌٌص خملٔظهمٌص هلندم .طٔمى نلدؽ خًػـٌف هٍه رظإػًن خالهظّخِ ،ringing effectsوًٌظًٌس نىل هٍه خملشوٌص خٓظهمٍ خملُشم خًًإويس رًي مُشم خًندفٍش خملٔظؿٌٌص. ذؽىًهُفىسًٌهُيفُُ :OpenCv موظزص OpenCvطىفُ ًند خًظدرهٌٍن )( ًٌ cv2.idft()،cv2.dftلٌدَ رهمٌٌص خًظلىًًٍ .هًٌ نفٕ خًنظدثف خًٔدرلص وًون رلندطٍن ،ؤوي كندش متؼٍ خًلٔم خًللٌلٍ ًٌطىَش خًندطـص ،وػدين كندش متؼٍ خًلٔم خًظوًٌل ًٌطىَش خًندطـص .ضىَش خًًهٍ ًـس ؤن طوىن ردًطًٌص .np. float32 import numpy as np import cv2 from matplotlib import pyplot as plt )img = cv2.imread('kid_football.jpg',0 )dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT )dft_shift = np.fft.fftshift(dft = magnitude_spectrum ))]20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1 )'plt.subplot(121),plt.imshow(img, cmap = 'gray )][(plt.title('Input Image'), plt.xticks([]), plt.yticks )'plt.subplot(122),plt.imshow(magnitude_spectrum, cmap = 'gray )][(plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks )(plt.show
ذ
ذ
248
ببساطةOpenCv :امنرٌعخ
ذ
ٕ خًٍي ًهًٌ هٍ من خًؿىًٌص وخًّؤوًص يف نفcv2.cartToPolar() ٌنونى ؤًػد خٓظوًخَ خًظدرو يف خًٔدرم شدهًند،(IDFT) خآلن ٓنلىَ رةًـدي خًظلىًٍ خًهوًس ًظلىًٍ فىًٌَه خملظلؿو.خًٌلكص (خًٍي ٓىف ًًٍّ خًرتييخضLPF ؤمد هٍه خملُش ٓنؿزم مُشم،HPF هٌف ؾزلند مُشم طُي ًنن1 ويف خًزًخًص نلىَ رةنشدء كندم ًإهٍ خًلٌمص.)خملُطفهص من خًطىَش مٌل ًايي ًظًزٌش خًطىَش .خًرتييخض خملنوفػص import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('kid_football.jpg',0) dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) dft_shift = np.fft.fftshift(dft) rows, cols = img.shape crow,ccol = rows/2 , cols/2 # create a mask first, center square is 1, remaining all zeros mask = np.zeros((rows,cols,2),np.uint8) mask[crow-30:crow+30, ccol-30:ccol+30] = 1 # apply mask and inverse DFT fshift = dft_shift*mask f_ishift = np.fft.ifftshift(fshift) img_back = cv2.idft(f_ishift) img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1]) plt.subplot(121),plt.imshow(img, cmap = 'gray') plt.title('Input Image'), plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(img_back, cmap = 'gray') plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([]) plt.show()
ذ ذ
OpenCvببساطة
249
امنرٌعخُ :
ذ
مالككص :هدًهديش طىخرو طلىًٍ فىًٌَه] )( [cv2.dft () ,cv2.idftملوظزص OpenCvؤرسم من نكًنخطهد يف .Numpyوًون طىخرو Numpyهٍ ؤهًت ٓهىًص يف خالٓظوًخَ.
األداءُاملصبيلُمرؽىًهُفىسًٌهُاملرلؼؼُ Performance Optimization of ُ :DFT ؤيخء طلىًٍ فىًٌَه خملظلؿو DFTؿًٌ ردًنٔزص ًزهؼ ؤكـدَ خملطفىفص .فّمن خًظنفٌٍ ًوىن ؤرسم ننًمد طوىن خملطفىفص مُفىنص ًٌلىي .4ؤًػدً خملطفىفدض خًظٍ كٌدٓهد ًوىن غهفٍ ؤو 4ؤغهدف ؤو 0ؤغهدف ًظم مهدًـظهد روفدءش طدمص. ًًٍى بٌخ هنع كٌم روطىص ؤيخء خًوىيٌ ،نونى طهًًٍ كـم خملطفىفص ألكً خألكـدَ خالهظٌدًَص (وًٌى رلشى خملطفىفص رإضفدَ) كزٍ بًـدي طلىًٍ فىًٌَه خملظلؿو ( .DFTؤي نًًّ كـم خملطفىفص ونهزح خًلـم خًّخثً رإضفدَ) .يف موظزص ً OpenCVـس ؤن طلىَ رلشى خملطفىفص رإضفدَ رشوٍ ًًوي ،وًون يف موظزص ٓ Numpyظلًي خًلٌدْ خًـًًً ًلٔدذ طلىًٍ فىًٌَه ( FFTطلىًٍ فىًٌَه خًرسًو) وٓىف ًظم طلشى خملطفىفص رإضفدَ رشوٍ ؤطىمدطٌيك. امعاالُاآلنُ،كٌفُنىظذُامؽعمُاملصبيلُمنمصفىفخ؟ ُ موظزص OpenCvطىفُ ًند خًظدرو )( cv2.getOptimalDFTSizeملهُفص خًلـم خملؼديلٌ .نونى طؿزٌم هٍخ خألمُ نىل هٍ من )( cv2.dftو )(.np.fft.fft2
250
ببساطةOpenCv
خًظٍ طىفُهد ًند رٌجص%timeit ٌٍينند نظللم من خأليخء ردٓظوًخَ ؤيخش كٔدذ ِمن خًظنف "C:\Python27\IPython (Qt)" َ غمن هٍخ خملٔدIPython ٓظـً ؤيخش.IPython
In [1]: cd Pictures C:\s\ASUS\Pictures In [2]: import cv2 In [3]: import numpy as np In [4]: img = cv2.imread('kid_football.jpg',0) In [5]: rows,cols = img.shape In [6]: print rows,cols 334ذ500 In [7]: nrows = cv2.getOptimalDFTSize(rows) In [8]: ncols = cv2.getOptimalDFTSize(cols) In [9]: print nrows, ncols 360ذ500
.(360,500) ( بىل334,500) ننً خمللدَنص رٍن خًنظدثف ٓظالكل رإنه طم طهًًٍ خًلـم من ًٍ نلىَ رلشىهد رإضفدَ رشوٍ ًًوي) ونىؿً ِمن طلىOpenCv خآلن ينند نلشىهد رإضفدَ (يف وننٔى رٌدندض خًطىَش، ٌنون فهٍ هٍخ خألمُ رةنشدء مطفىفص ضفًُص هزًنش خًلـم.DFT فىًٌَه .cv2.copyMakeBorder() ؤو نٔظوًَ خًظدرو،بىل هٍه خملطفىفص
251
ببساطةOpenCv
In [10]: nimg = np.zeros((nrows,ncols)) In [11]: nimg[:rows,:cols] = img
ذ ذOR
ذ
In [12]: right = ncols - cols In [13]: bottom = nrows - rows In [14]: bordertype = cv2.BORDER_CONSTANT In [15]: nimg = cv2.copyMakeBorder(img,0,bottom,0,right,bordertype, value = 0)
:Numpy خآلن ٓنلٔس خأليخء ردًنٔزص ملوظزص In [16]: %timeit fft1 = np.fft.fft2(img) loops, best of 3: 45.5 ms per loopذ10 In [17]: %timeit fft2 = np.fft.fft2(img,[nrows,ncols]) loops, best of 3: 8.46 ms per loopذ100
مُخض من خًوىي3 ردمللدَنص رٍن خًرسنظٍن ٓظـً ؤن ؤيخء خًوىي خًؼدين هدن ؤفػٍ فهى ؤرسم رلىخيل .OpenCv خآلن ٓنـُذ نفٕ خألمُ وًون هٍه خملُش ردٓظوًخَ طىخرو موظزص.خألوي ذ ذ
In [18]: %timeit dft1= cv2.dft(np.float32(img),flags=cv2.DFT_COMPLEX_OUTPUT) loops, best of 3: 2.22 ms per loopذ100 In [19]: %timeit dft2= cv2.dft(np.float32(nimg),flags=cv2.DFT_COMPLEX_OUTPUT) loops, best of 3: 1.73 ms per loopذ1000
.ؤًػد ردمللدَنص رٍن ِمن طنفٌٍ خًوىي خألوي وخًؼدين ٓظـً ؤن ِمن طنفٌٍ خًوىي خًؼدين هدن ؤرسم ٌٍفٔظـً ؤن ِمن طنفNumpy وموظزصOpenCV وٌنونى خمللدَنص ؤًػد رٍن ؤيخء طىخرو موظزص .Numpy ؤرسم روؼًن من ِمن طنفٌٍ ًظىخرو يفOpenCv طىخرو موظزص ذ
252
ببساطةOpenCv ملبراُاملششؾُا ُالتاليسُهىُمششؾُذشددُمشذفؼ؟
هىSobel ؟ وملدٌخHPF ملدٌخ الرالٌٓدن هى مُشم،ًلً طم ؾُق هٍخ خًٔاخي يف رهؼ خملنظًًدض ؟HPF مُشم وكم،FFT هٍ فلـ طلىًٍ فىًٌَه ًالرالٌٓدن ًلكـدَ هزًنش ًـ.خإلؿدرص هدنع كٔس طلىًٍ فىًٌَه : هدًظديل،رظلٌٌٌهد مبد خن خًلندم يف خملـدي خًّمنٍ فظلىًٌه ًٌمـدي خًرتييي ٌٓىغم ٌٓىهه import cv2 import numpy as np from matplotlib import pyplot as plt # simple averaging filter without scaling parameter mean_filter = np.ones((3,3)) # creating a guassian filter x = cv2.getGaussianKernel(5,10) gaussian = x * x.T # different edge detecting filters # scharr in x-direction scharr = np.array([[-3, 0, 3], [-10,0,10], [-3, 0, 3]]) # sobel in x direction sobel_x= np.array([ [-1, 0, 1], [-2, 0, 2], [-1, 0, 1]]) # sobel in y direction sobel_y= np.array([ [-1,-2,-1], [0, 0, 0], [1, 2, 1]]) #laplacian laplacian=np.array([[0, 1, 0], [1,-4, 1], [0, 1, 0]]) ذ
253
ببساطةOpenCv filters = [mean_filter, gaussian, laplacian, sobel_x, sobel_y, scharr] filter_name = ['mean_filter', 'gaussian','laplacian', 'sobel_x', \ 'sobel_y', 'scharr_x'] fft_filters = [np.fft.fft2(x) for x in filters] fft_shift = [np.fft.fftshift(y) for y in fft_filters] mag_spectrum = [np.log(np.abs(z)+1) for z in fft_shift] plt.figure(figsize=(10,5)) for i in xrange(6): plt.subplot(2,3,i+1),plt.imshow(mag_spectrum[i],cmap = 'gray') plt.title(filter_name[i]), plt.xticks([]), plt.yticks([]) plt.show()
ذ
ذ
.من خًطىَ خًندطـص ٌنونند رىغىق طلًُُ فٌٌل بٌخ هدن خملُشم ممُ ًٌرتييخض خًهدًٌص ؤَ خملنوفػص ُ ُ :مشاظؼُبطبفٌخ by Steven LeharAn Intuitive Explanation of Fourier Theory at HIPRFourier Transform What does frequency domain denote in case of images?
الفصل السابع
” إن المهام العظام يمكن إنجازها حين يستغل الإنسان وقته بكفاءة ‟ د.إبراهيم الفقي
OpenCvببساطة
255
امفصهُامعبتؼُ:مٌضحُامكشفُوامىصفُ Feature ُ Detection and Description فهم مٌّخض خًطىَش مد هٍ خملٌّخض خًُثٌٌٔص يف خًطىَش؟ هٌف ٌنون بًـدي هٍه خملٌّخض كظى طوىن مفًٌش ًند؟
موظشف ِوخًد هدًَٕ Harris Corner Detection خًّوخًد هٍ مٌّش ؿًٌش وًون هٌف ٌنون بًـديهد.
موظشف ِوخًد & Shi-Tomasiمٌّخض ؿًٌش ًٌظهلس ٓنظهٌم هٌفٌص خهظشدف ِوخًد .Shi-Tomasi
ملًمص بىل ( SIFTمٌّش خًظلىًٍ خًؼدرظص خًلٌدْ) ((Scale-Invariant Feature Transform موظشف ِوخًد هدًَٕ يًن ؿًٌ هفدًص ننً طًًن كٌدْ خًطىَش ،نظٌـص ًًٍى كدمع خملؿىَش Loweرىغو ؾًُلص إلًـدي خًهندرص خًؼدرظص خًلٌدْ .وؤؾٌلع نٌٌهد خٓم .SIFT ملًمص بىل ( SURFخملٌّخض خًلىًص خملرسنص) )(Speeded-Up Robust Features
بن مٌّش SIFTؿًٌش ،وًونهد يًن رسًهص مبد فٌه خًوفدًصًًٍ ،ى طم خنشدء نٔوص ؤرسم وؤؾٌم نٌٌهد خٓم .SURF FAST ؤرسم هىخَِمٌص الهظشدف خًّوخًد هٍ ؾُق خملٌّخض خًٔدرلص ؿًٌش يف رهؼ خألكٌدن ،وًونهد ًٌٔع رسًهص مبد فٌه
OpenCvببساطة
256
خًوفدًص ًظهمٍ مو خًظؿزٌلدض خًظٍ طهمٍ ردًىكع خًللٌلٍ) مؼٍ خًٌٔدَش ٌخطٌص خًلٌديش و ًًٍ ،)...ى طم بًـدي هىخَِمٌص FASTوخًظٍ طهمٍ يف خًىكع خًللٌلٍ. (BRIEF خملٌّخض خالرظًخثٌص خملٔظلٌص خًلىًص خًؼندثٌص) )(Binary Robust Independent Elementary Features رٔزس خٓظهالن خًٍخهُش خًوزًن من كزٍ SIFTطم بًـدي BRIEFخًظٍ طىفُ يف خًٍخهُش وطهؿٌند رسنص ؤهرب ردملؿدرلص.
( ORB مىؿه FASTومًوَ (Oriented FAST and Rotated ( )BRIEF BRIEF SIFTو ً SURFلىمىن رهمٍ ؿًٌ ،وًون ملشوٌص رإنه يًن مـدين وًـس يفو رػو يوالَخض هٍ ٓنص. ًلٍ هٍه خملشوٌص وفُض ًند موظزص OpenCvرًًٍ نن SIFTو SURFوهى .ORB مٌّش خملؿدرلص Feature Matching ًلً طهٌمند هؼًنخ نىل مٌّش خًوشف وخًىضف ،وخآلن كدن خًىكع ًنظهٌم هٌف نؿدرم موظٌف خألوضدف. موظزص OpenCvطىفُ ًند طلنٌظٍن ًهٍخ خألمُ وهٌل: مؿدرلص Brute-Forceومؿدرلص .FLANN based
مٌّش خملؿدرلص Homography +إلًـدي خألؿٔدَ خآلن ؤضزلند نهُف مد هٍ مٌّش خملؿدرلص ينند خآلن نًمـهد مو خملىيًٍ calib3d إلًـدي خألؿٔدَ يف خًطىَش خملهلًش.
257
OpenCvببساطة فهمُاملٌضادُUnderstanding Features
ذ
امهذفُ : يف هٍخ خًفطٍ ٓنلإوي فلـ فهم خملٌّخض خًُثٌٔص يف خًطىَش (خًوطدثظ خملمٌّش يف خًطىَش) ،وًنهُف ملدٌخ هٍ مهمص ،وملدٌخ مٌّش خًّوخًد هٍ مٌّش مهمص. امرشػُ : يف ًهزص طُهٌس خًطىَ نلظدؾ ًظـمٌو خًلؿو خًطًًنش من خًطىَ ًظشوٌٍ ضىَش هزًنش .هٌف ًٔظؿٌو خإلنٔدن متٌٌّ خًلؿو خملنفطٌص خملشوٌص ًٌطىَش خًىخكًش؟ وهٍ ٌنون ًٌلدٓىذ نكًُدً رإن ٌنٌى مؼٍ هٍه خًلًَش؟ وبٌخ ؤمون هٍخ ملدٌخ ال ٌنونند بنشدء رُندمف ًلىَ رـمو نًش ضىَ ملندقُ خًلٌدش خًللٌلٌص خًؿزٌهص يف ضىَش وخكًش هزًنش؟ ؤو ٌنونند بنشدء رُندمف ًطنو مـٔم ػاليث خألرهدي 3Dمن مـمىنص ضىَ ملـٔم؟ ؿمٌو خألٓجٌص خًٔدرلص طُهّ كىي هٌف ًٔظؿٌو خًلدٓس طـمٌو ضىَ موظٌفص ًنفٕ خملشهً يف ضىَش وخكًش؟ خًـىخذ :نلن نزلؽ نن ؤمندؽ ملًيش ؤو مٌّخض فًًُش وخًظٍ ٌنون رٔهىًص طظزههد ،وملدَنظهد رٔهىًص. بٌخ ؤَيند طهًُف هٍه خملٌّش ،فمن خًطهس خًظهزًن ننهد روٌٌلض وًونند نهُف مد هٍ ،فدًلًَش نىل خًظمٌٌّ مىؿىيش فٌند ردألضٍ وكظى ننً خألؾفدي خًطًدَ ًًٍى طـًهم ًٔظؿٌهىن ؤن ًٌهزىخ ًهزص طُهٌس خًطىَش خملفووص ،رلٌؽ ًٔظؿٌهىخ ؤن ًـمهىخ خًلؿو وًلًيوخ خًظشدره فٌٌل رٌنهد. ذ
258
OpenCvببساطة وامعاالُا ُآلنُمبُهٍُهز ُاملٌضاد؟ُ ُ
خًـىخذً :ـس ؤن ًوىن مفهىمد من كزٍ خًلدٓس ؤًػد! كٔندً ،فمن خًطهس خًلىي هٌف طـً خًزٍس هٍه خملٌّخض ،ألنهد مربمـص مٔزلد يف خًًمدى ،وًون بٌخ نكُند رهمم بىل خًطىَش ورلؼند نن ؤمندؽ موظٌفصٓ ،نـً يشء مؼًن ًالهظٌلَ .نىل ٓزٌٍ خملؼدي ًنإهٍ خًطىَش خًظدًٌص:
ذ
نالكل رإن خًلؿو خًٔظص خملىؿىيش يف خنىل خًطىَش من F Aهٍ مىؿىيش غمن خًطىَش. خًلؿهص Aو Bنزدَش نن ؤٓؿم مٔظىًص ،وطنظٍس يف مندؾم هؼًنش من خًطىَش ًًٍى فمن خًطهس خًهؼىَ نٌٌهد يف مودن ملًي يف خًطىَش. خًلؿهص Cو Dمتؼٍ كىخف خملزنى ،وٌنونى ؤن طـً مىكههد رشوٍ طلًُزٍ وًون ؤن طىؿً مودنهد خمللًي فهٍخ ضهس نىند مد .ألن هٍه خًلؿهص مىؿىيش نىل ؾىي خًلدفص ،وهٍ نفٔهد يف هٍ مودن. نالكل من ؾزٌهص خًلدفص رإن مٌّش خًلىخف ؤفػٍ من خألٓؿم خملٔظىًص ،وًونهد ًٌٔع ؿًٌش مبد فٌه خًوفدًص. خًلؿهظٍن Eو Fمتؼٍ رهؼ ِوخًد خملزنى ،وٌنون خًهؼىَ نٌٌهد رٔهىًص ،ألن خًّوخًد ننً طلًُوهد يف ؤي خطـده ٓظزًو موظٌفصً ،هٍخ ٌنون خنظزدَهد مٌّش ؿًٌش.
259
OpenCvببساطة خآلن ٓننظلٍ ًٌٍسق خًظديل كظى نفهم رشوٍ ؤفػٍ:
ذ
خًٍسق ردًػزـ مؼٍ فىق. فدًزلهص خًَّكدء متؼٍ خًٔؿم خملٔظىي ،ومن خًطهس خًهؼىَ نٌٌهد وطهلزهد ،وؤًنٌل كُهظهد ٓظزًو نفٔهد .خًزلهص خًٔىيخء متؼٍ خًلدفص ،بٌخ كُهظهد رشوٍ نمىيي ٓظظًًن ،رٌنٌل بٌخ كُهظهد رشوٍ ؤفلٍ ًن طظًًن (وهٍخ خألمُ متدمدً مؼٍ خًٔدرم فهنًمد نلُن خًلدفص رشوٍ مىخِي ًؿىي خًلدفص ٓظزًو نفٔهد). خًزلهص خًلمُخء متؼٍ خًّؤوًص ،ؤًنٌل كُهظهد ٓظزًو مبنكُ موظٌفًًٍ ،ى نهظرب خًّوخًد ٌو مٌّش ؿًٌش يف خًطىَش (ًٌٔع خًّوخًد ًىكًهد هٍ مٌّش ؿًٌش ،ففٍ رهؼ خًلدالض طهظرب خًنلدؽ ؤًػد ٌو مٌّش ؿًٌش). تػذُؤنُؤظثنبُغىلُامعاالُاأل ُولُوهىُ،مبُهٍُاملٌضاد؟ُ ُ خًٔاخي خًٍي ًؿُق نفٔه خآلن ،هٌف نىؿً هٍه خملٌّخض؟ ؤو هٌف نىؿً خًّوخًد؟ خًـىخذ :من هالي خًلًْ ،كٌؽ نزلؽ نن مندؾم يف خًطىَش طظًًن ؤهًت من يًنهد ننً طلًُوهد ،ونهرب نن هٍخ رًٌص خًلدٓىذ مبد ًٔمى خهظشف خملٌّخض ،Feature Detectionوهٍخ مد ٓنظًؤوًه يف خًفطىي خًلديمص. ًنفرتع رإنند ؤوؿًند خملٌّخض خًظٍ يف خًطىَش ،فزهً بًـديند ًهدً ،ـس نٌٌند مؿدرلظهد مو ضىَش ؤهُي ،وًظم ًٌى رإهٍ منؿلص كىي خًزلهص خملمٌّش ونلىَ رىضفهد( ،مؼال خًـّء خًٍي يف خألنىل
OpenCvببساطة
260
ٌنؼٍ خًٌٔلء خًَّكدء ،وخًلٔم خًٔفًل ٌنؼٍ منؿلص خًزندء ،نىل خًزندء هندن رهً خًّؿدؾ... ،خًى)، ورشوٍ مشدره ًهٍخ خألمُ ًلىَ خًلدٓىذ رًٍى ،ؤًمى هٍخ رىضف خملٌّش Feature .Descriptionرهً خًلطىي نىل خملٌّش وخًىضف ًظم خٓظوًخَ ًٌى بمد ًرتطٌس خملٌّخض ؤو ًٌىضىي بىل خًطىَ ؤو ًفهٍ ؤي يشء نًًُه. إلًـدي خملٌّخض ووضفهد ومؿدرلظهد يف OpenCvنٔظوًَ نًش هىخَِمٌدض مظنىنص.
امهذفُ : فهم مفهىَ موظشف ِؤوًد هدًَٕ ٓنظهٌم خٓظوًخَ خًظىخرو خًظدًٌص. cv2.cornerSubPix()، cv2.cornerHarris(): ُ ملذمخُنظشًخُ : يف خًفطٍ خًٔدرم َؤًند رإن خًّوخًد هٍ مندؾم يف خًطىَش فٌهد خهظالف هزًن يف خًوؼدفص (خًشًش) خًٌىنٌص يف ؿمٌو خطـدهدض هٍه خملنؿلص. يف هٍه خًوىخَِمٌص ٓنلىَ رظلىًٍ خألفودَ خًزٌٔؿص خًٔدرلص كىي خملٌّخض ًطًٌص ًَدغٌص ،فهٍه خًوىخَِمٌص طلىَ رشوٍ ؤٓديس نىل كٔدذ خالهظالف ردًشًش ننً طلًُى ) (u,vروٍ خالطـدهدض، وهٍخ مد ًهرب ننه ًَدغٌد هٌلذقؾي :ذ
261
OpenCvببساطة ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ
∑ الشدة
شدة اإلزاحة
ذ
Window function
ذ
طدرو خًندفٍش window functionبمد ندفٍش مٔظؿٌٌص ؤو ندفٍش يإوٌٓص ،خًًدًص منه بنؿدئند وِن إلًـدي خًّوخًد .نؿزم خًزٌؤالض خًظٍ طلع خملٔظؿٌٍ .نٌٌند خالٓظفديش من كٌمص خًظدرو منشىَ طدًٌىَ خملىٓو نىل خملهديًص خًٔدرلص وردًلٌدَ رزهؼ خًوؿىخض خًًُدغٌص نلطٍ نىل مد ًًل: ] [ حقثذذ]
[
∑
هٌل مشظلٍ خًطىَش ردالطـدهٍن xوٌ( yنون بًـديهٌل رٔهىًص من هالي خًظدرو )(ًٌ( .)cv2.Sobelظٍهًن طدرو ٓىرٌٍ Sobelمُ مهند مٔزلد) رهً ًٌى نطٍ ًٌـّء خًُثًٌس ،وخًٍي ًلًي خكظٌلي ؤن طلىي خًندفٍش ِؤوًص ؤو ال طلىي. كٌؽ: هٌل خًلٌم خًٍخطٌص ًـ .M هٍه خًلٌم خًٍخطٌص هٍ خًظٍ طلَُ فٌٌل بٌخ هدنع خملنؿلص هٍ ِؤوًص ؤَ كدفص ؤَ مٔظىي. طوىن كٌمظهم ضًًنش و ننًمد طوىن | |Rضًًنش ،وهٍخ ًلًغ ننًمد خملنؿلص مٔظىًص. ؤو ردًهوٕ ؤي ننًمد طوىن ،R<0وهٍخ ًلًغ ننًمد خملنؿلص كدفص. ننًمد طوىن Rهزًنش ،وهٍخ ًلًغ ننًمد و طوىن كٌمظهم هزًنش و خملنؿلص ِؤوًص.
262
ببساطةOpenCv : هٌل ًًل،ٌنون متؼٌٍ هٍه خًلٌم نىل شوٍ ضىَش
ذ
ورإهٍ خًهظزص ًهد.ضىَش خًًهٍ ملوظشف ِوخًد هدًَٕ ًـس ؤن طوىن ضىَش يف خملٔظىي خًُمديي ٓنلىَ ردٓظوًخَ موظشف ِوخًد هدًَٕ نىل.ردًشوٍ خملندٓس ٓظهؿٌند خًّوخًد خًظٍ يف خًطىَش .ضىَش رٌٔؿص ُ :OpenCVُ مكرشفُ ُصؤوًخُهبسًغُيف :ٍ مظًًنخطه ه. ًهٍخ خًًُعcv2.cornerHarris() خًظدروOpenCv طىفُ ًند موظزص .float32 ًـس ؤض طوىن َمديًص ومن خًنىم، ٍ ضىَش خًًه:Img . كٌدْ خًـىخَ ردًنٔزص الهظشدف خًلىخف:blockSize .ًَ خمل ُْٔظوsobel ٌٍ ردَخمرت خًفظلص ملشظم ٓىر:Ksize . خًزدَخمرت خًلُ ملوظشف هدًَٕ يف خملهديًص:K import cv2 import numpy as np filename = 'car.jpg' img = cv2.imread(filename) gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) gray = np.float32(gray) dst = cv2.cornerHarris(gray,2,3,0.04) #result is dilated for marking the corners, not important dst = cv2.dilate(dst,None)
# Threshold for an optimal value, it may vary depending on the image. img[dst>0.01*dst.max()]=[0,0,255]
ذ
263
OpenCvببساطة
)cv2.imshow('dst',img if cv2.waitKey(0) & 0xff == 27: )(cv2.destroyAllWindows
امنرٌعخُ :
رشػُامكىدُ : يف خًزًخًص كمند ردٓظًندء موظزص OpenCvوموظزص ،Numpyػم كمند رظوًّن خًطىَش يف خملظًًن ،filenameػم كمند رلُخءش خًطىَش نن ؾًُم خًظدرو )( ،cv2.imreadػم كمند رظلىًٍ خًطىَش بىل خملٔظىي خًُمديي نن ؾًُم خًظدرو )( ،cv2.imreadػم كمند رظلىًٍ خًطىَش ًٌطًٌص float32وًٌى نن ؾًُم خًظدرو)(. np. float32 )dst = cv2.cornerHarris(gray,2,3,0.04
ػم كمند ردهظشدف ِوخًد هدًَٕ نن ؾًُم خًظدرو )( cv2.cornerHarrisوًلً ٌسكند ٓزدكد مد هٍ خًزدَخمرتخض خًظٍ ًإهٍهد( .مالككص ًفهم هٍ مظًًن رشوٍ ؤوغم ؿُذ طًًٌن هٍ كٌمص ًىكًهد وشدهً مد خًٍي ٌٓلطٍ يف خًطىَش) )dst = cv2.dilate(dst,None
ذ
264
OpenCvببساطة
خًظدرو )( cv2.dilateهى طدرو خًظمًًً (طم ٌسكه مٔزلد يف فطٍ خًظلىالض خملىَفىًىؿٌص) فلـ خٓظوًمنده ًظىغٌم خًهالمدض خملٌىنص ردًٌىن خألكمُ وخًظٍ طًي نىل ِوخًد هدًَٕ (هٍخ خًٔؿُ يًن مهم ٌنونى نًَ هظدرظه). # Threshold for an optimal value, it may vary depending on the image. ]img[dst>0.01*dst.max()]=[0,0,255
ذ
هٍه خًظهٌٌمص مٔاوًص نن طٌىًن ؤمدهن ِوخًد هدًَٕ ردًٌىن خألكمُ ،كٌؽ خًلٌمص ] [0,0,255متؼٍ خًٌىن خألكمُ يف خًفػدء ،BGRوهٍخ خًٔؿُ ؤًػد ًلًي خًهظزص خًظٍ نًًُ بقهدَهد ًهٍه خًّوخًد، كٌؽ كمند هند رظلًًً كٌمص خًهظزص خًًنٌد رـ .5.58 (ؿُذ طوزًن وططًًن كٌمص خًهظزص وشدهً مد خًٍي ٌٓلًغ_ ٓرتي رإنه هٌٌل كمع رظوفٌؼ خًهظزص خًًنٌد ًًٌّٓ نًي خًنلدؽ خملهٌمص ردًٌىن خألكمُ ًّوخًد هدًَٕ نىل خًطىَش ،وهٌٌل كمند رًّديش هٍه خًهظزص ٌٓنوفؼ نًي خًنلدؽ خملهٌمص ردًٌىن خألكمُ ًّوخًد هدًَٕ). ٌنونى خٓظزًخي ٓؿُ خألوخمُ هٍخ ردًظهٌٌمص خًظدًٌص: )ret, dst = cv2.threshold(dst,0.01*dst.max(),255,0
)cv2.imshow('dst',img
ذ
ويف خًنهدًص نلىَ رهُع خًطىَش غمن ندفٍش خٓمهد ' 'dstوًٌى نن ؾًُم خًظدرو )(.cv2.imshow ذ
265
ببساطةOpenCv ُ :Corner with SubPixel Accuracyٍُ دكخُام ُضؤوًخُمؼُامثٌكعهُامفشغ
.ؤكٌدند نلظدؾ ًًكص ؤهرب ننً خهظشدف خًّوخًد فٌٌلطىي نىل يكص.cv2.cornerSubPix() طىفُ ًند هٍخ خألمُ من هالي خًظدروOpenCv موظزص ، وخًٍي ًلىَ ررتشٌم خًندطفcv2.cornerSubPix ؤهرب منَُ ندطف خهظشدف ِوخًد هدًَٕ ًٌظدرو .ًٌلطىي نىل نظدثف ؤيق import cv2 import numpy as np filename = 'car.jpg' img = cv2.imread(filename) gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # find Harris corners gray = np.float32(gray) dst = cv2.cornerHarris(gray,2,3,0.04) dst = cv2.dilate(dst,None) ret, dst = cv2.threshold(dst,0.01*dst.max(),255,0) dst = np.uint8(dst) # find centroids ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst) # define the criteria to stop and refine the corners criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 0.001) corners = cv2.cornerSubPix(gray,np.float32(centroids),(5,5),(-1,-1),criteria) # Now draw them res = np.hstack((centroids,corners)) res = np.int0(res) img[res[:,1],res[:,0]]=[0,0,255] img[res[:,3],res[:,2]] = [0,255,0] cv2.imshow('dst',img) if cv2.waitKey(0) & 0xff == 27: cv2.destroyAllWindows()
.4 َ خإلضًخOpenCV يًن مىؿىي يف موظزصcv2.connectedComponentsWithStats خًظدرو:مالككص
266
OpenCvببساطة امنرٌعخُ :
ذ
267
OpenCvببساطة مكرشفُصواًبُُ&ُShi-Tomasiمٌضادُظٌذحُمنرػلج ُ خًهًف ٓنظهٌم خٓظوًخَ هدشف آهُ ًٌّوخًد وهى :موظشف خًّؤوًص .Shi-Tomasi ٓنظهٌم خٓظوًخَ خًظدرو خًظديل. cv2.goodFeaturesToTrack(): امنظشي:
ُ
موظشف خًّوخًد ً Shi-Tomasiهؿٍ نظٌـص ؤفػٍ ملدَنص مو موظشف خًّوخًد هدًَٕ. يف موظشف هدًَٕ طم ؤهٍ طدرو خًظلطٌٍ هٌل ًًل:
رًالً نن ًٌى خكرتق Shi-Tomasiخًظديل:
هٌل فهٌند مو
بٌخ هدنع ؤهرب من كٌمص خًهظزص نهظربهد ِؤوًص .وبٌخ َٓمندهد يف خًفػدء موظشف خًّوخًد هدًَٕ فٔنلطٍ نىل خًطىَش خًظدًٌص.
ذ
نالكل من خًطىَش رإنه فلـ ننًمد طوىن كٌمص و ؤنىل من كٌمص خًلً خأليىن خملٌىنص ردًٌىن خألهٍص).
نهًهد ِؤوًص (خملنؿلص ذ
OpenCvببساطة
268
ُامكىدُ : موظزص OpenCvطلىي خًظدرو )( ،cv2.goodFeaturesToTrackوخًٍي ًُ ْى ِؿ ًْ خًّوخًد خألكىي Nيف خًطىَش نن ؾًُم موظشف ( Shi-Tomasiؤو موظشف ِوخًد هدًَٕ بٌخ خٓظهمٌظه) .خًطىَش ًـس ؤن طوىن يف مٔظىي خًٌىن خًُمديي .كم رظلًًً نًي خًّوخًد خًظٍ طًًُ بًـديهد ،ػم كًي مٔظىي خًًكص ،وخًٍي ًًي نىل خًلً خأليىن ًًكص خًّؤوًص ،رلٌؽ بن كٌمص ؤي ِؤوًص طوىن طلع خًلً خأليىن طُفؼ (ؤي طإهٍ خًلٌمص .)0ػم نّوي خًظدرو رإكٍ مٔدفص مٔمىكص رٍن خًّوخًد خملوظشفص. هٍ هٍه خملهؿٌدض طـهٍ خًظدرو ًىؿً خًّوخًد خًظٍ يف خًطىَش رلٌؽ هٍ ِؤوًص طلع مٔظىي خًًكص خملؿٌىرص طُفؼ ،ػم طوّن خًّوخًد خملظزلٌص خنظٌليخ نىل مٔظىي خًًكص وررتطٌس طندِيل .ػم ًإهٍ خًظدرو ؤوي ؤكىي ِؤوًص ،وًظوٌظ من هٍ خًّوخًد خًلًُزص من مـدي خملٔدفص خألكٍ من خملٔمىق، وًهًٌ خًّوخًد خًلىًص .Nيف خملؼدي خًظديل ٓنلإوي بًـدي ؤفػٍ ِ 25ؤوًص: import numpy as np import cv2 from matplotlib import pyplot as plt )'img = cv2.imread('car.jpg )gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY )corners = cv2.goodFeaturesToTrack(gray,25,0.01,10 )corners = np.int0(corners for i in corners: )(x,y = i.ravel )cv2.circle(img,(x,y),3,255,-1
)(plt.imshow(img),plt.show
269
OpenCvببساطة امنرٌعخ:
ذ
ذ
ذ
من نظٌـص خًطىَش نٔظنظف رإن هٍخ خًظدرو مندٓس ؤهًت ًٌظهلس ،trackingوهٍخ مد ٓرنخه يف خًفطىي خًلديمص. رشػُامكىدُ : يف خًزًخًص نلىَ رلُخءش خًطىَش وطوًّنهد يف خملظًًن ،imgػم نلىَ رظلىًٍ خًطىَش ملٔظىي خًىن خًُمديي. )corners = cv2.goodFeaturesToTrack(gray,25,0.01,10
ذ
نلىَ رةًـدي خًّوخًد خألكىي خًظٍ يف خًطىَش وًٌى نن ؾُق خًظدرو )(.cv2.goodFeaturesToTrack مظًًنخض هٍخ خًظدرو هٍ: خملظًًن خألوي هى ضىَش خًًهٍ وًـس ؤن طوىن يف خملٔظىي خًُمديي. خملظًًن خًؼدين ًلًي نًي خًّوخًد خًظٍ نًًُ خهظشدفهد. خملظًًن خًؼدًؽ ًلًي مٔظىي يكص خًّوخًد خملوظدَش ،كٌؽ ًلًي خًهظزص خًًنٌد ًٌّوخًد خملوظدَش. خملظًًن خًُخرو ًلًي ؤكٍ مٔدفص مٔمىكص رٍن خًّوخًد خملوظشفص. )corners = np.int0(corners
ذ
خًظدرو )( np.int0وقٌفظه هند بًًدء خألَكدَ خًظٍ رهً خًفدضٌص ًٌلٌمص خًظٍ منَُهد ًه .فمؼال بٌخ هدن خًُكم ً 5.76طزم خًُكم .0
270
OpenCvببساطة
corners=5.76 )x = np.int0(corners print x
ذ
5
مصبلُآخشُ : )]corners= np.array([5.76,3.5,6.78,7 )x = np.int0(corners print x ][5 3 6 7 for i in corners: )(x,y = i.ravel )cv2.circle(img,(x,y),3,255,-1
ذ
ػم كمند رهمٍ كٌلص forكظى نوّن بكًخػٌدض خًّوخًد خًظٍ كطٌند نٌٌهد يف خملظًًنًن xو ،yػم نلىَ رظمًُُ هٍه خإلكًخػٌدض ًظدرو َٓم خًًوخثُ )( cv2.circleكظى نهٌم نلدؽ خًّوخًد رًوخثُ مٌىنص ردًٌىن خألكمُ .خًظدرو )( ravelيف موظزص numpyمٔاوي نن طلىًٍ خملطفىفص ػندثٌص خًزهً 2D بىل مطفىفص ؤكديًص خًزهً .1D مصبلُ : )]]a = np.array([[1,2], [4,5 )(a.ravel ][1 2 4 5
هند كمند رظلىًٍ خملطفىفص ػندثٌص خًزهً 2Dبىل 1Dكظى نٔظؿٌو خًلطىي نىل بكًخػٌدض x ًىكًهد وبكًخػٌدض ًyىكًهد ًنمَُهد ًظدرو َٓم خًًوخثُ.
ذ
271
OpenCvببساطة ملذمخُبىل(Scale-Invariant Feature Transform(ُSIFT امهذف:
ٓنظهُف نىل هىخَِمٌص .SIFT طهٌم بًـدي خًنلدؽ خًُثٌٌٔص ًـ SIFTو مىخضفدطهد. ذ
امنظشيُ : يف خًفطٌٍن خًٔدرلٍن شدهًند رهؼ موظشفدض خًّوخًد هموظشف هدًَٕ ،وشدهًند هٌف ؤن مٌّخض خًطىَش همٌّش خًّؤوًص طزلى هٌل هٍ ننً طًوًُ خًطىَش ،ؤي ؤن خًّؤوًص ال طظإػُ ردًظًوًُ ،وًون مد خًٍي ًلًغ ملٌّش خًّؤوًص بٌخ يًنند كـم خًطىَش؟ خًـىخذ ٌنون ؤن ططزم ًٌٔع رّؤوًص ،فهىل ٓزٌٍ خملؼدي شدهً خًطىَش خًظدًٌصٓ ،ظشدهً ِؤوًص يف ضىَش ضًًنش يخهٍ ندفٍش ضًًنش (خًندفٍش متؼٍ خًلندم) .بٌخ كمند رظوزًن خًطىَش مو خالكظفدف رنفٕ كـم كندم خًندفٍش ٓظهظرب مٔؿلص ؤي ًٌٔع رّؤوًص .وهٍخ ًًي نىل ؤن ِوخًد هدًَٕ طظإػُ ننً طًًن كـم خًطىَش. ذ ذ
ذ
رٔزس مشوٌص طإػُ ِوخًد هدًَٕ ننً طًًن خًلـم ،كدَ خملؿىَون رةًـدي هىخَِمٌص ؿًًًش طلدفل نىل مٌّش خًّوخًد ننً طًًن خًلـم وؤؾٌلىخ نٌٌهد غمن ؤوَخق خًزلؽ خٓم ( SIFTخهظطدَ ًوٌمص: مٌّش خًظلىًٍ خًؼدرظص خًلـم) طظإًف هٍه خًوىخَِمٌص من ؤَرو مُخكٍ وهٍ: خهظشدف خًلٌمص خًهكمى ًٌلـم. طلًًً خًنلدؽ خألٓدٌٓص خًظٍ متؼٍ خًّوخًد. طهٌٍن خالطـده (إلِخًص طإػًنخض خًًوَخن وخًلـم). بنشدء وخضف (ردٓظوًخَ خملوؿؿدض خًزٌدنٌص ًالطـدهدض). ذ
OpenCvببساطة
272
-1ؿؽتشفذاؾؼقؿةذاؾعظؿىذؾؼقاسذاحلجم ): (Scale-space Extrema Detection
من خًىخغم من خًطىَش خًٔدرلص رإنند ال نٔظؿٌو خٓظوًخَ نفٕ كندم خًندفٍش ًٌوشف نن خًنلدؽ خًُثٌٌٔص (خًّوخًد) خًظٍ يف خًطىَ ٌخض خألكـدَ موظٌفصٌ .نون خٓظوًخَ نفٕ خًندفٍش ًٌوشف نن خًّوخًد خألضًُ من خًندفٍش ،وًون ًٌوشف نن خًّوخًد خًوزًنش ٓنلظدؾ ًندفٍش ؤهربً ،هٍخ ًظم خٓظهٌلي مُشم كٌدْ خًلـم ( .)Scale-spaceوخًٍي ًهظمً نىل بًـدي الرالٌٓدن خًًإويس(ًٌ )LoGطىَش مو كٌم كـم موظٌفص ًٌطىَش (𝜎). الرالٌٓدن خًًإويس ًهمٍ هموظشف ًٌنلدؽ ،رلٌؽ ًوظشف خًنلدؽ كظى وًى طم طًًٌن كـم خًطىَش. روٌٌلض موظرصش 𝜎 ،متؼٍ مهدمٍ خًلٌدْ(خًلـم) ،نىل ٓزٌٍ خملؼدي يف خًطىَش خًٔدرلص رظؿزٌم خًلندم خًًإويس نىل كـم ضًًن ًٌطىَش ٓنلطٍ نىل كٌمص ندًٌص ألضًُ ِؤوًص ،رٌنٌل بٌخ ؾزلند رب خًلندم خًًإويس نىل نفٕ خًطىَش وًون رلـم ؤهرب ٓنلطٍ نىل كٌمص طظندٓس متدمد مو هِ َ ْ خًّؤوًص. ًًٍى ٌنونند بًـدي ؤهرب كٌمص كدًٌص ًٌلٌدْ وخًلـم ،ننًهد ٓنلطٍ نىل كدمئص من خًلٌم (x , y , )𝜎 وخًظٍ طهنٍ وؿىي نلدؽ ِوخًد ملظمٌص ننً خإلكًخػٌص ) (x , yننً خًلـم 𝜎 .وًون هٍه خًهمٌٌص طٔظهٌى وكعًًٍ ،ى ٓنٌـإ الٓظوًخَ خًفُق خًًإويس يف هىخَِمٌص SFITألن هٍخ خألمُ ًهً ؤرٔـ وًون ًلىَ ردملهمص خملؿٌىرصً .ظم هٍخ خألمُ نن ؾًُم ؾُق خًظشىًش خًًإويس (ًٌ )Gaussian blurringطىَش رلـمٍن موظٌفٍن ًٌطىَش .هٍه خًهمٌٌص طظم نىل كٌم ٌتدنٌص موظٌفص ًٌطىَش يف خًهَُ خًًإويس ،وهٍخ ًظمؼٍ يف خًطىَش خًظدًٌص: ذ ذ ذ ذ ذ ذ
number of octaves= 4، number of scale levels = 5
273
OpenCvببساطة
رهً بًـدي خًفُق خًًإويس (ً )DoGظم خًزلؽ نن خًلٌمص خًهكمى خًلدًٌص غمن خملٔظىًدض خملوظٌفص ،فهىل ٓزٌٍ خملؼدي ًظم ملدَنص رٌؤٍ وخكً مو 8رٌؤالض مـإوَش ًه وًظم ملدَنظه ؤًػد مو 9رٌؤالض من خملٔظىي خًٍي رهًه ومو 9رٌؤالض من خملٔظىي خًٍي كزٌه ،ويف كدًص وؿىي هٍه خًلٌمص خًهكمى هندن خكظٌلًٌص خن طوىن خًنلدؽ خًُثٌٌٔص متؼٍ ِؤوًص. وهٍخ ًهنٍ رشوٍ ؤٓديس رإن خًنلدؽ خًُثٌٌٔص هٍ ؤفػٍ ممؼٍ ننً طًًن كـم خًطىَش ،وهٍخ مد طىغله خًطىَش خًظدًٌص:
ذ -2حتدقدذاؾـؼاطذاألدادقةذ()Keypointذاؾيتذمتثلذاؾزواقا:
رهً بًـدي خًنلدؽ خًُثٌٌٔص خمللظمٍ ؤن طوىن ِوخًدً ،ـس خًلٌدَ رظطفٌظهد ًٌلطىي نىل خًنلدؽ خألهًت خكظٌلالً ؤن طوىن ِوخًد ،وًظم هٍخ مبٔدنًش منشىَ طدًٌىَ ،وًٌى نرب طلًًً نظزص مهٌنص ًٌلٌم خًهكمى وؤي كٌمص طوىن ؤكٍ من هٍه خًهظزص طُفؼ ،وطًنى هٍه خًهظزص رهظزص خًظزدًن .contrastThreshold خًفُق خًًإويس ًًً DoGه كٔدٌٓص ندًٌص ًٌلىخف ًًٍى ًـس بِخًظهدً ،هٍخ ًظم خٓظوًخَ مفهىَ مشدره ملوظشف ِوخًد هدًَٕ ،وًٌى نن ؾًُم خٓظوًخَ مطفىفص )H( 2x2 Hessianوخًظٍ طلدَن خًلٌم خًٍخطٌص ًٌنلدؽ ،فةٌخ هدن خًندطف ؤهرب من نظزص مهٌنص طًنى edgeThresholdيف OpenCvفةنه ًظم شؿس خًنلؿص ،وردًظديل فةن خًنلدؽ خًزدكٌص هٍ خًنلدؽ خملهمص خًلىًص. ذ
OpenCvببساطة
274
-3اجتاهذاؾتعقنيذ:Orientation Assignment
خآلن ًظم طهٌٍن خالطـده ًوٍ من خًنلدؽ خًُثٌٌٔص ًظللٌم خًؼزدض ؤًػد وًون هٍه خملُش ننً طًوًُ خًطىَشً .ظم ؤهٍ خملنؿلص خملـإوَش كىي مىكو خًنلدؽ خًُثٌٌٔص وًٌى خنظٌليخ نىل خًلـم .وًظم كٔدذ ملًخَ خًظًَؾ وخطـدهه يف طٌى خملنؿلصً .ظم خنشدء موؿـ رٌدين ًٌظىؿه ًه 36رن ( )BIN طشمٍ 455يَؿص .طإهٍ كٌمهد رلٔس ملًخَ خًًوَخن وخًندفٍش خًًخثًُص خًًإوٌٓص خًىِن مو 𝜎 طٔإوي 8.0مُش من كـم خًنلدؽ خًُثٌٌٔصً .ظم ؤهٍ ؤنىل كمص يف خملوؿـ خًزٌدين وؤي كمص فىق ً 80%ظم ؤهٍهد رهٍن خالنظزدَ ًلٔدذ خًظىؿه .بنه ًنشإ نلدؽ ؤٓدٌٓص رنفٕ خملىكو وخًلـم وًون ردطـدهدض موظٌفص ،وهٍخ ًفًٌ يف خٓظلُخًَه خملؿدرلص. -4واصفذاؾـؼطةذاؾرئقدقة:
خآلن ًظم بنشدء وخضف ًٌنلؿص خًُثٌٌٔص .وًوىن رلـم 16x16وكىي خًنلؿص خًُثٌٌٔصً .ظم طلٌٔمه بىل 85مُرو فُنٍ رلـم .4x4وًوٍ منهد ًظم بنشدء موؿـ رٌدين رـ 8رن ًًٌوَخنًًٍ .ى ًىؿً 848رن ًٌلندم خًوًل .متؼٍ هٍه خًزندض ( )BINSرشهدم ًىضف خًنلؿص خًُثٌٌٔص .ردإلغدفص ًًٍى ًظم خطودٌ نًش طًخرًن ًٌظللم من كىطهد ننً كًوغ طًًنخض يف خإلغدءش وخًًوَخن. -5ؿطابؼةذاؾـؼطةذاؾرئقدقة:
ًظم مؿدرلص خًنلدؽ خًُثٌٌٔص رٍن ضىَطٍن نن ؾًُم طلًًً ؤكُذ خًنلدؽ خملـإوَش .وًون يف رهؼ خًلدالض كً ًوىن هندن مؿدرلظدن كًُزظدن ؿًخ من رهػهٌل .وهٍخ كً ًلًغ رٔزس خًػـٌف ؤو ألٓزدذ ؤهُي ،ويف هٍه خًلدًص طإهٍ نٔزص ؤكُذ مٔدفص بىل ػدين ؤكُذ مٔدفص ،..فةٌخ هدنع ؤهرب من ً 5.8ظم َفؼ خًنظٌـص ،وهٍخ ًًٍّ 90%من نظدثف خملؿدرلص خًودؾجص رٌنٌل ًُؿو 5%من نظدثف خملؿدرلص خًطلٌلص. هٍخ هى مٌوظ هىخَِمٌص SFITوًظفدضٌٍ ؤهًت ٌنونى خًهىيش ألوَخق خًزلؽ خًودضص رهٍه خًوىخَِمٌص طٍهُ رإن هٍه خًوىخَِمٌص ًهد كلىق نٍسًًٍ ،ى هٍ يف خًلٔم خًًًن مـدين ًـ .OpenCv هىخَِمٌص SFITيًن مـدنٌص ًًٍى ٓنالكل رإنهد مىؿىيش يف خضًخَ OpenCvخًلًًم v2ؤمد يف خإلضًخَ خألكًغ v3فهٍ يًن مىؿىيش. ذ
275
ببساطةOpenCv ُ :OpenCvُُيفSIFT
ًنزًؤ مو خًنلدؽ خألٓدٌٓص.OpenCv يف موظزصSIFTينند نزًؤ رظهٌم خًىقدثف خملظدكص ي ػم نلىَ رظمًُُ خًزٌدندض خملوظٌفص بًٌه،SFIT يف خًزًخًص نٌٌند رندء (بنشدء) ؿٔم.ونٔظفدي منهد . وكً طم ٌسق ًٌى رشوٍ ؿًٌ يف ؤوَخق خًزلؽ خًودضص رهٍه خًوىخَِمٌص،وهٍخ ؤمُ خهظٌدَي import cv2 import numpy as np img = cv2.imread('car.jpg') gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) sift = cv2.SIFT() kp = sift.detect(gray,None) img=cv2.drawKeypoints(gray,kp) cv2.imwrite('sift_keypoints.jpg',img)
cv2.imshow('image',img) cv2.waitKey() cv2.destroyAllWindows()
ذ
ُ :امنرٌعخ
ذ
276
OpenCvببساطة رشػُامكىدُ : ؤوالً كمند رلُخءش خًطىَش ػم كمند رظلىًٌهد ملٔظىي خًٌىن خًُمديي. )(sift = cv2.SIFT
ذ
ػم كمند رةنشدء ؿٔم هىخَِمٌص SFITوًٌى نن ؾًُم خًظدرو )(.cv2.SIFT )kp = sift.detect(gray,None
ذ
خًظدرو )(ً sift.detectىؿً خًنلدؽ خًُثٌٌٔص خًظٍ يف خًطىَشٌ .نونى متًُُ كندم بٌخ ؤَيض خًزلؽ ننهد فلـ يف ؿّء ملًي .هٍ نلؿص َثٌٌٔص ًهد طُهٌس هدص وهٍ طلىي نىل خًهًًً من خًوطدثظ مؼٍ خإلكًخػٌدض ) ،(x,yوكـم خًـىخَ ٌو خملهنى ،وخًّؤوًص خًظٍ طلًي خالطـده، وخالٓظـدرص خًظٍ طلًي كىش خًنلدؽ خًُثٌٌٔص. )img=cv2.drawKeypoints(gray,kp ذ
موظزص OpenCvؤًػد طىفُ ًند خًظدرو )( cv2.drawKeyPointsوخًٍي ًلىَ رُٓم يوخثُ ضًًنش يف مىخكو خًنلدؽ خًُثٌٌٔص .بٌخ مَُض خًهٌم ً cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTSهٍخ خًظدرو ٓىف ًُٓم يخثُش رلـم خًنلؿص خألٓدٌٓص وٌٓهُع ؤًػد خالطـده .شدهً خملؼدي خًظديل. )img=cv2.drawKeypoints(gray,kp,flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS
ذ
OpenCvببساطة
277
خآلن ًنلٔس خًىضف .موظزص OpenCvطىفُ ًند ؾًُلظٍن ًٌلٌدَ رلٔدذ خًىضف: .8مبد ؤنند ٓدرلد ؤوؿًند خًنلدؽ خًُثٌٌٔصٌ ،نونى بٌخ ً خٓظًندء خًظدرو )( sift.computeوخًٍي ًلٔس خًىضف من هالي خًنلدؽ خًُثٌٌٔص خًظٍ ؤوؿًندهد .مؼٍkp,des = : ).sift.compute(gray,kp .4بٌخ مل طلم رةًـدي خًنلدؽ خًُثٌٌٔص من كزٍ ،ننًهد ٌنونى بًـدي خًنلدؽ خًُثٌٌٔص وخًىضف يف هؿىش وخكًش من هالي خًظدرو )( . sift.detectAndComputeوًٌى هٌل يف خًوىي خًظديل: )(sift = cv2.SIFT )kp, des = sift.detectAndCompute(gray,None
هند kpمتؼٍ كدمئص(مطفىفص) ردًنلدؽ خألٓدٌٓص ،و desمتؼٍ مطفىفص من خًشوٍ <نًي خًنلدؽ خًُثٌٌٔص × ًًٍ >48ى ٓنلطٍ نىل خًنلدؽ خألٓدٌٓص وخًىضف .ويف خًفطىي خًلديمص ٓنظهٌم هٌف نؿدرم رٍن خًنلدؽ خًُثٌٌٔص يف ضىَ موظٌفص. ذ
OpenCvببساطة
278
ذ
ملذمخُ : بن مٌّش SIFTؿًٌش ،وًونهد يًن رسًهص مبد فٌه خًوفدًصًًٍ ،ى طم خنشدء نٔوص ؤرسم وؤؾٌم نٌٌهد خٓم SURF امهذفُ : ٓنظهٌم ؤٓدٌٓدض .SURF ٓنظهٌم خٓظوًخَ طىخرو SURFيف .OpenCv ُ ملذمخُنظشًخُ : يف خًفطٍ خًٔدرم شدهًند هٌف ؤن هىخَِمٌص SFITطفًٌند يف طلًًً خًنلدؽ خًُثٌٌٔص وخًىضف، وًونهد هدنع رؿٌجص نٔزٌدً وخملٔظوًَ رلدؿص ًنٔوص ؤرسمًًٍ ،ى كدَ نًش مؿىًَن رةًـدي نٔوص ؿًًًش مرسنص وؤؾٌلىخ نٌٌهد غمن ؤوَخق خًزلؽ خًودضص رهم خٓم Speeded Up " SURF ."Robust Features يف SFITشدهًند هٌف طم طلًُس الرالٌٓدن خًًإويس رةًـدي خًفُق خًًإويس إلًـدي كـم خًطىَش، (ًٌظٍهًن :الرالٌٓدن خًًإويس ًهمٍ هموظشف ًٌنلدؽ خًُثٌٌٔص رلٌؽ ًوظشف هٍه خًنلدؽ كظى وًى طًًن كـم خًطىَش) ؤمد يف SURFفظم طزٌٔـ هٍخ خألمُ ؤهًت رلٔدذ خملُشم خًطنًوكٍ. خًطىَش خًظدًٌص طىغم هٍخ خًظلًُس .خملٌّش خًىكًٌش ًهٍخ خًظلًُس رإنه ننً خًلٌدَ رؿٍ خًطىَش مو خملُشم خًطنًوكٍ فةنه ٌنون رٔهىًص كٔدره نن ؾًُم مودمٌص خًطىَ .وٌنون ؤن ًلٔس رنفٕ خألمُ من ؤؿٍ ؤكـدَ موظٌفص .وطهظمً SURFؤًػد نىل خًهىخمٍ خمل ُ َل ًَيش ملطفىفص هٌٌٔدن ً Hessianوٍ من خملىغو وخًلٌدْ.
279
OpenCvببساطة
ذ
ًلٔدذ خالطـده ،طٔظوًَ SURFخالٓظـدردض خملىؿٌص ( )wavelet responsesيف هٍ من خالطـدهٍن خألفلٍ وخًهمىيي ورـىخَ رلـم 5ؤغهدف خًلٌدْ ) ،)6Sونؿزم ؤًػدً خألوِخن خًًإوٌٓص خملندٓزص نىل ًٌى .ػم ًظم َٓم خًندطف هنلدؽ يف خًفػدء هٌل هى وخغم يف خًطىَش خًظدًٌص. وًظم طلًًُ خالطـده خًًدًس نن ؾًُم كٔدذ مـمىم هٍ خالٓظـدردض غمن ِؤوًص مظًًنش رلٌمص 55يَؿص. خًيشء خملؼًن ًالهظٌلَ هى ؤن خالٓظـدرص خملىؿٌص ٌنون بًـديهد رٔهىًص ردًًص ننً ؤي كـم ًٌطىَش. يف خًهًًً من خًظؿزٌلدض ػزدض خًًوَخن يًن مؿٌىذ ًًٍى ال كدؿص إلًـدي هٍخ خًظىؿه ،مٌل ًايي ًظرسًو ِمن طنفٌٍ خًوىخَِمٌص. ً SURFىفُ وقٌفص طًنى Upright-SURFؤو يَؿص. U-SURFطلٔن خًرسنص ،وهٍ فهدًص ًلىخيل يف موظزص OpenCvهندن نٌم (ردَخمرت) ًلًي هٍ نٔظوًمهد ؤَ ال ،فةٌخ هدنع كٌمص خًهٌم 5 ٌٓلٔس خًظىؿه ،وبٌخ هدنع كٌمص خًهٌم ً 8ن ًلٔس خًظىؿه وردًظديل ٌٓوىن ؤرسم.
280
OpenCvببساطة
ردًنٔزص ًىضف خملٌّخض SURF ،طٔظوًَ خالٓظـدرص خملىؿٌص يف خالطـده خألفلٍ وخًهمىيي (نٔظوًَ مظودمٌص خًطىَش مُش ؤهُي ًـهٍ هٍخ ًظم رٔهىًص). طإهٍ خًنلدؽ خملـإوَش كىي خًنلدؽ خألٓدٌٓص ردًلٌدْ 20s×20sكٌؽ ٌ sنؼٍ خًلٌدْ .ػم طلٔم نىل 4×4ملؿو فُنٍ .ػم نإهٍ خالٓظـدرص خألفلٌص وخًهمىيًص ًوٍ منؿلص فُنٌص ،ونشوٍ مظـهص (شهدم) مؼٍ هٍخ ∑ ∑ | |∑ | |∑ . ننًمد ًظم متؼٌٌهد مبظـهصً ،هؿٍ SURFمٌّش وضف رـ 53رهً .وًون هٌٌل كٌٌندهد كطٌند نىل رسنص ؤهًت وًون نىل كٔدذ خًًكص. و | | ًلٔس | ًلٔس رشوٍ
ًٌلطىي نىل يكص ؤهربٌSURF ،نٌى منـ آهُ ًٌىضف رـ 848رهً .ؿمو و| .ورشوٍ مشدره ،ؿمو و رشوٍ منفطٍ ننًمد منفطٍ وفلدً إلشدَش . وردًظديل ننً مػدنفص نًي خملٌّخض ال ًػدف نمٌٌدض كٔدرٌص مهلًش. موظزص OpenCvطىفُ ًند خًهمٍ نىل هال خًنمؿٍن وًٌى رػزـ كٌمص خًهٌم رٍن 5و ،8رلٌؽ خًهٌم 5 ًىغو ردًنٔزص ًـ 53رهً ،ؤمد خًهٌم 0فٌىغو ردًنٔزص ًـ 848رهً( .ننً نًَ وغو ؤي كٌمص ًٌهٌم ًوىن رشوٍ خفرتخيض .)848 هندن طلٍٔن آهُ وهى ردٓظوًخَ بشدَش الرالٌٓدن (ؤػُ مطفىفص هٌٌٔدن ... )Hessianوهٍخ ال ًًًّ ال ؤػندء خالهظشدف ،وهٍه خإلشدَش طىغم خًوٌفٌدض خًهدمتص وَخء خًظهلًٌ خًلٔديب ألنه ملٔىذ ؤض ً خألؿٔدَ خًزٌػدء ؤو ردًهوٕ ،وننً خملؿدرلص فلـ ٓنلدَن خملٌّخض فٌٌل بٌخ هدنع متٌى نفٕ خًظزدًن (هٌل هى مهُوع يف خًطىَش خًظدًٌص) .هٍه خملهٌىمدض خًلٌٌٌص طٔمم رظرسًو نمٌٌص خملؿدرلص ،يون خًظلٌٌٍ من ؤيخء خًىضف.
ذ
281
OpenCvببساطة
روٌٌلض موظرصش ،بن SURFطهؿٍ خًهًًً من خملٌّخض يف هٍ مُكٌص ،كٌؽ ًكهُ خًظلٌٌٍ رإنهد ؤرسم رلىخيل 4ؤغهدف من ،SFITرٌنٌل خأليخء ٌندػٍ .SFITو SURFؿًٌش ًٌظهدمٍ مو خًطىَ خملًوَش وخًػزدرٌص(خملشىشص) ،وًونهد يًن ؿًٌش يف خًظهدمٍ مو خًظًًن يف ندكٌص خًُئًص وخإلغدءش. ُSURF يفُُ :OpenCv موظزص OpenCvطىفُ وقدثف ًـ SURFمتدمد مؼٍ .SFIT يف SURFهندن رهؼ خًٍسوؽ هٌدًَص مؼٍ ضفص خًزهً 848/53 :رهً ،خالطـده :نمىيي (ؤي رًون خطـده) \ نديي (ؤي مو خطـده) .هٍ هٍه خًظفدضٌٍ ٌسكع غمن ؤوَخق خًزلؽ .ؤًظوًَ خًظدرهٍن )( SURF.compute()،SURF.detectإلًـدي خًنلدؽ خًُثٌٌٔص وخًىضف. يف خألمؼٌص خًظدًٌص ٓنظهٌم بًـدي خًنلدؽ خًُثٌٌٔص وخًىضف ونُٓمهد: ؤوال نلىَ رظلمٌٍ خًطىَش. )>>> img = cv2.imread('fly.png',0
ذ
ػم ننشإ ؿٔم ٌ .SURFنونى طلًًً خًزدَخمرتخض الكلد هند غزؿند نظزص مطفىفص هٌٌٔدن رـ .355 )>>> surf = cv2.SURF(400
ذ
نىؿً خًنلدؽ خألٓدٌٓص وخًىضف رشوٍ مزدٌس )>>> kp, des = surf.detectAndCompute(img,None )>>> len(kp
Out: 699
ذ ذ
599نلؿص نًي غوم ًٌُٓم ًًٍى نًًّ خًهظزص ًنطٍ ًـ 05نلؿص ،وًون ننً خملؿدرلص ٓنلظف هٍ هٍه خًنلدؽ وًون ًٌٕ خآلن. >>> print surf.hessianThreshold
ذ
Out: 400.0
ذ
ٓنـهٍ كٌمص خًهظزص مؼال .05555طٍهُ هٍخ فلـ ًُٓم خًنلدؽ نىل خًطىَش.
282
ببساطةOpenCv
>>> surf.hessianThreshold = 50000 >>>kp, des = surf.detectAndCompute(img,None)
ذ
>>>print len(kp) Out: 47
. ًًٍى ٓرنٓمه نىل خًطىَش05 خًهًي مندٓس ؤكٍ من ذ
>>> img2 = cv2.drawKeypoints(img,kp,None,(255,0,0),4) >>> plt.imshow(img2),plt.show()
ذ
ذ
ػم نفلظ نٌم.) (خًطىَش خًظدًٌص طىغم ًٌى. ًًٍى ًن طـً هندن خطـدهU-SURF خآلن ٓنؿزم (هٍخ ًهنٍ نًَ وؿىيTRUE نـهٌهدFalse فةٌخ هدنع كٌمظه،خالطـده ونظإهً هٍ هى نمىيي ؤَ ال .)خطـده ذ
>>> print surf.upright False
ذ
>>> surf.upright = True
283
OpenCvببساطة نهًٌ كٔدذ مٌّخض خًظلدؽ ونُٓمهد.
)>>> kp = surf.detect(img,None )>>> img2 = cv2.drawKeypoints(img,kp,None,(255,0,0),4 )(>>> plt.imshow(img2),plt.show
ذ ذ
شدهً خًنظٌـص ٓرتي رإن ؿمٌو خالطـدهدض خملهُوغص هٍ رنفٕ خالطـده .هٍخ ًهؿٍ رسنص يف وكع خًظنفٌٍ ؤهًت من خًٔدرم.
ذ
ؤهًنخ ً ٓنفلظ كٌدْ خًىخضف ونًًنه بىل 848رهً فلـ بٌخ هدن خًزهً -53رهً .ػم نىؿً كٌدْ خًىخضف. )(>>> print surf.descriptorSize Out:64
هٍخ ًهنٍ ؤن كٌمص نٌم "خًظمًًً" كٌمظه هٍ .FALSE
>>> surf.extended Out: FALSE
مبد ؤن كٌمص خًهٌم FALSEفنـهٌهد ً TRUEنلطٍ نىل وضف ذ -848رهً.
ذ
ذ
284
OpenCvببساطة
>>> surf.extended )>>>kp, des = surf.detectAndCompute(img,None )(>>>print surf.descriptorSize
ذ Out: 128 >>> print des.shape
الذتـدىذبلنذؼدمذادلطابؼةذدـؼومذبهذيفذػصلذآخر.
(Out:)848 ،37
هٍ ؾُق خملٌّخض خًٔدرلص ؿًٌش يف رهؼ خألكٌدن ،وًونهد ًٌٔع رسًهص مبد فٌه خًوفدًص كظى طهمٍ مو خًظؿزٌلدض خًظٍ طهمٍ ردًىكع خًللٌلٍ )مؼٍ خًٌٔدَش ٌخطٌص خًلٌديش ،وطهلس ؿٔم يف خًىكع خًللٌلٍ مؼٍ ًىكص خملُهزدض خملودًفص...... ،خًى)ًًٍ ،ى طم بًـدي هىخَِمٌص FASTوخًظٍ طهمٍ يف خًىكع خًللٌلٍ .Real-time امهذفُ : ٓنفهم ؤٓدٌٓدض هىخَِمٌص .FAST ٓنىؿً خًّوخًد ردٓظوًخَ طىخرو OpenCvخًودضص روىخَِمٌص .FAST ملذمخُنظشًخُ : ؿقزةذاالؽتشافذبادتخدامذ :FASTذ
.8خهرت رٌؤٍ 𝑝 يف خًطىَش كٌؽ ٌٓظم طهًُفه هنلؿص ؤٓدٌٓص ؤو يًن ؤٓدٌٓص .وًظون شًش خًزٌؤٍ 𝑝𝐼. .4كًي كٌمص نظزص مندٓزص 𝑡. .4خنظرب ؤن هندن يخثُش رـ 85رٌؤٍ كىي خًزٌؤٍ (شدهً خًطىَش خًظدًٌص).
OpenCvببساطة
285
.3خًزٌؤٍ 𝑝 ًوىن ِؤوًص بٌخ ُو ِؿ ًَ مـمىنص 𝑛 من خًزٌؤالض خملظـإوَش يف خًًخثُش (من خًـ (هٌل هى مزٍن يف خًطىَش، 85رٌؤٍ) رلٌؽ طوىن هٌهد ؤٓؿو من 𝑡 𝐼𝑝 +ؤو ؤنظم من ٓظـً هؿىؽ مظلؿهص رٌػدء) .هند طم خهظٌدَ 𝑛 ًظوىن .84 .0طم خكرتخق خهظزدَ خًرسنص خًهدًٌص high-speed testالٓظزهدي نًي هزًن من خًنلدؽ خًظٍ ًٌٔع رّؤوًص .وهٍخ خالهظزدَ فلـ ًفلظ ؤَرهص رٌؤالض وهٍ (1 , 9 ,5 ,13ؤوال ًفلظ خًزٌؤٍ 8و 9فٌٌل بٌخ هدند ٓدؾهٍن ؤَ ندمتٍن .بٌخ هدن هًٍى ًفلظ 0و .)84كظى ًوىن خًزٌؤٍ 𝑝 ِؤوًصً ،ـس ؤن ًوىن ػالػص من هٍه خًزٌؤالض نىل خألكٍ ؤهًت ٓؿىند من 𝑝𝐼 ،وبال فٌن ًوىن خًزٌؤٍ 𝑝 ِؤوًص .هٍخ خملوظشف رلً ٌخطه ؤيخثه 𝑡 +ؤو ؤيمم من نديل ،وًون هندن نًش نلدؽ غهف. ؤوي ػالغ نلدؽ طظلًي ردٓظوًخَ طلنٌدض طهٌٌم خألًص .وطلٍ ردٓظوًخَ خإلهٌلي خال ؤنكمٍ. املنخصُ : هٍه خًوىخَِمٌص ؤرسم رهًش مُخض من موظشفدض خًّوخًد خًٔدرلص ،وًونهد ال طظلمٍ مٔظىًدض ندًٌص من خًػـٌف .وهٍه خًوىخَِمٌص طهظمً نىل خًهظزص. ُFAST يفُُ :OpenCv ًٔ FASTظًنى هإي موظشف مٌّخض آهُ يف .OpenCvكٌؽ ٌنونى طلًًً كٌمصخًهظزص، وٌنونند طؿزٌم خإلهٌلي خًًًن ؤنكمٍ ؤو نًَ طؿزٌله ،وخًـىخَ خًىخؿس خٓظوًخمه ،وًه ػالػص ؤنالَ وهٍ: cv2.FAST_FEATURE_DETECTOR_TYPE_5_8
286
ببساطةOpenCv
cv2.FAST_FEATURE_DETECTOR_TYPE_7_12 cv2.FAST_FEATURE_DETECTOR_TYPE_9_16
.FAST خًوىي خًظديل ًزٍن هٌف نوظشف ونُٓم خًنلدؽ خملٌّش يف import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('Writing.jpg') # Initiate FAST object with default values fast = cv2.FastFeatureDetector() # find and draw the keypoints kp = fast.detect(img,None) img2 = cv2.drawKeypoints(img, kp, color=(255,0,0)) # Print all default params print "Threshold: ", fast.getInt('threshold') print "nonmaxSuppression: ", fast.getBool('nonmaxSuppression') #print "neighborhood: ", fast.getInt('type') print "Total Keypoints with nonmaxSuppression: ", len(kp)
# Disable nonmaxSuppression fast.setBool('nonmaxSuppression',0) kp = fast.detect(img,None) print "Total Keypoints without nonmaxSuppression: ", len(kp) img3 = cv2.drawKeypoints(img, kp, color=(255,0,0)) cv2.imshow('max Suppression',img2) cv2.imshow(' non max Suppression',img3) cv2.waitKey() cv2.destroyAllWindows()
ذ ذ
287
OpenCvببساطة
ذافدذاؾـتقجة:ذاؾصورةذاؾيتذعؾىذاؾقدارذتعرضذFASTذؿعذاإلمخادذاؾغريذأعظؿي,ذبقـؿاذاؾصورةذاؾيتذعؾىذاؾقؿنيذ تعرضذFASTذبدونذاإلمخادذاؾغريذأعظؿي.
ذ
ذ
ذ
(ُBRIEFاملٌضادُاالترذائٌخُاملعرلنخُاملىًخُامصنبئٌخ) ُ ملذمخُ : رٔزس خٓظهالن خًٍخهُش خًوزًن من كزٍ SIFTطم بًـدي BRIEFخًظٍ طىفُ يف خًٍخهُش وطهؿٌند رسنص ؤهرب ردملؿدرلص. امهذفُ : يف هٍخ خًفطٍ ٓنظهٌم ؤٓدٌٓدض هىخَِمٌص .BRIEF ملذمخُنظشًخُ : نلن نهٌم رإن SFITطٔظوًَ -848رهً شهدم ًٌىضف .ألنهد طٔظهمٍ ؤَكدَ ًٌنلدؽ من نىم ،float طإهٍ رشوٍ ؤٓديس 084ردًع .رشوٍ مشدره SURFؤًػد طإهٍ ؤكٍ يشء 405ردًع (من ؤؿٍ -53 رهً) .بنشدء مؼٍ هٍه خًشهدم آلالف خملٌّخض ًٔظهٌى خًوؼًن من خًٍخهُش وهٍخ يشء يًن نمًل وهدضص يف خألنكمص خملًمـص وخًظٍ طوىن ٌخهُطهد ملًويش .وهٌٌل هدنع خًٍخهُش خًظٍ خٓظهٌوندهد ؤهرب ننًهد نمٌٌص خملؿدرلص ٓظإهٍ وكع ؤؾىي.
OpenCvببساطة
288
وًون هٍ هٍه خألرهدي كً ال ًوىن هندن كدؿص بًٌهد ننً خملؿدرلص خًفهٌٌصًًٍ .ى ٌنونند ؤن نػًؿهد رهًش ؾُق مؼٍ PCAو .LDAوهندن ؾُق ؤهُي مؼٍ خًظـّثص ردٓظوًخَ ( LSHخًظـّثص خًلٔدٓص خمللٌٌص) وطٔظوًَ ًظلىًٍ ضفدض SFITمن ؤَكدَ ًٌنلدؽ من نىم floatبىل ٓالٍٓ ػندثٌص .binary stringsهٍه خًٔالٍٓ خًؼندثٌص طٔظوًَ ملؿدرلص خملٌّخض ردٓظوًخَ مٔدفص خملزدًًص .Hamming distanceوهٍخ ًهؿٌند رسنص ؤفػٍ ،ألن بًـدي خملٔدفص خملزدًًص ًٔظهمٍ فٌه فلـ XORونًخي ًٌزٌع ،bit countوخًظٍ طوىن رسًهص ؿًخ يف خملهدًـدض خًلًًؼص مو طهٌٌٌلض .SSEوًون هند ٓنلظدؾ إلًـدي خألوضدف يف خًزًخًص ،وفلـ ننًثٍ ٌنونند طؿزٌم نمٌٌص خًظـّثص، وهٍخ ال ًايي ًلٍ مشوٌص خٓظهالن خًٍخهُش خًظٍ وخؿهظند يف خألوي. BRIEFطّويند ردهظطدَ إلًـدي خًٌٌٔٔص خًؼندثٌص رشوٍ مزدٌس رًون بًـدي خألوضدفً .إهٍ ضىَش مهٍرص ًٌظطلٌم وًوظدَ مـىنص من ) 𝑛𝑑 (x,yؤِوخؾ خملىكو رؿًُلص فًًُش من نىنهد (وهٍخ خألمُ مىغم غمن ؤوَخق خًزلؽ خًودضص روىخَِمٌص .)BRIEFػم طظم ملدَنص شًش رهؼ خًزٌؤالض ننً هٍه خألِوخؾ .نىل ٓزٌٍ خملؼديًٌ ،ون يف خًزًخًص مىغو خألِوخؾ 𝑝 و𝑞 .بٌخ هدنع شًش خًزٌؤٍ 𝑝 ؤهرب من شًش خًزٌؤٍ 𝑞 ننًهد خًنظٌـص ٓظوىن ،8ويًن ًٌى ٓظوىن خًنظٌـص .5وهٍخ ًؿزم نىل هٍ مىخغو خألِوخؾ 𝑑𝑛 ًنلطٍ نىل ؤرهدي 𝑑𝑛 ٌٌٓٔص خًزع. وًىفُ هٍه خًـ 𝑑𝑛ٌنون ؤن طوىن 848ؤو 405ؤو ،084وموظزص OpenCvطًنم هٍ هٍخ ،وًون رشوٍ خفرتخيض ٓىف طوىن ( 405موظزص OpenCvمتؼٍ ًٌى يف ردًظدضًًٍ ،ى خًلٌمص ٓظوىن 85 و 44و .)53كظى ننًمد طلطٍ نىل هٍخ ٌنونى خٓظوًخَ خملٔدفص خملزدًًص ملؿدرلص هٍه خألوضدف. هندن نلؿص هدمص وهٍ رإن BRIEFوخضف خملٌّخض ،ال ًّويند رإي ؾًُلص إلًـدي خملٌّخضًًٍ ،ى ًـس ؤن نٔظهمٍ ؤي موظشف ًٌمٌّخض مؼٍ .SFIT,SURF تكنٌلدُمخررصحُ:بنُُ BRIEFهىُؤرسعُػشًلخُمؽعبةُمٌضحُامىصفُواملؼبتلخُ.وًىفشُمنبُ نعثخُمتٌٌضُوذػشفُغبمٌخُمبملًُكنُامععمُذمُذذوًش ُتشكهُكثريُ .
289
ببساطةOpenCv ُ ُ :OpenCvُيفBRIEF
(ًًنىCenSurE مبٔدنًش هدشف خألوضدفBRIEF خًوىي خًظديل ًىغم كٔدذ خألوضدف ي .)OpenCv يفSTAR رودشف خًنـمصCenSurE خًودشف import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('car.jpg') # Initiate STAR detector star = cv2.FeatureDetector_create("STAR") # Initiate BRIEF extractor brief = cv2.DescriptorExtractor_create("BRIEF") # find the keypoints with STAR kp = star.detect(img,None)
# compute the descriptors with BRIEF kp, des = brief.compute(img, kp) print brief.getInt('bytes') print des.shape img2 = cv2.drawKeypoints(img, kp, color=(255,0,0)) cv2.imshow('BRIEF ',img2) cv2.waitKey() cv2.destroyAllWindows()
ذ
OpenCvببساطة
290
خًظدرو )'ً brief.getInt('bytesهؿٍ كٌدْ 𝑑𝑛 خملٔظهمٍ يف خًزدًع .رشوٍ خفرتخيض ًوىن .44 خملُكٌص خًظدًٌص خًظٍ ٓنلىَ رهد هٍ خملؿدرلص وخًظٍ ٓنظنإوًهد يف خًفطىي خًلديمص.
OpenCvببساطة
291
(ُORBمىظهُُFASTومذوسُُ (Oriented FAST and Rotated BRIEF(ُ)BRIEF
ملذمخُ:
SIFTو ً SURFلىمىن رهمٍ ؿًٌ ،وًون خملشوٌص رإنهٌل يًن مـدنٌظدن وًـس يفو رػو يوالَخض هٍ ٓنصً .لٍ هٍه خملشوٌص وفُض ًند موظزص OpenCvرًًٍ نن SIFTو SURFوهى .ORB امهذفُ:
يف هٍخ خًفطٍ ٓنظهٌم ؤٓدٌٓدض .ORB ُ مػنىمبدُنظشًخُ:
ORBرشوٍ ؤٓديس نزدَش نن يمف ملوظشف خًنلدؽ خًُثٌٌٔص FASTمو خًىخضف BRIEFمو خًهًًً من خًظهًًالض ًظلٍٔن خأليخء .يف خًزًخًص طٔظهمٍ FASTإلًـدي خًنلدؽ خًُثٌٌٔص ػم ًظم طؿزٌم ملٌدْ ِوخًد هدًَٕ ًٌهؼىَ نىل ؤفػٍ خًنلدؽ Nرٌنهم .هم ؤنهد طٔظوًَ خًهَُ ًٌلطىي نىل خملٌّخض(خًّوخًد) مو ؤكـدَ موظٌفص ًٌطىَش .وًون هندن مشوٌص وخكًش وهٍ ؤن FASTال طلٔس خًظىؿه .فٌلٌخ نفهٍ بٌخ ًنلطٍ نىل مٌّخض ػدرظص كظى وًى كمند رظًوًُ خًطىَش (ػزدض يف خًًوَخن)؟ كدَ خملؿىَ ردًظهًًٍ خًظديل ،كٌؽ كدَ رلٔدذ هؼدفص خًىِن خملظىٓـ ًٌزلهص مو خًّؤوًص خًلدًٌص خطـده خًشهدم من نلؿص خًّؤوًص بىل خملُهّ ًهؿٍ خًظىؿهً .ظلٍٔن ػزدض خًًوَخن، ننً خملُهّ. نلٔس خًهّوَ ردًنٔزص ًٌملىًَن xو yوخًظٍ ًـس ؤن طوىن يف منؿلص يخثًُص نطف كؿُهد ،r كٌؽ rهى كـم خًزلهص. خآلن ردًنٔزص ًٌىضف فةن ORBطٔظوًَ خًىخضف .BRIEFوًون هٌل شدهًند يف خًفلُش خًٔدرلص فةن BRIEFؤيخءه غهٌف ننً يوَخن خًطىَشًًٍ .ى مد ٓظفهٌه ORBهٍ طىؿٌه"BRIEF "steer
OpenCvببساطة
292
وفلد ًظىؿهدض خًنلدؽ خًُثٌٌٔصًٌ .لطىي نىل ؤي مٌّش ملـمىنص nمن خالهظزدَخض خًؼندثٌص ،نهُف مطفىفص رلـم S .2×nطلىي نىل بكًخػٌدض هٍه binary testننً خملىغو خًزٌؤالض .ػم ردٓظوًخَ خًظىؿٌه ًهٍه خًزلهصً ، 𝜃،ظم بًـدي يوَخن خملطفىفص وخإلكًخػٌدض S ًًٌوَخنً ،نلطٍ نىل خًظىؿٌه (خًًوَخن) ضًٌص 𝜃𝑆. ORBطلًَ ملًخَ ًِديش خًّؤوًص رـ
𝟑
( 84يَؿص) ،وًنشإ ؿًوي رلؽ من مندٌؾ BRIEF
خمللٔىرص ٓدرلد .ؾدملد ؤن طىؿه خًنلدؽ خًُثٌٌٔص 𝜃 مظندٓلص ننً خًهُع ،ومـمىنص نلدؽ خًظطلٌم 𝜃𝑆 ٓىف طٔظوًَ ًلٔدذ خًىضف. ٌBRIEFنٌى هدضٌص هدمص وهٍ ؤن هٍ مٌّش رع ًًًهد طزدًن (فُق) هزًن ومظىٓـ طلًُزد .5.0وًون مبـُي ؤنهد مىؿهص ؿنزد بىل ؿنس مو ؤرهدي خًنلدؽ خألٓدٌٓص ،طفلً هٍه خًودضٌص وططزم ؤهًت طىًِهدً .خًظزدًن خًهديل ًـهٍ خملٌّش ؤهًت وغىكدً ،ألن خٓظـدرظه طظًًن رشوٍ موظٌفد طزهد ًٌمًهالض. هدضٌص ؤهُي مُيىرص وهٍ ؤن طوىن خالهظزدَخض يًن مرتخرؿص رلٌؽ هٍ خهظزدَ ًٔدهم يف خًنظٌـصً .لٍ هٍ هٍهً ORB ،لىَ رظشًٌٍ خًزلؽ خًشـو رٍن ؿمٌو خالهظزدَخض خًؼندثٌص خملمونص إلًـدي خهظزدَ ػنديئ وخكً ٌنٌى طزدًن نديل وطوىن كًُزص من 5.0ردإلغدفص بال هىنهد يًن مرتخرؿص، وهٍه خًنظٌـص طًنى .rBRIEF ردًنٔزص ًىخضف خملؿدرلص LSH ،مظهًيش خالهظزدَ طلٔن من LSHخًظلًٌٌي ،وطٔظوًَ .ؤوَخق خًزلؽ طلىي بن ORBؤرسم روؼًن من SURFو ،SIFTووخضف ً ORBهمٍ رشوٍ ؤفػٍ من ORB .SURFهى هٌدَ ؿًٌ يف خألؿهّش خملنوفػص خالٓظهالن ًٌؿدكص. ذ ذ ذ
293
ببساطةOpenCv ُ :OpenCvُُيفORB
ؤوcv2.ORB () من هالي خًظدروORB هٌل يف خًهديش ًـس ؤوال بنشدء خًـٔم ًٍخ ٓننشإ ؿٔم . هٍخ خًظدرو ًلىي نىل نًي من خًزدَخمرتخض خالهظٌدًَص.feature2d خًىخؿهص خًشدثهص ٍ (نًي خملٌّخض) ؤهًت ردَخمرت مفًٌ وهى ًًي نىل ؤهرب نًي من خملٌّخض خًظ:nFeature .)055 ٌٓظم خالكظفدف رهد (خفرتخغٌد طوىن ًظطنٌفFAST (نىم خًنلدؽ) ًًي نىل مد بٌخ هدن ملطٌص خًنلدؽ ًهدًَٕ ؤو:scoreType .)ًَٕخملٌّخض (خفرتخغٌد طوىن ملطٌص خًنلدؽ ًهد .BRIEF ًظلًًً نًي خًنلدؽ خًظٍ طهؿٍ طىؿٌه هٍ ننرص من نندرص خًىخضف: WTA_K .)(خفرتخغٌد طوىن نلؿظٍن ؤي ًوظدَ نلؿظٍن يف هٍ مُش فةٌخ هدنع، خملٔدفص رٍن خًنلدؽ خًظٍ طٔظوًَ من ؤؿٍ خملؿدرلص:NORM_HAMMING ػم ًظم طهًُف.BRIEF نلدؽ إلنظدؾ خًىخضف3 ؤو4 هٍخ ًهنٍ رإنهد،3 ؤو4 WTA_K .NORM_HAMMING2 مٔدفص خملؿدرلص رـ .ORB َخًوىي خًظديل ًىغم خٓظوًخ import numpy as np import cv2 from matplotlib import pyplot as plt ذ img = cv2.imread('car.jpg') # Initiate STAR detector orb = cv2.ORB()
ذ
ذ ذ
# find the keypoints with ORB ذ kp = orb.detect(img,None) # compute the descriptors with ORB ذ kp, des = orb.compute(img, kp) ذsize and orientation # draw only keypoints location,not img2 = cv2.drawKeypoints(img,kp,color=(0,255,0), flags=0)
cv2.imshow('ORB ',img2) cv2.waitKey() cv2.destroyAllWindows()
ذ
ذ:اؾـتقجة
294
ببساطةOpenCv
ذ ذ
ُ :مشاظؼُبطبفٌخ
Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gary R. Bradski: ORB: An efficient alternative to SIFT or SURF. ICCV 2011: 2564-2571.
OpenCvببساطة
295
ذؼبتمُاملٌضادُFeature Matching
ملذمخُ : ًلً طهٌمند هؼًنخ نن مٌّش خًوشف وخًىضف ،وخآلن كدن خًىكع ًنظهٌم هٌف نؿدرم موظٌف خألوضدف .موظزص OpenCvطىفُ ًند طلنٌظٍن ًهٍخ خألمُ وهٌل: مؼبتلخُُBrute-Forceومؼبتلخُُ .FLANN based امهذفُ : ٓنظهٌم هٌف ٓنؿدرم خملٌّخض رٍن ضىَطٍن. ٓنٔظوًَ مؿدرلص Brute-Forceومؿدرلص .FLANN based أدادقاتذادلطابؼةذ :Brute-Forceذ
خملؿدرلص Brute-Forceهٍ مؿدرلص رٌٔؿص ،فهٍ طإهٍ خًىخضف ملٌّش وخكًش يف خملـمىنص خألوىل وطؿدرلهد مو مٌّخض ؤهُي يف مـمىنص ػدنٌص رةؿُخء رهؼ خًلٔدردض نىل خملٔدفص ،وؤكُذ وخكًش ًظم خهٍهد (ؤنديطهد .)return ردًنٔزص ًٌمؿدرلص ً ،BFـس نٌٌند يف خًزًخًص بنشدء ؿٔم مؿدرلص BFردٓظوًخَ خًظدروذ )( .cv2.BFMatcherهٍخ خًظدرو ًإهٍ ردَخمرتًن خهظٌدًٍَن ،خًزدَخمرت خألوي هى ،normTypeوقٌفظه طلًًً كٌدْ خملٔدفص خًظٍ ٌٓظم خٓظوًخمهد (رشوٍ خفرتخيض طوىن ،(cv2.NORM_L2هٍخ خًزدَخمرت ؿًٌ ردًنٔزص ي SFITو SURFؤمد ردًنٔزص ًٌٌٌٔٔص خًؼندثٌص خًظٍ طزنٍ خًىخضف مؼٍ ً ORB,BRIEF,RBISKنزًٍ ؤن منَُ خًلٌمص ،cv2.NORM_HAMMINGوخًظٍ طٔظوًَ
OpenCvببساطة
296
خملٔدفص خملزدًًص ًٌلٌدْ .بٌخ ORBخٓظوًمع VTA_K ==3 or 4ننًهد ًـس ؤن منَُ خًلٌمص .cv2.NORM_HAMMING2 ػدين ردَخمرت هى خملظًًن خملنؿلٍ crossCheckوطوىن كٌمظه رشوٍ خفرتخيض . FALSEبٌخ ؿهٌند كٌمظه TRUEننًهد خملؿدرم ٌٓهًٌ فلـ هٍه خملؿدرلص مو خًلٌمص ) (i,jمن خًنىم خًىخضف i-th يف خملـمىنص ،Aوخًىخضف j-thيف خملـمىنص Bهإفػٍ مؿدرلص ،وخًهوٕ ردًهوٕ. بن خملٌّطٍن يف هال خملـمىنظٍن ًـس ؤن طظؿدرم مو خألهُي. BFMatcher.match() and رهً بنشدء خًـٔم ،هندن ؾًُلظدن هدمظدن هٌل )( ،BFMatcher.knnMatchؤوي ؾًُلص طهًٌ ؤفػٍ مؿدرلص ،وػدين ؾًُلص طهًٌ kمؿدرلص ؤكٍ، كٌؽ kطظلًي من كزٍ خملٔظوًٌَ .نون ؤن طوىن مفًٌش ننًمد نلظدؾ رإن نلىَ رهمٍ بغديف نىل ًٌى. هٌل هند نٔظوًَ خًظدرو )(ًُٓ cv2.drawKeypointsم خًنلدؽٓ ،نٔظوًَ خًظدرو )( cv2.drawMatchesخًٍي ًٔدنًند نىل َٓم خملؿدرلدض .فهى ًػو خًطىَطٍن رشوٍ ؤفلٍ وًُٓم خًوؿىؽ من ؤوي ضىَش ًؼدين ضىَش ًٌكهُ ؤفػٍ خملؿدرلدض .هندن ؤًػد خًظدرو cv2.drawMatchesKnnوخًٍي ًُٓم هٍ Kألفػٍ خملؿدرلدض .بٌخ ٓ k=2ىف ًُٓم هؿٍن مؿدرلص ًوٍ نلؿص ؤٓدٌٓصًًٍ .ى ًـس ؤن منَُ كندم بٌخ ؤَيند ؤن نُٓم رشوٍ خنظلديئ. ينند نإهٍ مؼدي وخكً نىل هٍ من SURFو( ORBهٍ وخكً منهم ًٔظهمٍ كٌدٓدض مٔدفص موظٌفص). مالككص :يف هٍ خًزلؽ كم رظنطٌس opencv3.0وغو رًي خًظدرو )( ORBخًظدرو )( .ORB_create خًظدرو drawMatchesيًن مىؿىي يف موظزص OpenCvخإلضًخَ .4
ًًٍى بٌخ ؤَيض خٓظهٌلي خإلضًخَ 4من OpenCvكم روظدرص خًظدرو drawMatchesرشوٍ ًًوي هٌل هى مٍسوق يف خًُخرـ خًظديل: https://www.codementor.io/tips/5193438072/module-object-has-no-attribute drawmatches-opencv-pythonذ
ذ
OpenCvببساطة
297
ؿطابؼةذاؾؼوةذادلدقطرةذؿعذاؾواصفذ :ORBذ
هند ٓنشدهً ؤرٔـ مؼدي وهى هٌف نؿدرم خملٌّخض رٍن ضىَطٍن .يف هٍه خًلدًصًًً .ند queryImageوٓ .trainImageنلإوي بًـدي queryImageيف trainImageردٓظوًخَ مٌّش خملؿدرلص( .خًطىَ هٍ box.pngو .)box_in_scene.png ( queryimageهٍ ضىَش خًـٔم خملؿٌىذ ،و trainImageهٍ خًطىَش خًظٍ ٓنزلؽ غمنهد نن خًـٔم خملؿٌىذ).
ٓنٔظوًَ خًىخضف SFITملؿدرلص خملٌّخضًًٍ ،ى ينند نزًؤ رظلمٌٍ خًطىَش وبًـدي خألوضدف. import numpy as np import cv2 from matplotlib import pyplot as plt img1 = cv2.imread('carr.png') # queryImage img2 = cv2.imread('car.jpg') # trainImage # Initiate SIFT detector )(orb = cv2.ORB_create # find the keypoints and descriptors with SIFT )kp1, des1 = orb.detectAndCompute(img1,None )kp2, des2 = orb.detectAndCompute(img2,None
ػم ٓنلىَ رةنشدء ؿٔم مؿدرلص BFمو مٔدفص كٌدْ ( cv2.NORM_HAMMINGألنند نٔظهمٍ )ORBو نلىَ رظفهٌٍ ًٌ crossCheckلطىي نىل نظدثف ؤفػٍ ،ػم نٔظهمٍ ؾًُلص)(ً matchنلطٍ نىل ؤفػٍ مؿدرلص رٍن ًطىَطٍن .ػم نلىَ ررتطٌس مٔدفدطهد رشوٍ ططدنًي ألن خملؿدرلص ٓظطزم ؤفػٍ .ػم ٓرنٓم ؤوي نٍس مؿدرلدض (فلـ من خؿٍ وغىق خًظؿدرم يف خًُٓم)ٌ .نونى ًِديش نًي خملؿدرلدض هٌل طًًُ.
ذ
298
ببساطةOpenCv
# create BFMatcher object bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True) # Match descriptors. matches = bf.match(des1,des2) # Sort them in the order of their distance. matches = sorted(matches, key = lambda x:x.distance) # Draw first 10 matches. img3 = cv2.drawMatches(img1,kp1,img2,kp2,matches[:10],None, flags=2)
ذ
cv2.imshow('Matches ',img3) cv2.waitKey() cv2.destroyAllWindows()
:شدهً خًنظٌـص خًظٍ كطٌند نٌٌهد ذ
ذ
OpenCvببساطة
299
مبُهىُظعمُاملؼبتلخ؟ ُ خًندطف من ) matches = bf.match(des1,des2هـ من كدمئص خألؿٔدَ .DMatch خًـٔم ٌ DMatchنٌى خًطفدض خًظدًٌص: :DMatch.distance .8خملٔدفص رٍن نلدؽ خًىضف ،هٌٌل هدنع ؤكٍ هٌٌل هدن ؤفػٍ. :DMatch.trainIdx .4كدمئص رنلدؽ خًىضف ملؿدرلص خًطىَش ( trainخًطىَش خًظٍ ٓنزلؽ فٌهد نن خًـٔم). :DMatch.queryIdx .4كدمئص رنلدؽ خًىضف ملؿدرلص خًطىَش ( queryضىَش خًـٔم خملؿٌىذ). :DMatch.imgIdx .3كدمئص رنلدؽ خًىضف ًٌطىَش ... img مؼبتلخُُ :FLANN based مؿدرلص FLANNطٔظنً نىل موظزص ً FASTظلًُس خًنلدؽ خملـإوَش ،وطلىي نىل مـمىنص من خًوىخَِمٌدض خملؼدًٌص ًظرسًو خًزلؽ نن خًنلؿص خألكُذ يف كىخنً خًزٌدندض خًوزًنش ،وخملٌّخض وخألرهدي خًؼدنىًص .هٍه خملؿدرلص طهمٍ ررسنص ؤهرب من BFMatcherردًنٔزص ًلىخنً خًزٌدندض خًوزًنش. شدهً خملؼدي خًظديل خًٍي ٓنٔظهمٍ فٌه خملؿدرلص .FLANN based ردًنٔزص ملؿدرلص FLANN basedنلن رلدؿص ًظمًُُ مرتؿمٍن وخًًٍن ًلًيخن خًوىخَِمٌص خًظٍ ًـس ؤن طٔظهمٍ .ردَومرتخطه مرتخرؿص مو رهػهد .ؤوي ردَخمرت هى .IndexParamsردًنٔزص ملوظٌف خًوىخَِمٌدضً ،ظم ٌسق خملهٌىمدض خًظٍ ًظم متًُُهد يف ورؼةذاؾبحثذ.FLANN مٌوظ: ردًنٔزص ًوىخَِمٌدض مؼٍ SFITوً SURFظم متًُُ خًلٌم خًظدًٌص:
)index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5 ذ
300
OpenCvببساطة
ؤمد ردًنٔزص ًوىخَِمٌص مؼٍ ORBمنَُ خًلٌم خًظدًٌص (ًفػٍ ؤن متَُ خًلٌم خملىؿىيش يف وَكص خًزلؽ .وًون يف رهؼ خألكٌدن كً ال طهؿٌند خًنظٌـص خملُيىرص ًًٍى ٓنمَُ كٌم ؤهُي طهمٍ رشوٍ ؿًٌ). index_params= dict(algorithm = FLANN_INDEX_LSH, table_number = 6, # 12 key_size = 12, # 20 multi_probe_level = 1) #2
ذ
ػدين مرتؿم هى ،SearchParamsهٍخ خملرتؿم ًلًي نًي مُخض شـُش خًفهُْ خًظٍ ًنزًٍ خؿظٌدِ طوُخَهد .ؤنىل خًلٌم طهؿٍ يكص ؤفػٍ ،وًون ًإهٍ ؤًػد خملًًّ من خًىكع .بٌخ هنع طًًُ طًًن خًلٌمص مَُ: ) search_params = dict(checks=100ذ
مو هٍه خملهٌىمدض نلن نىل مد ًُخَ.
301
ببساطةOpenCv
import numpy as np import cv2 img1 = cv2.imread('carr.png') # queryImage img2 = cv2.imread('car.jpg') # trainImage # Initiate SIFT detector orb = cv2.ORB_create() # find the keypoints and descriptors with SIFT kp1, des1 = orb.detectAndCompute(img1,None) kp2, des2 = orb.detectAndCompute(img2,None) # FLANN parameters FLANN_INDEX_LSH = 6 #help(dict) index_params= dict(algorithm = FLANN_INDEX_LSH, table_number = 6, # 12 key_size = 12, # 20 multi_probe_level = 1) #2
search_params = dict(checks=50) # or empty dictionary flann = cv2.FlannBasedMatcher(index_params,search_params) matches = flann.knnMatch(des1,des2,k=2) # Need to draw only good matches, so create a mask matchesMask = [[0,0] for i in xrange(len(matches))] # ratio test as per Lowe's paper for i,(m,n) in enumerate(matches): if m.distance < 0.7*n.distance: matchesMask[i]=[1,0] draw_params = dict(matchColor = (0,255,0), singlePointColor = (255,0,0), matchesMask = matchesMask, flags = 0) img3 = cv2.drawMatchesKnn(img1,kp1,img2,kp2,matches,None,**draw_params)
ذ
cv2.imshow('MatchesKnn ',img3) cv2.waitKey() cv2.destroyAllWindows()
OpenCvببساطة
302
امنرٌعخ:
رشػُامكىدُ : خألٓؿُ خألوىل يف خًوىي طم ٌسكهد مٔزلدً ،كٌؽ كمند رةنشدء ؿٔم خملؿدرلص ORBػم كمند رةًـدي خًنلدؽ خألٓدٌٓص وخًىضف ًوٍ من خًطىَطٍن. # FLANN parameters FLANN_INDEX_LSH = 6 index_params= dict(algorithm = FLANN_INDEX_LSH, table_number = 6, # 12 key_size = 12, # 20 multi_probe_level = 1) #2
ٌ index_paramsنؼٍ كٌمص خًزدَخمرت خألوي ًٌظدرو )( ،FlannBasedMatcherوقٌفظه بنشدء فهُْ ًٌزلؽ نن خًزٌدندض خألوًٌص ًوٍ نلؿص .بن بنشدء ماٌس (فهُْ) ًوٍ نلؿص ٌٓٔهٍ نٌٌند نمٌٌص خًزلؽ. خملظًًن خألوي ًٌفهُْ هى algorithmوقٌفظه طلًًً خًوىخَِمٌص خملٔظهمٌص ًزندء خًفهُْ ،وًإهٍ ؤكً ًلٌم خًظدًٌص.'linear', 'kdtree', 'kmeans', 'composite' or 'autotuned' : خًوٌدَ linearال ًنشإ ؤي فهُْ ،وبمند ًٔظوًَ خملؿدرلص ًٌ BFزلؽ نن خًنلدؽ خألٓدٌٓص. خًوٌدَ ً kdtreeنشإ فهُْ وخكً ؤو ؤهًت رشوٍ موؿـ شـُي وًظم ًٌى رشوٍ نشىخيئ. خًوٌدَ ً kmeansنشإ فهُْ نىل شوٍ طٌٍٔٔ هُمٍ .ردكٍ خًوٌدَخض مٍسوكص يف ورؼةذ اؾبحثذ.FLANNغمن خًفلُش 3.3.1
ذ
OpenCvببساطة
303
وخملظًًن خًؼدين هى table_numberنًي ؤكٔدَ خًـًؤوي خًظٍ ٓنٔظهمٌهد (نديش طوىن رٍن 85و.)45 خملظًًن خًؼدًؽ ٌ key_sizeنؼٍ كٌدْ مفظدق خًظلٌٔم ردًزظدض (.)bit ؾالرالعذعؾىذذرحذفذهذادلتغرياتذاـتؼلذدلوؼعذؾوقبذاخلاصذبشرحذتوابعذOpenCVذ http://docs.opencv.orgذ
ذ
search_params = dict(checks=50) # or empty dictionary
ذ
،هٍخ خًٔؿُ ًلًي نًي مُخض شـُش خًفهُْ خًظٍ ًنزًٍ خؿظٌدِ طوُخَهد .هٌٌل هدنع خًلٌمص ؤنىل هٌٌل هدنع خًًكص ؤفػٍ ،وًون ٓظإهٍ ؤًػد خملًًّ من خًىكعًًٍ .ى كم رًّديطهد فلـ ننً خًلدؿص ًًٍى. ذ
)flann = cv2.FlannBasedMatcher(index_params,search_params
ذ
خًظدرو خملٔاي نن طلًًً مهدًًن خملؿدرلص .منَُ ًهٍخ خًظدرو خًلٌم خًظٍ نُفندهد وهٌل index_paramsو.search_params )matches = flann.knnMatch(des1,des2,k=2
ذ
بًـدي ؤفػٍ مؿدرلص رٍن هٍ وخضف ًٌطىَطٌٍن. ذ
OpenCvببساطة
304
مٌضحُاملؼبتلخُُHomographyُ+إلًعبدُاألظعبو ُ
ملذمخُ : خآلن ؤضزلند نهُف مد هٍ مؿدرلص خملٌّخض ،ينند خآلن نًمـهد مو خًنمـ calib3dإلًـدي خألؿٔدَ يف خًطىَش خملهلًش. ذ
امهذفُ : ٓنًمف رٍن مٌّش خملؿدرلص و findHomographyمن خًنمـ calib3dإلًـدي خألؿٔدَ خملهُوفص يف خًطىَش خملهلًش. ؤظبظٌبدُ : نفهٍ مد فهٌنده يف خًفطٍ خًٔدرم .نىؿً رهؼ خًنلدؽ خملمٌّش يف خًطىَش ،queryونىؿً ؤًػدً خًنلدؽ خملمٌّش يف خًطىَش ،trainونىؿً ؤفػٍ مؿدرلص رٌنهم .روٌٌلض موظرصش ٓنىؿً رهؼ ؤؿّخء ؿٔم مد يف ضىَش ؤهُي مشىشص .هٍه خملهٌىمدض يًن هدفٌص إلًـدي خًـٔم ردًػزـ يف خًطىَش .query ًًٍى ٓنٔظوًَ خًنمـ calib3dؤي )( .cv2.findHomographyبٌخ مَُند مـمىنص من خًنلدؽ من هال خًطىَطٍنٓ ،ىف ًىؿً خًظلىًٍ مزظًده يف ًٌى خًـٔم .رهً ًٌى ٌنونند خٓظوًخَ خًظدرو )( cv2.perspectiveTransformإلًـدي خًـٔم .بنهد طلظدؾ فهُْ رإَرو نلدؽ ضلٌلص إلًـدي هٍخ خًظلىي. ًلً شدهًند هٌف ؤنه ٌنون ؤن ًلطٍ رهؼ خألهؿدء خمللظمٌص ننً نمٌٌص خملؿدرلص وخًظٍ كً طاػُ نىل خًنظٌـصً .لٍ هٍه خملشوٌص نٔظوًَ هىخَِمٌص RANSACؤو ( LEAST_MEDIANوًٌى نن ؾًُم خألنالَ) .كٌؽ نٔمٍ خملؿدرلص خًـًٌش خًظٍ طلًَ طلًًُخض ضلٌلص inliersوخملظزلٌص طٔمى رـ .outliers
305
ببساطةOpenCv
ينىند.outliers َ ؤinliers ًهًٌ خًلندم خًٍي ًلًي هٍ خًنلدؽcv2.findHomography() خًظدرو !!نلم رًٍى ُ :امكىد ٍ) إلًـدي ؤفػratio test( َ يف خًطىَش ونؿزم نٔزص خالهظزدSFIT نىؿً يف خًزًخًص هٌل خنظًند ٓمص .مؿدرلص import numpy as np import cv2 from matplotlib import pyplot as plt MIN_MATCH_COUNT = 10 img1 = cv2.imread('box.png',0) # queryImage img2 = cv2.imread('box_in_scene.png',0) # trainImage # Initiate SIFT detector sift = cv2.SIFT() # find the keypoints and descriptors with SIFT kp1, des1 = sift.detectAndCompute(img1,None) kp2, des2 = sift.detectAndCompute(img2,None) FLANN_INDEX_KDTREE = 0 index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5) search_params = dict(checks = 50) flann = cv2.FlannBasedMatcher(index_params, search_params) matches = flann.knnMatch(des1,des2,k=2) # store all the good matches as per Lowe's ratio test. good = [] for m,n in matches: if m.distance < 0.7*n.distance: good.append(m)
ذ
)MIN_MATCH_COUNT خآلن نػزـ نىل خألكٍ ٌسوؽ ؤَرو مؿدرلدض (ط ُ َلً ْي من كزٍ خًهٌم وبال روٍ رٔدؾص نهُع َٓدًص طلىي بن خملؿدرلدض خملىؿىيش.ًـس ؤن طوىن مىؿىيش إلًـدي خًـٔم .كدًٌد يًن هدفٌص
306
ببساطةOpenCv
بٌخ طم خًهؼىَ نىل مد ًوفٍ من خملؿدرلدض نٔظوُؾ مىخغو خًنلدؽ خألٓدٌٓص ًٌمؿدرلدض يف هال ،3×3 ًٍ كدملد نلطٍ نىل مطفىفص خًظلى. خًظٍ طم متًُُهد ًٌـً خًظلىًٍ مزظًده.خًطىَطٍن ػم.train بىل مد ًلدرٌهد من خًنلدؽ يف خًطىَشquery نٔظوًمه ًظلىًٍ خًّوخًد من خًطىَش .نُٓمهد if len(good)>MIN_MATCH_COUNT: src_pts = np.float32([ kp1[m.queryIdx].pt for m in good ]).reshape(-1,1,2) dst_pts = np.float32([ kp2[m.trainIdx].pt for m in good ]).reshape(-1,1,2) M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC,5.0) matchesMask = mask.ravel().tolist() h,w = img1.shape pts = np.float32([ [0,0],[0,h-1],[w-1,h-1],[w-1,0] ]).reshape(-1,1,2) dst = cv2.perspectiveTransform(pts,M) img2 = cv2.polylines(img2,[np.int32(dst)],True,255,3, cv2.LINE_AA) else: print "Not enough matches are found - %d/%d" % (len(good),MIN_MATCH_COUNT) matchesMask = None
(بٌخ طم رنـدق بًـدي خًـٔم) ؤو نلدؽ خملؿدرلص خألٓدٌٓص (بٌخ فشٍ يف بًـديinliers وؤهًنخ نُٓم )خًـٔم draw_params = dict(matchColor = (0,255,0), # draw matches in green color singlePointColor = None, matchesMask = matchesMask, # draw only inliers flags = 2) img3 = cv2.drawMatches(img1,kp1,img2,kp2,good,None,**draw_params) plt.imshow(img3, 'gray'),plt.show()
307
OpenCvببساطة شبهذُامنرٌعخُامربمٌخُ :
ذ ذ ذ
الفصل الثامن ”الرجل الذي يستخدم مهاراته وخياله البناء لمعرفة أقصى ما يمكن أن
يقدمه مقابل دولار واحد بدلا ً من التفكير في أقل ما يمكن أي يقدمه مقابل نفس الدولار ،حتما ً سينجح‟
هنري فورد – مؤسس شركة فورد للسيارات
OpenCvببساطة
309
امفصهُامصبمنُ:ذؽنٌهُامفٌذًىُُ Video Analysis
شدهًند يف خألمؼٌص خًٔدرلص ؾًُلص خًظهلس خنظٌليخ ً نىل خًٌىن ،وهٍه خًؿًُلص رٌٔؿص ؿًخ ً .ؤمد خآلن ٓنشدهً هىخَِمٌص ؤفػٍ مؼٍ Meanshiftوخًنٔوص خملؿىَش منهد Camshiftإلًـدي خًٌىن وطهلزه.
خآلن ٓنندكش مفهىَ هدَ وهى "( " Optical Flowخًظًفم خًزرصي) وخًٍي ًه نالكص مو خًفًًٌى وطؿزٌلدض نًًًش.
نلظدؾ يف نًش طؿزٌلدض ؤن نٔظوُؾ خًوٌفٌص ًظنفٌٍ نًش نمٌٌدض مؼٍ طهلس هدثن. ذ ذ
OpenCvببساطة
310
خىاسصمٌخُُMeanshiftوُ :Camshift
ملذمخُ : شدهًند يف خألمؼٌص خًٔدرلص ؾًُلص خًظهلس خنظٌليخ ً نىل خًٌىن ،وهٍه خًؿًُلص رٌٔؿص ؿًخ ً .ؤمد خآلن ٓنشدهً هىخَِمٌص ؤفػٍ مؼٍ Meanshiftوخًنٔوص خملؿىَش منهد Camshiftإلًـدي خًٌىن وطهلزه. امهذفُ : ٓنظهٌم ؾًُلص بًـدي خألؿٔدَ يف خًفًًٌى ردٓظوًخَ هىخَِمٌظٍ Meanshiftو Camshift
خىاسصمٌخُُ :Meanshift خنظرب رإنى متٌى مـمىنص من خًنلدؽ (طىِم خًزٌؤالض ًهٍه خًنلدؽ ًوىن هٌل يف خالٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين) .نلىَ رةنشدء ندفٍش ضًًنش (يخثُش) وًـس نٌٌند طلًُى هٍه خًندفٍش بىل خملنؿلص خًظٍ طوىن فٌهد شًش خًزٌؤالض ؤنكمٌص (خملنؿلص خًظٍ ًوىن فٌهد نًي خًنلدؽ ؤنكمٍ) ،وهٍخ خألمُ مىغم يف خًطىَش خًظدًٌص: ذ ذ ذ ذ
311
OpenCvببساطة
ذ
خًندفٍش خألوًٌص ط ُهُع نىل شوٍ ندفٍش يخثًُص ًىنهد ؤَِق خٓمهد "ً ."C1ظم وغو نالمص يف مُهّهد خألضًل نىل شوٍ مٔظؿٌٍ ردًٌىن خألَِق ًنٔمه " ."C1_oوًون بٌخ ؤوؿًند مُهّ هظٌص خًنلدؽ يخهٍ هٍه خًندفٍش ٓىف نلطٍ نىل نلؿص ؤٓمهد "( "C1_rمهٌمص رًخثُش َِكدء ضًًنش) وخًظٍ متؼٍ خملُهّ خًللٌلٍ ًهٍه خًندفٍش. من خملاهً ؤن مُهّ ندفٍش خًًخثُش خألضًل ال ًظؿدرم مو مُهّ هظٌص خًنلدؽ (خملُهّ خًللٌلٍ) ًًٍى ًظم طلًُى خًندفٍش خًًخثًُص وؿهٍ مُهّهد خألضًل ًظؿدرم مو خملُهّ خًللٌلٍ ،ػم نلىَ مُش ؤهُي رةًـدي خًنلؿص خملُهًّص خًـًًًش وخملُهّ خًللٌلٍ .يف خًًدًس ًن ًظؿدرم خملُهّ خألضًل ًٌندفٍش خًًخثًُص مو خملُهّ خًللٌلًًٍٍ ،ى نلُن خًندفٍش خًًخثًُص مُش ؤهُي ًٌؿدرم مُهّهد مو خملُهّ خًللٌلٍ ،ونٔظمُ يف طوُخَ هٍخ خألمُ كظى ًطزم مُهّ خًندفٍش خًًخثًُص منؿزلد مو خملُهّ خًللٌلٍ (مو ؤضًُ هؿإ ملزىي)ًًٍ .ى ؤهًنخ ً مد نلطٍ نٌٌه هى ندفٍش فٌهد طىِم خًزٌؤالض ؤنكمٍ .هٍه خًندفٍش خألهًنش مهٌمص رًخثُش ردًٌىن خألهٍص ؤٓمهد " ،”C2مبشدهًش خًطىَش خًٔدرلص ٓظـً ؤن هٍه خًًخثُش طلىي ؤهرب نًي من خًنلدؽ. ذ
ذ
312
ببساطةOpenCv
وبًـدي، ٓنلظدؾ يف خًزًخًص بىل طهٌجص خًهًف،OpenCv يفMeanshift الٓظهٌلي هىخَِمٌص ٍ) ًٌهًف نىل هbackproject( ٍموؿؿه خًزٌدين ًنظمون من خًلٌدَ رهمٌٌص خإلٓلدؽ خًوٌف ردًنٔزص. وٓنوىن ؤًػد رلدؿص ًظىفًن خملىكو خألضًل ًٌندفٍش.Meanshift ًلٔدذframe َبؾد َ وؤًػد ًظـنس خًلٌم خًودؾجص رٔزس غهف خإلغدءش نلى.ًٌموؿـ خًزٌدين نإهٍ فلـ خًظًَؾ خًٌىين .cv2.inRange() رةهٌلي كٌم خإلغدءش خملنوفػص نن ؾًُم خًظدرو import numpy as np
ذ
import cv2
ذ
cap = cv2.VideoCapture('slow.flv')
ذ
# take first frame of the video ret,frame = cap.read()
ذ
# setup initial location of window r,h,c,w = 50,100,25,100 # simply hardcoded the values track_window = (c,r,w,h)
ذ ذ
# set up the ROI for tracking ذ roi = frame[r:r+h, c:c+w] hsv_roi = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) mask = cv2.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.))) ذ roi_hist = cv2.calcHist([hsv_roi],[0],mask,[180],[0,180]) cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX) ذ # Setup the termination criteria, either 10 iteration or move by atleast 1 pt term_crit = ( cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1 ) while(1): ret ,frame = cap.read() if ret == True: hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) dst = cv2.calcBackProject([hsv],[0],roi_hist,[0,180],1) # apply meanshift to get the new location ret, track_window = cv2.meanShift(dst, track_window, term_crit) # Draw it on image x,y,w,h = track_window cv2.rectangle(frame, (x,y), (x+w,y+h), 255,2) cv2.imshow('img2',frame)
ذ
ذ
313
OpenCvببساطة k = cv2.waitKey(60) & 0xff if k == 27: break else: )cv2.imwrite(chr(k)+".jpg",frame else: break
)(cv2.destroyAllWindows )(cap.release
ذ
رشػُامكىدُ : خنطلى كزٍ كُخءش ٌسق هٍخ خًوىي ؤن طلُؤ ٌسق خًوىي خملىؿىي يف رلؽ خالٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين يف خًطفلدض 800،805،807كظى طفهم خًوىي خًظديل ؿًٌخ ً. # setup initial location of window r,h,c,w = 50,100,25,100 # simply hardcoded the values )track_window = (c,r,w,h ذ
هًٍن خًٔؿًُن من خًوىي ًظهٌجص خًندفٍش خًظٍ ٓظظػمن خًـٔم خملؿٌىذ طهلزه .هند خهرتند ؤن ًزًؤ َٓم خملٔظؿٌٍ من خإلكًخػٌص ) (50,100رؿىي ونُع 855ؤي خًـٔم خًٍي ٓظم طهلزه ٌٓوىن غمن هٍخ خملٔظؿٌٍ. ]roi = frame[r:r+h, c:c+w )hsv_roi = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV )))mask = cv2.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.
ذ
كًيند خملنؿلص من خًفًًٌى خًظٍ ٓزًؤ ننًهد ًُٓم ،roiػم كىًند خًفًًٌى ًٌفػدء خًٌىين HSV ًٔهىًص طلًًً خملـدي خًٌىين خًٍي ٓنظهلزه ،ػم كًيند خملـدي خًٌىين ًٌلندم maskرٍن مـدي ًىين مهٍن. )]roi_hist = cv2.calcHist([hsv_roi],[0],mask,[180],[0,180
ٓنٔظوًَ خًظدرو )(ًٌ cv2.calcHistهؿٌنٌد فوُش نن طىِم خًشًش خًٌىنٌص ًزٌؤالض ضىَش خًـٔم خملؿٌىذ غمن خًلندم ( maskمُ مهند مٔزلدً)
ذ
314
OpenCvببساطة
خملظًًن خألوي ضىَش خًًهٍ ،وخًؼدين ًلًي خًلندش خًٌىنٌص خًظٍ ٓنلٔس ًه خملوؿـ خًزٌدين ،وخًؼدًؽ ٌنؼٍ خًلندم ،وخًُخرو ًلًي كٌمص خي BINوخًودمٕ ًلًي خملـدي. )cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX
ذ
ذ
# Setup the termination criteria, either 10 iteration or move by atleast 1 pt ) term_crit = ( cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1
ذ
هٍخ خملظًًن ٓنمَُه ًٌظدرو بًـدي خًـٔم )(( cv2.meanShiftخنكُ ًلٓفٍ) .وقٌفظه هٍ غزـ مهٌدَ بًلدف ندفٍش خًزلؽ نن طوُخَ خًزلؽٓ ،نلىَ هند رػزـ مهٌدَ طوُخَ خًزلؽ نىل 85 طوُخَخض ،ومبهٌدَ طلُن ندفٍش خًزلؽ مبد ال ًلٍ نن نلؿص. while(1): )(ret ,frame = cap.read
ذ
ٓنشإ كٌلص ) while(1طوُخًَص ال نهدثٌص كظى نلُؤ ؿمٌو بؾدَخض خًفًًٌىً ،نلىي هدمٍ بؾدَخض خًطىَش خملوىنص ًٌفًًٌى من خًفػدء خًٌىين RGBبىل ، HSVػم ًنؿزم نٌٌهد نمٌٌص خالٓلدؽ خًوٌفٍ ،ػم ًنؿزم هىخَِمٌص ،Camshiftػم ًرنٓم مٔظؿٌٍ كىي خًـٔم ملؿٌىذ خًٍي نظهلزه. if ret == True: )hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV )dst = cv2.calcBackProject([hsv],[0],roi_hist,[0,180],1
ذ
خملظًًن ٓ retظوىن كٌمظه Trueمد يخَ خًفًًٌى مل ًنظهٍ ،وننً خنظهدثه ٓظطزم كٌمظه .False رهً ؤن خهظربند خًٍسؽ رإنه مللم ٓنلىي هٍ بؾدَ ضىَش ًٌفًًٌى بىل خًفػدء .HSVونؿزم نىل منؿلص ضىَش خًـٔم خًٍي ٓنظهلزه نمٌٌص خالٓلدؽ خملوؿـ خًزٌدين نىل خًوٌفٌص. (طم ٌسق خًظدرو cv2.calcBackProjectمٔزلدً يف فطٍ خإلٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين)
# apply meanshift to get the new location )ret, track_window = cv2.meanShift(dst, track_window, term_crit
هند ٓنؿزم هىخَِمٌص Meanshiftكظى نهُف خملىغو خًٍي ًظلُن بًٌه خًـٔم.
ذ
OpenCvببساطة
315
مظًًنخض خًظدرو cv2.meanShiftهٍ: cv2.meanShift(probImage, window, criteria) → retval, window خملظًًن خألويٓ :نمَُ ًه نظٌـص خإلٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين ًٌـٔم خملؿٌىذ. خملظًًن خًؼدينٓ :نمَُ ًه ندفٍش خًزلؽ خألوًٌص (ؤوي مودن يف خًطىَش ٓنزًؤ ننًه خًزلؽ نن خًـٔم). خملظًًن خًؼدًؽً :لًي خًٍسؽ خًٍي ٌٓظم فٌه بًلدف ندفٍش خًزلؽ نن طوُخَ خًزلؽ، ومهٌدَ طلُن خفٍش خًزلؽ (ملًخَ خنًّدكهد). (انظشُيفُاألغىلُمرشػُهزاُاملرغري) ُ ٌٓهًٌ ًند هٍخ خًظدرو خملىكو خًـًًً ًندفٍش خًزلؽ وكـمهد (.)track_window # Draw it on image x,y,w,h = track_window )cv2.rectangle(frame, (x,y), (x+w,y+h), 255,2
ٓنوّن مىغو ندفٍش خًزلؽ خًـًًًش وكٌمظهد يف ،x,y,w,hػم ٓرنٓم مٔظؿٌٍ يف مودن ندفٍش خًزلؽ.
ذ
316
ببساطةOpenCv ُ :Camshiftُ خىاسصمٌخ
هٍ شدهًض رًكص خًنظٌـص خملدغٌص؟ هندن مشوٌص وهٍ ؤن خًندفٍش متٌى نفٕ خًلٌدْ ٓىخء هدنع وهٍخ خألمُ يًن ؿًٌ فنلن رلدؿص ألن ًظوٌف خإلؾدَ مو كـم.خًٌٔدَش ؤرهً ؤو ؤكُذ من خًودمًنخ Continuously Adaptive ( Camshift ًلٍ هٍه خملشوٌص طم بًـدي هىخَِمٌص.ويوَخن خًهًف يف وَكص رلؼه طلع ننىخنGary Bradsky ٍ) من كزMeanshift " ذComputer Vision Face Tracking for Use in a Perceptual Interface"
:آًٌص نمٍ هٍه خًوىخَِمٌص ًظم طلًًؽ كٌدْ خإلؾدَ وفم،Meanshift ومبـُي ؤن طظؿدرم،Meanshift ًُؿًزم ؤوال هىخَِمٌص نلىَ مُش. وطلٔس ؤًػد خالطـده ألفػٍ كؿو ندكظ مندٓس ًهد.
√
𝟔
خملهديًص
مو خًلٌدْ خًـًًً وطلىَ رنفٕ خًوؿىخض خًٔدرلص كظى طظللم خًًكصMeanshift ؤهُي رظؿزٌم .خملؿٌىرص
وًونهد طهًٌ يوَخن خملٔظؿٌٍ (هٍه هٍ نظٌـظند) وردَخمرتخض خًندفٍش،Meanshift ٕهٍ طلًُزد نف . شدهً خًوىي خًظديل.)(طٔظوًَ ًظمَُ هندفص خًزلؽ نن خًظوُخَ خًظديل import numpy as np import cv2 cap = cv2.VideoCapture('slow.flv') # take first frame of the video ret,frame = cap.read()
# setup initial location of window r,h,c,w = 50,25,50,25 # simply hardcoded the values track_window = (c,r,w,h) # set up the ROI for tracking roi = frame[r:r+h, c:c+w] ذ hsv_roi = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) mask = cv2.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.))) roi_hist = cv2.calcHist([hsv_roi],[0],mask,[180],[0,180]) cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX)
317
ببساطةOpenCv
# Setup the termination criteria, either 10 iteration or move by atleast 1 pt term_crit = ( cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 1, 1 ) while(1): ret ,frame = cap.read() if ret == True: hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) dst = cv2.calcBackProject([hsv],[0],roi_hist,[0,180],1) # apply meanshift to get the new location ret, track_window = cv2.meanShift(dst, track_window, term_crit) # Draw it on image pts = cv2.boxPoints(ret) pts = np.int0(pts) cv2.polylines(frame,[pts],True, 255,2) cv2.imshow('img2',frame) k = cv2.waitKey(60) & 0xff if k == 27: break else: cv2.imwrite(chr(k)+".jpg",frame) else: break
ذ
cv2.destroyAllWindows() cap.release()
318
ببساطةOpenCv ُ ذ:ُامنرٌعخ ذ
ُ ُ :رشػُامكىد نفٕ ٌسق خًوىي خًٔدرم مو خهظالف فلـ يف طدرو خًُٓم # Draw it on image pts = cv2.boxPoints(ret) pts = np.int0(pts) cv2.polylines(frame,[pts],True, 255,2) cv2.imshow('img2',frame) Opencv 3.0 boxPoints)...( ذذذذboxPoints(box[, points]) -> points
opencv 2.4.11 BoxPoints(...) BoxPoints(box) -> points
OpenCvببساطة
319
مشاظؼُبطبفٌخُ : ضفلص وًوٌزًًٌد ً( Camshiftىؿً فٌه َٓمظٍن طىغٌلٌظٍن مظلُهظٍن). ذ
امرذفمُامثرصيُُ :Optical Flow
ملذمخُ : خآلن ٓنندكش مفهىَ هدَ وهى "( " Optical Flowخًظًفم خًزرصي) خًٍي ًهظم ردًفًًٌى رشوٍ هدص ،ورهًش طؿزٌلدض ؤهُي. امهذفُ : فهم مفهىَ خًظًفم خًزرصي وهٌفٌص طلًًُه ردٓظوًخَ ؾًُلص .Kanade method ٓنظهٌم خٓظوًخَ خًظدرو )(ً cv2.calcOpticalFlowPyrLKظهلس خًنلدؽ خملمٌّش يف خًفًًٌى. ذ
خًظًفم خًزرصي هى منـ خًلُهص خًكدهًُص ألؿٔدَ خًطىَش رٍن بؾدًَن ضىَش framesمظظدًٌٍن خًندؿم نن كُهص خًـٔم ؤو خًودمًنخ .وًوىن نزدَش نن كلٍ من خألشهص ػندثٌص خًزهً ،وهٍ شهدم نزدَش نن شهدم بِخكص ًزٍن كُهص خًنلدؽ رٍن بؾدَ خًطىَش خألوي وخًؼدين .شدهً خًطىَش خًظدًٌص.
320
OpenCvببساطة
ذ
هٍه خًطىَش طهُع خنظلدي خًوُش يف 0بؾدَخض ًٌطىَشً .كهُ خًٔهم خملهُوع شهدم خإلِخكص النًّدق خًوُش .و ٌنون خٓظوًخَ خًظًفم خًزرصي يف خًهًًً من خًظؿزٌلدض هدملـدالض خًظدًٌص: مهُفص ؾزٌهص خًلُهص. غًـ خًفًًٌى. طللٌم خٓظلُخَ خًفًًٌى (.)Video Stabilization خًظًفم خًزرصي ًهظمً نىل نًش فُغٌدض .8شًش رٌؤالض خًـٔم ال طظًًن رٍن بؾدَي ضىَش مظظدًٌٍن. .4خًزٌؤالض خملظـإوَش ًهد كُهص مٌلػٌص. ًنهظرب خًزٌؤٍ خًٍي يف ؤوي بؾدَ ًٌطىَش هى )𝑡 ( 𝐼(𝑥, 𝑦,هند ٓنفلظ رهً ؿًًً ؤال وهى خًىكع ،tيف خًٔدرم طهدمٌند مو خًطىَ ومل نظهدمٍ مو خًفًًٌى ًًٍى مل نون رلدؿص ًهنرص خًىكع). خًزٌؤٍ ًظلُن مٔدفص كًَهد (𝑦𝑑 )𝑑𝑥,يف خإلؾدَ خًظديل ًٌطىَش وًإهٍ ِمن كًَه 𝑡𝑑 .ومبد ؤن هٍخ خًزٌؤٍ هى نفٔه فشًش خًزٌؤٍ مل طظًًن ،ننًهد ٌنونند خًلىي رإن:
ٓنإهٍ منشىَ طدًٌىَ خًظلًُزٍ ًٌلٔم خًٌمٌنٍ من خملهديًص ،ونًٍّ خًهىخمٍ خملشرتهص ،ونلٔم نىل وطٔمى هٍه خملهديًص مبهديًص 𝑡𝑑 فنلطٍ نىل خملهديًص خًظدًٌص: خًظًفم خًزرصي .Optical Flow كٌؽ: ذذ ;ذ
321
OpenCvببساطة ذذ ;ذ
فهٌل ٌنؼالن خًظًَؿدض خًٌىنٌص خًظٍ خًطىَش .ورشوٍ و يف هٍه خملهديًص ٌنونند بًـدي مٌلػٍ فةن متؼٍ كٌمص خًظًَؾ خًٌىين رهً فرتش من خًىكع .وًون ) (u,vيًن مهُوفص ًًٍى ال ٌنونند كٍ هٍه خملهديًص مو وؿىي مظًًنًن يًن مهُوفٍنًًٍ .ى طم طىفًن نًش ؾُق ًلٍ هٍه خملشوٌص ،وبكًي هٍه خًؿُق هٍ ًىهدْ هدنًي .Lucas-Kanade ررقؼةذؾوؽاسذؽاـدي :ذ
ًلً شدهًند هٍه خًفُغٌص من كزٍ .بن هٍ خًزٌؤالض خملـإوَش ٓىف متٌى نفٕ خًلُهص. بن ؾًُلص ًىهدْ طلىَ رإهٍ رلهص رلـم 3x3كىي هٍه خًنلؿصًًٍ .ى هٍ 9نلدؽ ٓظمٌى نفٕ ًهٍه خًنلدؽ خًظٔهص .كظى خآلن طزلى خملشوٌص رلٍ 9 خًلُهص ،ننًهد ٌنونند بًـدي مهديالض مو مظًًنًن يًن مهُوفٍن .خملهديًص خًظدًٌص هٍ خًلٍ خًنهديئ ًلٍ مشوٌص ؿمٌص مهًًظٍن مو مـهىًٍن بػنٍن ،ورلٍ هٍه خملهديًص نلطٍ نىل خًلٍ. ∑
]
∑
∑
∑ ] [
[
]
∑
∑ [
(موظشف ِوخًد هدًَٕ ًلىي ًن ؤن ؤفػٍ نلدؽ خًظهلس هٍ خًّوخًد). ذ
ػشًلخُمىكبطُكبنذي -منرذفمُامثرصيُيفُُ :OpenCv طىفُ ًند موظزص OpenCvكٍ ؿمٌو خملهديالض خًٔدرلص يف طدرو وخكً وهى )(.cv2.calcOpticalFlowPyrLK ٓنلىَ رةنشدء طؿزٌم رٌٔـ ًظهلس رهؼ نلدؽ يف خًفًًٌىً .ظلًًً هٍه خًنلدؽ نٔظوًَ خًظدرو )( .cv2.goodFeaturesToTrackنإهٍ ؤوي بؾدَ ًٌطىَش ،ونلًي رهؼ نلدؽ ِوخًد ،Shi-Tomasi ػم رشوٍ مظوَُ نظظزو هٍه خًنلدؽ ردٓظوًخَ ؾًُلص ًىهدْ هدنًي ًٌظًفم خًزرصي. ردًنٔزص ًٌظدرو )( cv2.calcOpticalFlowPyrLKفةنند منَُ ًه بؾدَ خًطىَش خًٔدرم وخًنلدؽ خًٔدرلص وبؾدَ خًطىَش خًظديل .وًهًٌ ًند هٍخ خًظدرو خًنلدؽ خًظدًٌص(خًلديمص) ؿنزد بىل ؿنس مو َكم ًزٍن كدًص
322
ببساطةOpenCv
.5 وبال ٌٓهًٌ كٌمص،8 فةٌخ طم بًـدي خًنلؿص خًظدًٌص ًوىن َكم خًلدًص خمل ُ َزٍن ًىغو خًنلؿص،هٍ نلؿص : شدهً خًوىي خًظديل.ونوَُ متًُُ خًنلدؽ خًظدًٌص هٌل مَُند خًنلدؽ خًٔدرلص يف خًوؿىش خًظدًٌص import numpy as np import cv2 cap = cv2.VideoCapture('slow.mp4')
ذ
# params for ShiTomasi corner detection feature_params = dict( maxCorners = 100, qualityLevel = 0.3, minDistance = 7, blockSize = 7 ) # Parameters for lucas kanade optical flow lk_params = dict( winSize = (15,15), maxLevel = 2, criteria = (cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03)) # Create some random colors color = np.random.randint(0,255,(100,3))
# Take first frame and find corners in it ret, old_frame = cap.read() old_gray = cv2.cvtColor(old_frame, cv2.COLOR_BGR2GRAY) p0 = cv2.goodFeaturesToTrack(old_gray, mask = None, **feature_params) # Create a mask image for drawing purposes mask = np.zeros_like(old_frame) while(True): ret,frame = cap.read() frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# calculate optical flow p1, st, err = cv2.calcOpticalFlowPyrLK(old_gray, frame_gray, p0, None, **lk_params) # Select good points good_new = p1[st==1] good_old = p0[st==1] # draw the tracks for i,(new,old) in enumerate(zip(good_new,good_old)): a,b = new.ravel() c,d = old.ravel() cv2.line(mask, (a,b),(c,d), color[i].tolist(), 2) cv2.circle(frame,(a,b),5,color[i].tolist(),-1)
323
OpenCvببساطة )img = cv2.add(frame,mask )cv2.imshow('frame',img k = cv2.waitKey(30) & 0xff if k == 27: break # Now update the previous frame and previous points )(old_gray = frame_gray.copy )p0 = good_new.reshape(-1,1,2
)(cv2.destroyAllWindows )(cap.release
هٍخ خًوىي ال ًظللم فٌٌل بٌخ هدنع خًنلدؽ خألٓدٌٓص ضلٌلص ؤَ ال .وكظى بٌخ خهظفع ؤي نلؿص ممٌّش يف خًطىَش ،هندن فُضص إلًـدي خًظًفم خًزرصي يف خًنلؿص خًلديمص خًظٍ طزًو كًُزص منهد. ًًٍى ًهظرب هٍخ طهلس كىي ،ونلدؽ خًّؤوًص ًـس ؤن ًظم خًزلؽ ننهد هالي فرتخض مهٌنص .موظزص OpenCVوفُض ًند مندٌؾ ؿدهّش ًهٍخ خألمُ مؼٍ بًـدي خًنلدؽ خملمٌّش هٍ 0بؾدَخض ًٌطىَش، وطشًٌٍ خًفلظ خًوٌفٍ ًنلدؽ خًظًفم خًزرصي ًنلطٍ فلـ نىل خًنلدؽ خًـًٌش منهد فلـ. ""C:\opencv\sources\samples\python2\lk_track.py
شدهً خًنظٌـص خًظٍ كطٌند نٌٌهد:
ذ ذ ذ
ذ
324
ببساطةOpenCv ُ :رشػُامكىد
ذ
# params for ShiTomasi corner detection feature_params = dict( maxCorners = 100, qualityLevel = 0.3, minDistance = 7, blockSize = 7 )
َ ورًالً من خٓظوًخَ خألَكد. وقٌفظه طوًّن خًزٌدندض هلدمئص هٌل يف كىخنً خملهؿٌدضdic خًظدرو )dict( فهٍخ ًظٌم ًى خًظهدمٍ مو خًًًوع.فلـ ًٌىضىي ًٌزٌدندض ٌنونى خٓظوًخَ ؤي شٌح طلًُزد .هلدنًش رٌدندض ًظوًّن خًزٌدندض وطنكٌمهد maxCorners وهّند رًخهٌهد خًهندرصfeature_params هند نُفند كدنًش مهؿٌدض ردٓم . وؤنؿٌند ًوٍ ننرص كٌمص مهٌنصblockSize وminDistance وqualityLevelو
ذ
# Parameters for lucas kanade optical flow lk_params = dict( winSize = (15,15), maxLevel = 2, criteria = (cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03))
winSize وهّند رًخهٌه خًهندرصlk_params ؤًػد هند كمند رظهًُف كدنًش مهؿٌدض ردٓم .criteria وmaxLevelو ذ
# Create some random colors color = np.random.randint(0,255,(100,3))
وlow رٍن خًلٌمصinteger ًهًٌ كٌمص مظًًن نشىخيئ من خًنىمnumpy.random.randint() خًظدرو numpy.random.randint(low, high, size, dtype)ٍ ًإهٍ خًشوhight
ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ
ذ
# Take first frame and find corners in it ret, old_frame = cap.read() old_gray = cv2.cvtColor(old_frame, cv2.COLOR_BGR2GRAY) p0 = cv2.goodFeaturesToTrack(old_gray, mask = None, **feature_params) ذاؾذيذcv2.goodFeaturesToTrack() ذوذؾكذعنذررققذاؾتابعذframeاآلنذدـوجدذـؼاطذاؾزواقاذاؾؼوقةذيفذؽلذ ذ:قلخذذادلتغرياتذاؾتاؾقة
325
ببساطةOpenCv
cv2.goodFeaturesToTrack(image, maxCorners, qualityLevel, minDistance[, corners[, mask[, blockSize[, useHarrisDetector[, k]]]]]) → corners
. خًطىَش خملؿٌىذ كٔدذ نلدؽ خًّوخًص خًلىًص فٌهد:Image (هٌدَي) بٌخ ؤَيض خهظشدف نلدؽ خًّوخًص ملنؿلص ملًيش من خًطىَش ننًهد ٌنونى:Mask .None هند ًن نٔظهمٌه ًًٍى ٓنمَُ خًلٌمص،متًُُ كٌمص خًلندم خملؿٌىذ خملظًًنخض خًزلٌص كمند رظهًُفهد يف رًخًص خًوىي نىل شوٍ كدنًش مهؿٌدض ردٓم :ٍ وهٍه خملظًًنخض هfeature_params بٌخ وؿً نًي ؤهرب من ؤكىص كٌمص. ؤكىص نًي ًٌّوخًد خًظٍ ٌٓهًٌهد:maxCorners .ٌٓظم بَؿدم نلدؽ خًّوخًد خألكىي منهد . هٍخ خًزدَخمرت ًلًي نىنٌص خًلً خأليىن خمللزىي ًٌّؤوًص:qualityLevel ؤكٍ مٔدفص مٔمىكص رٍن خًّوخًد:minDistance :blockSize ذ
# Create a mask image for drawing purposes mask = np.zeros_like(old_frame)
خًظدرو.يف هٍخ خًٔؿُ ٓننشإ كندم ًٌطىَش وخًٍي ٌٓٔدنًند يف نمٌٌص خًُٓم . ًهًٌ مطفىفص ضفًُص (ؤي ضىَش ٓىيخء) رنفٕ شوٍ ونىم خًطىَش خملهؿدشnumpy.zeros_like
ذ
while(True): ret,frame = cap.read() frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
.مد يخَ خًفًًٌى مل ًنظهٍ ٓنلىي هٍ بؾدَ ضىَش فٌه بىل خملٔظىي خًُمديي ذ # calculate optical flow p1, st, err = cv2.calcOpticalFlowPyrLK(old_gray, frame_gray, p0, None, **lk_params) ذ ذاؾذي ذقلخذذcv2.calcOpticalFlowPyrLKاآلن ذدـؼوم ذحبداب ذاؾتدػق ذاؾبصري ذوذؾك ذعن ذررقق ذاؾتابع ذ :ادلتغرياتذاؾتاؾقة cv2.calcOpticalFlowPyrLK(prevImg, nextImg, prevPts[, nextPts[, status[, err[, winSize[, maxLevel[, criteria[, flags[, minEigThreshold]]]]]]]]) → nextPts, status, err
326
OpenCvببساطة
:prevImg خًطىَش خًٔدرلص( .خًفًُم خًٔدرم) :nextImg خًطىَش خًظدًٌص( .خًفًُم خًظديل) :prevPts مظـهدض (ؤشهص) بكًخػٌدض خًنلدؽ خًظٍ نلظدؾ ؤن نىؿً خًظًفم ًهد (ٓنمَُ ًه بكًخػٌدض نلدؽ خًّوخًد خًلىًص)ً .ـس ؤن طوىن بكًخػٌدض خًنلدؽ ردًطًٌص .float
ً :winSizeلًي كٌدْ ندفٍش خًزلؽ ننً هٍ مٔظىي هُمٍ. :maxLevelؤكىص نًي ملٔظىًدض خًهَُ .بٌخ مَُند ًه خًلٌمص 5ننًهد ًن ًٔظوًَ خألهُخمدض (مٔظىي وخكً فلـ) ،وبٌخ مُنند خًلٌمص ٌٔٓ 8ظوًَ مٔظىًٍن هُمٌٍن. ً :criteriaلًي مهٌدَ بنهدء هىخَِمٌص خًزلؽ خملظوَُش. وًهًٌ ًند هٍخ خًظدرو خًلٌم خًظدًٌص: ً :nextPtsهؿٌند خملىغو خًـًًً ًٌمٌّخض خملًهٌص (خًّوخًد) يف خًطىَش خًـًًًش (خًظدًٌص) :Statusكدًص وغو مظـهدض خًوُؾ .هٍ مظـهص طإهٍ خًلٌمص 8بٌخ وؿً طًفم يف خًنلؿص خملمٌّش ،وبال ٓظإهٍ خًلٌمص ٌٓ( .5فًٌند هٍخ خملظًًن يف طلًًً نلدؽ خًّوخًد خممٌّش خًظٍ ًظم فٌهد خًظًفم (نلؿص مظلُهص) من طٌى خًظٍ خًظٍ ال ًىؿً فٌهد طًفم (نلؿص ٓدهنص)). :Errخألهؿدء خًندؿمص نن خملظـهص.
# Select good points ]good_new = p1[st==1 ]good_old = p0[st==1
هند كمند رإهٍ نلدؽ خًظًفم خًـًٌش وكٍفند خًنلدؽ خًظٍ طىكف فٌه خًظًفم (خًنلدؽ خًظٍ طوىن كدًظهد طٔإوي خًطفُ Status=0طم كٍفهد) .وًلً نُفند خًنلدؽ خملمٌّش خًظٍ كدًص خًظًفم فٌهد ؿًٌش ؤَ ال نن ؾًُم طدرو خًظًفم )( cv2.calcOpticalFlowPyrLKخًٍي ًهًٌ ًند كٌمص خًـ status بمد 8بن هدن هندن طًفم يف خًنلؿص خملمٌّش وبال 5بن مل ًون هندن طًفم( .هند خملظًًن statusهى .)st
OpenCvببساطة
327
# draw the tracks for i,(new,old) in enumerate(zip(good_new,good_old)): )(a,b = new.ravel )(c,d = old.ravel )cv2.line(mask, (a,b),(c,d), color[i].tolist(), 2 )cv2.circle(frame,(a,b),5,color[i].tolist(),-1
ذ
يف هٍخ خألمُ ٓنلىَ رُٓم نلدؽ خًظهلس ومٔدَخض كُهظهد. خًظدرو )(ً enumerateهًٌ نًي خألؿٔدَ ( نًي خملـمىندض). خًظدرو )(ً zipهًٌ هٍخ خًظدرو كدمئص ردملـمىندض. خًظدرو )(ًٔ ravelظوًَ ًظلىًٍ خملطفىفص ٓىخء هدنع 3Dؤو 2Dبىل مطفىفص ؤكديرص خًزهً .1D ٓنلىَ هند رظوًّن خإلكًخػٌدض خًـًًًش ًٌنلدؽ خملمٌّش )(x,yيف خملظًًنًن ،a,bوخإلكًخػٌدض خًلًٌنص يف خملظًًنًن .c,dػم ٓنمَُ خإلكًخػٌدض خًلًٌنص وخًـًًًش ًظدرو َٓم خًوـ ًًنطٔم نىل خًفًًٌى مٔدَ طًفم خإلكًخػٌص ،ومنَُ خإلكًخػٌص خًـًًًش ًظدرو َٓم خًًخثُش كظى ًُٓم يخثُش يف مودن خإلكًخػٌص خًـًًًش ًٌنلؿص خملمٌّش. )img = cv2.add(frame,mask
هٍخ خًٔؿُ ًفًٌند فلـ يف نمٌٌص خًُٓم. ذ
كصبفخُامرذفمُامثرصيُيفُُ :OpenCv ؾًُلص ًىهدْ هدنًي طلٔس خًظًفم خًزرصي ملـمىنص مٌّخض مظفُكص (يف مؼدًند ،خهظشدف خًّوخًد ردٓظوًخَ هىخَِمٌص .)Shi-Tomasiموظزص OpenCvطىفُ هىخَِمٌص ؤهُي إلًـدي هؼدفص خًظًفم خًزرصي .طلىَ هٍه خًوىخَِمٌص نىل كٔدذ خًظًفم خًزرصي ًوٍ خًنلدؽ يف بؾدَ ضىَش .فهٍ طزنى نىل هىخَِمٌص ( Gunner Farneback’sملهُفص مد هٍ هىخَِمٌص Gunner Farneback’sخؾٌو نىل وَكص خًزلؽ خًظٍ هظزهد Gunner Farnebackرهنىخن " Two-Frame Motion Estimation Based .)"on Polynomial Expansion خملؼدي خًظديل ًهُع هٌفٌص بًـدي هؼدفص خًظًفم خًزرصي ردٓظوًخَ خًوىخَِمٌص .Farneback ٓنلطٍ نىل مطفىفص رـ 4كندش مو شهدم خًظًفم خًزرصي )ٓ .(u,vنىؿً كـمهد وخطـدههدٓ .نلىَ
ذ
328
ببساطةOpenCv
خالطـده.ٍرظٌىًن نظٌـص خًوىي هٌل هى وخغم يف خًطىَش خًظدًٌص ًنلطٍ نىل نظٌـص ططىَ ؤفػ : شدهً خًوىي خًظديل. خًلـم ًظىخفم مو كٌمص خملٔظىي. ًٌطىَشHue ًظىخفم مو كٌم import cv2 import numpy as np cap = cv2.VideoCapture("vtest.avi") ret, frame1 = cap.read() prvs = cv2.cvtColor(frame1,cv2.COLOR_BGR2GRAY) hsv = np.zeros_like(frame1) hsv[...,1] = 255 while(1): ret, frame2 = cap.read() next = cv2.cvtColor(frame2,cv2.COLOR_BGR2GRAY) flow = cv2.calcOpticalFlowFarneback(prvs,next, 0.5, 3, 15, 3, 5, 1.2, 0) mag, ang = cv2.cartToPolar(flow[...,0], flow[...,1]) hsv[...,0] = ang*180/np.pi/2 hsv[...,2] = cv2.normalize(mag,None,0,255,cv2.NORM_MINMAX) rgb = cv2.cvtColor(hsv,cv2.COLOR_HSV2BGR) cv2.imshow('frame2',rgb) k = cv2.waitKey(30) & 0xff if k == 27: break elif k == ord('s'): cv2.imwrite('opticalfb.png',frame2) cv2.imwrite('opticalhsv.png',rgb) prvs = next cap.release() , cv2.destroyAllWindows()
ذ ذ ذ ذ ذ
OpenCvببساطة
329
امنرٌعخُ :
ذ
رشػُامكىدُ : )(ret, frame1 = cap.read )prvs = cv2.cvtColor(frame1,cv2.COLOR_BGR2GRAY )hsv = np.zeros_like(frame1 hsv[...,1] = 255
يف خًزًخًص نلىَ رلُخءش خًفًًٌى ،ػم نلىًه ًٌمٔظىي خًُمديي ،رهً ًٌى نلىَ رظهًُف مطفىفص ضفًُص (ؤي ضىَش ٓىيخء) ردٓم hsvرنفٕ ؤرهدي خًفًًٌى ،ومبد ؤن هٍ بؾدَ ضىَش يف خًفًًٌى مٌىن فهى ًإهٍ ػالغ كنىخض (ؤي مطفىفص ػالػٌص خًزهً )3D بٌخ ٓظوىن ؤًػد خملطفىفص خًطفًُص hsvخًظٍ نُفندهد موىنص من ػالغ كنىخض ،وهٍ هٍه خًلنىخض طإهٍ خًلٌمص .5يف خألمُ ٓ hsv[...,1] = 255نلىَ رىغو خًلٌمص 400 ًٌلندش خًؼدنٌص (ٌٓطزم ًًرند رًي خًطىَش خًٔىيخء ضىَش هٍصخء).
ذ
OpenCvببساطة
330
while(1): )(ret, frame2 = cap.read )next = cv2.cvtColor(frame2,cv2.COLOR_BGR2GRAY
ذ )flow = cv2.calcOpticalFlowFarneback(prvs,next, 0.5, 3, 15, 3, 5, 1.2, 0
خًظدرو )(ً cv2.calcOpticalFlowFarnebackلٔس ًند هؼدفص خًظًفم خًزرصي ردٓظوًخَ هىخَِمٌص يىَندَ فدَرٌندن ( )Gunnar Farneback’sوًإهٍ خًشوٍ خًظديل: cv2.calcOpticalFlowFarneback(prev, next, pyr_scale, levels, winsize, iterations, poly_n, poly_sigma, flags[, flow]) → flow
:prevضىَش خًًهٍ ًـس ؤن طوىن رلندش وخكًش. :Nextػدين ضىَش يهًٍ .ـس ؤن طوىن رنفٕ كـم ونىم خًطىَش خألوىل ).(prev :pyr_scaleهٍخ خًزدَمرت ًلًي كـم خًطىَش فةٌخ هدنع كٌمظه (ً )<1هنٍ ٌٓزنٍ خألهُخمدض ًوٍ ضىَش ،ؤمد بٌخ هدنع كٌمظه pyr_scale=0.5هٍخ ًهنٍ خًهَُ ٌٓوىن طلًٌٌي ؤي ٌٓوىن هٍ مٔظىي ؤضًُ مبُطٍن من خملٔظىي خًٍي كزٌه. :Levelsنًي مٔظىًدض خًهَُ مبد يف ًٌى خًطىَش خألوىل .بٌخ مُنند ًهٍخ خًزدَمرت خًلٌمص 8 هٍخ ًهنٍ رإنه ال ًىؿً مٔظىًدض بغدفٌص ٌٓظم بنشدئهد وفلـ ٌٓٔظوًَ خًطىَش خألضٌٌص. :Winsizeكـم خًندفٍش .هٌٌل هدنع خًلٌمص ؤهرب ٓظوىن كىي خًوىخَِمٌص ؤكىي ًٌظًٌس نىل طشىًش خًطىَش ،وبنؿدء فُضص ؤهرب ًٌوشف نن خًلُهدض خًرسًهص ،وًونهد طهؿٍ (.)blurred motion field كُهص ؤهًت غزدرٌص :Iterationsنًي مُخض طوُخَ خًوىخَِمٌص ننً هٍ مٔظىي هُمٍ. :poly_nكـم خًزٌؤالض خملـإوَش خًظٍ طٔظوًَ ًٌزلؽ نن متًي مظهًي خًلًوي (ً )polynomialوٍ رٌؤٍ .بٌخ مُنند ؤهرب كٌمص هٍخ ًهنٍ ؤن خًطىَش ٌٓطزم ٓؿلهد خنهم ( )smootherوطًًّ مُونص خًوىخَِمٌص مٌل ًهؿٌهد كىي ،وًون طًًّ ؤًػد غزدرزص كلٍ خًلُهص ،رشوٍ ندَ طوىن كٌمظه 0ؤو .7 :poly_sigmaمنَُ ًه خًلٌمص 8.8بٌ هدن ،poly_n=5وخًلٌمص 8.0بٌخ هدن .poly_n=7
ذ
331
ببساطةOpenCv
: ًظوىن مٌل ًًل.ًٌٍ نٌم خًظش:flags OPTFLOW_USE_INITIAL_FLOW ًٔظوًَ خًفٌرت خًًىيس رًي خًفٌرت:OPTFLOW_FARNEBACK_GAUSSIAN هٍخ خًوٌدَ ًهؿٌند يكص ؤفػٍ ًٌظًفم من.خًطنًوكٍ ًنفٕ كـم خًظًفم خًزرصي خملهظرب ننً خهظٌدَ خًندفٍش خًًإوٌٓص ًـس ؤن. وًون نىل كٔدذ خًرسنص نديش،ٍخًفٌرت خًطنًوك . كٌمص هزًنش ًنلطٍ نىل نفٕ خملٔظىي من خًشًشWinsize نهؿٍ خملظًًن ) وخًنىمprev( ًلٔس طًفم خًطىَش خًظٍ متٌى نفٕ كٌدْ خًطىَش خألوىل:flow .None ؤكٌدند بن مل نٔظوًمه ًـس ؤن متَُ مودنه خًلٌمص. ًن نٔظوًمه.CV_32FC2
ذ
mag, ang = cv2.cartToPolar(flow[...,0], flow[...,1])
cv2.cartToPolar cv2.cartToPolar(x, y[, magnitude[, angle[, angleInDegrees]]]) → magnitude, angle
ذ
hsv[...,0] = ang*180/np.pi/2 hsv[...,2] = cv2.normalize(mag,None,0,255,cv2.NORM_MINMAX) rgb = cv2.cvtColor(hsv,cv2.COLOR_HSV2BGR)
ملهُفص هٍه خًنٌلٌؾ شدهً خًنمىٌؾ، طىفُ مندٌؾ مظلًمص نن خًظًفم خًزرصيOpenCv موظزص يف خملٌف خًٍي مٔدَهOpenCv خملىؿىي غمن موظزص "C:\opencv\sources\samples\python2\opt_flow.py" ُ :ؤمصنخُبطبفٌخ "C:\opencv\sources\samples\python2\lk_track.py"
"C:\opencv\sources\samples\python2\opt_flow.py"
ذ ذ
OpenCvببساطة
332
ػشػُامخنفٌخُُ :Background Subtraction
ملذمخُ : نلظدؾ يف نًش طؿزٌلدض ؤن نٔظوُؾ خًوٌفٌص ًظنفٌٍ نمٌٌدض نًش مؼٍ طهلس هدثن. امهذف:
ُ ُ
ٓنظهُف نىل ؾُق ؾُق خًوٌفٌص خًظٍ طىفُهد موظزص .OpenCv ؤظبظٌبدُ : ؾًُلص ؾُق خًوٌفٌص هٍ هؿىش ؤٓدٌٓص يف خًهًًً من خًظؿزٌلدض خًظٍ طهظمً رشوٍ َثًٌس نىل مهدًـص خًُئًص خًلدٓىرٌص .نىل ٓزٌٍ خملؼدي ،يف كدًص نً خًّوخَ نن ؾًُم خًودمًنخ ًظم نً خًّوخَ خًًخهٌٍن وخًودَؿٍن من خًًُفص ،ؤو بكطدء كُهص خملُوَ ؤو مهُفص خملهٌىمدض نن خملُهزدض خًظٍ متُ ؤمدَ خًودمًنخ .يف هٍ هٍه خًلدالض نلظدؾ خٓظوُخؾ شوظ ؤو مُهزص ًىكًه .فإنع رلدؿص ًهٍه خًظلنٌص الٓظوُخؾ خًلُهص خألمدمٌص من خًوٌفٌص (هشوظ ؤو مُهزص) وفطٌهد نن خًوٌفٌص. بٌخ هدن ًًًى ضىَش خًوٌفٌص ًىكًهد مؼٍ ضىَش خًًُفص رًون خألشودص ؤو ضىَش ًٌؿًُم يون خملُهزدضٌ ،نون فهٍ هٍخ رٔهىًص نن ؾًُم ؾُق خًطىَش خًـًًًش من هٌفٌظهد ،ننًهد ٓظلطٍ نىل خًـٔم خألمدمٍ ًىكًه. وًون يف مهكم خًلدالض ال منٌى خًوٌفٌص ًىكًهد كظى نٔظؿٌو خًلٌدَ رهمٌٌص خًؿُقًًٍ ،ى ٓنلظدؾ الٓظوُخؾ خًوٌفٌص من ؤي ضىَش ًًًند .نمٌٌص خٓظوُخؾ خًوٌفٌص ططزم ؤهًت طهلًٌخ ننً وؿىي قٍ (مؼٍ قٍ خملُهزص) ،ألن خًكٍ ؤًػد ًظلُن مو خًـٔم .خًؿُق خًزٌٔـ ٌٓلًي خًوٌفٌص خألمدمٌص (خًـٔم +خًكٍ) .ؤن طٔظوُؾ خًـٔم ًىكًه هٍخ يشء مهلً. ًلً طم بًـدي نًش هىخَِمٌدض ًلٍ هٍه خملشوٌص ،كٌؽ كدمع موظزص OpenCvرؿُق ػالغ هىخَِمٌدض من خًٔهٍ نىل خملٔظوًَ خٓظوًخمهدٓ ،نلىَ رٍسق هٍه خًوىخَِمٌدض خًؼالغ هٍ وخكًش ًىكًهد.
333
ببساطةOpenCv
وكً طم نُع هٍخ.هٍه خًوىخَِمٌص طلىَ رفطٍ خملًّف هٌفٌص\ؤمدمٌص نن ؾًُم خملّخثف خًًإوٌٓص An improved adaptive background mixture model for real-time " يف وَكص خًزلؽ يفR. Bowden وP. KadewTraKuPong " ًٌمؿىًَنtracking with shadow detection .4558 َند k=3 to ( K فهٍه خًؿًُلص طهظمً نىل مّؾ هٍ رٌؤٍ يف خًوٌفٌص ومّؿه مو خًظىًِهدض خًًإويس خًوٌفٌص خمللظمٌص هٍ طٌى.ًشًش خملًّف متؼٍ مًش خًىكع ًلدًص خألًىخن خًظٍ طزلى يف خملشه.)5 .خًظٍ ؤًىخنهد طزلى ًفرتش ؤؾىي يون طًًن ننً هظدرص خًوىي ٓنلظدؾ إلنشدء ؿٔم خًوٌفٌص وًٌى ردٓظوًخَ خًظدرو .cv2.createBackgroundSubtractorMOG() وخًهظزص، ونًي خألمّؿص،)هٍخ خًظدرو ٌنٌى رهؼ خًزدَخمرتض خالهظٌدًَص مؼٍ مًش خًزلدء (ًٌىن .)number of gaussian mixtures ،threshold ،history( ردًنٔزص ًًخهٍ كٌلص خًفًًٌى.بٌخ مل ًظم طهًُف هٍه خًلٌم فةنهد طإهٍ كٌم خفرتخغٌص رشوٍ طٌلديئ . ًٌلطىي نىل كندم ًلؿٔدَ خألمدمٌصbackgroundsubtractor.apply() فةنند ٓنٔظوًَ خًظدرو :شدهً خًوىي خًظديل import numpy as np import cv2 cap = cv2.VideoCapture('vtest.avi') fgbg = cv2. BackgroundSubtractorMOG() while(1): ret, frame = cap.read() fgmask = fgbg.apply(frame) cv2.imshow('frame',fgmask) k = cv2.waitKey(30) & 0xff if k == 27: break cap.release() cv2.destroyAllWindows()
رًيcv2.createBackgroundSubtractorMOG() خٓظوًَ خًظدرو4 َ خإلضًخOpenCV يف:مالككص .cv2. BackgroundSubtractorMOG() خًظدرو
ذ
ذ
ذ
334
ببساطةOpenCv . مىؿىيش يف خألٓفٍ كٌؽ ٓنلدَن رٍن ؿمٌو هىخَِمٌدض ؾُق خًوٌفٌص:خًنظٌـص ُ :رشػُامكىد
ذ
fgbg = cv2. BackgroundSubtractorMOG()
وًٌى نن ؾًُم خًظدروfgbg يف خًزًخًص كمند رظهًُف ؿٔم خًوٌفٌص وطوًّنه يف خملظًًن : خًٍي ًإهٍ خملظًًنخض خًظدًٌصcv2.BackgroundSubtractorMOG() cv2.BackgroundSubtractorMOG([history, nmixtures, backgroundRatio[, noiseSigma]]) →
.) ؾىي مًش خًلفل (خقن مًش رلدء خًٌىن يف مودنه:history . نًي خًوالثـ(خملّخثف) خًًإوٌٓص:nmixtures . نٔزص خًوٌفٌص:backgroundRatio . شًش خًػـٌف:noiseSigma
while(1): ret, frame = cap.read() fgmask = fgbg.apply(frame) cv2.imshow('frame',fgmask)
ٍ يف ه. ًنلىَ رهمٌٌص ؾُق خًوٌفٌص ًـمٌو بؾدَخض خًطىَش خملوىنص ًٌفًًٌىwhile كمند رفظم كٌلص طوُخَ ًٌلٌلص نلطٍ نىل خملنؿلص خألمدمٌص من خًـٔم مٌىنص ردألرٌؼ وًٌى نن ؾًُم طؿزٌم طدرو .apply () ؾُق خًوٌفٌص من خألؿٔدَ خألمدمٌص نىل هٍ بؾدَ يف خًفًٌو نن ؾًُم خًظهٌٌمص ذ
طم وغو هٍه.ؤًػد خملّخثف خًًإوٌٓص طهظمً نىل هىخَِمٌص فطٍ خملنؿلص خألمدمٌص نن خًوٌفٌص Improved adaptive " رهنىخنZ. Zivkovic َخًوىخَِمٌص رند ًء نىل وَكظٍ خًزلؽ ًٌمؿى Efficient " و،4553 َ" هظزع ندGausian mixture model for background subtraction Adaptive Density Estimation per Image Pixel for the Task of Background .4555 َ" هظزع ندSubtraction
335
OpenCvببساطة
بكًي خملٌّخض خًهدمص ًهٍه خًوىخَِمٌص رإنهد طوظدَ خًهًي خملندٓس ًٌظىِم خًًإويس ًوٍ رٌؤٍ (طٍهُ رإنه يف ؤهُ كدًص ؤهٍند ًٌ Kظىِم خًًإويس نىل هدمٍ خًوىخَِمٌص وًٌٕ ًوٍ رؤٍ) ،وهٍخ ًىفُ خًلًَش نىل خًظوٌف رشوٍ ؤفػٍ مو خملشدهً خملوظٌفص خًظٍ طًًٌن فٌهد شًش خإلغدءش. يف خًلدًص خًٔدرلص ،ؤنشإند ؿٔم ؾُق خًوٌفٌص .هند منٌى خًوٌدَ فٌٌل بٌخ هند نًًُ طلًًً خًكٍ ًهُغه ؤَ الً .ظلًًً خًكٍ نوظس ( detectShadows = Trueخًلٌمص خالفرتخغٌص طوىن ،)True وهٍخ ًلًي وًهٌم خًكالي ،وًون ًوفف من رسنص خًظنفٌٍ .خًكالي ٓىف طهٌم ردًٌىن خًُمديي. import numpy as np import cv2 )'cap = cv2.VideoCapture('vtest.avi )(fgbg = cv2. createBackgroundSubtractorMOG2 while(1): )(ret, frame = cap.read
)fgmask = fgbg.apply(frame )cv2.imshow('frame',fgmask k = cv2.waitKey(30) & 0xff if k == 27: break )(cap.release )(cv2.destroyAllWindows
(خًنظٌـص ٓظهؿى يف خألٓفٍ) مالككص :يف بضًخَ OpenCv V2كم ردٓظوًخَ خًظدرو )( BackgroundSubtractorMOG2رًال من خًظدرو )(.createBackgroundSubtractorMOG2
امنربئغُ :
ذ
336
OpenCvببساطة بؾدَ خًطىَش خألضًل
خًطىَش خًظدًٌص طهُع بؾدَ خًطىَش َكم 455من خًفًًٌى. ُنرٌعخُامؼشػُامخنفٍُمخىاسصمٌخُُ :MOG
ذ
نرٌعخُامؼشػُامخنفٍُمخىاسصمٌخُُ :MOG2 خملنؿلص خملٌىنص ردًٌىن خًُمديي هٍ منؿلص خًكالي.
ذ
الفصل التاسع ” أن تتعثر فهذا يعني أنك تسير في الطر يق ،فلم أسمع
بأحد يتعثر وهو لا يتحرك ‟
تشارلز كيترينج -مهندس ومخخترع أمريكي
OpenCvببساطة
338
امفصهُامربظؼُ:اكرشبفُاألظعبوُ Object ُ Detection ذ
اكرشبفُاألظعبوُتبظرخذاوُخىاسمٌخُ:Haar Cascades ٓنظهٌم طلًًً خًىؿه ردٓظوًخَ هىخَِمٌص هدٓوًٌ هدَ (.)Haar Cascades ذ
امهذفُ : ٓنظهٌم ؤٓدٌٓدض خهظشدف خًىؿه خنظٌليخ نىل مّخًد هدَ .... Haar وٓنلىَ رنفٕ خًشٌح الهظشدف خًهٍن. ملذمخُنظشًخُ : ٓنوظشف خألؿٔدَ ردٓظوًخَ هىخَِمٌص Haarوخًظٍ طهظمً نىل خٓظوًخَ نًش مطنفدض ،وطهظرب هٍه خًؿًُلص نمٌٌص الهظشدف خألؿٔدَ .طم خكرتخق هٍه خًوىخَِمٌص من كزٍ Paul Violaو Michael Jonesغمن كٌلص رلؼهم " Rapid Object Detection using a Boosted Cascade "of Simple Featuresخًظٍ هظزىهد ندَ .4558هٍه خًوىخَِمٌص طهظمً نىل طًًَس خًـهدِ نىل خًظهٌم خنظٌليخ نىل خمللدَرص ،كٌؽ ًظم طًًَس خًظدرو نىل نًش ضىَ بًـدرٌص وٌٓزٌص .ػم نٔظوًَ هٍخ خًظدرو خملًَذ ًٌوشف نن خألؿٔدَ يف ضىَ ؤهُي. هند ٓىف نٔظهمٌه الهظشدف خًىؿهٓ .نلظدؾ يف خًزًخًص ًهًش ضىَ بًـدرٌص (ضىَ ًىؿىه) وضىَ ٌٓزٌص (ضىَ رًون وؿىه) ًنًَذ خملطنف ( )classifierنىل خهظشدف خًىؿه .ػم ٓنلظدؾ الٓظوُخؾ خملٌّخض منهدًًٍ .ى ٓنٔظوًَ مٌّخض Haarهٌل هى مزٍن يف خًطىَش خًظٍ يف خألٓفٍ .هٍ مٌّش طلطٍ نىل كٌمص وخكًش من هالي ؾُق مـمىنص خًزٌؤالض خًظٍ طلع خملٔظؿٌٍ خألرٌؼ من مـمىم خًزٌؤالض خًظٍ طلع خملٔظؿٌٍ خألٓىي. ذ
339
OpenCvببساطة
ذ
خآلن ٌٓظم خٓظوًخَ هٍ خألكـدَ وخألمدهن خملمونص ًٌلندم ًلٔدذ خًهًًً من خملٌّخض (طوٌٍ هم نًي خًلٔدردض خًظٍ ٓنلظدؿهد؟ فلظى ننً خٓظوًخَ ندفٍش كندم رلـم ٌٓ 24x24هؿٌند نظٌـص ألهًت من 855555مٌّش)ً .لٔدذ هٍ مٌّش ٓنلظدؾ إلًـدي مـمىم خًزٌؤالض خًظٍ طلع خملٔظؿٌٍ خألرٌؼ وخألٓىيً .لٍ هٍه خملشوٌص نُغىخ ضىَش مظودمٌص (يًن مظـّثص) ،هٍخ خألمُ ًزٔـ كٔدذ مـمىم خًزٌؤالض ،نًي خًزٌؤالض كً ًوىن هزًن ًًٍى ٓظشدَن يف هٍه خًهمٌٌص 3رٌؤالض فلـ .ؤًٌٕ هٍخ خألمُ ؤفػٍ؟ فهى ًـهٍ خألمُ ًظم ررسنص هدثٌص. ًون من رٍن هٍ هٍه خملٌّخض كٔزند نًي من خًزٌؤالض ًٌٕ ًهد نالكص .نىل ٓزٌٍ خملؼدي ًنفُع ًًًند خًطىَش خًظٍ يف خألٓفٍ .خًطف خًهٌىي ًكهُ مًٌّظٍن ؿًٌطٍن .ؤوي مٌّش طزًو ؤنهد طُهّ نىل هدضٌص منؿلص خًهٌنٍن وخًظٍ طوىن يدًزد ؤيمم من منؿلص خألنف وخًوًًن .ؤمد خملٌّش خًؼدنٌص طُهّ نىل هدضٌص منؿلص خًهٌنٍن طوىن ؤيمم من ؿرس خًنكدَطٍن وخألنف .وًون خًنىخفٍ خًظٍ ًظم طؿزٌلهد نىل خًوًًن ؤو ؤي منؿلص ؤهُي ال طهمند .فوٌف ٓنظوظدَ ؤفػٍ خملٌّخض من رٍن 855,555مٌّش؟
ذ
OpenCvببساطة
340
ًهٍخ خألمُ ٓنؿزم هٍ مٌّش نىل ؿمٌو ضىَ خًظًًَسً .وٍ مٌّش ٓظىؿً ؤفػٍ نظزص خًظٍ ٓىف ططنف خًىؿىه خإلًـدرٌص وخًٌٔزٌص .وًون من خملهٌىَ رإنه ٌٓوىن هندن ؤهؿدء ؤو ٓىء يف خًظطنٌف. نٌٌند طلًًً خملٌّخض مو ؤيىن مهًي ًٌوؿإ ،وهٍخ ًهنٍ رإنهد ٓظوظدَ ؤفشٍ خملٌّخض ًظطنف خًىؿه من نًَ خًىؿه يف خًطىَش( .خًهمٌٌص ًٌٔع رهٍه خًزٔدؾص .فوٍ ضىَش ٓظإهٍ وِند مظٔإوًد يف خًزًخًص .وًهً هٍ ططنٌف ٌٓظم ًِديش ؤوِخن خًطىَ خملطنفص رشوٍ هدؾح .ػم طظم مُش ؤهُي نفٕ خًهمٌٌص ،وًظم كٔدذ مهًي خألهؿدء خًـًًًش ،وخألوِخن خًـًًًش ؤًػدً .طٔظمُ هٍه خًهمٌٌص كظى ًظم خًظللم من مهًي خًًكص ؤو خًوؿإ خملؿٌىذ بًـديه ًهًي من خملٌّخض) خًظطنٌف خًنهديئ ًهؿٌند مـمىم ؤوِخن خًظطنٌفدض خًػهٌفص .طًنى غهٌفص ألنه ًىكًهد ال طٔظؿٌو ططنٌف خًطىَش ،.وًون مو خًظطدنٌف خألهُي ٌٓظشوٍ ًًًند مطنف كىي .طوربند وَكص خًزلؽ رإنه ننً طىفُ مٌّخض كظى 455مٌّش ٓنلطٍ نىل يكص خهظشدف .95%خًهًي خًنهديئ خٌي كطٌند نٌٌه هدن 5555مٌّش (طوٌٍ هٌف هفػند رهٍه خًهمٌٌص خًظٍ كمند رهد نًي خملٌّخض من 855,555بىل ،5555وهٍخ مؤس هزًن ًند ردًٍخض من ندكٌص رسنص خًظنفٌٍ). ٌنونى خألن ؤهٍ خًطىَ .وطٔظهمٍ هٍ ندفٍش رلـم .24x24وطؿزم 5555مٌّش نٌٌهد .طللم فٌٌل بٌخ هدن وؿه ؤَ ال .ؤًٌٔع هٍه خًؿًُلص يًن نمٌٌص ومػٌهص ًٌىكع؟ نهم هٍ يًن فهدًص ًًٍى ؤوؿً خًودطس كٍ ًًٍى. يف خًطىَش مهكم خملندؾم هٍ ًٌٔع منؿلص وؿهًًٍ ،ى ؤفػٍ ؾًُلص رإن طفلظ خًندفٍش هٍ هٍ منؿلص وؿه فةٌخ مل طون ًظم كٍفهد فىَخ وال ًظم مهدًـظهد مُش ؤهُي .رهٍه خًؿًُلص نىفُ خًىكع ًٌظللم من بمودنٌص وؿىي وؿه يف منؿلص مهٌنص. ًًٍى خألمُ طم بًـدي مفهىَ ( Cascade of Classifiersطٌٍٔٔ خملطنفدض) .فزًال من طؿزٌم 5555 مٌّش نىل ندفٍش ،نـمو هٍه ملٌّخض نىل مُخكٍ( )stagesموظٌفص من خملطنف ()Classifiers ونؿزم مٌّش طٌى خألهُي( .نديش خملُخكٍ خألوىل ٓظلىي ؤكٍ نًي من خملٌّخض) .بٌخ ؤهفلع خًندفٍش خملُكٌص خألوىل ًظم خٓظزهديهد. خملاًف كً خهظشف ؤهًت من 5555مٌّش هالي 48مُكٌص كٌؽ طم خهظشدف نًي من خملٌّخض يف ؤوي 0مُخكٍ وًٌى هٌل يف خًرتطٌس خًظديل1,10,25,25,50 : خىاسصمٌخُ Harr Cascadeيفُُ :OpenCv طىفُ ًند موظزص OpenCvخملًَذ ( )trainerخًٍي ًهؿٌند خًلًَش نىل طًًَس خًوىخَِمٌص إلنشدء مطنف ( )classifierخًٍي ٌٓظظػمن خملهٌىمدض (خًطفدض خملمٌّش) خًظٍ ٓظفًٌند يف خًظهُف نىل خًـٔم خًٍي طم طًًَس خًوىخَِمٌص ًٌظهُف نٌٌه ،وطىفُ ًند OpenCvؤًػد خملوظشف ()detector
341
ببساطةOpenCv
classifier ٓنظهُف نىل مطؿٌم ؿًًً خٓمه خملطنف.َخًٍي ٌنونند من خهظشدف وؿىي خألؿٔد ٍ فمؼال بٌخ هدن ننًند مطنف ًٌٌٔدَش فهٍخ ًهن،وهى ًظظػمن مـمىنص ضفدض ًظمٌٌّ ؿٔم مهٍن .رإنه ًلىي نىل خًطفدض خملمٌّش خًظٍ طًًند نىل ؤن خًـٔم هى ٌٓدَش ، نىل ؤي ؿٔم مؼٍ خًٌٔدَشclassifier طىفُ ًى خًلًَش نىل طًًَس مطنفىOpenCv موظزص ٌٍ ملهُفص هٍ طفدض. رلٌؽ ٌنونى بنشدء خملطنف خًودص رى. خًلٌىخندض، خًلٍسخض،خًؿدثُش وخآلن.Cascade Classifier Training ًٌـٔم خًٍي طًًُ خطزو خًُخرـclassifier بنشدء خملطنف .ٍ ورهً ًٌى ٓإٌسق ؾًُلص طًًَس خًوىخَِمٌص رإٌٓىذ ٓهdetector ٓنظهدمٍ مو خملوظشف .) مًَرص وؿدهّش هدًىؿه وخًهٍن وخًفمclassifier( طلظىي نىل نًش مطنفدضOpenCv موظزص خًظديلOpenCv ًٌ غمن مٔدَ مـOpenCv ًٌ غمن مـXML هٍه خملطنفدض مىؿىيش رطًٌص .OpenCv ينند خآلن ننشإ موظشف ًٌىؿه وخًهٍن مو.opencv\sources\data\haarcascades ػم نلمٍ ضىَش خًًهٍ (ؤو خًفًًٌى) يف، خملؿٌىذclassifier يف خًزًًص ٓنلظدؾ طلمٌٍ خًـ .grayscale خملٔظىي خًٌىين خًُمديي import numpy as np import cv2 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml') img = cv2.imread('sachin.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, 1.3, 5) for (x,y,w,h) in faces: img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) roi_gray = gray[y:y+h, x:x+w] roi_color = img[y:y+h, x:x+w] eyes = eye_cascade.detectMultiScale(roi_gray) for (ex,ey,ew,eh) in eyes: cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) cv2.imshow('img',img) cv2.waitKey(0) cv2.destroyAllWindows()
342
OpenCvببساطة
خآلن ٓنىؿً خًىؿه يف خًطىَش .بٌخ هدن خًىؿه مىؿىي ٌٓظم بنديش مىغو خهظشدف خًىؿه همٔظؿٌٍ ردًطًٌص ) .Rect(x,y,w,hوننًمد نلطٍ نىل خملىغو ٌنونند بنشدء ( ROIخملنؿلص خملهمص) ، ونزلؽ غمن هٍه خًزلهص خًظٍ طم خهظشدف خًىؿه فٌهد نن خًهٍن (ألن خًهٍن يخمئد مىؿىيش يف خًىؿه ،مٌل ًهؿٌند يكص يف خًزلؽ). شبهذُامنرٌعخُ :
ذ
رشػُامكىدُ : )'face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml )'eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml
نلمٍ خملطنف خًٍي ًلظىي نىل مـمىنص خًطفدض خملمٌّش ًىؿه خألنٔدن (من خألمدَ) ونوّنه يف خًظدرو خًٍي ؤنشإنده وهى ،face_cascadeونلمٍ ؤًػد خملطنف خًٍي ًلظىي نىل مـمىندض خًطفدض خملمٌّش ًٌهٍن ونوّنهد يف خًظدرو .eye_cascade )faces = face_cascade.detectMultiScale(gray, 1.3, 5
كظى نوظشف خًىؿه يف OpenCVنٔظوًَ ؾًُلص methodطًنى detectMultiScale وخًظٍ طٔظوًَ الهظشدف خألؿٔدَ يف خًطىَش .الهظشدف وؿىي خًىؿه يف خًطىَش ٓنمَُ ًٌظدرو )( detectMultiScaleؤَرو مظًًنخض وهٍ:
OpenCvببساطة
343
:Imageخًطىَش خًظٍ ٓنزلؽ غمنهد نن خًىؿه (.)gray :scaleFactorندمٍ خًلٌدْ ًٌهَُ خملٔظوًَ الهظشدف وؿه خإلنٔدن ( image .)pyramid بٌخ ِيند كٌمص خًـ ٓ scaleFactorظّيخي رسنص خملوظشف ،وًون ٌنون ؤن طىػُ نىل يكص خالهظشدف. ()could harm our true-positive detection accuracy وهٌٌل ؤنلطند من من كٌمص ندمٍ كٌدْ خًهَُ (ٓ )scaleFactorظنوفؼ رسنص خملوظشف، وًون ٓظًًّ يكص خملوظشفَ .مبد ؤًػد ًًًّ مهًي خهظشدف خًطىَ خًودٌرص .ملًًّ من sA note on Haar cascadeخملىؿىيش نىل خًُخرـ خًظديل خملهٌىمدض َخؿو فلُش http://www.pyimagesearch.com/2016/06/20/detecting-cats-in-images/with-opencv
ًٌ :minNeighbors ظلوم رإكٍ نًي من خملٔظؿٌالض خمللٌؿص خملوظشفص يف منؿلص مهٌنص ردًنٔزص ًٌمنؿلص خًظٍ ٌنون خن طهظرب وؿه خنٔدن .هٍخ خًزدَمرت مفًٌ ؿًخ ًٌظوفٌف من مهًي خهظشدف خًطىَ خًودٌرص. )pruning false-positive detections) :minSize ؤكٍ ؾىي ونُع مٔمىق ًٌمٔظؿٌٍ خمللٌـ خملوظشف ًٌىؿه (مؼدي )75 x 75 (يف خًوىي خًٔدرم مل نٔظهمٍ هٍخ خملظًًن). خًظدرو )( ً detectMultiScaleهًٌ مٔظؿٌٍ ردًشوٍ (بكًػٌدض ًٌّ x,yؤوًص خًهٌٌد خًٌرسي ًٌمٔظؿٌٍ ،وؾىًه ونُغه). بعضذادلالحظاتذعؾىذخوارزؿقةذ :Haar cascadesذ
هٍه خًوىخَِمٌص كديَش نىل خهظشدف خألؿٔدَ يف خًطىَش رًؼ خًنكُ نن مىكههد وكـمهد ،وؤًػد ٌنونهد خًوشف نن خألؿٔدَ يف خًىكع خًللٌلٍ يف خألؿهّش خًلًًؼص. ذ ذ
OpenCvببساطة
344
ؿشاؽلذؿصـفذفارذ :Haar cascadesذ
هندن مشوٌص يف مطنفدض هدَ ( )Haar cascadesفهنً طوزًن كٌمص ٓ scaleFactorظطزم ؤرسم نمٌٌص خهظشدف خًـٔم وًون خملشوٌص رإن خًًكص طنوفؼ ،وخملشوٌص خألهُي ننً طلٌٌٍ كٌمص ً scaleFactorطزم موظشف خًلٌدْ ؤرؿإ وطًًّ خًًكص وًون ردمللدرٍ طًًّ نًي خًطىَ خًودٌرص خملوظشفص (ؤي خًطىَش خًظٍ ال متؼٍ وؿه). ًًٍى ننً غزـ خًزدَمرتخض ًٌظدرو )( ٓ detectMultiScaleنلظدؾ خًوؼًن من خًىكع ،وكً طلظدؾ ًػزـ ؿًًً ننً خهظالف خًطىَش .رٔزس هٍه خملشدهٍ ًظم طؿزٌم Histogram of Oriented Gradients + Linear SVM detectionرًال منهد. HOG + Linear SVMؤٓهٍ يف غزـ خملظًًنخض وؤفػٍ ،وطظمٌّ رإن نٔزص خهظشدف خًطىَ خًودٌرص كٌٌٍ ؿًخ .وًون هندن ٌٓجص وخكًش فٌهد وهٍ ضهىرص خًلطىي نىل خًنظٌـص يف خًىكع خًللٌلٍ ( )Real-timeرٔزس طؿزٌم HOG +Linear SVMمهد. ذ
مشاظؼُبطبفٌخُ : 1. Video Lecture on Face Detection and Tracking 2. An interesting interview regarding Face Detection by Adam Harvey 3. http://www.pyimagesearch.com/2016/06/20/detecting-cats-in-images-with-opencv/
ذ ذ ذ ذ ذ ذ
OpenCvببساطة
345
خؼىادُذذسًجُامخىاسصمٌخُمنرػشفُغىلُامشكهُاملؼنىةُ : يف خًوؿىخض خًظدًٌص ٓإٌسق ؾًُلص بنشدء ٌٌٓٔص من خملطنفدض ( )classifiersخنظٌليخ نىل خملٌّخض مؼٍ مٌّش هدَ ،Haarوخًظٍ طهً خًظلنزص خألهًت شٌىند يف خًُئًص خًلدٓىرٌص الهظشدف خًىؿه وخًهٍن.هٍ خأليوخض خملؿٌىرص وخًطىَ خملىؿزص وخًٔدًزص مىؿىيش نىل خًُخرـ: https://www.cs.auckland.ac.nz/~m.rezaei/Tutorials/Haar -Training.zipذ
هؿىخض طًًَس خًوّخَِمٌص إلنشدء :classifier ؿمو ضىَ خًظًًَس خملىؿزص وخًٔدًزص. طهٌٌم خًطىَ خملىؿزص ردٓظوًخَ خأليخش objectmarker.exeؤو .ImageClipper بنشدء مٌف )vector( .vevخنظٌليخ نىل خًطىَ خملىؿزص خملهٌمص خنظٌلي نىل خأليخش .createsamples.exe طًًَس خملطنف ردٓظوًخَ .haartraining.exe طشًٌٍ خملطنف ردٓظوًخَ خأليخش )(.cvHaarDetectObjects امخؼىحُُ:1ظمؼُكبغذحُتٌبنبدُامصىس ُ ٓنلىَ رـمو كىخيل 455ضىَش بًـدرٌص (مىؿىي فٌهد خًـٔم خملؿٌىذ) و 455ضىَش ٌٓزٌص (ال ًىؿً فٌهد خًـٔم)ٌ .نوظى خًلطىي نىل خًطىَ بمد من خألنرتنع ؤو من هالي ططىًُ نًش فًًٌىخض وطلٌٔمهد ًطىَ. خًطىَ خملىؿزص طهنٍ خًطىَش خًطىَش خًظٍ طلىي نىل خًـٔم (نىل ٓزٌٍ خملؼدي خًىؿه ؤو خًهٍن)، وخًطىَ خًٌٔزٌص هٍ خًظٍ ال طظػمن خًـٔم.وؿىي نًي هزًن من خًطىَ خإلًـدرٌص وخًٌٔزٌص (خًوٌفٌص) ًهؿٌند يكص ؤهرب يف خملطنف(.)classifier امخؼىحُُ:2ذشذٌجُامصىسُامعنثٌخ ُ غو ضىَ خًوٌفٌص غمن مـًٌ Haar Training\training\negativeوشًٍ خملٌف create_list.bat dir /b *.jpg >bg.txt رهً طشًٌٍ هٍخ خملٌف ٓنلطٍ نىل مٌف نًص ردٓم ً bg.txtلىي نىل ؤٌٓلء خًطىَ هٌل ًًل: image1200.jpg image1201.jpg image1202.jpg ...
OpenCvببساطة
346
ٓنلظدؾ هٍخ خملٌف خًنًص خًٍي ًلىي نىل رٌدندض خًطىَ خًٌٔزٌص ًظًًَس خملطنف. امخؼىحُُ:3املصُ&ُذػنٌمُامصىسُاملىظثخ ُ يف هٍه خًوؿىش ٓنلظدؾ إلنشدء مٌف رٌدندض (ً )vector fileلىي نىل ؤٌٓلء خًطىَ خملىؿزص ردإلغدفص ملىغو خًـٔم يف هٍ ضىَشٌ .نونند بنشدء هٍخ خملٌف نن ؾًُم ؤيخطٍن هٌل: Objectmarkerؤو .Image Clipper ؤيخش Objectmarkerؤهًت رٔدؾص وؤرسم ؤمد خأليخش خًؼدنٌص Image Clipperنىند مد ؤهًت مُونص وًون ٓظإهٍ مهى وكع ؤهرب ننً طهٌٌم خألؿٔدَ يف خًطىَ. هند ٓنٔظوًَ ؤيخش .Objectmarker غو خًطىَ خملىؿزص غمن خملـًٌ ...\training\positive\rawdata غمن خملـًٌ ....\training\positiveهندن مٌف ؤٓمه ٓ objectmaker.exeنلظدؿه ًظهٌٌم خألؿٔدَ يف خًطىَخملىؿزص. ًيك ًهمٍ خملٌف objectmaker.exeطإهً من وؿىي خملٌفٍن cv.dllو highgui.dllغمن مٔدَ خملٌف. كزٍ طشًٌٍ objectmaker.exeطإهً رإنى مُطدق وًًًى وكع هديف ًظهٌم رهندًص خألؿٔدَ ًهٍسخض ؤو مجدض خًطىَ خملىؿزص. هٌف ٓظهٌم خًـٔم؟ شًٍ خملٌف ٓ objectmaker.exeظشدهً ندفٍطٍن هٌل يف خألٓفٍ :ندفٍش ًهُع خًطىَش وندفٍش ًهُع خٓم خًطىَش.
ذ ذ
347
OpenCvببساطة
)8خنلُ نىل خًّؤوًص خًهٌٌد ملنؿلص خًـٔم (مؼٍ خًىؿه) وؤمٔى خملإوْ كظى طهٌم منؿلص خًـٔم. ٓ )4ظشدهً مٔظؿٌٍ كىي خًـٔم .بٌخ مل ًهـزى خًظلًًً خغًـ ؤي َِ إلِخًص خًظلًًً (مد نًخ َِ Spaceو)Enter
ذ
مالككص هدمص :ننً َٓم خملٔظؿٌٍ خمللٌـ ردًـٔم خهظم ؤن طزًؤ رُٓم خملُرو بمد من خًّؤوًص خًٌرسي خًهٌٌد ؤو من خًّؤوًد خًٔفىل خًٌمنى .بٌخ رًؤض خًُٓم من خًّؤوًظٍن خألهًُظٍن فٌن ًوظس بكًخػٌدض خًـٔم خمللًي غمن خملٌف info.txtؤي هإنى مل طلًي خًـٔم.
بٌخ َٓمع خملٔظؿٌٍ رشوٍ ضلٌم ؤغًـ نىل خًَّ . SPACEنن ًٌى ٌٓكهُ مىغو خملٔظؿٌٍ وكٌدٓه نىل خًندفٍش خًٔىيخء (هٌل هى وخغم يف خًطىَش)
ؤنً خًوؿىخض من aبىل cبٌخ هدن هندن نًش ؤؿٔدَ يف خًطىَش (مؼٍ نًش وؿىه).
OpenCvببساطة
348
ننًمد طنظهٍ من طلًًً خألؿٔدَ يف خًطىَش خًلدًٌص ؤغًـ خًَّ .Enter هَُ خًوؿىخض من aبىل eكظى طنظهٍ من طهٌٌم ؿمٌو خألؿٔدَ يف خًطىَ خملىؿزص. بٌخ شهُض رإنى طهزع وطًًُ خًظىكف نن طهٌٌم خًطىَ خغًـ َِ ESCننًهد ٌٓظم بنشدء مٌف نًص ردٓم .info.txt طلًٍُ :ننًمد طوُؾ من خأليخش ojectmakerوطًًُ بهٌلي طهٌٌم خًطىَ خملىؿزص فٌٌل رهً كم رللل خملٌف info.txtخًلديل خًٍي ؤنشإطه يف مـًٌ ؤهُ ؤو يًن ؤٓمه (يف هٍ مُش طوُؾ منهد من خأليخش كم رظًًٌن خٓم خملٌف بىل .)info1.txt, info2.txtألنه يف هٍ مُش ٓظشًٍ فٌهد خأليخش ٌٓ ojectmaker.exeظم خًوظدرص فىق خملٌف info.txtخًلديل وٓظٍهس هٍ خًزٌدندض خًظٍ نمٌظهد .ورهً خألنظهدء من طهٌٌم ؿمٌو خًطىَ كم رًمف ؿمٌو رٌدندض خملٌفدض خًنطٌص خًظٍ ؤنشإطهد غمن مٌف نًص وخكً ردٓم .info.txt
يخهٍ خملٌف خًنًص ٓ info.txtظشدهً رهؼ خملهٌىمدض مؼٍ: rawdata\image1200.bmp 1 34 12 74 24 rawdata\image1201.bmp 3 35 25 70 39 40 95 80 92 120 40 45 36 rawdata\image1202.bmp 2 10 24 90 90 45 68 99 82ذ
ؤوي َكم ٌنؼٍ نًي خألؿٔدَ خملىؿىيش يف خًطىَش خملهؿدش ،فهىل ٓزٌٍ خملؼدي يف خًٔؿُ خًؼدين خًُكم ًً 4ي نىل ؤن هندن ػالػص ؤؿٔدَ يف هٍه خًطىَش (هؼالػص وؿىه) .خألَكم خألَرهص خًظدًٌص خملٌىنص ردألهٍص طهؿٌند مىغو ؤوي ؿٔم يف خًطىَش (بكًخػٌدض خًّؤوًد خًهٌٌد خًٌرسي ًٌمٔظؿٌٍ x= 35 , y=25وؾىي ونُع خملٔظؿٌٍ )Width=70 ,Hight=39وخألَكدَ خألَرهص خًظدًٌص خملىنص ردألخكمُ متؼٍ مىكو ًـٔم خًؼدين ،وخألَكدَ خملٌىنص ردألَِق متؼٍ خًـٔم خًؼدًؽ ،وهوٍخ ... وؿىي هؿإ نىل ٓزٌٍ خملؼدي هٌل يف هٍخ خًٔؿٌُ rawdata/d19.bmp 3 83 119 185 183 :نون ؤن ًايي بىل كًوغ هؿإ هزًن يًن مٌلىف ننًمد طًَذ خملطنف ًٌظهُف نىل خًشوٍ (فهنً كطىي خًوؿإ يف ٓؿُ مهٍن ٌنون ؤن ًايي ًهًَ كُخءش خألٓؿُ خًظٍ طًل خًوؿإ) .كزٍ خًزًء يف خًوؿىش خًظٍ طٌٌهد طإهً ؤن هٍ ؤٓؿُ خملٌف info.txtضلٌلص.
خًوؿإ يف خملؼدي خًٔدرم هى ردًهًي 4فٌـس ؤن ًوىن خًهًي .8هٍخ خًنىم من خًوؿإ ٌنون ؤن ًلًغ ننًمد طًمف مٌفدض info.txtمهد.
349
ببساطةOpenCv ُ ُمنصىسُاملىظثخvectorُُبنشبءُمنف:4ُامخؼىح ) خٓمهbatch( هندن مٌف ردطش..\training\ ًٌغمن خملـ samples_creation.bat :ًوظىي هٍخ خملٌف نىل خألوخمُ خًظدًٌص
createsamples.exe -info positive/info.txt -vec vector/facevector.vec -num 200 -w 24 -h 24
:ٍخًزدَمرتخض خًُثٌٌٔص ه -info positive/info.txt -vec vector/facevector.vec -num 200 -w 24 -h 24
Path for positive info file Path for the output vector file Number of positive files to be packed in a vector file Width of objects Height of objects
ردٓمvector وًلَّ ضىَ خألؿٔدَ يف مٌفinfo.txt مٌف خًزدطش هٍخ ًلمٍ خملٌف خًنًص رهً طشًٌٍ مٌف خالرظش ٓىف طلطٍ نىل مٌف ردٓم.facevector.vec مؼال،نوظدَه ..\training\vector ًٌ يخهٍ خملـfacevector.vec ٓظلظدؾ ألن ًوىن غمن مٔدَ خملـًٌ خملٌفدض خًظدًٌصcreatsample.exe ًظشًٌٍ خملٌف:الكل cv097.dll, cxcore097.dll, highgui097.dll, and libguide40.dll
ُ )Haar-Training(ُHarrُُذذسًج:5ُامخؼىح : haartraining.bat ٌنونى طهًًٍ خًزدطش..\training ًٌغمن خملـ haartraining.exe -data cascades -vec vector/vector.vec -bg negative/bg.txt -npos 200 -nneg 200 -nstages 15 -mem 1024 -mode ALL -w 24 -h 24 –nonsym
-data cascades -vec data/vector.vec -bg negative/bg.txt -npos 200 -nneg 200 -nstages 15 -mem 1024 -mode ALL -w 24 -h 24 -nonsym
Path and for storing the cascade of classifiers Path which points the location of vector file Path which points to background file Number of positive samples ≤ no. positive bmp files Number of negative samples (patches) ≥ npos Number of intended stages for training Quantity of memory assigned in MB Look literatures for more info about this parameter Sample size Use this if your subject is not horizontally symmetrical
OpenCvببساطة
350
خًلٌدْ -Wو -Hيف خًزدطش ً harrtraining.batنزًٍ ؤن ًوىن نفٔه يف خًزدطش sample- .creation.bat ذ
ً Harrtraining.exeلى َ رـمو مـمىنص ؿًًًش من خًهٌندض خًٌٔزٌص يف هٍ مُكٌص ،و -nneg ًلًي خًلً خألكىص ًلـم خملـمىنص .بنه ًٔظوًَ مهٌىمدض خملُكٌص خًٔدرلص ًٌلًي ؤي خًهٌندض مُشلص " "candidate samplesكظى ًظم ططنٌفهد رشوٍ ضلٌم .يف نهدًص خًظًًَس ننًمد ططزم نٔزص خًهٌندض خًظٍ طم ططنٌفهد رشوٍ ضلٌم من خًهٌندض خملُشلص ؤكٍ من ًًٍى : ًًٍى مهٌل هدن نًي خملُخكٍ ( )nstagesخمللًيش يف .haartraining.batخًربندمف كً ًنظهٍ ردهُخ (ؤي كزٍ نهدًص نًي خملُخكٍ خمللًيش) بٌخ وضٍ ًٌٍسؽ خًٔدرم .نديش بنهد بشدَش ؿًٌش ًًكص نمٌٌص خًظًًَس ًًًند ،وًون ؤًػإ ٌنون ؤن ًلًغ ننًمد طوىن نًي خًطىَ خملىؿزص ًٌٕ هديف (مؼال ؤكٍ من .)055 الكلً :ظشًٍ خملٌف ٓ haartaining.exeظلظدؾ ألن ًوىن غمن مٔدَ خملـًٌ خملٌفدض خًظدًٌص: cv097.dll, cxcore097.dll, and highgui097.dll
ننًمد طشًٍ ٓ haartraning.batظشدهً رهؼ خملهٌىمدض خملشدرهص ًٌطىَش خًظدًٌص:
ذ
351
ببساطةOpenCv .خملهؿٌدض خًظٍ يف خًطىَش هٍ ًٌمُكٌص خألوىل من خًظًًَس
Parent node: N: %SMP: F: ST.THR: HR: FA: EXP.
Defines the current stage under training process Number of used features in this stage Sample Percentage (Percentage of sample used for this feature) "+" if flipped (when symmetry applied) and "– "if not Stage Threshold Hit Rate based on the stage threshold False Alarm based on the stage threshold ERR: Exponential Error of strong classifier
.من مُخكٍ طًًَس خملطنف
ذ
خًطىَش خًظدًٌص طهُع خملُكٌص خًهدٌسش
OpenCvببساطة
352
امخؼىحُُ:6بنشبءُمنفُامـُُ XML رهً خالنظهدء من مُخكٍ طًًَس ٓ Harrظـً غمن خملـًٌ ../training/cascades/مـمىنص من خملـًٌخض مُكمص من خًُكم 5بىل َكم خملُخكٍ خًظٍ طم طلًًًهد غمن خملٌف .haartraining.bat يف هٍ مـًٌ من خملـًٌخض خًٔدرلص ًـس ؤن ًوىن هندن مٌف نًص ردٓم .AdaBoostCARTHaarClassifier.txtكم رنٔى ؿمٌو خملـًٌخض بىل خملـًٌ ../cascade2xml/data/ خألن ًـس نٌٌند ؿمٌو خملُخكٍ خًظٍ طم بنشدثهد (خملطنفدض) غمن مٌف وخكً XMLوخًٍي ٌٓوىن خملٌف خًنهديئ. شًٍ مٌف خًزدطش convert.batخملىؿىي غمن خملـًٌ ../cascade2xml/ ًظػمن مٌف خًزدطش هٍخ خًظهٌٌٌلض خًظدًٌص: haarconv.exe data myfacedetector.xml 24 24 myfacedetecor.xmlهى خٓم مٌف خًوُؾ وخًُكمٍن ً 24 24لًيخن Wو H. خألن ؤضزم ًًًند مٌف خي XMLخًودص رند ،وخًٍي ٌنونى من هالًه خهظشدف خألؿٔدَ.
353
OpenCvببساطة
ذؼثٌلبدُغمنٌخ ُ كً ًٔإي ؤكًهم رإنند طهٌمند مهدًـص خًطىَ فوٌف نٔظؿٌو خآلن َرؿهد مو خألؿهّش خإلًورتونٌص؟ هندن فوُش ًـس ؤن طفهمهد كظى طٔظؿٌو ؤن طُرـ ؤي مٍسوم مهدًـص ضىَش مو خًهندرص وخألؿهّش خألًورتونٌص وهٍ: ننًمد طٔظؿٌو َٓم مٔظؿٌٍ ؤو يخثُش يف مودن خًـٔم خملؿٌىذ خًزلؽ ننه فإنع طهُف بٌخ بكًخػٌدض ) (X,Yملودن وؿىي خًـٔم نىل خًشدشص ،فةٌخ هٍ مد طلظدؿه هى متًُُ هٍه خإلكًخػٌدض ًٌـهدِ خًوهُرديئ ؤو خإلًورتوين هملُن خًًٔنفى مؼال ،فٌظم طلًُى خًًٔنفى رندءخ ً نىل هٍه خإلكًخػٌدض .خًظؿزٌلدض خًظدًٌص طىغم رهػد من هٍه خألفودَ. ؿثال:ذذؿالحؼةذؽرة
ذ
ٓنظهٌم يف هٍخ خًظؿزٌم ؾًُلص خًظلوم مبلُهٍن ًظلوٌلن رودمًنخ ملالكلص هُش نن ؾًُم ًىنهد. خًهًف من خًظؿزٌم هى فهم هٌفٌص خٓظوًخَ موظزص ًٌ OpenCvظلوم ردًهندرص خًوهُردثٌص وخإلًورتونٌص .موؿؿدض خملٍسوم وخًوىي وخًطىَ مظىفُش نىل خًُخرـ: https://github.com/MicrocontrollersAndMore/Raspberry_Pi_2_and_OpenCV_3_Tutori al_Part_1
354
ببساطةOpenCv :خًوىي مظىفُ نىل خًُخرـ
https://github.com/MicrocontrollersAndMore/Raspberry_Pi_2_and_OpenCV_3_Tutorial _Part_1/blob/master/pan_and_tilt_tracker.py
ُ :املىكؼُامربيلًُؽرىيُغىلُامػذًذُمنُؤفكبسُاملشبسًؼُامرٍُميكنكُذنفٌزهب /https://www.intorobotics.com/20-hand-picked-raspberry-pi-tutorials-in-computer-vision
ُ املشاظؼُامشئٌعٌخ
https://opencv-pythontutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html http://docs.opencv.org/master/d6/d00/tutorial_py_root.html ذذذذ
http://docs.opencv.org/2.4/index.html http://docs.opencv.org/3.0-beta/modules/refman.html http://opencvpython.blogspot.com/
http://www.pyimagesearch.com/
http://coding-robin.de/2013/07/22/train-your-own-opencv-haarclassifier.html http://alereimondo.no-ip.org/OpenCV/34 https://pythonprogramming.net/haar-cascade-object-detection-pythonopencv-tutorial/
http://breakinpointteam.blogspot.com/2015/12/opencv.html http://destovskyson.blogspot.com/ ذذؽتابذرادبرييذبايذببدارةذؾؾؿفـدسذعبدذاهللذعؾيذعبدذاهلل
http://breakinpointteam.blogspot.com/2015/12/opencv.html https://www.youtube.com/playlist?list=PLd3hlSJsX_Imk_BPmB_H3A QjFKZS9XgZm https://www.youtube.com//UCFCRCV/featured
http://destovskyson.blogspot.com
طريقك حنو تعلم الرؤية احلاسوبية ومعاجلة الصورة الرقمية
Computer Vision
1
ببساطةOpenCv
2
OpenCvببساطة
ُسخصخُامكربة ُ امنعخخُاإلمكرتونٌخُمنُامكربةُتصٌغخُُPDFمنشىسحُذؽزُسخصخُاإلتذاعُاملشبغٍُا ُإلصذاسحُامشاتػخُ ُCreative Common v4ذؽزُرشوغُ:امنعثخُ–ُاملشبسكخُتبملصهُ–ُغذوُاإلظرغاللُامرعبسيُ .
.1سخصخُاملشبعُاإلتذاغٍ(ُ CC-NC-امغريُذعبسًخ)ً :ى هدمٍ خًلم يف نٔى وطىًِو وطهًًٍ ؤو خإلغدفص ؤو كظى ؾزدنص خًوظدذ وَكٌدً هٌل طشدء ٌسؽ نًَ خٓظًالي خًوظدذ طـدًَدً رإي ضىَش فدًوظدذ مـدين متدمدً وًـس ؤن ًكٍ هًٍى. .2امنعثخًُ :BY -ـس ننً نٍس ؤو طهًًٍ خًوظدذ يون ٌهُ خملاًف وخملطًَ خألضًل. .3املشبسكخُتبملصه :SA-بٌخ طم خشظلدق ؤي نمٍ من هٍخ خًوظدذ مؼٍ نمٍ هظدذ خهُ ؤو ملدٌصش طهٌٌمٌص ؤو فًًٌى فٌـس ؤن ًظم نٍسهد رنفٕ خًُهطص (خملشدم خإلرًخنٍ خًنٔزص ،خملشدَهص ردملؼٍ ،خًًًن طـدًَص).
ُ شكشاًُمنمعبهمنيُيفُمشاظػخُامكربة ُ وُ.غثذهيُغًلُ،وُ.غثذهيُغبدلُ،و.نىسهبنُغالء ُ ًٌظىخضٍ مو خملاًف [email protected]
LinkedInكٔدذ http://www.linkedin.com/in/khaled-aldobosh
هدًً خًًرش 8341هـ خملىخفم َ 7182
3
ببساطةOpenCv
OpenCvببساطة
4
ملذمخُامكبذج ُ بسم الله الرحمن الرحيم خًلمً هلل َذ خًهدملٍن ،رهً مُوَ ؤهًت من 8ؤشهُ من خًهمٍ خملٔظمُ إلنًخي هٍخ خًوظدذ خنظهٌع من هظدرظه وقهُ هٌل طُخه رهٍخ خًظنٌٔم خًٍي خٓظًُق من وكظٍ وؿهًي خًوؼًن .خًوظدذ ًٌٕ طُؿمص كُفٌص ًوظدذ آهُ وبمند من طإًٌفٍ ،كٌؽ خنظمًض نىل مُؿو َثًٌس يف خًوظدرص وهى خًًنم خًٍي طلًمه موظزص opencvوخملىؿىي نىل مىكههد ،وخًهًًً من خملُخؿو وخملىخكو خآلهُي. ظمٌؼُاألكىادُامرٍُيفُامكربةُذمُذؼثٌلهبُوذعشًثهبُتشكهُغمًل ُ
ؤيٌس خملُخؿو خألؿنزٌص خًظٍ كُؤطهد ًظهٌم خًُئًص خًلدٓىرٌص ردٓظوًخَ موظزص opencvال طهظم رٍسق خًوىي بال ؿّء ًًٔن منه ؤو كً ال ًظم خًظؿُق ًٌٍسق ؤرًخ ًٍخ خٓظؼمُض خًوؼًن من خًىكع ًفهم خًوىي وٌسكه ًٌلدَت فلً هدنع هربيت رًٌص ردًؼىن ضفُ ؤمد خآلن وهلل خًلمً فإطلنع ًًص ردًؼىن. يف خملُخؿو خألؿنزٌص ًوىن هندن خفرتخع مٔزم روربطى يف ًًص خًربمـص ردًؼىن ،ؤمد يف هٍخ خًوظدذ فدنظربض ؤن خًلدَت ال ًهٌم شٌح نن خًًٌص ًٍخ رًؤض مهه من خًطفُ ردٓظؼندء ؤن ًوىن ًًًه مهُفص وًى ضًًنش ردًربمـص هظهٌٌمص ifو else ifو forو.while هٍ فلُش فٌهد ملًمص نكًُص وؿدنس نمًل فةٌخ خٓظطهس نٌٌى فهم خمللًمص خًنكًُص ًٌفلُش فال طلٌم فإيٌس خمللًمدض خًنكًُص ٌنونى طوؿٌهد يون فهمهد كٌؽ ٌنونى خالنظلدي ًٌـدنس خًهمًل وطؿزٌم خًوىي رشوٍ مزدٌس. يف خًزًخًص ٓإٌسق ؤٓدٌٓدض مهدًـص خًطىَش خًظٍ ٓظٔدنًند يف رًخًص خالنؿالق مبـدي خًُئًص خًلدٓىرٌص ،ورهً ًٌى ٓإٌسق ؤٓدٌٓدض ًًص خًزدًؼىن ،رهً ًٌى ٌنونى خًزًء رظهٌم خٓظوًخَ موظزص ( OpenCvخملوظزص خًربمـٌص خملفظىكص ًٌُئًص خًلدٓىرٌص).
OpenCvببساطة
5
بهذاء بىل ام ّشؼمخ املهذاحُ منػبملنيُ .. بىل امصبدقُ امىغذُ األمني.. بىل امزي ذشربقُ مشئًرهُ امػٌىن.. بىل من تبمعنخ مػه ؤمتنى ؤن ؤكىن..
ظٌذنب مؽمذ صىل هي غنٌهُوظنم بىل غبصمخُ امصربُ وؤًىةُ هزا امػرص.. بىل منهمٍ ونبصؽٍ يف كه ؤمش.. بىل من غنّمنٍ امصثبد يفُ َمشُ املؽن..
ؤيب امغبيل بىل صبؼثخُ املنجُ امذافئُ.. بىل نثؼُ امؽنبنُ ومفربػُ امعنبن.. ؤنهه منهب امصرب واألمبن.. بىل من ُ سيب امغفشان.. بىل من ؤسظى تهب من ّ ُ
وامذيت امغبمٌخ بىل امنعىو امرٍ ؤنبسد ظنمخ وؼذيت.. بىل من تبمرثعم ؤػنلىا طؽكرٍ.. بىل امزًن ؼني ؤسي اترعبمرهم ذكىنُ ظػبديت.. بىل من تهم ًشرذ ؤصسي وتهم ذنعًل وؼذيت..
بخىيت وؤخىايت ؤمظٌز مػهم ؤؼىل مؽظبدُ امؽٌبح.. ُ بىل من بىل من يل مػهم ؤظمه امزكشًبد.. بىل من ركشهم يف املنجُ مىظىد.. بىل من كذسهم غنذي مٌغ مه ؼذود..
ؤصذكبيئُُُ
OpenCvببساطة
6
امفهشط ُ ىظؼ امفهشطُامل َ
7
امشئًخُامؽبظىتٌخُCOMPUTER VISION
15
ؤظبظٌبد مػبمعخُامصىسحُIMAGE PROCESSING
21
ػشًلخُذصثٌزُمكرثخُOPENCV
25
ملذمخُغنُمغخُتبًصىن
33
ؤظبظٌبدُمغخُPYTHON
34
مٌضادُامىاظهخُامشظىمٌخُُGUIيفُOPENCV
39
امفصهُاألولُ:مٌضادُامىاظهخُامشظىمٌخُُGUIيفُOPENCV
44
امفصهُامصبينُ:امػمنٌبدُاألظبظٌخُغىلُامصىس
68
امفصهُامصبمضُ:مػبمعخُامصىسحُيفُOPENCV
91
امفصهُامشاتؼُ:اإلػبسادُيفُOPENCV
194
امفصهُامخبمغُ:املخؼؼبدُامثٌبنٌخُيفُOPENCV
216
امفصهُامعبدطُ:ذؽىًالدُامصىسحُيفُOPENCV
242
امفصهُامعبتؼُ:مٌضحُامكشفُوامىصفُ255 FEATURE DETECTION AND DESCRIPTION
امفصهُامصبمنُ:ذؽنٌهُامفٌذًىُVIDEO ANALYSIS
349
امفصهُامربظؼُ:اكرشبفُاألظعبوُOBJECT DETECTION
338
ذؼثٌلبدُغمنٌخ
353
املشاظؼُامشئٌعٌخ
354
OpenCvببساطة
7
ىظؼ امفهشطُاملُ َُ ُ ملذمخُامكبذج
4
امفهشط
6
امفهشطُاملىظؼ
7
امشئًخُامؽبظىتٌخُCOMPUTER VISION
15
مب هٍ امشئًخُامؽبظىتٌخ
15
ذؼثٌلبدُامشئًخُامؽبظىتٌخ
15
املهبوُامشئٌعٌخُمنشئًخُامؽبظىتٌخ:
17
امكبمرياُامشكمٌخDIGITAL CAMERA
18
ملدَنص رٍن ؤيخيت خًظطىًُ ٌخض خًوُؾ خًظشدرهٍ وخًوُؾ خًُكمٍ
88
مػبمعخ امصىسح امشكمٌخُDIGITAL IMAGE PROCESSING
18
مكرثخُOPENCV
19
مؽرىتبد مكرثخُOPENCV
19
ذؼثٌلبدُOPENCV
24
مغبدُامربمعخُيفُOPENCV
24
ؤظبظٌبد مرػنمُمػبمعخُامصىسحُIMAGE PROCESSING
21
ػشًلخُذصثٌزُمكرثخُOPENCV
25
ػشًلخُذصثٌزُمكرثخُُOPENCVغىلُنظبوُWINDOWS
25
ػشًلخُذصثٌزُمكرثخُُOPENCVغىلُنظبوُامرشغٌهُUBUNTU
28
ػشًلخُذصثٌزُمكرثخُُOPENCVغىلُامشاظثرييُتبي
32
ملذمخُغنُمغخُتبًصىن ممٌّخض ًًص ردًؼىن ؤظبظٌبدُمغخُPYTHON
33 43 34
OpenCvببساطة مفرسُتبًصىنُامرفبغًل
8 34
امػمنٌبدُاألظبظٌخ
36
ؼفظُامربنبمغُيفُظكشتز
37
امفصهُاأل ُولُ:مٌضادُامىاظهخُامشظىمٌخُُGUIيفُOPENCV
44
ػشًلخُغشضُصىسحُوؼفظهب
41
ذػنمُكشاءحُامصىسحُوغشطهبُوؼفظهبُغنُػشًمُامرىاتؼُامربمٌخ
41
كُخءش ونُع خًطىَش
34
امرلبغُامفٌذًىُمنُامكبمريا
47
ذشغٌهُامفٌذًىُمنُمنف
49
ذىاتؼُامشظم
54
َٓم هـ َٓم مٔظؿٌٍ َٓم يخثُش َٓم كؿو ندكظ َٓم مػٌو بغدفص نظ ًٌطىَش
05 08 03 00 05 05
ؤؼذاسُامفإسح
58
رشًؽُامرمشًشُامعبنثٍ
64
امفصهُامصبينُ:امػمنٌبدُاألظبظٌخُغىلُامصىس
68
خصبئصُامصىسح
71
املنؼلخُاملهمخُيفُامصىسحُ()IMAGE ROI
72
فصهُودمغُكنىادُامصىسح
74
بنشبءُؼذودُمنصىسح
75
امػمنٌبدُامعربًخُغىلُامصىس
77
ؿمو خًطىَ يمف خًطىَ خًهمٌٌدض نىل مٔظىي خًزع(BITWISE OPERATIONS( : ذلنٌبدُكٌبطُاألداءُوذؽعٌنه
77 78 79 84
OpenCvببساطة كٌدْ خأليخء نن ؾًُم موظزص OPENCV خًلٍ خملؼديل خالفرتخيض يف OPENCV كٌدْ خأليخء يف IPYTHON خًوؿىخض خًظٍ ًـس خطزدنهد ًٌلطىي نىل خأليخء خملؼديل امفصهُامصبمضُ:مػبمعخُامصىسحُيفُOPENCV ذغٌريُامفظبءادُامنىنٌخُCHANGING COLOR SPACES طًًٌن خًفػديئ خًٌىين طهلس خألؿٔدَ هٌف ٌنونند بًـدي خًلٌمص خًٌىنٌص خملؿٌىذ طهلزهد يف خًفػدء HSV؟ ذػرٌجُامصىسحُُُIMAGE THRESHOLDING خًظهظٌس خًزٌٔـ ((SIMPLE THRESHOLDING خًظهظٌس خملظوٌف ((ADAPTIVE THRESHOLDING خًظلىًٍ خًؼنديئ ال وطٔى ((OTSU’S BINARIZATION امرؽىًالدُامهنذظٌخُغىلُامصىسح خًظلـٌم SCALING خًنلٍ TRANSLATION خًظًوًُ ROTATION طلىًٍ ؤفٌنٍ AFFINE TRANSFORMATION خًظلىًٍ خملنكىَي ))PERSPECTIVE TRANSFORMATION ذهزًجُامصىسحُُُ))SMOOTHING IMAGES خًؿٍ ػنديئ خًزهً _ طُشٌم خًطىَ خملُشم خملظىٓـ ()AVERAGING خملُشم خًًإويس ()GAUSSIAN FILTERING خملُشم خألوٓؿٍ ()MEDIAN FILTERING خملُشم خًؼنديئ خًـدنزٍ ()BILATERAL FILTERING امرؽىًالدُمنُامنبؼٌخُامشكنٌخُ()MORPHOLOGICAL TRANSFORMATIONS نمٌٌص خًظأهٍEROSION نمٌٌص خًظمًي DILATION نمٌٌص خًفظم OPENING
9 83 80 85 88 91 93 94 93 98 99 99 854 855 114 888 888 884 880 887 119 845 844 843 840 847 129 845 848 844
OpenCvببساطة نمٌٌص خإليالق CLOSING نمٌٌص خًظًَؾ خًشوًل MORPHOLOGICAL GRADIENT نمٌٌص كزهص خًلمص TOP HAT نمٌٌص خًلزهص خًٔىيخء BLACK HAT خًهنرص خًرتهٌزٍ ( :STRUCTURING ELEMENTخًلندم )MASK ذذسظبدُامصىسحُIMAGE GRADIENTS مشظلدض ٓىرٌٍ وشدَ SOBEL AND SCHARR DERIVATIVES مشظم الرالٌٓدن LAPLACIAN DERIVATIVES
10 844 844 843 840 845 137 847 848
مكرشفُامؽىافُكبينُCANNY EDGE DETECTION
141
خهظشدف كىخف هدين ردٓظوًخَ موظزص OPENCV
833
ؤهشامبدُامصىسحُIMAGE PYRAMIDS
146
يمف خًطىَ ردٓظوًخَ خألهُخمدض
805
مؼبتلخُاملىامجُTEMPLATE MATCHING مؿدرلص خًلىخًس يف OPENCV مؿدرلص خًلىخًس ًهًش ؤؿٔدَ مهدً ذؽىًهُهبفُمنخؽُHOUGH LINE TRANSFORM طلىًٍ هدف يف OPENCV طلىًٍ هدف خالكظٌليل PROBABILISTIC HOUGH TRANSFORM
153 803 855 163 850 858
ذؽىًهُهبفُمنذائشحُHOUGH CIRCLE TRANSFORM
171
ذعضئخُامصىسحُتبظرخذاوُخىاسصمٌخُWATERSHED
174
االشرلبقُاألمبمٍُامرفبغًلُتبظرخذاوُخىاسصمٌخُGRABCUT
181
امفصهُامشاتؼُ:اإلػبسادُيفُOPENCV
194
مبُهٍُاإلػبساد؟
191
كٌفُذشذعمُاإلػبساد؟
193
ػشًلخُذلشًجُاإلػبس
195
خصبئصُاإلػبساد
196
نّوَ خًطىَش MOMENTS مٔدكص خإلؾدَ CONTOUR AREA ملٌـ خإلؾدَ CONTOUR PERIMETER
895 897 897
OpenCvببساطة طلًُس خإلؾدَ CONTOUR APPROXIMATION يالف خًظلًذ CONVEX HULL خملٔظؿٌٍ خمللٌـ BOUNDING RECTANGLE خًًخثُش خمللٌؿص خألضًًُص MINIMUM ENCLOSING CIRCLE خًلؿو خًندكظ خملظالثم مو خإلؾدَ FITTING AN ELLIPSE خًوـ خملظالثم مو خإلؾدَ FITTING A LINE املضًذُمنُخصبئصُاإلػبسادُCONTOUR PROPERTIES نٔزص خألرهدي ASPECT RATIO خالمظًخي (خًلًوي) EXTENT خًطالرص (خًشًش) SOLIDITY خًلؿُ خملودفح EQUIVALENT DIAMETER خًظًوًُ خًلندم ونلدؽ خًزٌؤٍ MASK AND PIXEL POINTS خملظىٓـ خًٌىين ؤو خًشًش خملظىٓؿص MEAN COLOR OR MEAN INTENSITY نلدؽ خًشًش EXTREME POINTS ذىاتؼُاإلػبسادُاإلطبفٌخُCONTOURS MORE FUNCTIONS نٌىذ خًظلًذ CONVEXITY DEFECTS نلؿص مػٌو خالهظزدَ POINT POLYGON TEST ملدَنص خألشودي MATCH SHAPES امفصهُامخبمغُ:املخؼؼبدُامثٌبنٌخُيفُOPENCV
11 897 898 458 453 450 450 246 455 455 457 457 457 457 458 458 249 459 484 484 216
اإلًعبدُ،امشظمُ،امرؽنٌهُيفُاملخؼؼبدُامثٌبنٌخ
217
بًـدي خملوؿـ خًزٌدين FIND HISTOGRAM كٔدذ خملوؿـ خًزٌدين يف OPENCV كٔدذ خملوؿـ خًزٌدين يف NUMPY َٓم خملوؿـ خًزٌدين PLOTTING HISTOGRAMS
488 489 445 448
ذعىًخُاملخؼؽُامثٌبينُHISTOGRAM EQUALIZATION خملوؿـ خًزٌدين خملظىخِن يف OPENCV ( CLAHEطٔىًص خملوؿـ خًزٌدين ٌو خًظزدًن خمللًوي وخملظوٌف) املخؼؽُامثٌبينُشنبيئُامثػذُ()2D HISTOGRAMS
224 445 447 229
12 449 449 445 233
ببساطةOpenCv OPENCV يف2D خملوؿـ خًزٌدين NUMPY يف2D خملوؿـ خًزٌدين )PLOTTING 2D HISTOGRAMS( ًَٓم خملوؿؿدض خًزٌدنٌص ػندثٌص خًزه HISTOGRAM BACK PROJECTIONُاإلظلبغُامخنفٍُمنمخؼؽُامثٌبين
443 447
NUMPY هىخَِمٌص خإلٓلدؽ خًوٌفٍ يف OPENCV هىخَِمٌص خإلٓلدؽ خًوٌفٍ يف
242
OPENCVُامفصهُامعبدطُذؽىًالدُامصىسحُيف
243
FOURIER TRANSFORMُذؽىًهُفىسًٌهُمنصىسح
433 437 249
NUMPY طلىًٍ فىًٌَه يف OPENCV طلىًٍ فىًٌَه يف :PERFORMANCE OPTIMIZATION OF DFTُاألداءُاملصبيلُمرؽىًهُفىسًٌهُاملرلؼؼ
255 FEATURE DETECTION AND DESCRIPTIONُُمٌضحُامكشفُوامىصف:امفصهُامعبتؼ 257
UNDERSTANDING FEATURESُفهمُاملٌضاد
264
HARRIS CORNER DETECTIONُمكرشفُصواًبُهبسًغ
454 450
OPENCV موظشف ِؤوًص هدًَٕ يف CORNER WITH SUBPIXEL ACCURACY ٍيكص خًّؤوًص مو خًزٌؤٍ خًفُن
267
ُ&ُمٌضادُظٌذحُمنرػلجSHI-TOMASIُمكرشفُصواًب
271
(SCALE-INVARIANT FEATURE TRANSFORM(ُSIFTملذمخُبىل
470 278 488 284 480 287 489 291 494
OPENCV يفSIFT (SPEEDED-UP ROBUST FEATURES)ُ)ُ(ذرسًؼُاملٌضادُاملىًخSURFُملذمخُبىل OPENCV يفSURF ُالكرشبفُامضواًبFASTُخىاسصمٌخ OPENCV يفFAST )ُ(املٌضادُاالترذائٌخُاملعرلنخُاملىًخُامصنبئٌخBRIEF OPENCV يفBRIEF (ORIENTED FAST AND ROTATED BRIEF(ُ)BRIEFُُومذوسFASTُُ(مىظهORB OPENCV يفORB
295
FEATURE MATCHINGُذؼبتمُاملٌضاد
490
BRUTE-FORCE ؤٓدٌٓدض خملؿدرلص
OpenCvببساطة مؿدرلص خًلىش خملٌٔؿُش مو خًىخضف ORB مؿدرلص FLANN BASED
13 497 499
مٌضحُاملؼبتلخُُHOMOGRAPHYُ+إلًعبدُاألظعبو
344
امفصهُامصبمنُ:ذؽنٌهُامفٌذًىُVIDEO ANALYSIS
349
خىاسصمٌخُُMEANSHIFTوCAMSHIFT هىخَِمٌص MEANSHIFT هىخَِمٌص CAMSHIFT امرذفمُامثرصيُOPTICAL FLOW ؾًُلص ًىهدْ هدنًيًٌ -ظًفم خًزرصي يف OPENCV هؼدفص خًظًفم خًزرصي يف OPENCV ػشػُامخنفٌخُBACKGROUND SUBTRACTION هىخَِمٌص ؾُق خًوٌفٌص MOG هىخَِمٌص ؾُق خًوٌفٌص MOG4
314 485 485 319 448 447 332 444 443
امفصهُامربظؼُ:اكرشبفُاألظعبوُOBJECT DETECTION
338
اكرشبفُاألظعبوُتبظرخذاوُخىاسمٌخُHAAR CASCADES
338
هىخَِمٌص HARR CASCADEيف OPENCV هؿىخض طًًَس خًوىخَِمٌص ًٌظهُف نىل خًشوٍ خملؿٌىذ
435 430
ذؼثٌلبدُغمنٌخ
353
املشاظؼُامشئٌعٌخ
354
مقدمة ” العلم مغرس كـل فخر فافتخـر ...واحذر يفوتـك فخـر ذاك المغـرس واعلم بأن العـلم ليس يناله
...من هـمـهـ في مطعـمـ أو ملبـس‟ الإمام الشافعي
OpenCvببساطة
15
امشئًخُامؽبظىتٌخُComputer Vision مب هٍ امشئًخُامؽبظىتٌخ هٍ بكًي مـدالض نٌم خًلدٓىذ خًظٍ طظػمن ؾُق طلطٌٍ ومهدًـص وطلٌٌٍ وفهم خًطىَ، وطهًف خًُئًص خًلدٓىرٌص بىل رندء طؿزٌلدض كديَش نىل فهم ملظىي خًطىَ هٌل ًفهمهد خإلنٔدن رهًف خالٓظفديش منهد يف طؿزٌلدض موظٌفص وطهظرب ؤًػدً بكًي خملـدالض خًظٍ ؤكًػع ػىَش يف خًظؿزٌلدض خًهنًٌٓص خًلًًؼص خًُورىطٌص منهد وخًطندنٌصٌ .نون ًٌطىَ خًُكمٌص ؤن طإهٍ نًش ؤشودي مؼٍ ضىَ مظظدرهص )فًًٌى( ،مشدهً من نًش هدمًنخض ؤو ضىَش مظهًيش خالرهدي من خملدٓلدض خًؿزٌص.
ذؼثٌلبدُامشئًخُامؽبظىتٌخ ُ .8 .4 .4 .3 .0 .5
طؿزٌلدض خًىخكو خالفرتخيض خالٓظوًخمدض خًؿزٌص وطلٌٌٍ خًطىَ خًؿزٌص وطشوٌظ رهؼ خألمُخع . نمٌٌدض خًظلوم خًطندنٌص وخًُورىطدض خًطندنٌص. نمٌٌدض خملالكص هٌل يف خًهُردض ٌخطٌص خًلُهص وخًُورىض خًنلدي)(mobile robot .هشف خألكًخغ وخالشودص مؼٍ خملُخكزص خملُثٌص وخًظهُف نىل خالشودص. ططنٌف خملهٌىمدض وخملهؿٌدض وفهُٓص كىخنً خًزٌدندض ًٌطىَ وخًفًًٌى.
وخكًش من ؤهم طؿزٌلدض خًُئًص خًلدٓىرٌص هٍ خًُئًص خًلدٓىرٌص خًؿزٌص ؤو مهدًـص خًطىَ خًؿزٌص وهٍخ خملـدي ًهظمً نىل خٓظوالص خملهٌىمدض من خًطىَ خًُكمٌص رًٌص خًىضىي بىل طشوٌظ ؾزٍ ًٌمًُؼ .رشوٍ ندَ طوىن خملهٌىمدض نىل شوٍ ضىَ مدًوُوٓوىرٌص ؤو ضىَ شهدنٌص) ، (x-raysؤو ضىَ شهدنٌص ًلونٌص ) (angiography imagesؤو ضىَ فىق ضىطٌص . همؼدي نن خملهٌىمدض خيل ٌنون خٓظوالضهد من خًطىَ خًُكمٌص خًؿزٌص هٍ خألوَخَ ؤو ططٌس خًٍسخًٍن ؤو خًظًًنخض خًوزٌؼص خألهُي .وٌنون ؤًػدً ؤن طٔظوًَ خًُئًص خًلدٓىرٌص ًلٌدْ خألرهدي
16
OpenCvببساطة
ًلنػدء ،وطًفم خًًَ .هٍخ خملـدي ؤًػدً ًًنم خألرلدغ خًؿزٌص رظىفًن مهٌىمدض ؿًًًش مؼالً نن رنٌص خًًمدى وؤًػد ً نن مٔظىي خًهالؾ خًؿزٍ. خًظؿزٌم خًؼدين ًٌُئًص خًلدٓىرٌص هى يف خًطندنص .ؤكٌدندً طًنى رُئًص خآلًص )(machine vision كٌؽ طوىن خملهٌىمدض خملٔظوٌطص من خًطىَش طهًف بىل طؿىًُ خًهمٌٌص خإلنظدؿٌص مؼال طلًًً مودن وخكًخػٌدض وخطـده خًلؿو ًيك طلىَ ٌَخم َورىض رةًظلدؾهد. هظؿزٌم آهُ ًٌُئًص خًلدٌٓىرٌص يف خًطندنص ،نمٌٌص خًظلوم يف خًـىيش كٌؽ ًظم فلظ خملنظف خًنهديئ رشوٍ آيل من كزٍ خآلًص ًٌظإهً من نًَ وؿىي ؤًص ؤهؿدء ؤو نٌىذ بنظدؿٌص.
ظبوُصنبغٍُمامتزًُػرمذُغىلُامشئًخُامؽبظىتٌخ
وخكًش من ؤكًغ خًظؿزٌلدض ًٌُئًص خًلدٓىرٌص هٍ خملُهزدض ٌخطٌص خًلُهص مؼٍ خًًىخضدض ؤو خًهُردض خًطًًنش خملّويش ردًهـالض) ، (wheeled mobile robotخًٌٔدَخض ؤو خًشدكندض، وخًؿدثُخض رًون ؾٌدَ. خملُهزدض خًٍخطٌص خًلُهٌص طٔظوًَ خًُئًص خًلدٓىرٌص يف خملالكص ،ورندء هُخثـ ًٌزٌجص خمللٌؿص)،(SLAM ومهُفص خملودن خًلديل ًٌمُهزص وطـإوِ خًهلزدض (obstacle avoiding).وٌنون ؤن طٔظوًَ ؤًػدً إلهظشدف ؤكًخغ مهٌنص مؼٍ كُخثم يف خًًدردض ؤو ؤَع طلظىي نفـ ؤو يدِ .بهظشدف خًفػدء ًظم خآلن نن ؾًُم خملُهزدض ٌخطٌص خًلُهص خملًنمص رإنكمص خًُئًص خًلدٓىرٌص.
غشتخُنبظبُُCuriosityغىلُكىكجُاملشًؾُذػرمذُتشكهُ ؤظبيسُغىلُامشئًخُامؽبظىتٌخ
OpenCvببساطة
17
املهبوُامشئٌعٌخُمنشئًخُامؽبظىتٌخ ُ امرػشفُRecognition هٍ خملهمص خًظلًًٌٌص يف خًُئًص خًلدٓىرٌص ،وهٍ خًلٌدَ رظلًًً مد بٌخ هدنع خًطىَش طلظىي ؤو ال طلظىي ؿٌٔلً ،مهٌٌلً ،ؤو نشدؾدً مهٌندً .هٍه خملهمص من خملمون كٌهد رزدٓؿص ورًون ؤي ؿهً ًٍهُ رىخٓؿص خإلنٔدنً ،ون ال طّخي هٍه خملٔإًص يًن ملٌىًص رشوٍ فهدي ونهديئ من كزٍ خًلدٓىذ يف شوٌهد خًهدَ .ؿمٌو خًؿُق خملىؿىيش ًلٍ هٍه خملٔإًص طلىَ رةًـدي ؤفػٍ خًلٌىي من ؤؿٍ بًـدي ؤشودي مهٌنص هدألشودي خًهنًٌٌٓص ،وؿىه خألشودص ،خألكُف خملؿزىنص ؤو خملوظىرص ،ؤو خًٌٔدَخض ،ويف كدالض مهٌنص فلـ ملًيش نىل خًًدًس ركُوف بغدءش ملًيش ،هٌفٌص ووغهٌص مهٌنص ًٌـٔم ردًنٔزص ًٌودمًنخ . امرؽذًذ Identification طلًًً مؿدرم وكًٌ ًٌـٔم خملهُف . مؼالً :طلًًً وؿه شوظ مهٍن ؤو خًظهُف نىل رطمص شوظ مهٍن ؤو ٌٓدَش من نىم مهٍن. امرؽشيُُ Detection ًظم خًزلؽ يف رٌدندض خًطىَش إلًـدي ؿٔم مهٍن .مؼدي :طلُي وؿىي هالًد مًُػص يف ضىَش ؾزٌص، خًظلُي نن وؿىي ٌٌٓدَش نىل ؾًُم رسًو .هٌل ًىغم خًشوٍ خًظديل ًظلًًً مالمم خًىؿه.
OpenCvببساطة
18
امكبمرياُامشكمٌخ Digital Camera ًلً قهُض خًودمًنخض خًُكمٌص من كىخيل نٍس ٓنىخض ،وهٍ طهً خآلن من ؤهًت خألؿهّش خالًورتونٌص خٓظوًخمد يف خًظؿزٌلدض خًظـدًَص وخًطندنٌص وطهظرب خًودمًنخ خًُكمٌص ؿهدِ خًُئًص ألي نكدَ .طشزه خًودمًنخ يف هٍه خًلدالض خًهٍن خًزٍسًص يف نكدَ خًُئًص خًطندنٍ ،وخًظٍ ٌنون ؤن طوىن نىم من ؤنىخم خًودمًنخض ٌخض خًوُؾ خًظشدرهٍ ؤو هدمًنخض خًُكمٌص ،كٌؽ ؤنه يف خًودمًنخض ٌخض خًوُؾ خًظشدرهٍ خًػىء ًطؿًَ رشدشص كٔدٓص ًٌػىء وهٍه خًشدشص طلٌٍ رىٓدؾص كّمص خإلًورتون وبن خإلشدَش خًندطـص طٔظوًَ ًٌمهدًـص. يف خًودمًنخض خًُكمٌص بن خًهندرص خمللإومص ًٌػىء خمللؿهص وخملىؿىيش يف يخَش مظودمٌص ًظم بٓظوًخمهد ،وخإلشدَش خًندطـص من هٍه خًهندرص طٔظهمٍ ًٌمهدًـص.
ملبسنخ تني ؤدايت امرصىًش راد امخشط امرشبتهٍ وامخشط امشكمٍ ُ ممٌضاد امكبمريا امرشبتهٌخ خًوٌفص خًلٌٌٌص نٔزٌدً ،خإلًػدق )خًظلٌٌٍ( خألنىل ،مٔظىي متٌٌّ َمديي ؤفػٍ. ممٌضاد امكبمريا امشكمٌخ طظإًف هٍه خًودمًنخ من نًٓص وكٔدْ )يخَش مظودمٌص( وخًٍي ًظػمن :مورب خًفًًٌى ،مىًً خًنزػدض خملٔظوًَ من ؤؿٍ خًظّخمن ويخَخض مٔم منؿلٌص ،هٌهد غمن نفٕ خًٍسًلص .هٍخ ًهنٍ ؤن خًودمًنخض طّن فلـ رػو يُخمدض وٌنون ؤن طُهس رٔهىًص نىل خًُورىض .وًون خًودمًنخ ٌخض خًوُؾ خًظشدرهٍ ٌنون خن طّن مجدض خًًُخمدض. ذ
مػبمعخ امصىسح امشكمٌخُDigital Image Processing هى ؤكً فُوم نٌم خًُئًص خًلدٓىرٌص ،طهظم رةؿُخء نمٌٌدض نىل خًطىَ رهًف طلٔنٌهد ؾزلدً ملهدًًن ملًيش ؤو خٓظوالص رهؼ خملهٌىمدض منهد .نكدَ مهدًـص خًطىَ خًظلًٌٌي ًظإًف من ٓظص مُخكٍ مظظدًٌص وهٍ نىل خًرتطٌس: .8اظرؽصبل امصىسح ) (Image acquisitionرىٓدؾص كٔدْ غىيئ )هدمًنخ). .4املػبمعخ املثذئٌخ) (pre-processingططفٌص خًطىَش من خًظشىًش وطلىًٌهد بىل ضىَش ػندثٌص. .4ذلؼٌؼ امصىسح )ً (segmentationفطٍ خملهٌىمدض خملهمص يف خًطىَش نن خًوٌفٌص.
OpenCvببساطة
19
.3اظرخالص املمٌضاد ) (features extractionطلًًً خًطفدض خًهدمص وخملمٌّش يف خًطىَش. .0ذصنٌف املمٌضاد ) (classificationوَرؿهد ردًنمـ خًٍي طهىي بًٌه وخًظهُف نىل خألمندؽ. .5فهم امصىسح )(image understanding
وطٔظوًَ نكم مهدًـص خًطىَش يف خًوؼًن من خًظؿزٌلدض والٌٌٓل طؿزٌلدض خًُئًص خًلدٓىرٌص يف خًظلوم خآليل،وخًُورىطدض.
مكرثخُOpenCV خملوظزص خًربمـٌص خملفظىكص ًٌُئًص خًلدٓىرٌص ()OpenCvهٍ موظزص خكرتخندض رُمـٌص طهًف رشوٍ ؤٌٓديس بىل طؿىًُ خًُئًص خًلدٓىرٌص ،كدمع رظؿىًُهد ٌسهص بنظٍ (Intel).وه موظزص رُمـٌص مـدنٌص طلع َهطص خملطًَ خملفظىكص)ٌ . (open source BSD licenseنون بٓظوًخمهد نىل ؿمٌو خألنكمص خًلدٓىرٌص ،وهٍ طُهّ رشوٍ ؤٓديس نىل مهدًـص خًطىَش ردًّمن خًللٌم). (real time
مؽرىتبد مكرثخُOpenCv
:Coreوكًش منؿٌص مًمـص ًظلًًً هٌدهٍ خًزٌدندض خألٓدٌٓص ،خملٔظوًمص من كزٍ ؿمٌو وكًخض ؤهُي
:Imgproc وكًش مهدًـص خًطىَ خيل ط ُهنى رهمٌٌدض طلٍٔن خًطىَش ههمٌٌدض خًرتشٌم، وخًظلىًالض خًهنًٌٓص نىل خًطىَ مؼٍ طًًٌن كـم خًطىَش ،طًًٌن طزدًن وٌٓؿىم خًطىَش، طهًًٍ خًهٌٔظىيُخَ ًٌطىَش وخًهًًً من خًهمٌٌدض. :Video وكًش طلٌٌٍ خًفًًٌى خيل طظػمن طلًًُخض خًلُهص ًٌهًف ،خًوٌفٌص وخًزٌجص خمللٌؿص ،هىخَِمٌدض طظزو خًودثن ؤو خًهًف. :Calib3d وكًش طلٌٌٍ خملهٌىمدض ًٌطىَش ػندثٌص خألرهدي وخًظٍ هٍ مإهىٌش من خألٓدْ من رٌجص ػالػٌص خألرهدي وطلظىي نىل هىخَِمٌدض طلًًً خًوىخص خملهمص ًٌزٌجص ػالػٌص خألرهدي.
OpenCvببساطة
20
:Features2dوهٍ خملٔاوًص نن هشف خًوطدثظ خملهُوفص ًٌهًف وفطٌهد نن ردق خًزٌجص خمللٌؿص مؼٍ خألشودي خًهنًٌٓص مؼالً )مُرو ،يوخثُ ،مٔظؿٌالض(.
:Objectdetectهشف نن وؿىه وكدالض من خًفجدض خمللًيش مٔزلد )نىل ٌٓزٌٍ خملؼدي ،وؿىه ،نٌىن ،ؤهىخذ ،ؤشودص ،خًٌٔدَخض ..بًى(.
:Highgui وهٍ وخؿهص ٌٓهٌه خالٓظوًخَ الًظلدؽ خًفًًٌى وخًطىَش ،ردإلغدفص بىل كًَخض ؤهُي ًىخؿهص خملٔظوًَ.
ُ :U moduleطٔظوًَ هدمٍ خًلًَخض خًلٔدرٌص ًٌنكدَ نن ؾًُم خٓظوًخَ كىش رؿدكص مهدًـص خًفًًٌى من ؤؿٍ طؿزٌم هىخَِمٌدض. OpenCV
ذؼثٌلبدُُ OpenCv
ؤنكمص خًظهُف نىل خًىؿىهFacial recognition system ؤنكمص خًظهُف نىل خإلٌندءخض ) Gesture recognitionخألوخمُ نن ؾًُم خإلٌندءخض مؼٍ طلًُى هُيس ًشوظ مهدق نن ؾًُم كُهص خًهٍن(. خًظفدنٍ رٍن خًومزٌىطُ وخإلنٔدنHCI. خًُورىض خًنلديMobile Robot. خًظهُف نىل خًهًفObject Identification. مالكلص خًلُهصMotion Tracking.
مغبدُامربمعخُامرٍُذذغمُُ OpenCv موظزص OpenCVموظىرص ؤٓدٓدً رًٌصً ، C++ونهد طًنم مهكم ًًدض خًربمـص رشوٍ هدمٍ مؼٍ :
ذ
Python Java Matlab/Octave C# Perl Ch Ruby
طهٌم OpenCvرًٌص خًزدًؼىن ( )Pythonؤٓهٍ روؼًن ملدَنص ردًًٌدض خألهُيًًٍ .ى ٓإٌسق هٍخ خًوظدذ خنظٌليخ نىل هٍه خًًٌص .ال طوف من هٍه خًًٌص فهٍ ًًص رٌٔؿص ؿًخ ،وؤرٔـ هؼًنخ من ًًص خًًس فلً طهٌمظهد ؤػندء طهٌم ًًص ٓ .OpenCvإكىَ رٍسق ؤٓدٌٓدض هٍه خًًٌص كظى طنؿٌم ًظهٌم .OpenCv
OpenCvببساطة
21
ؤظبظٌبد مػبمعخُامصىسحُImage Processing مبُهٍُامصىسحُمنُوظههُنظشُامؽبظجُاآليل؟ ُ خًطىَش هٍ نزدَه نن مطفىفص خرهديهد متؼٍ خرهدي خًطىَش خًللٌلٌص (ردًزٌؤٍ) فةٌخ هدنع خرهدي خًطىَش 385*555رٌؤٍ بٌخ خرهدي خملطفىفص هٍ .385*555 مبُهىُامثٌكعه؟ ُ خًزٌؤٍ هى ؿّء من خًطىَش وٌنؼٍ مُرو من مُرهدض خًطىَش وًلظىي نىل كٌمص مهٌنه طزهد ًٌىن خًٍي ًلظىًه هٍخ خًزٌؤٍ ؤو هٍخ خملُرو من خًطىَش. مبراًُػنٍُانُامكبمرياُُ8مٌعبُتٌكعه؟ ُ ؤي ؤن مٔدكص خًطىَش خًظٍ طٌظلؿهد = 8مٌـد رٌؤٍ = 8555555رٌؤٍ ،مؼدي :بٌخ هدن هندًى هدمًنخ طٌظلـ ضىَش رلـم 8045×4538بٌخ خًندطف ٌٓوىن 4.4مٌٌىن رٌؤٍ خي 4.4مٌـد .بٌخ هٌٌل ِخي نًي خًزٌؤٍ يف خًطىَش هٌٌل هدنع خًطىَش ؤوغم وؤنلى. كٌفًُلشؤُامؽبظجُامصىسح؟ ُ ٌهُند ٓدرلد خن خًطىَش يف خًلدٓس متؼٍ مبطفىفص خرهديهد طٔإوي خرهدي خًطىَش ..ونندرصهد = نًي خًزٌؤٍ ...وهٍ ننرص ًلظىي كٌمص خًٌىن خًٍي طلظىًه خًزٌؤٍ... كٌمخُامنىنُيفُامثٌكعه ُ خًطىَش ننًمد طٌظلـ ًهد ؤهًت من شوٍ ..فهندًى ضىَ خرٌؼ وخٓىي فلـ ..وهندًى ضىَ Grayخي خرٌؼ وخٓىي وَضديص ..وهندًى ضىَ مٌىنه ..بًى .هند نإيت ًظهًُف مهم يف خي Image processingوهى : number of bits per pixelخي نًي خي Bitخًظٍ متؼٍ فٌهد خي رٌؤٍ خًىخكًش وخهظطدَهدBpp فةٌخ هدنع خًطىَش ً Bpp 8هنٍ bitوخكًه فلـ ..فهٍ طلظمٍ خمد ضفُ ؤو وخكً ..وهٍ خًطىَش خألرٌؼ وخألٓىي فلـ ..خألرٌؼ هى خًىخكً وخالٓىي هى خًطفُ وبٌخ هدنع Bpp 4مهندهد خن هٍ ؤًىخن رٌؤٍ متؼٍ يف bit 4ومهندهد خن rangeخألًىخن كً ِخي وؤضزم
OpenCvببساطة
22
وهوٍخ كظى نطٍ خىل خًطىَ خملٌىنص وهٍ طٌظلـ يف خًودمًنخ 4مُخض ًٌطىَش خًىخكًش ..مُه طلٌٕ خًٌىن خألكمُ ومُه طلٌٕ خًٌىن خالهٍص ومُه طلٌٕ خًٌىن خالَِق ...وطٔمى خي RGBخي خن خًطىَش خملٌىنص ًهد 4مطفىفدض مطفىفص ًلهٍص ومطفىفه ًلكمُ ومطفىفه ًلَِق. وهند خًزٌؤٍ خًىخكًش متؼٍ يف ٌ bit. 43تدنٌص ًلكمُ وٌتدنٌص ًلَِق وٌتدنٌص ًلهٍص ..وهند ًوىن وهًٍى خالهٍص وهًٍى خألَِق .بٌخ ً نًي خكظٌلالض نًي خكظٌلالض يَؿدض خالكمُ = = ً 85777485ىن خألًىخن ًٌزٌؤٍ هوٍ = منخص ُ بٌخ كمع ردٓظًندء خًزٌؤٍ َكم ( )5,5خي ؤوي مُرو يف خًطىَش ٓظـً خًندطف ممؼٍ يف 4كٌم ( )400,400,400وهٍ كٌمص خي . R,G,Bبٌخ هدنع خي 4كٌم كٌمظهد 400فهٍخ ٌنؼٍ خًٌىن خألرٌؼ وبٌخ هدنىخ ؿمٌهد 5بٌخ هٍخ هى خًٌىن خألٓىي مالؼظخ :بٌخ هدن هندًى ًىن ؤضفُ مؼال فةنه ٌنون خن ًوىن ًه ؤهًت من كٌم يف خي RGBمبهنى خنه ٌنون خٓظنظدؿه رإهًت من ؾًُلص (طلٌٌٍ خالَِق وًِديش خالكمُ وخالهٍصًِ ،ديش خالهٍص وخالَِق وخالكمُ ،طلٌٌٍ خالكمُ وخالَِق وًِديش خالهٍص ....بًى)
ُ مبُهىُامفٌذًىُؤوُامثضُامؽٍُ؟؟ ُ خًزؽ خًلٍ ؤو خًفًًٌى مد هى بال نزدَه نن خًظلدؽ نًي هزًن من خًطىَ يف خًؼدنٌص خًىخكًش ونُغهد ردًرتطٌس ..وطٔمى number of frames per secondوهند طٔمى خًطىَش فًُم Frame..وهٌٌل ِخي نًي خي framesيف خًؼدنٌص خًىخكًش هٌٌل هدن خًفًًٌى مّخمن ًٌللٌلص.. مصبل :بٌخ هدنع خًودمًنخ frame per second 85وهدنع ططىَ مزدَش هُش كًَ ٓظـً فُق هزًن ؿًخ يف خًىكع ٓظـً خًوُه متُ يف خًللٌلٌص ػم رهًهد رؼىخين ٓظـًهد يف خًودمًنخ ..وٓظالكل هٍخ يف خملىردًالض خًلًٌنص ؤنى طلُن ًًن ررسنه وخًودمًنخ طزؼهد رهًهد رفُق وكظًًٍٍ .ى طـً يف خًودمًنخض وغو ًٔمى Sportخًٍي ًًًّ من نًي خي fbsكظى طـدَي خًىخكو.
OpenCvببساطة
23
مبُهٍُمػبمعخُامصىس؟؟ُومبُهٍُامػمنٌبدُامشًبطٌخُامرٍُذعشيُغنٌهب؟ مبد خن خًطىَ متؼٍ يف مطفىفدض بٌخ ٌنونند خؿُخء نٌٌهد هٍ خًهمٌٌدض خًًُدغٌص خًظٍ طـُي نىل خملطفىفدض :رًخًص من خًـمو وخًؿُق كظى خملهديالض وخًظلىًالض )(transformations وخمللٌىذ ويًنهد مبراُنعرفٌذُمنُرمك؟ ُ امعمؼُ :بٌخ ؿمهع نىل ضىَش مد 4مطفىفدض هٌهد طلظىي نىل ننرص = 8فٔظـمو نىل مطفىفص خي red 1وهًٍى خالهٍص وهًٍى خالَِق ...فةٌخ ِخيض كٌمص خالكمُ وخالهٍص وخالَِق فةنى طلرتذ من خالرٌؼ كٌٌال فٔظـً خن خًطىَش خضزلع ؤهًت بغدءش امؼشػ :بٌخ خًظلؿع ضىَطٍن ًنفٕ خًـٔم يف نفٕ خًكُوف وؾُكع خًطىَطٍن من رهػهم ٓظلطٍ نىل ضىَش ؿًًًه طلظىي خًفُوكدض رٌنهم (مبهنى ؤنى بٌخ خًظلؿع ضىَش
OpenCvببساطة
24
ًـٔم مُه ػم وغهع نٌٌه ؿٔم خهُ وخًظلـ مُه خهُي وؾُكع خًطىَطٍن ٓظـً خًندطف نزدَه نن ضىَش ٓىيخء ال طلظىي بال خًـٔم خًٍي وغهظه ماهُخ امرؽىًالد :هؼًنخ مد نٔمو نن خًظشىًش ؤو خالهظّخِ (خًزؤٌص) وهٍ نزدَه نن ضىَش طم خًظلدؾهد ررسنه فإضزلع خًطىَش يًن وخغلص وهند ًظم خؿُخء نٌٌهد transformations طلىَ رهمٍ ًٌ Filterظشىًش وخنديش خًطىَش وخغلص مؼٍ، Fourier transformation .geometric transformation مبُهٍُمكرثخُال OpenCv؟ ُ هٌل وغلند ٓدرلد خن هٍ خًهمٌٌدض نىل خًطىَ هٍ مـُي نمٌٌدض ًَدغٌص رلظه ..وًون ًٌٕ من خملهلىي خن خملربمـٍن ٌٓلىمىن رهمٍ هٍ هٍه خًهمٌٌدض يف هٍ مُه ًٔظوًمىن فٌهد خًطىَ وًًٍى طم خنشدء موظزه خي OpenCvخًظٍ هٍ نزدَه نن موظزه طلظىي نىل يوخي طلىَ رهمٍ مهكم نمٌٌدض خًطىَ خًظٍ ًلظدؿهد خملربمـٍن. هٌل طلظىي نىل يوخي طلىَ رظلًًً خؿٔدَ مهٌنه يف خًطىَش مؼٍ خًوؿىؽ وخالشودي خًهنًٌٓص ويوخي خهُي ًظلًًً خألًىخن ،هٌل ٌنون خٓظًندء مٌفدض XMLهدضه رظلًًً وؿه خالنٔدن ونٌنٌه وشهُه وًًه وؿٔمه هوٍ. وٌنون خٓظوًخمهد يف خًظهُف نىل خًشوظ هٌل ٌنون نمٍ مطنف classifierهدص رإي ؿٔم (خًظلدؽ ضىَ نًًًه ًنفٕ خًـٔم من هٍ خالطـدهدض كظى طظهُف نٌٌه خًودمًنخ من هٍ خالطـدهدض) ...وًٌٕ هٍخ ملظرصخ نىل خالنٔدن فلـ رٍ ؤي ؿٔم (مؼدي مزدًَدض هُش خًلًَ).
25
OpenCvببساطة
ػشًلخُذصثٌزُمكرثخُOpenCv
Windows
raspberry pi
.1ررقؼةذتثبقتذؿؽتبةذOpenCvذعؾىذـظامذWindows ررقؼةذ:1ذ(ؿدتحدـة) ؿشروحةذيفذاؾػقدقوذاؾتاؾقةذ(اـؼرذعؾىذاؾػقدقوذودتشافدذاؾشرحذبعدذاالـتؼالذدلوؼعذ )youtubeذ https://www.youtube.com/watch?v=BAFSi_xTGiIذ
ررقؼةذ:2ذذ(قدوقاً)
ٌنونى طلمٌٍ هٍ مٌف نىل كًي وطنطٌزهم وخكً طٌى خألهُ
ؾتحؿقلذذبرـاؿجذ)python(x,yذذhttps://python-xy.github.io/s.html
محلذادلؾفذاؾتاؾيذاؾذيذحيويذجمؿوعةذإصداراتذدلؽتبةذOpenCv https://drive.google.com/file/d/0B0kFfFN5r9tS1EzSlppUGItNUU/view?usp=sharing
ثمذؼمذبتـصقبذبرـاؿجذ)python(x,yذؽؿاذفوذواضحذيفذاؾصورةذاؾتاؾقة :ذ
OpenCvببساطة
26
ذ
تلؽدذؿنذوجودذعالؿةذاؾصحذعـدذؿؽتبةذOpenCvذضؿنذؼائؿةذpython
27
ببساطةOpenCv
28
ببساطةOpenCv UbuntuذعؾىذـظامذاؾتشغقلذOpenCv ررقؼةذتثبقتذؿؽتبةذ.2
رؿًُلظٍنDebian – Ubuntu – mint ٍ نىل ؤنكمص ًٌنوٕ مؼopenCV ٌنونى طنطٌس من مٔظىيندض خًربخمفpre-compiled خألوىل من هالي طنطٌس خملٌفدض خًـدهّش،موظٌفظٍن : يف كدًص نكدَ ؤورنظى ًوفٍ ؤن طلىَ رظنفٌٍ خألمُ خًظديل:ًمؼال $ sudo apt-get install libopencv-dev python-opencv
ُ للملفات المصدرية من البداية (وتضمن هذه الطريقحُامؽصىلُغىلCompile الطريقة الثانية هي عن طريق عمل ُ .ؤؼذسُنعخخُمنُاملكرثخ :وقم بكتابة التعليمات التاليةTerminal افرؾُظؼشُاألوامر
.َ) خًنكدpackage( َّطلًًؽ ك $ sudo apt-get update $ sudo apt-get upgrade
َطؼزٌع ؤيوخض خملؿى $ sudo apt-get install build-essential cmake git pkg-config
JPEG, PNG, TIFF طلظدؾ خًلَّ خًظدًٌص ًظٔظؿٌو كُخءش ؤنىخم خًطىَ خملوظٌفص هـOpenCv موظزص $ sudo apt-get install libjpeg8-dev libtiff4-dev libjasper-dev libpng12-dev
.OpenCv طنطٌس خملوظزدض خًظٍ ٓنٔظوًمهد ًظلٔن ؤيخء موظزص $ sudo apt-get install libatlas-base-dev gfortran
. وطنطٌس خملوظزدض خًظٍ نًًُهدpython َّ خملٔاوي نن بيخَش كpip طنطٌس $ wget https://bootstrap.pypa.io/get-pip.py $ sudo python get-pip.py
ذ $ sudo pip install virtualenv virtualenvwrapper $ sudo rm -rf ~/.cache/pip
ذ
29
ببساطةOpenCv
# virtualenv and virtualenvwrapper export WORKON_HOME=$HOME/.virtualenvs source /usr/local/bin/virtualenvwrapper.sh
ذ $ source ~/.bashrc
ذ $ mkvirtualenv cv
python 2.7 طنطٌس $ sudo apt-get install python2.7-dev
python ٍ يخهNumpy طنطٌس موظزص $ pip install numpy
OpenCv طنًٍّ موظزص $ cd ~ $ git clone https://github.com/Itseez/opencv.git $ cd opencv $ git checkout 3.0.0
opencv_contrib ًٍّطن
) خًظٍ هدنع مىؿىيشSIFT, SURF, etc.( ٍٓنٔظوًمه كظى نٔظؿٌو خٓظوًخَ رهؼ خًظىخرو مؼ .OpenCV 3.0 ًًً ػم طم كٍفهد يف خإلضًخَ خًـOpenCv ملوظزص2.4.X َيف خإلضًخ $ cd ~ $ git clone https://github.com/Itseez/opencv_contrib.git $ cd opencv_contrib $ git checkout 3.0.0
ذ
30
ببساطةOpenCv
$ cd ~/opencv $ mkdir build $ cd build $ cmake -D CMAKE_BUILD_TYPE=RELEASE \ -D CMAKE_INSTALL_PREFIX=/usr/local \ -D INSTALL_C_EXAMPLES=ON \ -D INSTALL_PYTHON_EXAMPLES=ON \ -D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules \ -D BUILD_EXAMPLES=ON ..
ذ $ make
ذ
31
ببساطةOpenCv
$ sudo make install $ sudo ldconfig
ذ $ cd ~/.virtualenvs/cv/lib/python2.7/site-packages/ $ ln -s /usr/local/lib/python2.7/site-packages/cv2.so cv2.so
. رشوٍ ضلٌمOpenCv خآلن ًنوظرب هٍ كمند رةنًخي موظزص $ workon cv $ python >>> import cv2 >>> cv2.__version__ '3.0.0'
:ًَخملط ذ/http://www.pyimagesearch.com/2015/06/22/install-opencv-3-0-and-python-2-7-on-ubuntu ذ ذ
OpenCvببساطة
32
ذ
.3ررقؼةذتثبقتذؿؽتبةذOpenCvذعؾىذاؾرادبرييذباي :ذ
ٌنونى ردٓظوًخَ خًلدٓس خملطًُ خًُخٓزًني ردي ملهدًـص خًطىَ يون خًلدؿص ًٌومزٌىطُ فرسنص مهدًـظهد ًٌطىَ رسًهص مبد ًوفٍ (رٍ وٌنونهد مهدًـص خًفًًٌى ؤًػدً) .ملن ال ًهُف مد هٍ خًُخٓزًني ردي فدنطلى رلُخءش خًوظدذ خملمٌّ رادبرييذبايذببدارة ًٌمهنًْ نزً َن نًل وخًٍي ًٍسق فٌه فدثًطهد وؾًُلص خٓظهٌلًهد رشوٍ مفطٍ ومزٔـ.
ؤًػدً ٌنونى خٓظهٌلي ؤي ًىكص طهمٍ رنكدَ ًٌنوٕ مؼٍ BegalBoneؤو OrangePiؤو NanoPi
ًظنًٍّ موظزص OpenCvنىل خًُخٓزًني ردي خطزو خًوؿىخض خملىؿىيش نىل خًُخرـ خًظديل: www.pyimagesearch.comذ
http://www.pyimagesearch.com/2015/10/26/how-to-install-opencv-3-on-raspbian-jessie/
OpenCvببساطة
33
ملذمخُغنُمغخُتبًصىن قٌع هٌمص خًزدًؼىن "خألضٌص" طهرب نن ػهزدن غوم ًهٌش يف خنهدَ خألمدِون ورهؼ مٔظنلهدض خفًُلٌد ًون مدبن خىت ندَ 8998كظى خهظٔس هٍخ خالٓم شهُه ؿًًًش رٍن خملربمـٍن فإضزلع هٌمص خًزدًؼىن طهرب نن ؤشهُ ًًدض خًربمـص مفظىكص خملطًَ يف خًهدمل وخًظٍ طهظرب من ًًدض خملٔظىي خًهديل وطظمٌّ رزٔدؾص هظدرظهد وكُخءطهد ملدَنص رزدكٍ خًًٌدض. طهظرب ًًص ردًؼىن ًًص طفًٔنًص ،مظهًيش خأليُخع وطٔظوًَ رشوٍ وخٓو يف خًهًًً من خملـدالض، هزندء خًربخمف خملٔظلٌص ردٓظوًخَ خًىخؿهدض خًُٓىمٌص GUIويف نمٍ رُخمف خًىًس ،ردإلغدفص بىل خٓظوًخمهد هًٌص رُمـص نطٌص ًٌظلوم يف ؤيخء رهؼ من ؤشهُ خًربخمف خملهُوفص ؤو يف رندء رُخمف مٌللص ًهد ،هٌل طًنم خًربمـص خملظىخًِص ورُمـص خًلىخٌٓس خًودَكص Supercmputers (cluster )– parrallel programmingهٌل طًنم رُمـص مندفٍ خًظلوم GPIOيف ًىكص خًُخٓزًني ردي. رشوٍ ندَ ٌنون خٓظوًخَ ردًؼىن ًربمـص خًربخمف خًزٌٔؿص ًٌمزظًثٍن ،وإلنـدِ خملشدًَو خًػومص هإي ًًص رُمـٌص ؤهُي يف نفٕ خًىكع .يدًزدً مد ًُنطم خملزظًثٍن يف مًٌخن خًربمـص رظهٌم هٍه خًًٌص ًٔهىًظهد وكىطهد يف ٌخض خًىكع ،ومو ًٌى نـً مآٔدض نمالكص طٔظوًَ هٍه خًًٌص يخهٍ رُخمـهد مؼٍ ؿىؿٍ و مآٔص خًفػدء خًًويل "ندٓد."NASA يدًزدً مد طلطٍ هٍه خًًٌص نىل خًرتطٌس خًُخرو ؤو خًودمٕ يف كدمئص ؤشهُ ًًدض خًربمـص يف خًهدمل (طزهدً ألكطدثٌدض مىكو GitHUBخًشهًن ملشدَهص خألهىخي خًربمـٌص) ،نشإض ردًؼىن يف مُهّ CWIمُهّ خًهٌىَ وخًلدٓس خآليل رإمٔرتيخَ نىل ًً "ؿىًًو فدن َُِوَ" Guido van Rossum يف ؤوخهُ خًؼٌلنٌندض ،وهدن ؤوي بنالن ننهد يف ندَ ،8998طم هظدرص نىخش خًًٌص رًٌص خًًس Cؤؾٌم ًنخ نن بنـدره ر ِفُكَص مرسكٌص هًٌّص شهًنش من رًُؿدنٌد، فدن َُِوَ خٓم "ردًؼىن" نىل ًًظه طهز ً هدنع طؿٌم نىل نفٔهد خٓم مىنظٍ ردًؼىن Monty Python
OpenCvببساطة
34
ممقزاتذؾغةذباقثون ذ
طهمٍ نىل ؿمٌو ؤنكمص خًظشًٌٍ وخضًخَطهد خملوظٌفص :وًنًوِ – ًٌنوٕ (ومشظلدطه) – ًىنوٕ (ومشظلدطه) – ؤنكمص خًهىخطف خمللمىًص مؼٍ Symbianو Android وؿىي ؤيٌس خملوظزدض خإلغدفٌص مههد فظٔؿٌو يف ردًؼىن بًـدي موظزص ًوٍ يشء وؤيٌس هٍه خملوظزدض طإيت مُفلص مو خًًٌصً ،ون هندن كٌٌٍ من خملوظزدض خًظٍ طلظدؾ خىل طلمٌٌهد من مطديَ هدَؿٌص ومن خألمؼٌص نىل هٍه خملوظزدض :خًزٌىطىغ ،مندفٍ خًظلوم خإلًورتوين ،وخؿهدض خًىًس ،خًظهدمٍ مو خًشزوص و خإلنرتنع ،رُمـص خًلىخٌٓس خًفدثلص، طؿزٌلدض ٓؿم خملوظس ،موظزدض ًظطمٌم خألًهدذ ػندثٌص وػالػٌص خألرهدي ....بًى. خًظودمٍ مو ++Cو Java طهمٍ غمن رٌجص طفدنٌٌص ؤو نرب ٓوُرظدض (مٌفدض) موظىرص خًظهدمٍ مو كىخنً خًزٌدندض خًظدًٌص Oracle, sybase , PostGres, mSQL , persistence , dbm
ؤظبظٌبدُمغخُpython مفرسُتبًصىنُامرفبغًل طظٌلِ ًًص ردًؼىن رةمودنٌص نمٍ رُخمف نن ؾًُم هظدرظهد يف مٌف (ٓوُرع) ؤو طشًٌٌهد مزدٌسش ومشدهًه خًنظدثف فىَ هظدرظهد نن ؾًُم مفرس ردًؼىن خًظفدنًل وخًٍي ٌنونى طشًٌٌه من ٓؿُ خألوخمُ مزدٌسش نرب هظدرص pythonؤو ٌنونى طشًٌٌه ردًػًـ مُطٍن نىل ؤًلىنص IDLEخملىؿىيش يف مودن طنطٌس .python
OpenCvببساطة
35
شوطٌدً ؤفػٍ خًظهدمٍ مو مفرس خًزدًؼىن من ٓؿُ خألوخمُ .فلـ خفظم ٓؿُ خألوخمُ وخهظس هٌمص pythonهٌل يف خًطىَش خًظدًٌص.
خًػدً ٌنونى خٓظوًخَ ملَُ نطىص مظؿىَ مؼٍ Sublimeؤو ًٌٔ ATOMدنًن نىل هظدرص رُخمف ردًؼىن رٔهىًص وخكرتخفٌص /https://www.sublimetext.com
36
OpenCvببساطة امػمنٌبدُاألظبظٌخ ُ
ٓنوظس ؤوي رُندمف ًهُع ؿمٌص "مُكزدً ؤًهد خًهدمل" Hello Worldوًٌى نن ؾًُم هظدرص خألمُ printػم خًـمٌص خملُخي نُغهد مؼٍ خًطىَش خًظدًٌص: " print " Hello World
ٓنـً ؤن مفرس ردًؼىن خًظفدنًل كً خقهُ خًنظٌـص فىَخ ً مبـُي خًػًـ نىل َِ Enter
ذ
امػمنٌبدُامؽعبتٌخُ : طٔظؿٌو خًزدًؼىن خًلٌدَ ردًهمٌٌدض خًلٔدرٌص مزدٌسش مؼٍ خًـمو ،خًؿُق ،خًلٔمص ،خًٍصذ. خهظس 1+1ػم خغًـ Enter خهظس ٌ( 2*2-1صذ 4يف 4ػم ؾُق )8
ذ
ذػشًفُاملرغريادُ : ًظهًُف ؤي مظًًن َكمٍ يف ًًص خًزدًؼىن هٍ مد نٌٌى فهٌص هى هظدرص خٓم (خملظًًن = كٌمظه) وًهُع كٌمص خملظًًن نوظس printػم خٓم خملظًًن x=2 print x
ًظًًن خملظًًنخض خًنطٌص (هٌمص ؤو ؿمٌص) نوظس خٓم خملظًًن ػم = "خًوالَ خًٍي ًلظىًه خملظًًن" – ال طنىس نالمدض " " رٍن كٌمص خملظًًن مؼٍ: "myName = "Khaled print myName
إليالق خملفرس خًظفدنًل من ٓؿُ خألوخمُ نػًـ نىل َِ Ctrl+D
ذ
37
OpenCvببساطة ؼفظُامربنبمغُيفُظكشتز ُ
يف خألمؼٌص خًٔدرلص خٓظوًمند خًزدًؼىن يف طنفٌٍ خألوخمُ مزدٌسش نرب خملفرس خًظفدنًلً ،ون ردًظإهًٌ ننًمد نزنٍ مشدًَو كلٌلص فٔنلظدؾ ًوظدرص رُخمف ػدرظص ال طػٌو مند مبـُي يٌم خملفرس وًهمٍ هٍخ ٌنونند خٓظوًخَ ؤي ملَُ نطىص وهظدرص نفٕ خألوخمُ خًٔدرلص وكفكهد نىل ضىَش ٓوُرع (مٌف نًص) ردمظًخي pyوهى خمظًخي ؿمٌو رُخمف خًزدًؼىنٌ( .نونى خٓظوًخَ ؤي ملَُ نطىص مؼٍ )Sublime – ATOM – Notepad++ خفظم رُندمف ملَُ خًنطىص ،ػم خهظس خًنظ و خكفل خملٌف ردٓم sum.pyيخهٍ خملـًٌ .C:\s\ASUS ( ASUSهى خٓم خملٔظوًَ ننًي ،غو رًال منه خٓم خملٔظوًَ خًٍي ًًًى)
تشنبمغُمعمؼُسكمني ُ
ذ x=3 y=1+2 sum=x+y print sum
ًظشًٌٍ خًربندمف خفظم ٓؿُ خألوخمُ وخهظس python sum.py
ذ
OpenCvببساطة
38
تشنبمغُمرػشًفُذبتؼُواظرذغبئه ُ ؾتعرقفذتابعذـؽتبذاألؿرذdefذثمذـؽتبذادمذاؾتابع ثمذـػتحذؼودنيذومنررذهلؿاذادلتغرياتذادلطؾوبة ثمذـؽـبذ ـؼطتنيذ(ذ:ذ)ذوـرتكذػاصلذثمذـؽتبذاألواؿرذاؾيتذدقـػذفاذاؾتابع .ذ
ذ
تشنبمغُمرػشًفُمصفىفخ ُ ٓنلظدؾ ًٌمطفىفدض ألنند ٓنظهدمٍ مو خًطىَ وخًطىَش نزدَش نن مطفىفص ٓنلىَ رظهًُف مطفىفص خٓمهد arrayوطلظىي نىل خًهندرص ] .[2,4,7,9ػم كمند ردٓظًندء خًهنرص خًٍي طُطٌزه 4يف خملطفىفص. ذ
ُتشنبمغُمرػشًفُمصفىفخُتبالظرػبنخُمبكرثخُ.Numpy ؤوال كمند ردٓظًنخي موظزص Numpyػم نُفند مطفىفص خٓمهد arrayوطلظىي نىل خًهندرص ] .[2,4,7,9ػم كمند ردٓظًندء خًهنرص خًٍي طُطٌزه 4يف خملطفىفص.
ذ
الفصل الأول ” هؤلاء الذين يمتللكون الجنون الكافي ليؤمنوا أن
بإمكانهم تغيير العالم ،هم من يغيرونه بالفعل ‟
ستيف جوبز – شر يك مؤسس لشركة Apple
OpenCvببساطة
40
امفصهُاأل ُولُ:مٌضادُامىاظهخُامشظىمٌخُُGUIيفُ ُ OpenCv امثذءُيفُامرػبمهُمؼُامصىس ذػنمُذؽمٌهُامصىسحُوغشطهبُوؼفظهبُ . ُ
امثذءُيفُامرػبمهُمؼُامفٌذًى ذػنمُذشغٌهُفٌذًىُ،امرلبغُفٌذًىُمنُامكبمرياُ،وؼفظُامفٌذًىُاملنرلؽُ . ُ
مٌضادُامشظمُيفُOpenCv ذػنمُسظمُخؽُ،معرؼٌهُ،دائشحُوامػذًذُمنُاألشكبلُمؼُذىاتؼُمكرثخُ ُ .OpenCv ُ
ُ اظرخذاوُامفإسحُكفششبحُمنشظم سظمُؤيُسظمخُتبظرخذاوُامفإسحُ . ُ اظرخذاوُرشًؽُامرمشًشُامعبنثٍ)ُ (Track barكنىؼخُؤمىان ذػنمُبنشبءُرشًؽُظبنثٍُمنرؽكمُتثػعُامثبسامرتادُ . ذ ذ
41
OpenCvببساطة ػشًلخُغشضُصىسحُوؼفظهب
امهذفُ : طهٌم كُخءش خًطىَش ونُغهد وكفكهد نن ؾًُم خًظىخرو خًظدًٌص : )(cv2.imread(), cv2.imshow(), cv2.imwrite طلٍٔن ؾًُلص نُع خًطىَش نن ؾًُم خٓظًنخي موظزص. Matplotlib
ذ
امصىسحُاألصنٌخُ
ذ
42
OpenCvببساطة كشاءحُوغشضُامصىسح: اؾربـاؿجذاؾتاؾيذدقؼومذبتحؿقلذاؾصورةذاؾدابؼةذوحػظفاذبادلدتوىذاؾرؿاديذوؿنذثمذدقؼومذبعرضفا ذ
امكىد: import numpy as np import cv2 )img = cv2.imread('gift.jpg',0 )cv2.imshow('image',img )cv2.waitKey(0 )(cv2.destroyAllWindows
ُ امنرٌعخ: ذ
رشػُامكىدُ :
ذ import numpy as np import cv2
يف خًزًخًص كمند ردٓظًندء موظزص OpenCvوموظزص ( Numpyيخمئد ٓنلىَ ردٓظًندثهٌل) )img = cv2.imread('gift.jpg',0
كمند رلُخءش خًطىَش نن ؾًُم خألمُ )( cv2.imreadوهّندهد يف مظًًن ٓمٌنده img ذ
43
OpenCvببساطة رشػُامربتؼُ )(ُ :imread
خملظًًن خألوي هى خٓم خًطىَش (ًـس وغو مٔدَ خًطىَش هدمٍ ؤو وغههد غمن مـًٌ خًهمٍ) وخملظًًن خًؼدين هى ماٌس ًلًي هٌفٌص كُخءش خًطىَش وًإهٍ ػالغ كٌم: cv2.IMREAD_COLOR مهندهد ؤكُؤ خًطىَش ردألًىخن خًودمٌص رًون شفدفٌص (ًودفح َكم )8 cv2.IMREAD_GRAYSCALE مهندهد ؤكُؤ خًطىَش ردًٌىن خًُمديي (ًودفح َكم )5 cv2.IMREAD_UNCHANGED مهندهد ؤكُؤ خًطىَش ردألًىخن خًودمٌص مو شفدفٌص (ًودفح َكم )8- يف كدًص نًَ وغو كٌمص يف خملظًًن خًؼدين طوىن خًلٌمص خالفرتخغٌص 8 ذ )cv2.imshow('image',img
كمند رهُع خًطىَش نن ؾًُم خألمُ cv2.imshow رشػُامربتؼُ)( ُ :imshow خملظًًن خألوي هى ؤٓم خًندفٍش خًظٍ ٓنهُع نٌٌهد خًطىَش خملظًًن خًؼدين هى طدرو كُخءش خًطىَش )cv2.waitKey(0
ػم ؤهربند خًربندمف ؤن ًنظكُ مًش ِمنٌص مهٌنص ورهً خنهدء هٍه خملًش ًلىَ خًربندمف رظنفٌٍ خألمُ خًٍي رهًه.نػو كٌمص خًّمن خملؿٌىذ خنظكدَه غمن خألكىخْ (خًّمن ًلٔس ردملًٌل ػدنٌص) وبٌخ وغهند َكم ٌٓ 5نظكُ خًربندمف كظى ًظم غًـ ؤي مفظدق من ًىكص خملفدطٌم. )(cv2.destroyAllWindows
طدرو بيالق (طًمًن) ؿمٌو خًنىخفٍ خًظٍ فظلندهد نن ؾًُم هٍخ خًربندمف.
مالككص :بٌخ ؤَيند طلـٌم كـم خًطىَش ملد ًندٓس خًشدشص فهٌٌند خٓظوًخَ خألمُ cv2.namedWindowمو خًهٌم ؤن ًه هٌدًَن:
cv2.WINDOW_AUTOSIZE cv2.WINDOW_NORMAL )cv2.namedWindow('image', cv2.WINDOW_NORMAL )cv2.imshow('image',img )cv2.waitKey(0 )(cv2.destroyAllWindows
OpenCvببساطة
44
-2ؼفظُامصىسحُ : مؽفظُامصىسحُنعرخذوُاألمشُُ cv2.imwrite شبهذُامربنبمغُامربيلُ : وقٌفص خًربندمفً :لىَ هٍخ خًربندمف رظلمٌٍ خًطىَش وكُخءطهد ردملٔظىي خًُمديي ػم نُغهد. وهططند مفظدق ًٌ Escوُوؾ من ندفٍش خًطىَش ننً خًػًـ نٌٌه وهططند خملفظدق ً sلفل خًطىَش. import numpy as np import cv2 )img = cv2.imread('gift.jpg',0 )cv2.imshow('image',img
رشػُامكىد:
)k = cv2.waitKey(0 if k == 27: )# wait for Esc key to exit ([27 =Esc] in ASCII )(cv2.destroyAllWindows elif k == ord('s'): # wait for 's' key to save and exit )cv2.imwrite('copygift.png',img )(cv2.destroyAllWindows
ؤوي ؤَرو ؤٓؿُ طم ٌسكهد ٓدرلد خنظكُ كظى ًظم غًـ ؤي مفظدق من ًىكص خملفدطٌم ػم هّن كٌم خًلُف خًٍي غًؿند نٌٌه يف مظًًن ٓمٌنده k
)k = cv2.waitKey(0
if k == 27: )(cv2.destroyAllWindows
بٌخ هدن خًلُف خملػًىؽ هى ( Escخًَّ Escيف خًوٌزىَي ًودفح خًُكم 47رشفُش خآلٓيك) ؤيٌم ؿمٌو خًنىخفٍ elif k == ord('s'):
بٌخ هدن خًلُف خملػًىؽ هى ( sطهٌٌمص ordطهنٍ كىي خمللُف خًٍي رًخهٌهد ًٌُكم خًٍي ًلدرٌه رشفُش خآلٓيك) )cv2.imwrite('copygift.png',img
خكفل خًطىَش imgردٓم ؿًًً "( "copygift.pngهند خالٓم خًـًًً ًٌطىَش خًـًًًش هى )copygift ذ
45
ببساطةOpenCv ُ :imwrite()ُرشػُامربتؼ
ؤٓم خًطىَش خًـًًًش (يف كدًص نًَ وغو مٔدَ ملًي ٌٓظم كفل خًطىَش: خملظًًن خألوي )ٍخًـًًًش يف مـًٌ خًهم خًطىَش خملؿٌىذ كفكهد: خملظًًن خًؼدين ُ :Matplotlibُُذؽعنيُػشًلخُغشضُامصىسحُغنُػشًمُمكرثخ-3 ُ :امكىد import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('gift.jpg',0) plt.imshow(img, cmap = 'gray', interpolation = 'bicubic') plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis plt.show()
:امنرٌعخ
ذ
ُ :رشػُامكىد ؤوي ؤَرو ؤٓؿُ طم ٌسكهد مٔزلد plt.imshow(img, cmap = 'gray', interpolation = 'bicubic')
طدرو نُع خًطىَشplt.imshow ذ plt.xticks([]), plt.yticks([])
46
OpenCvببساطة وقٌفص هٍخ خًٔؿُ بهفدء طًَؿدض ملىَ xو yمن ندفٍش خًطىَش (كم رلٍف هٍخ خًٔؿُ والكل خًفُق)
ذ
ذ
طدرو فظم خًطىَش غمن ندفٍش.
)(plt.show
هندن خًهًًً من خًوٌدَخض مظىفُش غمن موظزص ًٌ ،matplotlibلطىي نىل طهٌٌٌلض ؤهًت غمن هٍه خملوظزص ٌنونى كُخءش خملُؿو خًودص رهد. يف خًوىي خًٔدرم الكل رإنه بٌخ نُغند خًطىَش رًًن خملٔظىي خًُمديي ٓنشدهً رإن ًىن خًطىَش ؤهظٌف فٌل هى خًٔزس! ذ
امعثجُ : ننً طلمٌٍ خًطىَ نرب OpenCvنلطٍ نىل خًطىَش رطًٌص BGRوًون ننً نُع خًطىَش رـ ً Matplotlibظم خنظزدَهد ( RGBؤي ًوىن خألكمُ ؤَِق وردًهوٕ) ًًٍى ًـس مُخندش هٍخ خًىغو وخالنظزده ًظزًًٍ خألًىخن كزٍ بقهدَهد نرب Matplotlib ذ
) OpenCv => (B, G, Rذ )Matplotlib => (R, G, B ذ
47
OpenCvببساطة اؾتؼاطذاؾػقدقوذؿنذاؾؽاؿرياذ
يف خملؼدي خًظديل ٓنلىَ ردًظلدؽ ضىَ من خًودمًنخ ونُغهد ررسنص كظى طكهُ خًطىَ نىل هٌجص فًًٌى رؽ مزدٌس. (خًودمًنخ ننًمد ططىَ فًًٌى مزدٌس هٍ ردًللٌلص طٌظلـ نًش بؾدَخض ًٌطىَ ررسنص ندًٌص وطلىَ رهُغهد فظزًو ًند وهإن خًودمًنخ ططىَ رؽ مزدٌس). مالككص :هٍ بؾدَ من بؾدَخض خًطىَش خملٌظلؿص ًًنى فًُم .frame
(هٌٌل ِخي نًي بؾدَخض خًطىَ خملٌظلؿص يف خًؼدنٌص ٓنلطٍ نىل ِمن كلٌلٍ ؤهرب ًنلٍ خًطىَش). امكىدُ ُ: import numpy as np import cv2 )cap = cv2.VideoCapture(0 while(True): # Capture frame-by-frame )(ret, frame = cap.read # Our operations on the frame come here )gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY # Display the resulting frame )cv2.imshow('frame',gray if cv2.waitKey(1) == ord('q'): break # When everything done, release the capture )(cap.release )(cv2.destroyAllWindows
رشػُامكىدُ : )cap = cv2.VideoCapture(0
أيذحددذاؾؽاؿرياذاؾيتذدـؾتؼطذبفاذاؾػقدقوذؿنذاؾؽاؿرياذومسفاذذ capذ
ذ
48
OpenCvببساطة
امربتؼُ)( :VideoCaptureطدرو خًظلدؽ خًطىَ من خًودمًنخ .كٌمص خملظًًن خًٍي رًخهٍ خًلىٍٓن متؼٍ طُطٌس خًودمًنخ (بٌخ هند نٔظوًَ هدمًنخ وخكًش فٔظإهٍ يدًزد خًرتطٌس ،5وبٌخ هدن ًًًند 4 هدمًنخض وؤَيند طشًٌٍ خًودمًنخ ٓ 4نػو رًي ضفُ خًُكم ( 4 while(True):
كٌلص ال نهدثٌص مد يخَ خًٍسؽ TRUEمللم فةٌخ طلىي بىل ٓ FALSEىف طنظهٍ كٌلص while )(ret, frame = cap.read
امربتؼُ)(ًُreadهًٌ كٌمظدن هٌل: خملظًًن ً :frameوّن رًخهٌه خًطىَش (خًفًُم) خملٌظلـ من خًودمًنخ وًٌى نن ؾًُم خًظدرو )(.cap.read املرغريًُ :retإهٍ خًلٌمص خملهديش من خًظدرو )( cap.radوطوىن كٌمظه بمد Trueؤو .False فةٌخ هدنع خًلٌمص Trueهٍخ ًهنٍ رإن خًودمًنخ طٌظلـ خًطىَ ،ؤمد بٌخ هدنع خًلٌمص Falseفهٍخ ًهنٍ رإن خًودمًنخ ال طٌظلـ خًطىَ . تبخرصبس خًظدرو )(ً cap.readوّن خًطىَش خملٌظلؿص من خًودمًنخ يف خملظًًن ، frameوًهٌمند هٍ خًودمًنخ طٌظلـ خًطىَ ؤَ ال نن ؾًُم طوًّن كٌمص Trueؤو Falseيف خملظًًن .ret ؤكٌدند ال طهمٍ مهى خًظهٌٌمص )( cap.readننًهد ٌنونى ؤن طٔظهمٍ رًال منهد خًظهٌٌمص )(.cap.isOpened )gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY كىي كٌمص هٍ بؾدَ من بؾدَخض خًطىَش ًٌىن خًُمديي وهّنهد يف مظًًن ٓمٌنده gray امربتؼُ)(ُ :cvtColor خملظًًن خألوي ٌنؼٍ ؤٓم خًطىَش وخملظًًن خًؼدين ٌنؼٍ خملٔظىي خًٌىين خملؿٌىذ (هند خهرتند مٔظىي خًٌىن خًُمديي). )cv2.imshow('frame',gray
ؤنُع خًطىَش frameردًٌىن خًُمديي if cv2.waitKey(1) == ord('q'): break
بٌخ طم غًـ مفظدق qكم ردًوُوؾ من كٌلص whileويف خألمُ خًٍي رهًه ٌٓظم بيالق ؿمٌو خًنىخفٍ خملفظىكص.
)(cap.release
هٍخ خألمُ مٔاوي نن طلًُُ خًودمًنخ (ؤي ؤًلدف طشًٌٌهد).
49
ببساطةOpenCv تشغقلذاؾػقدقوذؿنذؿؾف ذ
ردٓمcv2.VideoCapture() فلـ نٔظزًي طُطٌس خًودمًنخ يف خًظدرو.مٌلػٍ ملد ٓزم .خًفًًٌى import numpy as np import cv2
cap = cv2.VideoCapture('C:\s\A\Documents\video.mp4') while(True): # Capture frame-by-frame ret, frame = cap.read() # Our operations on the frame come here gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # Display the resulting frame cv2.imshow('frame',gray) if cv2.waitKey(10) == ord('q'): break # When everything done, release the capture cv2.destroyAllWindows()
فإنع رلدؿص ألن، بن مل ًهمٍ مهى خًوىي خًٔدرم ًهًَ خًلًَش نىل كُخءش خًفًًٌىOpenCv 3 َ يف بضًخ:مالككص .ffmpeg or gstreamerطنطس
Make sure proper versions of ffmpeg or gstreamer is installed. Sometimes,ذ it is a headache to work with Video Capture mostly due to wrong nstallation of ffmpeg/gstreamer.
OpenCvببساطة
50
ذىاتؼُامشظم ُ
ذذذذذذذ امهذفُ : طهٌم َٓم موظٌف خألشودي خًهنًٌٓص ردٓظوًخَ موظزص .OpenCv ٓ نظهٌم خٓظوًخَ خًظىخرو خًظدًٌص: cv2.line(), cv2.circle(), cv2.rectangle(), cv2.ellipse(), )(cv2.putText ٓنالكل ننً خٓظوًخَ هٍه خًظىخرو رإنهد طلظىي نىل خملظًًنخض خًظدًٌص: .8خًطىَش خًظٍ ٌٓظم خًُٓم نٌٌهد ً .4ىن خًشوٍ (ًظلًًً خًٌىن منَُ ػالغ كٌم هٍ )R,G,B ٌٓ .4لهص خًوـ .3نىم خًوـ (مظطٍ – مظلؿو).. سظمُخؽ ًُٓم هـ نلظدؾ بكًخػٌص خًزًخًص وخًنهدًص.
يف هٍخ خملؼدي ٓرنٓم هـ كؿُي يف خًطىَش
import numpy as np import cv2 # Create a black image )img = np.zeros((512,512,3), np.uint8 # Draw a diagonal blue line with thickness of 5 px )cv2.line(img,(0,0),(511,511),(0,0,255),5 # lets see )cv2.imshow('imag',img )cv2.waitKey(0 )(cv2.destroyAllWindows
ذ ذ
51
OpenCvببساطة
رشػُامكىد: )img = np.zeros((512,512,3), np.uint8
ذ
امربتؼُ)(ُ :np.zeros ذًُٓم ضىَش ًىنهد ؤٓىي (مطفىفص ضفًُص :نندرصهد طوىن ؿمٌههد ؤضفدَ = 5خًٌىن خألٓىي) ُُُاملرغريُاأل ُول :ؤوي كٌمظٍن هٌل ؤرهدي خملطفىفص (كـم خًطىَش) وػدًؽ مظًًن هى نملهد املرغريُامصبينٌ :نؼٍ نىم نندرص خملطفىفص خًظٍ طوىن خًطىَش هند خًنىم هى
uint8
Uint8هٍ خهظطدَ ًـ unsigned integer 8-bitنًي ضلٌم يًن ملًٌ ردإلشدَش ًظإًف من 8 رع )cv2.line(img,(0,0),(511,511),(0,0,255),5 ذ
امربتؼُ)( ًٔ lineظوًَ ًُٓم هـً ،ظػمن نًش مظًًنخض طٔدنًند يف نمٌٌص خًُٓم وهٍ: خملظًًن خألوي هى ؤٓم خًطىَش وخملظًًن خًؼدين هى بكًخػٌدض رًًص خًوـ وخملظًًن خًؼدًؽ هى بكًخػٌدض نهدًص خًوـ وخملظًًن خًُخرو هى كٌمص خًٌىن ) (B,G,Rوخملظًًن خًودمٕ هى ٌٓلهص خًوـ ________________________________________ ذ
سظمُمعرؼٌه ُ ؾردمذادلدتطقلذجيبذأنذحنددذزأوقتهذاؾعؾقاذاؾقدرىذوزأوقتهذاؾدػؾىذاؾقؿـى .ذ
52
ببساطةOpenCv :كىدُسظمُمعرؼٌهُغىلُصىسحُظىداء import numpy as np import cv2 # Create a black image img = np.zeros((512,512,3), np.uint8) #Draw Rectangle cv2.rectangle(img,(100,100),(250,250),(0,255,0),3) # lets see cv2.imshow('imag',img) cv2.waitKey(0) cv2.destroyAllWindows()
ذ
ُ :رشػُامكىد cv2.rectangle(img,(100,100),(250,250),(0,255,0),3)
وقٌفظه هٍ َٓم مٔظؿٌٍ وًظم طلًًً هطدثظ هٍخ خملٔظؿٌٍ نن ؾًُمrectangle()ُامربتؼ خملظًًن خألوي هى ؤٓم خًطىَش وخملظًًن خًؼدين وخًؼدًؽ هٌل بكًخػٌدض ِؤوًص.خملظًًنخض خًظدًٌص .خملٔظؿٌٍ خًهٌٌد خًٌرسي وخًٔفىل خًٌمنى
53
ببساطةOpenCv :كىدُسظمُمعرؼٌهُغىلُصىسحُمىظىدحُمعثلب import numpy as np import cv2 from matplotlib import pyplot as plt # read image img =cv2.imread('brid.jpg') #invert color from B,G,R to R,G,B b,g,r = cv2.split(img) # get b,g,r img = cv2.merge([r,g,b]) # switch it to RGB # Draw a diagonal blue line with thickness of 5 px cv2.rectangle(img,(400,35),(570,160),(255,0,0),3) # lets see plt.imshow(img) plt.show()
ذ ذ
ذ ذ
ُ :رشػُامكىد b,g,r = cv2.split(img) # get b,g,r img = cv2.merge([r,g,b]) # switch it to RGB
. هٍ وخكً ًىكًهB, G, R وقٌفظه خًلطىي نىل ؤًىخن خًطىَش خًـcv2.split()
54
OpenCvببساطة
)( cv2.mergeوقٌفظه يمف خألًىخن ٓنٔظوًمه ًًمف خألًىخن خًظٍ كطٌند نٌٌهد من خًظدرو خًٔدرم وًون رطًٌص مهوىٓص( .ؤكطً رًمف خألًىخن رطًٌص مهوىٓص ،رإن ؤرًي خًٌىن خألكمُ ردًٌىن خألَِق وردًهوٕ ؤمد خًٌىن خألهٍص ٓنزلٍ نىل طُطٌزه هم هى ،فنلطٍ نىل خًرتطٌس RGBرًي )BGR كمند ردٓظًندء خًظدرهٍن خًٔدرلٍن ًظلىًٍ خألًىخن من خًرتطٌس BGRبىل .RGB ًلً ٌهُند ٓدرلد رإن موظزص cv2طهُع خألًىخن ردًرتطٌس BGRوًون موظزص matplotlibطإهٍ خًرتطٌس ً RGBهٍخ خًٔزس كً نؤند خألًىخن ًظكهُ خًطىَش ردًٌىن خًللٌلٍ .ؿُذ كٍف هًٍن خًٔؿًُن وٓظهُف مدٌخ ٌٓلًغٌٓ( .طزم خًٌىن خألكمُ رًي خألَِق وخألَِق رًي خألكمُ). مالؼظخُ:مكرثخُ cv2ذػشضُاألمىانُتبمرتذٌجُُ،BGRتٌنٌلُمكرثخُُmatplotlibذػشضُاألمىانُتبمرتذٌجُُ .RGB
)cv2.rectangle(img,(100,100),(250,250),(0,255,0),3
امربتؼُ)( rectangleوقٌفظه هٍ َٓم مٔظؿٌٍ وًظم طلًًً هطدثظ هٍخ خملٔظؿٌٍ نن ؾًُم خملظًًنخض خًظدًٌص :خملظًًن خألوي هى ؤٓم خًطىَش وخملظًًن خًؼدين وخًؼدًؽ هٌل بكًخػٌدض ِؤوًص خملٔظؿٌٍ خًهٌٌد خًٌرسي وخًٔفىل خًٌمنىُ . ذ
سظمُدائشح ُ ًُٓم يخثُش نلظدؾ مُهّهد ونطف كؿُهد import numpy as np import cv2
)'img =cv2.imread('brid.jpg # Draw circle )cv2.circle(img,(480,120), 80, (0,0,255), 5 )cv2.imshow('imag',img )cv2.waitKey(0 )(cv2.destroyAllWindows
ذ
55
OpenCvببساطة
ذ
رشػُامكىدُ : )cv2.circle(img,(250,250), 63, (0,0,255), 5
امربتؼ ُ)( circleوقٌفظه َٓم يخثُش خملظًًن خألوي هى خٓم خًطىَش خًظٍ ٓرنٓم نٌٌهد وخملظًًن خًؼدين هى مُهّ خًًخثُش وخملظًًن خًؼدًؽ هى كؿُ خًًخثُش وخملظًًن خًُخرو هى ًىن خًًخثُش وخملظًًن خًودمٕ ٌنؼٍ ٌٓلهص ملٌـ خًًخثُش. ذ
سظمُكؼؼُنبكص ُ ًُٓم كؿو ندكظ نلظدؾ متًُُ نًش مظًًنخض (خملُهّ +ؤؾىخي خمللىًٍَن ِ+ؤوًص خًًوَخن ِ+ؤوًص خًزًخًص وخًنهدًص) ًظم خًُٓم نن ؾًُم خٓظًندء خًظدرو cv2.ellipse )cv2.ellipse(img,(480,256),(100,50),0,0,180,255,5
ذ
OpenCvببساطة
56
سظمُمظنؼ ُ ًُٓم مػٌو نلظدؾ َئوْ خإلكًخػٌدض ومن ػم نـهٌهد رشوٍ مطفىفص وًـس ؤن طوىن هٍخ خملطفىفص ردًطًٌص int32خملؼدي خًظديل ًُٓم مػٌو رإَرو َئوْ )pts = np.array([[410,65],[470,30],[500,35],[570,90]], np.int32 ))pts = pts.reshape((-1,1,2 ))cv2.polylines(img,[pts],True,(0,0,255
ًى هدنع كٌمص خملظًًن خًؼدًؽ ًٌظدرو )( cv2.polylinesهٍ ً Falseلطٌند نىل مػٌو مفظىق . ٌنون ًٌظدرو خًٔدرم َٓم نًش مٔظلٌٌلض مهد ،مد نٌٌى بال متًُُ مطفىفدض خًنلدؽ وهٍخ ؤفػٍ من َٓم هٍ مٔظلٌم نىل كًي.
ذ ذ ذ ذ بطبفخُنصُمنصىسح ُ ُ إلغدفص نظ ًٌطىَش نٌٌى طلًًً مد ًًل: خًنظ خًٍي طًًُ بيَخؿه ،مىغو خًنظ ردًنٔزص ًٌطىَش (من خًّؤوًص خًٔفىل خًٌرسي) ،نىم خًوـ، كـم خًوـ ردًزٌؤٍ ،خًٌٔلهص ،خًٌىن ،هٍ خًوـ مظطٍ ؤَ منفطٍ. font = cv2.FONT_HERSHEY_SIMPLEX )cv2.putText(img,'OpenCV',(10,300), font, 4,(255,255,255),5 ذ
57
OpenCvببساطة
ذ ذ
مالككصٌ :نونى خٓظًندء ؤهًت من طدرو َٓم نىل نفٕ خًطىَش
58
ببساطةOpenCv ُ ؤؼذاسُامفإسح
.OpenCv يف هٍه خًًَْ ٓنظهٌم خًظهدمٍ مو ؤكًخغ خًفإَش يف cv2.setMouseCallback() ٓنظهٌم خٓظوًَ خًظدرو خًظديل
ؤو، هٍ ؤي يشء مُطزـ ردًفإَش مؼٍ غًـ خًَّ خألًرس:ؤكًخغ خًفإَش خًى......... ؤو خًػًـ مُطٍن،َفو خًػًـ ( خملودن خًٍي ًىؿً ره ماٌس خًفإَشX,Y) بكًخػٌدضcv2.setMouseCallback() ًهؿٌند خًظدرو : ٌنونى هظدرص خألمُ خًظديل،ملهُفص ؤكًخغ خًفإَش خملظىفُش.نىل خًشدشص
ذ
import cv2 events = [i for i in dir(cv2) if 'EVENT' in i] for a in events : print a
E EVENT_FLAG_ALTKEY EVENT_FLAG_CTRLKEY EVENT_FLAG_LBUTTON EVENT_FLAG_MBUTTON EVENT_FLAG_RBUTTON EVENT_FLAG_SHIFTKEY EVENT_LBUTTONDBLCLK EVENT_LBUTTONDOWN EVENT_LBUTTONUP EVENT_MBUTTONDBLCLK EVENT_MBUTTONDOWN EVENT_MBUTTONUP EVENT_MOUSEHWHEEL EVENT_MOUSEMOVE EVENT_MOUSEWHEEL EVENT_RBUTTONDBLCLK EVENT_RBUTTONDOWN ذEVENT_RBUTTONUP
59
ببساطةOpenCv ُ امشظمُتبظرخذاوُامفإسح
ٌنونى طنفٌٍ ؤي ؤمُ ننً خًػًـ نىل َِ خًفإَش نن ؾًُم خًظدرو خًٍي ٓظوظزه وًون هند ٓنلظرص نىل:مالككص .خٓظوًخَ كًغ خًػًـ نىل َِ خًفإَش ًٌُٓم فلـ
:1مصبل وٓننشإ طدرو خٓظًندء مُطزـ.ٓننشإ طؿزٌم رٌٔـ ًُٓم يخثُش ننًمد نػًـ ردًفإَش نىل خًشدشص .رلًغ غًـ َِ خًفإَش خألًرس مُطٍن ًُٓم يخثُش import cv2 import numpy as np # mouse callback function def draw_circle(event,x,y,flags,param): if event == cv2.EVENT_LBUTTONDBLCLK: cv2.circle(img,(x,y),100,(255,0,0),-1) # Create a black image, a window and bind the function to window img = np.zeros((512,512,3), np.uint8) cv2.namedWindow('image') cv2.setMouseCallback('image',draw_circle) while(1): cv2.imshow('image',img) if cv2.waitKey(20) == 27: break cv2.destroyAllWindows()
ذ
60
OpenCvببساطة ُ رشػُامكىدُ ُ :
def draw_circle(event,x,y,flags,param):
ذ
طٔظوًَ نزدَش ًdefظهًُف خًظىخرو يف ًًص ردًؼىن نُفند طدرو ردٓم draw_circleومَُند ًه 0كٌم. if event == cv2.EVENT_LBUTTONDBLCLK: )cv2.circle(img,(x,y),100,(255,0,0),-1
ذ
بٌخ هدن خًلًغ خملػًىؽ هى خًػًـ نىل َِ خملإوْ خألًرس مُطٍن نفٍ مد رًخهٍ ؿمٌص if خًٍسؾٌص :خَٓم يخثُش مُهّهد هى بكًخػٌدض ) (x,yملىكو ماٌس خًفإَش )img = np.zeros((512,512,3), np.uint8 )'cv2.namedWindow('image
كمند رةنشدء ضىَش ًىنهد ؤٓىي رلـم 512 x 512ػم ٓمٌند ندفٍش خًطىَش ردالٓم .image )cv2.setMouseCallback('image',draw_circle
امربتؼ ُ)( ُ setMouseCallbackمٔاوي نن طنفٌٍ كًغ خًفإَش وهند ٌٓلىَ رُٓم يخثُش نن ؾًُم خٓظًندء خًظدرو خًٍي ؤنشإنده يف رًخًص خًوىي وهى .draw_circle رشػُامربتؼُ)(ُ setMouseCallback خملظًًن خألوي هى ؤٓم خًندفٍش خملؿٌىذ طنفٌٍ كًغ خًفإَش نٌٌهد. خملظًًن خًؼدين هى خألمُ خملؿٌىذ طنفٌٍه ننً كًوغ كًغ خًفإَش. ذ ذ
ذ
61
ببساطةOpenCv ُ :2مصبل
ًًٍى ٌٓوىن ًًي،ٓنلىَ يف هٍخ خملؼدي رُٓم مٔظؿٌٍ ؤو يخثُش رند ًء نىل خًلدًص خًظٍ ٓنوظدَهد . وخكً ًُٓم مٔظؿٌٍ وخألهُ ًُٓم يخثُش،طدرو خٓظًندء خًطىَش ًًًه شلٍن ٓنلىَ رظهًًٍ خًوىي.هٍخ خملؼدي كً ًنفهند يف رهؼ خًظؿزٌلدض هظظزو خألؿٔدَ وطلؿٌو خًطىَش وًٌظنلٍ رٍن خهظٌدَ مٔظؿٌٍ ؤو،َخًٔدرم رلٌؽ ٓنوظدَ رإن نُٓم يخثُش ؤو مٔظؿٌٍ كٔس مد نوظد . من ًىكص خملفدطٌمm يخثُش نػًـ نىل كُف import cv2 import numpy as np drawing = False # true if mouse is pressed mode = True # if True, draw rectangle. Press 'm' to toggle to curve ix,iy = -1,-1 # mouse callback function def draw_circle(event,x,y,flags,param): global ix,iy,drawing,mode if event == cv2.EVENT_LBUTTONDOWN: drawing = True ix,iy = x,y elif event == cv2.EVENT_MOUSEMOVE: if drawing == True: if mode == True: cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),-1) else: cv2.circle(img,(x,y),5,(0,0,255),-1) elif event == cv2.EVENT_LBUTTONUP: drawing = False if mode == True: cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),-1) else: cv2.circle(img,(x,y),5,(0,0,255),-1)
img = np.zeros((512,512,3), np.uint8) cv2.namedWindow('image') cv2.setMouseCallback('image',draw_circle)
ذ
62
ببساطةOpenCv while(1): cv2.imshow('image',img) k = cv2.waitKey(1) if k == ord('m'): mode = not mode elif k == 27: break cv2.destroyAllWindows()
ذ
ُ ُ:3مصبل .يف خملؼدي خًٔدرم َٓمند مٔظؿٌٍ ممظٌح فهٍ رةمودنى طًًٌن ًٌى ًُٓم مٔظؿٌٍ مفُى ُ :امؽه import cv2 import numpy as np drawing = False mode = False ix,iy = -1,-1
# mouseCallback Function def draw_circle(event,x,y,flags,param): global ix,iy,drawing,mode,spareimg,img if event == cv2.EVENT_LBUTTONDOWN: drawing = True ix,iy = x,y
ذ
63
ببساطةOpenCv elif event == cv2.EVENT_MOUSEMOVE: if drawing == True: if mode == True: img = spareimg.copy() spareimg = img.copy() cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),2) else: cv2.circle(img,(ix,iy),3,(0,0,255),-1) cv2.line(img,(ix,iy),(x,y),(0,0,255),3) ix,iy = x,y elif event == cv2.EVENT_LBUTTONUP: drawing = False if mode == True : cv2.rectangle(img,(ix,iy),(x,y),(0,255,0),2) spareimg = img.copy() else: cv2.circle(img,(x,y),3,(0,0,255),-1) img = cv2.imread('gift.jpg',1) spareimg = img.copy()
# img = np.zeros((512,512,3),np.uint8) cv2.namedWindow('image',cv2.WINDOW_NORMAL) cv2.setMouseCallback('image',draw_circle) while(1): cv2.imshow('image',img) k = cv2.waitKey(1) if k == ord('m'): mode = not mode elif k == 27: break cv2.destroyAllWindows()
ذ ذ
OpenCvببساطة
64
رشًؽُامرمشًشُامعبنثٍ ُ اظرخذاوُرشًؽُامرمشًشُامعبنثٍ)ُ (Track barكنىؼخُؤمىان امهذفُ : طهٌم بنشدء ٌسًـ ٓلس يف ندفٍش windowsغمن موظزص .OpenCv ٓ نظهٌم خٓظوًخَ خًظىخرو خًظدًٌص. cv2.getTrackbarPos() , cv2.createTrackbar(): ُ كىدُامرعشتخُ : ٓننشإ طؿزٌم رٌٔـ ًهُع ًىن ملًي يف ندفٍش ،وًظم طًًٌن خًٌىن خملهُوع نن ؾًُم ػالػص ؤٌسؾص ٓلس ،هٍ ؤيخش ٓلس متؼٍ ًىن .R,G,Bذ
ٓنهٍن خًٌىن خألٓىي هٌىن خفرتخيض. اؾتابعذ)(cv2.getTrackbarPosذقلخذذادلتغرياتذاؾتاؾقة :ذ ذ
ؤوي مظًًن ٌنؼٍ ؤٓم ٌسًـ خًٔلس ،وػدين مظًًن هى خٓم خًنفٍش خًظٍ ٓنػو نٌٌهد خأليخش ،وػدًؽ مظًًن هى خًلٌمص خالفرتخغٌص ،وَخرو مظًًن هى خًلٌمص خًهكمى ،وهدمٕ مظًًن هى طدرو خالٓظًندء (ؤي خألمُ خملؿٌىذ طنفٌٍه).يف مؼدًند هٍخ ًن نٔظهمٍ طدرو خالٓظًندء ًًٍى ٓنمَُ ًه طدرو ُهٌزٍ. وهندن طؿزٌم آهُ ًظدرو خالٓظًندء وهى خٓظوًخمه هَّ طزًًٍ (ألن موظزص OpenCvال طلىي هدضٌص َِ)ًًٍ ،ى ٓننشإ هدضٌص ًظفهٌٍ قهىَ خًٌىن ؤو ال هٌل هى مىغم يف خًوىي خًظديل:
65
ببساطةOpenCv
import cv2 import numpy as np def nothing(x): # Create a black image, a window img = np.zeros((300,512,3), np.uint8) cv2.namedWindow('image') # create trackbars for color change cv2.createTrackbar('R','image',0,255,nothing) cv2.createTrackbar('G','image',0,255,nothing) cv2.createTrackbar('B','image',0,255,nothing) # create switch for ON/OFF functionality switch = '0 : OFF \n1 : ON' cv2.createTrackbar(switch, 'image',0,1,nothing) while(1): cv2.imshow('image',img) k = cv2.waitKey(1) & 0xFF if k == 27: break # get current positions of four trackbars r = cv2.getTrackbarPos('R','image') g = cv2.getTrackbarPos('G','image') b = cv2.getTrackbarPos('B','image') s = cv2.getTrackbarPos(switch,'image') if s == 0: img[:] = 0 else: img[:] = [b,g,r] cv2.destroyAllWindows() ذ
OpenCvببساطة امنرٌعخُ :
ذ
ذ
66
الفصل الثاني ”من سلك طر يقا يلتمس فيه علما سهل اللله له طر يقا إلى الجنة ‟
سيد الرُسل – محمد صلى الل له عليه وسلم
OpenCvببساطة
68
امفصهُامصبينُ:امػمنٌبدُاألظبظٌخُغىلُامصىس ُ امػمنٌبدُاألظبظٌخُغىلُامصىس
طهٌم كُخءش خًزٌؤٍ وهٌفٌص طًًٌن كٌمظه ،وطهٌم نٔى ؿّء ملًي من خًطىَش، ونمٌٌدض ؤٓدٌٓص ؤهُي امػمنٌبدُامؽعبتٌخُغىلُامصىس
بؿُخء نمٌٌدض كٔدرٌص نىل خًطىَ ُ
ذلنٌبدُكٌبطُاألداءُوذؽعٌنه
خًلطىي نىل خًلٍ خًٍي نًًُ وًون رؿًُلص ؤرسم ،وطهٌم فلظ رسنص خًوىي، وهٌفٌص خًلطىي نىل خًوىي خملؼديل. األدوادُامشًبطٌخُيفُمكرثخُOpenCv
ُ
ذ
امػمنٌبدُاألظبظٌخُغىلُامصىس
OpenCvببساطة
69
امهذفُ : كشاءحُكٌمخُؤيُتٌكعهُيفُامصىسحُوػشًلخُذػذًهُكٌمره. مػشفخُخصبئصُامصىسح. ذغريُمنؼلخُمؽذدحُمنُامصىسح. دمغُامصىسُوفصنهب.
ؤيٌس خًهمٌٌدض خالٓدٌٓص نىل خًطىَش طظم نن ؾًُم خالٓظهدنص مبوظزص ،numpyوطظم رشوٍ ؤفػٍ من خٓظهٌلي موظزص ًًٍ .OpenCvى ًـس ؤن طظهُف نىل موظزص Numpyرشوٍ ؿًٌ. كشاءحُوذػذًهُكٌمخُؤيُتٌكعهُيفُامصىسح ينند نلمٍ خًطىَش خملٌىنص خًظدًٌص كظى نزًؤ ردًٍسق نٌٌهد.
import cv2 import numpy as np )'img = cv2.imread('robot_football.jpg
ذ
ٌنونند خًىضىي ًلٌمص ؤي رٌؤٍ نن ؾًُم بكًخػٌدض خًٔؿُ وخًهمىي ).(X,Y
70
OpenCvببساطة
ردًنٔزص ًٌطىَش خملٌىنص ننً كُخءش كٌمص خًزٌؤٍ ٌٓظم كُخءش ػالغ ؤًىخن وهٍ خألكمُ وخألهٍص وخألَِق .خًوىي خًظديل ٌٓلُؤ ؤًىخن خًزٌؤٍ خًٍي بكًخػٌدطه x=100 , y=100وٌٓهًٌ ًند كٌمص خألًىخن .R G B ]px = img[100,100 print px
ذ
[139ذذ68ذذ]41
كُخءش ًىن وخكً :خًوىي خًظديل فلـ ٌٓلُؤ خًٌىن خألكمُ # accessing only blue pixel ]red = img[100,100,2 print red
ذ
41ذ
ٌنونى طًًٌن ًىن ؤي رٌؤٍ يف خًطىَش نن ؾًُم طًًٌن كٌمظه. يف خًوىي خًظديل ٓنًًن كٌمص ًىن خًزٌؤٍ خًٍي بكًخػٌدطه ) (100,100بىل خًٌىن خألكمُ. ]img[100,100] = [0, 0,255 ]print img[100,100 ذ
مالككص: موظزص Numpyهٍ ؤفػٍ موظزص ملهدًـص خملطفىفدض ررسنص ننً خٓظهٌلي خًؿًُلص خًٔدرلص ًٌىضىي بىل هٍ رٌؤٍ ٌٓايي هٍخ خألمُ ًزؿح يف خًربندمف. ًظهدمٍ مو هٍ رٌؤٍ ًىكًه ًفػٍ خٓظوًخَ خًظدرهٍن )( itemو )( itemsetوًٌى هٌل ًًل: خًوىي خًظديل ٌٓلُؤ كٌمص خًٌىن خألكمُ يف خًزٌؤٍ ٌو خإلكًخػٌص ).(10,10 (خًٌىن خألكمُ ًودفح َكم ،4وخًٌىن خألهٍص ًودفح خًُكم ،1وخًٌىن خألَِق ًودفح خًُكم )0 # accessing RED value )img.item(10,10,2 ذ
71
OpenCvببساطة
خآلن ٓنًًن كٌمص خًـ ( Rخًٌىن خألكمُ) يف خًزٌؤٍ ٌو خإلكًخػٌدض ) (10 , 10ونٔظزًًه رلٌمص ًىنٌص كٌمظهد .100 (كدَن رٍن خًنظٌـص يف خًوىي خًٔدرم وهٍخ خًوىي يف نفٕ خًزٌؤٍ والكل مدٌخ كًغ) # modifying RED value )img.itemset((10,10,2),100 )img.item(10,10,2
ذ
ذ
خصبئصُامصىسح نًي خًلنىخض ( ،)channelsنًي خألٓؿُ ،نًي خألنمًش ،نًي خًزٌؤالض...... ، ملهُفص شوٍ خًطىَش (shapeنًي خألٓؿُ ،نًي خألنمًش ،نًي خًلنىخض) نوظس خًوىي خًظديل: print img.shape
ذ (,3ذ,320ذ )320ذ
ذ
ملهُفص نًي خًزٌؤالض نوظس خًوىي خًظديل:
print img.size
1268568
ملهُفص نىم رٌدندض خًطىَش نوظس خًوىي خًظديل: print img.dtype
ذ
uint8ذ
ًـس خالنظزده ًنىم رٌدندض خًطىَش ألنه ًىؿً خًهًًً من خألهؿدء طلًغ يف رٌجص Opencv_Python ٓززه نىم رٌدندض خًطىَش data type ذ
OpenCvببساطة
72
املنؼلخُاملهمخُيفُامصىسحُ(ُ )Image ROI ُ مبُامللصىدُتـُROI؟! ُ(ُ )Region Of Interest ؤكٌدند نلظدؾ ًظلًُُ منؿلص ملًيش من خًطىَش ،فمؼال من ؤؿٍ خهظشدف خًهٍن نٌٌى ؤوال خًزلؽ نن خًىؿه ،ومن ػم نػو كًوي ًٌىؿه ونلىَ ردًزلؽ يخهٍ هٍه خًلًوي نن خًهٌنٍن .هٍه خًهمٌٌص طىفُ نٌٌند خًزلؽ غمن خًطىَش هٌهد وطلٔن رسنص ويكص خالهظشدف (ألن خًهٌنٍن يخمئد مىؿىيش نىل خًىؿه ) :Dوًظلٔن خأليخء (ألنند رلؼند غمن مٔدكص ضًًنش). ذ
يف هٍخ خًوىي خًظديل ٓنلىَ رظلًًً منؿلص من خًطىَش ومن ػم نلىَ رنٔوهد ووغههد يف مودن ؤهُ من خًطىَش.
import cv2 import numpy as np from matplotlib import pyplot as plt )'img = cv2.imread('football.jpg ]part = img[150:300, 400:550 img[150:300, 50:200] = part )plt.imshow(img )][(plt.xticks )][(plt.yticks )(plt.show
ذ
ؤنكُ ًٌنظٌـص يف خًطىَ خًظدًٌص:
73
OpenCvببساطة كثهُ : ذ ذ
ذ ذ
تػذُ :
ذ
شدهً هٌف طم نٔى خًوُش مُطٍن. رشػُامكىدُ : هزاُامعؼشُمعاولُغنُاملعمُامزيُنشًذُنعخه ُ
]part = img[150:300, 400:550
ًنفُع ؤن خكًخػٌدض خًّؤوًص خًهٌٌد خًٌرسي ًٌلٔم خملُخي نٔوه هٍ ) (X1,Y1وبكًخػٌدض خًّؤوًص خًٔفىل خًٌمنى هٍ ) ، (X2,Y2ننًهد ٌٓوىن خًرتطٌس هٌل ًًلimg[Y1:Y2, X1:X2] : img[150:300, 50:200] = part
هٍخ خًٔؿُ مٔاوي نن خًلٔم خًٍي نًًُ وغو خًلٔم خملنٔىن فٌه ،وًإهٍ ؤًػد نفٕ خًرتطٌس خًٔدرم ].img[Y1:Y2, X1:X2 مالككصً :ـس مُخندش ؤن ًوىن خًفُق رٍن X1و X2نفٔه يف خًلٔم خملنٔىن ،وهًٍى خألمُ ردًنٔزص ًـ Y1و.Y2
74
OpenCvببساطة فصهُودمغُكنىادُامصىسح ُ
ؤكٌدند نلظدؾ ؤن نلىَ ًفطٍ كنىخض ؤًىخن خًطىَش B,G,Rهٍ كندش ًىنٌص نىل كًي .رلٌؽ ٌنونند خًظهدمٍ مو هٍ كندش ًىنٌص رشوٍ منفطٍ ،هٌل ٌنونند ؤًػد يمف كنىخض خألًىخن مهد ًٌلطىي نىل ضىَش مٌىنص. ؾًُلص خًفطٍ وخًًمف ٓهٌص ؿًخ وٌنونى خًلٌدَ رًٍى نن ؾًُم خًوىي خًظديل: تعليمة فصل قنوات األلوان عه بعضها # تعليمة دمج قنوات األلوان مع بعضها #
)b,g,r = cv2.split(img ))img = cv2.merge((b,g,r
# Or ]b = img[:,:,0
ذ
ذ
ًنفُع ؤنى طًًُ ؤن طـهٍ ؿمٌو خًزٌؤالض يف خًلندش Rكٌمظهد ضفُٓ ،ظلىَ يف خًزًخًص رفطٍ كنىخض خألًىخن نن ؾًُم طهٌٌمص )( splitػم ٓظـهٍ كٌمص خًلندش Rطٔإوي خًطفُ( .هٍه خًهمٌٌص رؿٌجص) ٌنونى فهٍ خألمُ خًٔدرم رشوٍ ؤرٔـ نن ؾًُم خالٓظهدنص مبوظزص خملطفىفدض ،Numpyوٌٓظم خألمُ خًٔدرم رشوٍ ؤرسم .شدهً ًوىي خًظديل: img[:,:,2] = 0
ذنثٌهُ : نمٌٌص splitطإهٍ وكع هزًن نٔزٌد ًظنفٌٍ خألمًًٍُ ،ى ال طٔظهمٌهد بال ننً خًٍصوَش ،وخٓظهمٍ رًال ننهد خًهمٌٌدض نىل خملطفىفدض فهٍ ؤفػٍ روؼًن. ذ ذ ذ
ذ
OpenCvببساطة
75
بنشبءُؼذودُمنصىسح ُ بٌخ ؤَيض بنشدء كًوي ًٌطىَش خٓظهمٍ خًظدرو )(.cv2.copyMakeBorder ًإهٍ هٍخ خًظدرو خملظًًنخض خًظدًٌص: ضىَش خًًهٍ ،خًلمص ،خًلدنًش ،خًٌمٍن ،خًٌٔدَ ،نُع خًلًوي ،نىم خًلًويً ،ىن خًلً. مظًًن نىم خًلًوي ًإهٍ خًلٌم خًظدًٌص: :cv2.BORDER_CONSTANTبغدفص ًىن ػدرع ًٌلًوي (ًإهٍ كٌمص خًٌىن من خملظًًن خًظديل) :cv2.BORDER_REFLECTنوٕ نندرص خًلًوي مؼٍ ... FEDCBA | ABCDEFG | GFEDCBAذ
خملٌىن ردًُمديي نهظربه كٌمص خًلًوي وخًهندرص خًظٍ كىي خًلًوي هٍ خملٌىنص ردألَِق .هٍ كُيف ٌنؼٍ كٌمص ًىنٌص ًزٌؤٍ. :cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULTنفٕ خًظهٌٌمص خًٔدرلص وًون مو خًلٌٌٍ من خًظًًنخض GFEDCBA | ABCDEFG | GFEDCBA
ً :cv2.BORDER_REPLICATEظم نٔى خًهنرص خألهًن يف ؿمٌو خألنلدء مؼٍ:
AAAAA | ABCDEFGH | HHHHHHH
،ال ٌنون طفًٔنه وًون ٌٓزًو هوٍخ : :خًظفدف خًلًويv2.BORDER_WRAP CDEFGH | ABCDEFGH | ABCDEFGذ
خملظًًن خألهًن هى خًٌىن (فلـ نٔظهمٌه يف كدي ؤهرتند خًنىم خألوي من خًلًوي) كظى نفهم ؤنىخم خًلًوي رشوٍ ؤوغم ٓنوظس خًربندمف خًظديل خًٍي ًلظىي نىل هٍ ؤنىخم خًلًوي.
76
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt BLUE = [255,0,0] img1 = cv2.imread(' opencv_logo.jpg') replicate = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REPLICATE) reflect = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT) reflect101 = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_REFLECT_101) wrap = cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_WRAP) constant= cv2.copyMakeBorder(img1,10,10,10,10,cv2.BORDER_CONSTANT,value=BLUE) plt.subplot(231),plt.imshow(img1,'gray'),plt.title('ORIGINAL') plt.subplot(232),plt.imshow(replicate,'gray'),plt.title('REPLICATE') plt.subplot(233),plt.imshow(reflect,'gray'),plt.title('REFLECT') plt.subplot(234),plt.imshow(reflect101,'gray'),plt.title('REFLECT_101') plt.subplot(235),plt.imshow(wrap,'gray'),plt.title('WRAP') plt.subplot(236),plt.imshow(constant,'gray'),plt.title('CONSTANT') plt.show()
ذ ذ
77
OpenCvببساطة امػمنٌبدُامعربًخُغىلُامصىس امهذفُ :
طهٌم خًهًًً من خًهمٌٌدض خًلٔدرٌص نىل خًطىَش مؼٍ :خإلغدفص ، additionخًؿُق ،subtractionخًهمٌٌدض خًظٍ طـُي نىل مٔظىي خًزع (.)bitwise operations طهٌم خٓظوًخَ خًظىخرو خًظدًٌصcv2.addWeighted()،cv2.add () : ظمؼُامصىسُ : ٌنون ؿمو ضىَطٍن من هالي خًظدرو )( cv2.addؤو رزٔدؾص من هالي ؿمو خملطفىفدض ً ، res = img1 + img2.ون ًـس ؤن متٌى خملطفىفظٍن نفٕ خًهمم depthوخًنىم typeؤو ؤن طوىن خملطفىفص خًؼدنٌص كٌمظهد ضلٌلص. مالككص :هندن فُق رٍن نمٌٌدض خًـمو خًهًيًص رىخٓؿص Numpyونمٌٌدض خًـمو رىخٓؿص ،OpenCvفدألوىل هٍ نمٌٌص ؾُق ؤمد خًؼدنٌص فهٍ نمٌٌص ؿمو رلع.
شبهذُاملصبلُامربيلُ : ٓنلىَ رةنشدء ضىَطٍن رنفٕ خًنىم وٓنـُي نٌٌهٌل نمٌٌص خًـمو مُش ردالٓظهدنص مبوظزص OpenCvومُش ؤهُي ردالٓظهدنص مبوظزص )]x = np.uint8([250 .Numpy )]y = np.uint8([10 ذ
خًـمو ردالٓظهدنص رـموظزص OpenCv
# 250+10 = 260 => 255
)print cv2.add(x,y ذ
]] [[255ذ
خًـمو ردالٓظهدنص رـ numpy ذ
# 250+10 = 260 % 256 = 4
print x+y
]] [[4ذ
ٓظشدهً خًنظدثف رشوٍ وخغم ننً ؿمو خًطىَطٍن ،ومبد ؤن نمٌٌص خًـمو ردالٓظهدنص مبوظزص OpenCvهدنع نظدثـهد ؤفػٍ ًٍخ ٓنٔظهمٌهد يخمئد ننً خًـمو.
78
ببساطةOpenCv ُ ُ :دمغُامصىس
هند ؤًػد نلىَ رـمو خًطىَ وًون نهؿٍ هٍ منهد وِن موظٌف ؤي ٓنهؿٍ هٍ ضىَش شفدفٌص . هٌل هى وخغم يف خًطىَش خًظدًٌص،موظٌفص نن خألهُي
وخًطىَش خًؼدنٌص0.7 ) خًطىَش خألوىل وِنهد (ؤي ملًخَ شفدفٌظهد،هند ؤهٍند ضىَطٍن ًًمـهم مهد cv2.addWeighted وٓنلىَ رًمف هدطٍن خًطىَطٍن نن ؾًُم خًظدرو،0.3 وِنهد
import cv2 import numpy as np from matplotlib import pyplot as plt img1 = cv2.imread('logo_opencv.png',1) img2 = cv2.imread('football.jpg',1) # 600X600 sound cool # img2 = cv2.resize(img2,(img1.shape[1],img1.shape[0])) img2 = cv2.resize(img2,(750,600)) img1 = cv2.resize(img1,(750,600)) res = cv2.addWeighted(img1,0.7,img2,0.3,0) plt.imshow(res) plt.xticks([]),plt.yticks([]) plt.show()
:امنرٌعخ
79
OpenCvببساطة
ذ ذ
امػمنٌبدُغىلُمعرىيُامثزُ (bitwise operations(ُ: طظػمن نمٌٌدض bitwiseخًهمٌٌدض خًظدًٌص .NOT ،XOR ،OR ،AND هٍ خًهمٌٌدض ًهد فدثًش هزًنش ننً طلًًً ؤي ؿّء من خًطىَش شوٌه ًٌٕ مٔظؿٌٍ .مؼالً يف خًربندمف خًظديل ٓنلىَ رىغو شهدَ OpenCvنىل ِؤوًص خًطىَش ،وهٍخ خألمُ ال ٌنون فهٌه رهمٌٌص خًـمو ( (Additionألن خًٌىن ٓىف ًظًًن ،وال ردًًمف )(blendingألن خًٌىن ٌٓطزم شفدفدً ،ون ٌنونند ؤن نفهٍ ًٌى رهمٌٌص خالٓندي ROIهٌل كمند رهد يف هٍخ خًفطٍ وًون خملشوٌص رإن شهدَ OpenCvشوٌه يًن مٔظؿٌٍ ًًٍى ٓنلىَ مبد ًًل:
80
ببساطةOpenCv import cv2 import numpy as np # Load two images img1 = cv2.imread('football.jpg') img2 = cv2.imread('opencv_logo.png') # I want to put logo on top-left corner, So I create a ROI rows,cols,channels = img2.shape roi = img1[0:rows, 0:cols ] # Now create a mask of logo and create its inverse mask also img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY) ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY) mask_inv = cv2.bitwise_not(mask) # Now black-out the area of logo in ROI img1_bg = cv2.bitwise_and(roi,roi,mask = mask_inv) # Take only region of logo from logo image. img2_fg = cv2.bitwise_and(img2,img2,mask = mask) # Put logo in ROI and modify the main image dst = cv2.add(img1_bg,img2_fg) img1[0:rows, 0:cols ] = dst cv2.imshow('res',img1) cv2.waitKey(0) cv2.destroyAllWindows()
ذ
OpenCvببساطة
81
رشػُامكىدُ : يف خًزًخًص كمند ردٓظًنخي موظزص OpenCvوموظزص Numpyػم كمند رظلمٌٍ خًطىَطٍن وهّند هٍ ضىَش يف مظًًن. # I want to put logo on top-left corner, So I create a ROI rows,cols,channels = img2.shape ] roi = img1[0:rows, 0:cols
ذ
ػم كمند رلُخءش خرهدي ضىَش شهدَ( OpenCvكظى نهُف خًلـم خًٍي ٓظإهٍه ضىَش خًشهدَ ًنلىَ رلـّه يف خًطىَش خًظٍ ٓنػو نٌٌهد خًشهدَ (ضىَش خملٌهس)) ،وهّند كٌمص ضفىف ضىَش خًشهدَ يف خملظًًن ،rowوكٌمص خنمًطهد يف خملظًًن ،cols ونًي كنىخطهد يف خملظًًن .channels ػم كمند رظلًًً مىكو يف خًطىَش خًٍي ٓنػو نٌٌه شهدَ ،OpenCvخملىكو خًٍي ٓنػو فٌه خًشهدَ وهى خًّؤوًص خًٌرسي خًهٌٌد ًٌطىَش ،وًٌى نن ؾًُم خًوىي خًظديل: ] img1[0:rows, 0:colsكُخءش خًلٌّ من خًطىَش خًٍي طزًؤ بكًخػٌدطه من ))0,0 بىل ) )row,colوطوًّنه يف خملظًًن ( roiكٌؽ rowو colهٌل ؤرهدي ضىَش شهدَ .)OpenCv ذ # Now create a mask of logo and create its inverse mask also )img2gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY )ret, mask = cv2.threshold(img2gray, 10, 255, cv2.THRESH_BINARY )mask_inv = cv2.bitwise_not(mask
ذ
خآلن ٓننشإ كندم(ً )maskطىَش شهدَ.OpenCv (خًًدًص هند من بنشدء كندم هى طلًًً خملنؿلص خملوظىذ فٌهد شهدَ OpenCvفلـ يون طلًًً خًوٌفٌص ( ًهمٍ كندم ًٌشهدَ ًـس نٌٌند خًلٌدَ مبد ًًل: ذ
OpenCvببساطة
82
.8طلىًٍ خًطىَش خًظٍ ٓننشإ ًهد خًلندم (هند هٍ ضىَش خًشهدَ) ًٌمٔظىي خًُمديي. .4ػم خًلٌدَ ردٓظًندء طدرو ؤٓمه طدرو خًظهظٌس ( )thresholdخًٍي ٓنلىَ من هالًه رلُخءش ًىن مهٍن فلـ وًٌى كٔس مـدي خألًىخن خًٍي نًًُ بقهدَه ،هند ٓنوظدَ مـدي خًٌىن خألٓىي (ٌٓظم ٌسق طدرو خًظهظٌس يف خًفطىي خًالكلص) .4يف خًنهدًص ٓنلىَ رهوٕ خًظلًًً ألنند ال نًًُ كندم خًٌىن خألٓىي خًٍي كىي خًشهدَ وبمند نًًُ بنشدء كندم ًٌشهدَ فلـ ًًٍى كمند رهمٌٌص خًهوٕ نن ؾًُم خًظدرو )( ً( cv2.bitwise_notى مل نلم رهمٌٌص خًهوٕ ٓظالكل ؤن خًشهدَ ؤضزم مـىف وٌٓكهُ خًٌىن خألٓىي خًٍي كىي خًشهدَ)
طدرو خًظهظٌس () cv2.thresholdوقٌفظه ردهظطدَ بقهدَ مـدي ًىين مهٍن يف خًطىَش ،وًإهٍ هٍخ خًظدرو خملظًًنخض خًظدًٌص: خملظًًن خألوي هى ؤٓم خًطىَش خملؿٌىرص ،خملظًًن خًؼدين وخًؼدًؽ هٌل ؤنىل وؤيىن كٌمص ًٌهظٌص خًٌىنٌص خملؿٌىرص (يف مؼدًند نلًي مـدي نظزص خًٌىن خألٓىي) ،وخملظًًن خًُخرو هى نىم خًظهظٌس. هند خٓظهمٌند طدرو خًظهظٌس إلقهدَ خًٌىن خألٓىي فلـ. # Now black-out the area of logo in ROI )img1_bg = cv2.bitwise_and(roi,roi,mask = mask_inv
ذ
خآلن نلىَ رهمٌٌص طهظٌم خملنؿلص خًظٍ نًًُ وغو خًشهدَ فٌهد وًٌى نن ؾًُم نمٌٌص .and # Take only region of logo from logo image. )img2_fg = cv2.bitwise_and(img2,img2,mask = mask
ذ
OpenCvببساطة
83
هٍخ خًوىي ًلىَ ردٓظوُخؾ منؿلص خًشهدَ فلـ يون خملنؿلص خًٔىيخء (خًوٌفٌص) وطوًّنهد يف خملظًًن .img2_fg # Put logo in ROI and modify the main image )dst = cv2.add(img1_bg, img2_fg img1[0:rows, 0:cols ] = dst
ذ
خآلن ٓنلىَ ردًوؿىش خًنهدثٌص وهٍ بقهدَ خًشهدَ يف خملودن خًٍي كًينده يف ضىَش خملٌهس وًٌى نن ؾًُم نمٌٌص خًـمو هٌل هى وخغم يف خًوىي ،ػم كمند رهُع نظٌـص خًـمو نىل خًّؤوًص خًٌرسي خًهٌٌد من خًطىَش. وؤهًنخ نهُع خًنظٌـص نن ؾًُم خًظدرو )(.imshow ذ ذ ذ ذ ذ ذ ذ ذ ذ ذ ذ
OpenCvببساطة
84
ذلنٌبدُكٌبطُاألداءُوذؽعٌنه ُ امهذفُ :
يف مهدًـص خًطىَش نظهدمٍ مو نًي هزًن من خًهمٌٌدض يف خًؼدنٌص ،وًًٍى ًـس ننً هظدرص خًوىي ؤال نهظم فلـ روظدرظه رشوٍ ضلٌم فلـ ،وبمند ًـس نٌٌند خالنظزده ًوظدرص خًوىي رلٌؽ ًظم طنفٌٍ خًربندمف ردًشوٍ خألرسم. ًًٍى يف هٍ خًفطٍ ٓنظهٌم مد ًًل: كٌدْ ؤيخء خًربندمف رهؼ خًظلٌٔندض ًظلٍٔن خًربندمف ٓنظهُف نىل خًظىخرو خًظدًٌصcv2.getTickCount, cv2.getTickFrequency : مبهّي نن موظزص ،OpenCvردًؼىن ًلًَ ًند وكًش timeخًظٍ طٔدنًند نىل كٌدْ خًىكع خًالَِ ًظنفٌٍ طهٌٌمص ؤو مـمىنص طهٌٌٌلض ،ووكًش profileخًظٍ طهؿٌند طلًُُ هدمٍ نن خًربندمف مؼٍ: خًّمن خملٔظًُق ًظنفٌٍ هٍ طدرو – نًي خملُخض خًظٍ طم خٓظًندء فٌهد هٍ طدرو ......خًى.
كٌبطُاألداءُغنُػشًمُمكرثخُُ OpenCv امربتؼًُُُ cv2.getTickCountهؿٌند نًي يوَخض خًٔدنص ( )clock-cyclesخًظٍ طم خٓظًُخكهد ًظنفٌٍ ؤمُ ؤو نًش ؤوخمُ يف خًربندمف. امربتؼًُ cv2.getTickFrequencyهؿٌند طُيي يوَخض خًٔدنص( ،)clock-cycleؤو نًي يوَخض خًٔدنص يف خًؼدنٌص. إلًـدي ِمن طنفٌٍ خًوىي ردًؼىخين نٌٌى ؤن طوظس هٌل ًًل: import cv2 import numpy as np )(e1 = cv2.getTickCount # your code execution )(e2 = cv2.getTickCount )(time = (e2 - e1)/ cv2.getTickFrequency
مصبلُ :
85
OpenCvببساطة import cv2 import numpy as np )'img1 = cv2.imread(' brid.jpg )(e1 = cv2.getTickCount for i in xrange(5,49,2): )img1 = cv2.medianBlur(img1,i
)(e2 = cv2.getTickCount )(t = (e2 - e1)/cv2.getTickFrequency print t # Result I got is 0.521107655 seconds
ذ
مالككصٌ :نونى كٌدْ خًىكع ؤًػد نن ؾًُم خًىكًش ،timeرلٌؽ ًلٔس فُق خًىكع رٍن خٓظًندء خًظدرو يف ؤوي مُش وننً خٓظًندثه يف خملُش خًؼدنٌص )(.time.time
.1احللذادلثاؾيذاالػرتاضيذيفذ :OpenCvذ
طظػمن OpenCvخًهًًً من خًظىخرو خًظٍ ٌنون طنفٌٍهد رشوٍ مؼديل ،فًٌٍى بٌخ هدن ًًًند نكدَ ًًنم هدضٌص ؿهٍ خًوىي مؼديل ؤَ ال ننًهد ًـس خٓظًالي هٍه خًودضٌص (طلًُزد مهكم خملهدًـدض خًـًًًش طًنم هٍه خًودضٌص) وطوىن مفهٌص ننً طنفٌٍ خًربندمف رشوٍ خفرتخيض. ملهُفص هٍ ِمن طنفٌٍ خًوىي مؼديل ؤَ ال نلىَ ردٓظًندء خًظدرو )( cv2.useOptimizedخًٍي ًهًٌ ًند كٌمص TRUEبٌخ هدنع هدضٌص خًوىي خملؼديل ممونص وبال ٌٓهؿٌند FALS هٌل ٌنونند طفهٌٍ وبًًدء طفهٌٍ هٍه خًودضٌص نن ؾًُم خًظدرو )(.cv2.setUseOptimized شدهً خًوىي خًظديل: # check if optimization is enabled
TRUE
)(cv2.useOptimized )%timeit res = cv2.medianBlur(img,49 10 loops, best of 3: 34.9 ms per loop
ذ
ذ
86
OpenCvببساطة
# Disable it )cv2.setUseOptimized(False
)(cv2.useOptimized
ذ
ذ
FALSE
)%timeit res = cv2.medianBlur(img,49
ذ
10 loops, best of 3: 64.1 ms per loopذ
هم شدهًند يف خألهىخي خًٔدرلص رإنه ننً طفهٌٍ هدضٌص خملؼدًٌص يف خًوىي ٌٓوىن ؤرسم رلىخيل خًػهفٍن من خًوىي خًٍي نًٌٍ طفهٌٍ هٍه خًودضٌص فٌه. .2ؼقاسذاألداءذيفذ:IPython
ؤكٌدند نلظدؾ رإن نلٌٕ ؤيخء نمٌٌظٍن مظشدرهظٍن. رٌجص IPythonطّويند رهٍخ خألمُ خًٔلُي نن ؾًُم خًظهٌٌمص .%timeit هٍه خًظهٌٌمص طشًٍ خًربندمف نًش مُخض ًظهؿٌند ؤيق وؤفػٍ نظٌـص. وهٍه خًؿًُلص مندٓزص ؤًػد ًٌظهٌٌٌلض خملفُيش. مؼال هٍ طهُف ؤي من نمٌٌدض خًـمو خًلٔدرٌص ؤفػٍ ) x = 5; y = x**2, x =5; y = x*x, x = np.uint8([5]); y = x*x or y = np.square(x؟
هٍخ مد ٓنهُفه من هالي خألمُ خًظديل: ذ x=5 %timeit y=x**2
10000000 loops, best of 3: 73 ns per loop
ذ
ذ
87
OpenCvببساطة
%timeit y=x*x
ذ
10000000 loops, best of 3: 58.3 ns per loop
ذ
)]z = np.uint8([5 %timeit y=z*z
ذ
1000000 loops, best of 3: 1.25 us per loop
ذ
)%timeit y=np.square(z ذ 1000000 loops, best of 3: 1.16 us per loop
ذ
ٌنونند خالٓظنظدؾ ردن نمٌٌص خًٍصذ y=x*xؤرسم رلىخيل 20مُش ملدَنص مو Numpy وبٌخ ؤهٍند رهٍن خالنظزدَ بنشدء خملطفىفدض فلً ًطٍ ًلىيل رسنص ؤنىل رـ 100مُش ،يشء يًُس ؤًٌٕ هًٍى؟ (هٍه خًؼًُش يف موظزص ًNumpyـُي خًهمٍ نىل بضالكهد) نمٌٌدض خألَكدَ يف ردًؼىن ؤرسم من خًهمٌٌدض خًظٍ طظم يف Numpyردًنٔزص ًٌهمٌٌدض خًظٍ طظػمن ننرص ؤو ننرصًن. خٓظهٌلي ً Numpyوىن ًه فدثًش ننً خِيًدي كـم خملطفىفص كٌٌال. ذ
ٓنلىَ خآلن رظـًُس مؼدي آهُ .يف هٍه خملُش ٓنلدَن ؤيخء خًظدرهٍن )(،cv2.countNonZero )(ً np.count_nonzeroنفٕ خًطىَش. ذ )%timeit z = cv2.countNonZero(img 100000 loops, best of 3: 15.8 us per loop
ذ ذ
)%timeit z = np.count_nonzero(img 1000 loops, best of 3: 370 us per loop
ذ
ذ
OpenCvببساطة
88
ٓنالكل ؤن طىخرو cv2ؤرسم رلىخيل 25مُش من طىخرو Numpy مالككص :نديش ِمن طنفٌٍ طىخرو OpenCvؤرسم روؼًن من خًّمن خملٔظًُق يف Numpyوًٌى ًنفٕ خًهمٌٌص، ًون هندن خٓظؼندءخض وًٌى ننً خٓظهٌلي موظزص ًٌNumpyهُع رًي خًنٔى.
األ ُوامشُامعؽشًخُمـُ ُ :IPython ًىؿً هندن خًهًًً من خألوخمُ خًٔلًُص ًلٌدْ خأليخء وؤوخمُ إلنؿدء مللص موظرصش نن خًوىي وؤمُ إلنؿدء مللص نن ؤي ٓؿُ من خًوىي ،وؤمُ ًلٌدْ كـم خًٍخهُش خًظٍ خٓظهٌوهد خًربندمف. .3اخلطواتذاؾيتذجيبذاتباعفاذؾؾحصولذعؾىذاألداءذادلثاؾي :ذ
ذ ذ ذ ذ
ننً هظدرص خًربندمف نٌٌى ؤوال ؤن طىؿً خًشوٍ خًٍي ٓظؿزم ره خًوىخَِمٌص رشوٍ رٌٔـ ػم طىغم نمٌهد رشوٍ ضلٌم ،ػم طىؿً خملشدهٍ خًظٍ فٌهد ،ػم طىؿً ؤمؼٍ (ؤفػٍ) كٍ ًظوظس ره خًوىخَِمٌص. طـنس خٓظوًخَ خًلٌلدض رزدًؼىن كًَ خإلمودن وهطىضد خًلٌلدض خًؼندثٌص وخًؼالػٌص (( double/triple loopsنكُخ ًزؿجهد خٓظفً من خملظًًنخض خملهُفص مٔزلد ال طنٔى خملطفىفدض مدمل طلظف ًهد ،وكإوي خٓظوًخَ خًهُع رً ًال نن نٔوهد ألن نٔوهد نمٌٌص موٌفص ًٌىكع كظى رهً طؿزٌم خًوؿىخض خًٔدرلص بن رلٍ رُندمـى رؿٌجدً ؤو مل ًهً ممون طهًًٌه ،ننًهد ٌنونى خًظرسًو ردٓظوًخَ موظزدض مؼٍ ًcythonـهٍ خًربندمف ؤرسم.
OpenCvببساطة
89
ذ ذ ذ ذ ذ ذ ذ
الفصل الثالث ” هناك اختياران مبدئيان في الحياة :إما أن تتقبل
ظروف الوضع الحالي كما هي ،أو أن تتقبل مسؤولية
تغيير هذا الوضع ‟
د .دينيس ويتلي – كاتب ومحاضر أمريكي
OpenCvببساطة
91
امفصهُامصبمضُ:مػبمعخُامصىسحُيفُُ OpenCv طًًٌن خًفػدءخض خًٌىنٌص Changing ColorSpaces ٓ ظظهٌم ؾًُلص طًًٌن فػدء خًطىَش ملوظٌف خًفػدءخض خًٌىنٌص طهٌم طهلس ؿٔم مٌىن يف خًفًًٌى طهظٌس خًطىَش (خًظهظٌس :هى نمٌٌص بقهدَ نظزص ًىنٌص مهٌنص) Image Thresholding ٓظظهٌم هٌف طلىي خًطىَش ًطىَش ػندثٌص (فلـ ؤرٌؼ وؤٓىي) وًٌى ردٓظوًخَ بكًي خًؿُق: خًظهظٌس خًهدَ ،global thresholdingخًظهظٌس خملظوٌف Adaptive ،thresholdingخًظلىًٍ خًؼنديئ ال وطٔى Otsu’s banalization خًظلىًالض خًهنًٌٓص نىل خًطىَ Geometric Transformations of Images ٓظظهٌم هٌف طؿزٌم موظٌف خًظلىًالض خًهنًٌٓص نىل خًطىَش مؼٍ خًًوَخن وطلٌٌٍ خًطىَش و ......خًى طهًٍس خًطىَش Smoothing Images طهٌم هٌفٌص ؾمٕ خًطىَش ،فٌرتش خًطىَش خًظلىًالض من خًندكٌص خًشوٌٌص ()Morphological :Morphological Transformations خًظهُف نىل خًظلىًالض خًشوٌٌص خًظٍ طظم نىل خًشوٍ مؼٍ خًظأهٍ، خًظمًي ،خًفظم ،خإليالق طًَؿدض خًطىَش :Image Gradients طهٌم بًـدي طًَؿدض خًطىَش وبًـدي كىخفهد.
موظشف كىخف هدين Canny Edge Detection
OpenCvببساطة
طهٌم بًـدي خًلىخف (كًوي خًشوٍ) مو موظشف كىخف هدين
ؤهُخمدض خًطىَش :Image Pyramids خًظهُف نىل ؤهُخمدض خًطىَش وؾًُلص خٓظوًخمهد ملّؾ خًطىَش ملدَنص خًلىخًس Template Matching طهٌم خًزلؽ نن ؤي هدثن يف خًطىَش ردٓظوًخَ مؿدرلص خًلىخًس طلىًٍ هدف ًٌوـ Hough Line Transform طهٌم خهظشدف خًوؿىؽ خًظٍ يف خًطىَش. طلىًٍ هدف ًًٌوخثُ Hough Circle Transform طهٌم خهظشدف نن خًًوخثُ يف خًطىَش. طلؿٌو خًطىَش ردٓظوًخَ هىخَِمٌص :Watershed طهٌم طلٌٔم خًطىَش رؿًُلص خملـمهدض خملدثٌص)(Watershed خالشظلدق خألمدمٍ خًظفدنًل ردٓظوًخَ هىخَِمٌص GrabCut طهٌم هىخَِمٌص GrabCutالٓظوُخؾ خألؿٔدَ خألمدمٌص يف خًطىَش.
92
OpenCvببساطة
93
ذغٌريُامفظبءادُامنىنٌخُُ Changing Color spaces
اهلدف:
يف هٍخ خًفطٍ ٓنظهٌم ؾًُلص خًظلىًٍ من فػدء ًىين بىل آهُ ،مؼالً منBGR ↔ Gray ومن BGR↔HSV ردإلغدفص بىل ًٌى ٓننشح طؿزٌم ًٔظوُؾ ؿٔم مهٍن يف خًفًًٌى طهٌم خٓظوًخَ خًظىخرو خًظدًٌصcv2.inRange()،cv2.cvtColor() : -1ذغٌريُامفظبيئُامنىين ُ هندن ؤهًت من 805ؾًُلص ًظًًٌن خًفػدءخض خًٌىنٌص مظدكص يف .OpenCvوًون ٓنًَْ فلـ خًظلىًٍ من خًفػدثٌٍن خًٌىنٌٍن خألهًت خنظشدَخ ً وهٌل: BGR↔Grayو BGR↔HSV ًظًًن خًفػدء خًٌىين ٓنٔظوًَ خًظدرو ) cv2.cvtColor(input_image, flagكٌؽ كٌمص خملظًًن flagهٍ خًظٍ ٓىف طلًي ًند نىم خًظلىًٍ .مؼال ًٌظلىًٍ من BGRبىل GRAYطوىن كٌمص خملظًًن flagهٍ cv2.COLOR_BGR2GRAYوًٌظلىًٍ من BGRبىل HSVنٔظهمٍ خملظًًن cv2.COLOR_BGR2HSV
94
OpenCvببساطة ملهُفص كٌم خًفػدءخض خألهُي خًظٍ ًإهٍهد خملظًًن flagشًٍ خًوىي خًظديل:
import cv2 ])'_flags = [i for i in dir(cv2) if i.startswith('COLOR for x in flags: print x COLOR_BAYER_BG2BGR COLOR_BAYER_BG2BGR_VNG COLOR_BAYER_BG2GRAY COLOR_BAYER_BG2RGB COLOR_BAYER_BG2RGB_VNG COLOR_BAYER_GB2BGR COLOR_BAYER_GB2BGR_VNG COLOR_BAYER_GB2GRAY COLOR_BAYER_GB2RGB COLOR_BAYER_GB2RGB_VNG COLOR_BAYER_GR2BGR COLOR_BAYER_GR2BGR_VNG COLOR_BAYER_GR2GRAY ....... etc...
مالككص :يف خًفػدء HSVمـدي خًٔؿىم هى ] ،[0 , 179مـدي خإلشزدم ] ،[0 , 255مـدي خًلٌم ].[0 , 255 ومـدالض خًلٌم هٍه كً طوظٌف من رُندمف آلهًًٍُ ،ى بٌخ كدَنع كٌمOpenCvرًًنهد ٓظلظدؾ ًالنظزده ًؿزٌهٌص هٍه خملـدالض.
-2تعؼبذاألجدام ذ
طهٌمند ًٌظى هٌف نلىي خًطىَش من خًفػدء BGRبىل خًفػدء ،HSVوخآلن ٌنونند خٓظهٌلي هٍه خًودضٌص يف خٓظوُخؾ ؿٔم مٌىن .يف خًفػدء ٌ HSVنون متؼٌٍ خألًىخن رٔهىًص ؤهرب من خًفػدء BGRؤًدنًند نىل متٌٌّ خألًىخن يف قُوف خإلغدءش خملوظٌفص ألنه ًهظم ردًٔؿىم .يف طؿزٌلند خًظديل ٓنلىَ ردٓظوُخؾ ؿٔم مٌىن ؤَِق من فًًٌى وًٌى نن ؾًُم نمٍ مد ًًل: )8نإهٍ هٍ بؾدَ من خًفًًٌى )4نلىي من BGRبىل HSV )4نلىَ رظهظٌس خًطىَش خمللىًص وًٌى نن ؾًُم ؤهٍ نظزص خًٌىن خملؿٌىذ (هند ٓنإهٍ نظزص خًٌىن خألَِق)
ذ
95
ببساطةOpenCv
وننً ًٌى ٌنونى خٓظوًخَ هٍه خًنظٌـص،) ٓنلطٍ ردًنهدًص نىل خًـٔم خملٌىن ردألَِق ًىكًه3 .يف خًظؿزٌم خًٍي طًًُه :خًوىي خًظديل ًىغم هٍه خًوؿىخض import cv2 import numpy as np
cap = cv2.VideoCapture(0) while(1): # Take each frame _, frame = cap.read() # Convert BGR to HSV hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # define range of blue color in HSV lower_blue = np.array([110,50,50]) upper_blue = np.array([130,255,255]) # Threshold the HSV image to get only blue colors mask = cv2.inRange(hsv, lower_blue, upper_blue) # Bitwise-AND mask and original image res = cv2.bitwise_and(frame,frame, mask= mask) cv2.imshow('frame',frame) cv2.imshow('mask',mask) cv2.imshow('res',res) k = cv2.waitKey(5) & 0xFF if k == 27: break cv2.destroyAllWindows()
ذ
OpenCvببساطة
96
رشػُامكىد ُ )cap = cv2.VideoCapture(0
ذ
خٓظًندء طدرو خًظلدؽ خًفًًٌى وطوًّن بؾدَخض خًطىَ (خًفٌُندض )Framesخًظٍ طوىن خًفًًٌى يف خملظًًن cap # Take each frame )(_, frame = cap.read
ذ
خًوؿىش خألوىل :نلطٍ نىل هٍ بؾدَ يف خًفًًٌى. خًظدرو )(ً cap.readهؿٌند بؾدَخض خًطىَ خملٌظلؿص ،وغهند َمّ خًشلؿص ( _ ) يف خملظًًن خألوي ألنند ال نًًُه ونًًُ فلـ خٓظهٌلي خملظًًن خًؼدين frameخًٍي ٓظوّن رًخهٌه بؾدَ خًطىَش خملٌظلـ. (طم ٌسق هٍخ خألمُ مٔزلدً يف خًفطٍ خًؼدين). # Convert BGR to HSV )hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV
خًوؿىش خًؼدنٌص :طلىًٍ خًطىَ خملٌظلؿص من خًفػدء خًٌىين BGRبىل .HSV خًوؿىش خًؼدًؼص :هٍ طهظٌس خًطىَش (ؤي ٓنإهٍ مـدي ًىين مهٍن إلقهدَه ًىكًه) مبهنى ؤهُ نلطً ردًظهظٌس هند هى نمٍ كندم ملـدي ًىين مهٍن يف خًطىَش رلٌؽ ٌٓكهُ هٍخ خًٌىن ردألرٌؼ وؤي ًىن هدَؾ خملـدي خًٌىين خًٍي خهرتنده ٌٓوىن ردًٌىن خألٓىي .وًٌى نن ؾًُم خًظهٌٌٌلض خًظدًٌص: # define range of blue color in HSV )]lower_blue = np.array([110,50,50 )]upper_blue = np.array([130,255,255
نلىَ رظهًُف كًي (نظزظٍ) خملـدي خًٌىين خًٍي نًًُه يف خًفػدء ( HSVهند خهرتند مـدي خًٌىن خألَِق) كمند رإهٍ ؤكٍ نظزص ًىنٌص ملـدي خًٌىن خألَِق وهّندهد يف خملظًًن lower_blue وؤهٍند ؤهرب نظزص ًىنٌص ملـدي خًٌىن خألَِق وهّندهد يف خملظًًن upper_blue
ذ
OpenCvببساطة
97
)mask = cv2.inRange(hsv, lower_blue, upper_blue
ذ
كمند رظوًّن خملـدي خًٌىين (رٍن كٌمظٍ خًهظزظٍن خًظٍ خهرتندهٌل) خًٍي نًًُه يف خملظًًن mask وًٌى نن ؾًُم خًظدرو)(.cv2.inRange # Bitwise-AND mask and original image )res = cv2.bitwise_and(frame,frame, mask= mask
ذ
نلىَ رهمٍ نمٌٌص ًٌ andكهُ خملـدي خًٌىين خًٍي خهرتنده فلـ يون خملـدالض خًٌىنٌص خألهُي.
ذ
يف مؼدًند هٍخ مؼٌند خًٌىن خألَِق ردًىخكً فةٌخ هدن خًٌىن خًٍي يف خًطىَش رنفٕ كٌمص خملـدي خًٌىن خألَِق ٌٓهؿٌند8 ()1 AND 1 = 1ذذذذذذذذذذذذذ(أزرقذANDذأزرقذ=ذ )1ذ
وؤي ًىن ًٌٕ غمن خملـدي خًٌىين خألَِق ٌٓوىن ننًهد ندطف نمٌٌص ANDهى ( 5خًٌىن خألٓىي). )cv2.imshow('frame',frame )cv2.imshow('mask',mask )cv2.imshow('res',res
كم رهُع خًطىَ خملٌظلؿص (ٌٓظم نُغهد نىل شوٍ فًًٌى رٔزس رسنص طلًًؽ خًظلدؽ خًطىَ خًهدًٌص) ،ونُع خًلندم ،ونُع خًـٔم خألَِق فلـ يون يًنه من خألًىخن .الكل رإن هندن رهؼ خًػـٌف يف خًطىَشٓ ،رني يف خًفطىي خًلديمص هٌف ٓنًٍّ هٍخ خًػـٌف. مالككص :هٍخ ؤرٔـ ؾًُلص ًظهلس ؿٔم ،وننًمد طلرتف طىخرو خإلؾدَخض ٌٓ contoursوىن بمودنى خًلٌدَ ردًهًًً من خألشٌدء مؼٍ بًـدي مُهّ خًـٔم ،طهلس خألؿٔدََٓ ،م َٓىمدض مبـُي طلًُى ًًن ؤمدَ خًودمًنخ، وطهٌم خًهًًً من خألشٌدء خملمظهص يف خًفطىي خًلديمص.
ذ
ذ
98
OpenCvببساطة كٌفُميكننبُبًعبدُاملٌمخُامنىنٌخُاملؼنىةُذػلثهبُيفُامفظبءُHSV؟ ُ
هٍخ خًٔاخي ًهً من خألٓجٌص خًشدثهص خًظٍ ط ُٔإي نىل خملىكو خملهىَ .stackoverflow.com روٍ رٔدؾص ٌنونى مهُفص خًلٌمص خًٌىنٌص خملؿٌىرص غمن HSVوًٌى نن ؾًُم خًظدرو خًٍي خٓظهمٌنده ٓدرلدً )(ً cv2.cvtColorون رًي متًُُ كٌمص خًطىَش ًٌظدرو منَُ ًه خًلٌمص خًٌىنٌص خًظٍ نًًُهد يف .BGRنىل ٓزٌٍ خملؼدي إلًـدي كٌمص خًٌىن خألهٍص يف HSVنوظس خألوخمُ خًظدًٌص: )]]] green = np.uint8([[[0,255,0 )hsv_green = cv2.cvtColor(green,cv2.COLOR_BGR2HSV print hsv_green
ذ ]]][[[ 60 255 255
خآلن ٌنونى ؤهٍ ؤيىن كٌمص وؤنىل كٌمص ملـدي خًٌىن خألهٍص ردطزدم خًلدنًش خًظدًٌص: ]ُ [H-10, 100,100] and [H+10, 255, 255 خًلدنًش (] )[H+10] ،[H-10ال طهمٍ يخمئدً مهندًًٍ ،ى ًفػٍ ؤن طلًي ًًوًد رنفٔى ؤنىل وؤيىن كٌمص نن ؾًُم متًُُ ؤيىن كٌمص ًهظزص ًٌىن خألهٍص يف RGBوؤنىل كٌمص ًهظزص ًٌىن خألهٍص يف .RGB متًُن :ؿُذ رنفٔى خٓظوُخؾ ؤهًت من ؿٔم مٌىن رنفٕ خًىكع مؼال خألؿٔدَ خًَّكدء وخًوٍصخء وخًلمُخء. ذ
ذ ذ ذ ذ ذ
99
OpenCvببساطة ذػرٌجُامصىسحُُُُ Image Thresholding
ُ امرػرٌجُ:هىُبظهبسُغرثخُمىنٌخُمػٌنخُغنذمبُنلىلُغرثنبُامصىسحُؤيُؤظهشنبُمعرىيُمىينُ مؽذدُيفُامصىسح ُ Thresholding
Original image
ذ
امهذف ُ يف هٍخ خًًَْ ٓنًَْ خًظهظٌس خًزٌٔـ ،وخًظهظٌس خملظوٌف ،وطهظٌس ؤوطٔى. ٓ نظهٌم خٓظوًخَ خًظىخرو خًظدًٌصcv2.threshold, cv2.adaptiveThreshold : ذ -1اؾتعتقبذاؾبدقطذ(:(Simple Thresholdingذ
هٍه خًؿًُلص رٌٔؿص ،ننًمد طفىق كٌمص خًزٌؤٍ كٌمص ملًيشًٔ ،نً ًه (1خرٌؼ يدًزد) ،وبال ًٔنً ًه (0يدًزد خًٌىن خألٓىي( ،خًظدرو خملٔظوًَ ًهٍه خًهمٌٌص هى)(.cv2.threshold رشػُامربتؼُ)(ُ :cv2.threshold املرغريُاأل ُولٌ :نؼٍ خًطىَش خملؿٌىرص ،وًـس ؤن طوىن هٍه خًطىَش ردملٔظىي خًُمديي. املرغريُامصبينُوامصبمض :هٌل ؤيىن وؤنىل كٌمص ًٌهظزص خًظٍ ٓظطنف خًزٌؤالض من هالًهد. املرغريُامشاتؼ :طلًَ موظزص ًOpenCvند نًش هٌدَخض ًٌظهظٌس وًظم طلًًً ًٌى نن ؾًُم هٍخ خملظًًن cv2.THRESH_BINARY cv2.THRESH_BINARY_INV cv2.THRESH_TRUNC
100
ببساطةOpenCv
cv2.THRESH_TOZERO ذcv2.THRESH_TOZERO_INV
ذ
:ٓنلىَ رظؿزٌم هٍ هٍه خألنىخم يف خًوىي خًظديل import cv2 import numpy as np from matplotlib import pyplot as plt
img = cv2.imread('gradient.bmp',0) ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY) ret,thresh2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV) ret,thresh3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC) ret,thresh4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO) ret,thresh5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV) titles = ['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV'] images = [img, thresh1, thresh2, thresh3, thresh4, thresh5] for i in xrange(6): plt.subplot(2,3,i+1),plt.imshow(images[i],'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show()
ُ :امنرٌعخ
101
ببساطةOpenCv
ذ
ُ :رشػُامكىد img = cv2.imread('gradient.bmp',0) ذ
img كُخءش خًطىَش وطوًّنهد يف خملظًًن ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY) ret,thresh2 = cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV) ret,thresh3 = cv2.threshold(img,127,255,cv2.THRESH_TRUNC) ret,thresh4 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO) ret,thresh5 = cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV) ذ
)ً(طم ٌسكه ٓدرلدcv2.threshold() كمند رظهظٌس خًطىَش ردٓظوًخَ طدرو خًظهظٌس خًزٌٔـ : ًهًٌ نظٌـظٍنcv2.threshold() خًظدرو .) ٌٓظم ٌسكهد الكلد يف كٔم (خًظلىًٍ خًؼنديئ ال وطٔىretval ٍخًنظٌـص خألوىل ه . خًطىَش خًظٍ طم طهظٌزهدthreshold ٍوخًنظٌـص خًؼدنٌص ه titles = ['Original Image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV'] ذ
102
OpenCvببساطة بنؿدء ؤٌٓلء ًٌنىخفٍ خًظٍ ٌٓظم فظلهد وهّند هٍه خألٌٓلء يف مطفىفص ٓمٌندهد titles
]images = [img, thresh1, thresh2, thresh3, thresh4, thresh5 ذ
طوــًّن كٌمــص خًطــىَش ونظٌـــص خًظهظٌــس خألوىل وخًؼدنٌــص وخًؼدًؼــص وخًُخرهــص وخًودمٔــص يف مطــفىفص ٓمٌندهد images for i in xrange(6): )'plt.subplot(2,3,i+1),plt.imshow(images[i],'gray )]plt.title(titles[i )][(plt.xticks([]),plt.yticks ذ
كمند رةنشدء كٌلص forكظى نكهُ نن ؾًُلهد خًنىخفٍ خًظٍ ٓظهُع ًند نظدثف خًظهظٌس. Plt.subplot طدرو يف موظزص matplotlibوقٌفظه بقهدَ ؤهًت من ضىَش يف ندفٍش وخكًش (ؤوي مظًًن وػدين مظًًن هٌل كـم خًندفٍش ،وػدًؽ مظًًن ًلًي نًي خًنىخفٍ) ُPlt.imshow() طدرو ًظهٌجص نُع خًطىَ خملؿٌىرص. Plt.title() إلنؿدء ؤٌٓلء خًطىَ خملؿٌىرص. ُplt.xticks([]),plt.yticks([]) هٍه خًظهٌٌمص إلهفدء طًَؿدض ملىَ خًـ xو . y
)(plt.show ذ
)( Plt.showطدرو ًهُع خًنىخفٍ خًظٍ طم طهٌجظهد من كزٍ خًظدرو )(. plt.imshow ذ ذ ذ
OpenCvببساطة
103
-2اؾتعتقبذادلتؽقفذ(:(Adaptive Thresholding
يف خًلٔم خًٔدرم خٓظهمٌند كٌمص ندمص ًلٌمص خًهظزص ،وًون هٍخ خألمُ يًن ؿًٌ ،فوٍ ضىَش متٌى ٌسوؽ بغدءش موظٌفص يف مندؾم موظٌفص منهدًًٍ ،ى ٓنٔظهمٍ خًظهظٌس خملظوٌف. خًظهظٌس خملظوٌف هى هىخَِمٌص كٔدذ نظزص منؿلص ضًًنش يف خًطىَشًًٍ ،ى ٓنلطٍ نىل نًش نظزدض ًهًش مندؾم يف نفٕ خًطىَش ،وهٍخ ٌٓهؿٍ نظدثف ؤفػٍ ًٌطىَ يف موظٌف ٌسوؽ خإلغدءش. خًظهظٌس خملظوٌف ٌنظٌى 4مظًًنخض يهٍ ومظًًن هُؾ وكًٌ. oؾًُلص خًظوٌٌف هٍ خًظٍ ٓظلًي ؾًُلص كٔدذ كٌمص خًهظزص ،هندن ؾًُلظدن ًٌلٔدذ: :cv2.ADAPTIVE_THRESH_MEAN_C كٌمص خًهظزص ملظىٓـ مٔدكدض مندؾم خًـىخَ. :cv2.ADAPTIVE_THRESH_GAUSSIAN_C كٌمص خًهظزص ملظىٓـ ؤوِخن مـمىم خًلٌم خملظـإوَش ،كٌؽ ؤن خألوِخن هٍ خًندفٍش خًًإوٌٓص. ً :Block Size oلًي كـم منؿلص خًـىخَ :C oػدرع خًؿُق من خملظىٓـ خًلٔديب ؤو خملظىٓـ خملىِون ،كٌمظه طوىن مىؿزص ندي ًش وًون ٌنون ؤن طوىن كٌمظه ؤًػد ضفُ ؤو كٌمص ٓدًزص. مبُهىُاملرىظؽُاملىصون؟ُومبُامفشقُتنيُاملرىظؽُامؽعبيبُواملرىظؽُاملىصون؟ُُ(سًبطٌبد) ُ ُ ملهُفص مد هى خملظىٓـ خملىِون ومد هى خًفُق رٌنه ورٍن خملظىٓـ خًلٔدذ خنظلٍ ًهٍخ خًُخرـ: http://www.mediafire.com//lztw213xna3n2xh
خًوىي خًظديل ًىغم خًفُق رٍن خًظهظٌس خًهدَ وخًظهظٌس خملظوٌف ًٌطىَش يف ٌسوؽ بغدءش موظٌفص:
104
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('dav.jpg',0) img = cv2.medianBlur(img,5) ret,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY) th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,\ cv2.THRESH_BINARY,11,2) th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\ cv2.THRESH_BINARY,11,2) titles = ['Original Image', 'Global Thresholding (v = 127)', 'Adaptive Mean Thresholding', 'Adaptive Gaussian Thresholding'] images = [img, th1, th2, th3]
ذ
for i in xrange(4): plt.subplot(2,2,i+1),plt.imshow(images[i],'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show()
:امنرٌعخ
105
OpenCvببساطة هٌل هى وخغم من خًنظدثف رإن خًظهظٌس خملظوٌف ًهؿٍ نظٌـص ؤفػٍ وغـٌف ؤكٍ. رشػُامكىدُ :
)img = cv2.medianBlur(img,5
ذ
خًظدرو )(ًٔ medianBlurظوًَ ًؿمٕ خًطىَش ردٓظوًخَ خًفٌرت خملظىٓـ. خملظًًن خألوي هى ؤٓم خًطىَش ،خملظًًن خًؼدين ٌنؼٍ يَؿص خًؿمٕ. )ret,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY
ذ
طهظٌس خًطىَش ردٓظوًخَ طدرو خًظهظٌس خًزٌٔـ )( ( thresholdطم ٌسكه مٔزلدً). \th2 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_MEAN_C,
)cv2.THRESH_BINARY,11,2
ذ
طهظٌس خًطىَش ردٓظوًخَ طدرو خًظهظٌس خملظوٌف )( :adaptiveThreshold املرغريُاأل ُول هى خًطىَش خملؿٌىذ طهظٌزهد (ًـس ؤن طوىن خًطىَش يف خملٔظىي خًُمديي) املرغريُامصبين ٌنؼٍ ؤيىن كٌمص ًٌهظزص املرغريُامصبمض ؤنىل كٌمص ًٌهظزص .يف خًظهظٌس خملظوٌف ٓنوظدَ ؤكً خًظىخرو خًظدًٌص:
cv2.ADAPTIVE_THRESH_MEAN_C cv2.ADAPTIVE_THRESH_GAUSSIAN_C
خملظًًن خًُخرو هى نىم خًظهظٌس (طم ٌسكه مٔزلد) خملظًًن خًودمٕ هى Block Sizeوٌنؼٍ كـم خًزٌؤالض خملظـإوَش خًظٍ طٔظوًَ ًلٔدذ كٌمص نظزص خًزٌؤٍ. خملظًًن خًٔديْ هى خًؼدرع Cخًٍي ٌنؼٍ نديش ً ػدرع خًؿُق من خملظىٓـ ؤو خملظىٓـ خملىِون كٌمظه طوىن نديش مىؿزص وًون ٌنون ؤن طوىن كٌمظه ؤًػد ضفُ ؤو كٌمص ٓدًزص. \th3 = cv2.adaptiveThreshold(img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, )cv2.THRESH_BINARY,11,2
نفٕ خًظدرو خًٔدرم مو خهظالف رٌٔـ وهى ردهظٌدَ نىم طدرو خملظًًن خًؼدًؽ.
ذ
106
OpenCvببساطة -3اؾتحوقلذاؾثـائيذالذوتدوذ(:(Otsu’s Binarization
ًلً ؤوغلند يف خًلٔم خًٔدرم رإن خًظدرو )(ً cv2.thresholdهًٌ كٌمظٍن هٌل threshold و ،retValوٌسكند خملظًًن خًؼدين ،thresholdوًون خملظًًن خألوي retValمل نٍسكه ،فٌل هى نمٌه؟؟ يف خًظهظٌس خًزٌٔـ كمند ردهظٌدَ كٌمص نشىخثٌص ًٌهظزص ،ػم نن ؾًُم خًظـًُس نلًي خًلٌم خملؼدًٌص ًٌظهظٌس ،وًون بٌخ هدن ًًًند ضىَش ػندثٌص خًطًٌص (خمللطىي ردًطىَش ػندثٌص خًطًٌص هٍ خًطىَش خًظٍ متٌى كمظٍن يف خملوؿـ خًزٌدين ًهد( ٓ ،نإهٍ كٌمص نظزص وٓؿص رٍن هدطٍن خًلمظٍن وهٍخ مد ًفهٌه طلىًٍ ؤوطٔى.
ذ
مٌوظ: طلىًٍ ؤوطٔى وقٌفظه كٔدذ كٌمص خًهظزص ًٌطىَ ػندثٌص خًطًٌص (خًطىَش خًظٍ متٌى كمظٍن يف خملوؿـ خًزٌدين ًهد).ردًنٔزص ًٌطىَ يًن خًؼندثٌص طلىًٍ ؤوطٔى ًن ًوىن يكٌلدً. ًظؿزٌم طلىًٍ ؤوطٔى نٔظوًَ خًهٌم .cv2.THRESH_OTSUوًٌلطىي نىل كٌمص خًهظزص رزٔدؾص كم رظمًُُ خًلٌمص ضفُ ،ننًهد خًوىخَِمٌص ٓظلٔس كٌمص خًهظزص خملؼدًٌص وطهًٌ كٌمظهد وطوّنهد يف خملظًًن .retValطهظٌس ؤوطٔى بٌخ مل ًُٔظَهمٍ ،ننًهد ٓظوىن كٌمص retValرنفٕ كٌمص خًهظزص خملٔظوًمص.
107
ببساطةOpenCv يف خملؼدي خًظديل ضىَش خًًهٍ ٌخض غـٌف َيف خًلدًص خألوىل ٓنؿزم نىل خًطىَش خًظهظٌس خًهد )(خًظهظٌس خًزٌٔـ يف خًلدًص خًؼدين نؿزم خًظهظٌس كٔس ؤوطٔى يف خًلدًص خًؼدًؼص ٓنلىَ ؤوال رةِخًص خًػـٌف من خًطىَش نن . ػم ٓنؿزم طُشٌم ؤوطٔى5x5 ْؾًُم طؿزٌم مُشم يإويس رلٌد
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('noisy.JPG',0) # global thresholding ret1,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY) # Otsu's thresholding ret2,th2 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# Otsu's thresholding after Gaussian filtering blur = cv2.GaussianBlur(img,(5,5),0) ret3,th3 = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU) # plot all the images and their histograms images = [img, 0, th1, img, 0, th2, blur, 0, th3] titles = ['Original Noisy Image','Histogram','Global Thresholding (v=127)', 'Original Noisy Image','Histogram',"Otsu's Thresholding", 'Gaussian filtered Image','Histogram',"Otsu's Thresholding"]
ذ
for i in xrange(3): plt.subplot(3,3,i*3+1),plt.imshow(images[i*3],'gray') plt.title(titles[i*3]), plt.xticks([]), plt.yticks([]) plt.subplot(3,3,i*3+2),plt.hist(images[i*3].ravel(),256) plt.title(titles[i*3+1]), plt.xticks([]), plt.yticks([]) plt.subplot(3,3,i*3+3),plt.imshow(images[i*3+2],'gray') plt.title(titles[i*3+2]), plt.xticks([]), plt.yticks([]) plt.show()
108
ببساطةOpenCv :امنرٌعخ
ذ
ُ :رشػُُُامكىد # global thresholding ret1,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY) ذ
.طهظٌس خًطىَش وفم طدرو خًظهظٌس خًزٌٔـ # Otsu's thresholding ret2,th2 = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU) ذ
طهظٌس خًطىَش وفم طهظٌس ؤوطٔى ذ
blur = cv2.GaussianBlur(img,(5,5),0)
) (ٌٓظم ٌسكه الكلد.5x5 ٓنًٍّ خًػـٌف من خًطىَش نن ؾًُم طؿزٌم مُشم يإويس رلـم ذ
ret3,th3 = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
طؿزٌم طهظٌس ؤوطٔى
109
ببساطةOpenCv
# plot all the images and their histograms images = [img, 0, th1, img, 0, th2, blur, 0, th3] ذ
.image طوًّن خًطىَش وطهظٌزدطهد وموؿؿدطهد خًزٌدنٌص يف مطفىفص ٓمٌندهد ذ:مترقن
.ٍخهظس طؿزٌم ضًًن ًظًًٌن كٌمص خًهظزص ًطىَش مد نن ؾًُم ٌسًـ خًظمًُُ خًـدنز ُ :امؽه import cv2 import numpy as np def nothing(x): img = cv2.imread('shape2.jpg',0) #Generate trackbar Window Name TrackbarName='value threshold' #Make Window and Trackbar cv2.namedWindow('Window') cv2.createTrackbar(TrackbarName,'Window',0,255,nothing) # Allocate destination image Threshold = np.zeros(img.shape, np.uint8) # Loop for get trackbar pos and process it while True: #Get position in trackbar TrackbarPos = cv2.getTrackbarPos(TrackbarName,'Window')
#Apply Threshold cv2.threshold(img,TrackbarPos,255,cv2.THRESH_BINARY, Threshold) # Show in window cv2.imshow('Window',Threshold) # If you press "ESC", it will return value ch = cv2.waitKey(5) if ch == 27: break cv2.destroyAllWindows()
OpenCvببساطة
110
امرؽىًالدُامهنذظٌخُغىلُامصىسح ُ امهذفُ : طهٌم طؿزٌم موظٌف خًظلىًالض خًهنًٌٓص نىل خًطىَش ،مؼٍ خًنلٍ ،خًظًوًُ ،طلىًالض خًظلًُس.affine ٓ نظهٌم خٓظوًخَ خًظدرو cv2.getPerspectiveTransform
غمنٌبدُامرؽىًه ُ ًOpenCvهؿٌند طدرهٌٍن ًٌظلىًٍ هٌل . cv2.warpPerspective،cv2.warpAffine نن ؾًُم هًٍن خًظدرهٌٍن ٌنونى بًـدي هٍ ؤنىخم خًظلىًٍ. خًظدرو ٌcv2.warpAffineنٌى مطفىفص طلىًٍ كـمهد .2x3 خًظدرو ٌ cv2.warpPerspectiveنٌى مطفىفص طلىًٍ رلـم .3x3
111
ببساطةOpenCv ُ Scalingُ امرؽعٌم
ًًً كٌؽ ٌنون طل.cv2.resize() وًٌى نن ؾًُم خًظدرو،هٍ نمٌٌص طلًًً كـم (ؤرهدي) خًطىَش وطٔظوًَ ؤٓدًٌس خالٓظٌفدء.كـم خًطىَش ًًوًدً وٌنون طلًًًه نن ؾًُم ندمٍ خًظلـٌم .خملوظٌفص cv2.INTER_CUBIC (slow) و، ًٌظلٌظcv2.INTER_AREA ٍؤفػٍ ؤٓدًٌس خالٓظٌفدء ه رشوٍ خفرتخيض ًوىن ؤٌٓىذ خالٓظٌفدء هى.ًٌ ًٌظزهcv2.INTER_LINEAR و،ًٌظلًُس .ًٌؤي خًظزهcv2.INTER_LINEAR :خًوىي خًظديل ًىغم مد طلًػند ننه import cv2 import numpy as np img = cv2.imread('gift.jpg') res = cv2.resize(img, None, fx=2, fy=2, interpolation = cv2.INTER_CUBIC) print img.shape print res.shape
ذ )320ذ,320ذ,3( )640ذ,640ذ,3(
:ٌُنون هظدرص خًوىي خًٔدرم رشوٍ آه #OR height, width = img.shape[:2] res = cv2.resize(img,(2*width, 2*height), interpolation = cv2.INTER_CUBIC)
ذ )320ذ,320ذ,3( )640ذ,640ذ,3(
ُ Translationُُُ امنله : ًٌلٌدَ رهمٌٌص خًنلٍ نظزو خًوؿىخض خًظدًٌص.خًنلٍ هى نمٌٌص بِخكص ؿٔم مد
112
ببساطةOpenCv
َ ومنَُ ًهد ملًخM ػم نلىَ رةنشدء مطفىفص
نلًي ملًخَ خالنًّدق ردإلكًخػٌدض [
]خالنًّدق خًٍي نًًُه
.cv2.warpAffine() ومنَُهد ًٌظدروnp. float32 ػم نلىَ رظلىًٍ هٍه خملطفىفص ًٌطًٌص :(100,50) َشدهً خملؼدي خًظديل خًٍي ًىغم خنًّدق خًطىَش (خملطفىفص) مبلًخ import cv2 import numpy as np img = cv2.imread('gazal.jpg',0) rows,cols = img.shape M = np.float32([[1,0,100],[0,1,50]]) dst = cv2.warpAffine(img,M,(cols,rows))
ذ
cv2.imshow('img',dst) cv2.waitKey(0) cv2.destroyAllWindows()
ُ :امنرٌعخ
ذ ذ
113
OpenCvببساطة رشػُامكىدُ :
rows,cols = img.shape
ذ
طوًّن نًي ضفىف وؤنمًش خًطىَش imgيف خملظًًنًن rowsو. cols )]]M = np.float32([[1,0,100],[0,1,50
طهًُف مطفىفص ]
[
ذ
من خًنىم np. float32
ٓنٔظوًَ هٍه خملطفىفص ًظلًًً خنًّدق خًطىَش ردمللًخَ ).(100,50 ))dst = cv2.warpAffine(img,M,(cols,rows
ؿهٍ خًطىَش طنّخق مبلًخَ ) (100,50نن ؾًُم متًُُ خملطفىفص ًٌ Mظدرو )(.cv2.warpAffine خملظًًن خًؼدًؽ ًٌظدرو )(ً cv2.warpAffineلًي كٌدْ ضىَش خًوُؾ. ذ
امرذوًشُُ Rotation ًٌلٌدَ رهمٌٌص طًوًُ خًطىَش رّؤوًص 𝛉 نلىَ مبد ًًل: 𝛉 ننشإ مطفىفص من خًشوٍ ] 𝛉
𝛉 𝛉
[
موظزص OpenCvطىفُ ًند مطفىفص ًظًوًُ خًطىَش كىي ؤي نلؿص ورإي ِؤوًص نًًُهد .وًٌى من هالي خًظدرو .cv2.getRotationMatrix2D خملؼدي خًظديل ًًوَ ًند خًطىَش رّؤوًص ْ 95يَؿص يون طًًٌن كـم خًطىَش.
ذ
114
ببساطةOpenCv
import cv2 import numpy as np img = cv2.imread('gazal.jpg',0) rows,cols = img.shape M = cv2.getRotationMatrix2D((cols/2,rows/2),90,1) dst = cv2.warpAffine(img,M,(cols,rows))
ذ
cv2.imshow('img',dst) cv2.waitKey(0) cv2.destroyAllWindows()
ُ :امنرٌعخ
ذ
ُ :رشػُامكىد M = cv2.getRotationMatrix2D((cols/2,rows/2),90,1)
ذ
.ًلًي ًند ِؤوًص خًًوَخن خًظٍ نًًُ طًوًُ خًطىَش رهدcv2.getRotationMatrix2D خًظدرو :cv2.getRotationMatrix2D () ٌسق خًظدرو . خملظًًن خألوي ًلًي مُهّ يوَخن خًطىَش . خملظًًن خًؼدين ًلًي ِؤوًص خًًوَخن . خملظًًن خًؼدًؽ ًلًي كـم ضىَش خًوُؾ dst = cv2.warpAffine(img,M,(cols,rows))
ذ
115
OpenCvببساطة
نفٕ خًٍسق يف خًفلُش خًٔدرلص ،وًون هٍه خملُش رًي ؤن منَُ مطفىفص ً Mظًًٌن خًلـم مَُنند مطفىفص ً Mظلًًً ِؤوًص خًًوَخن. ذؽىًهُؤفٌنٍُُ Affine Transformation
ذ
يف هٍخ خًظلىًٍ هٍ خًوؿىؽ خملظىخًِص يف خًطىَش خألضٌٌصٓ ،ظزلى مظىخًِص يف ضىَش خًوُؾ. إلًـدي مطفىفص خًظلىًٍ نلظدؾ ػالػص نلدؽ من خًطىَش خألضٌٌص وخًنلدؽ خملندقُش ًهد يف ضىَش خًوُؾ ،ػم ٌٓلىَ خًظدرو cv2.getAffineTransformرةنشدء مطفىفص 2x3وخًظٍ ٓنمَُهد ًظدرو خًظلىًٍ .cv2.warpAffine خنكُ ًٌمؼدي خًظديل ،وشدهً خًنلدؽ خملوظدَش (خًنلدؽ خملٌىنص ردًٌىن خألضفُ).
116
ببساطةOpenCv
import cv2 import numpy as np img = cv2.imread('hello.png',0) rows,cols = img.shape pts1 = np.float32([[67,160],[370,115],[371,263]]) pts2 = np.float32([[20,114],[370,115],[371,263]]) M = cv2.getAffineTransform(pts1,pts2) dst = cv2.warpAffine(img,M,(cols,rows)) cv2.imshow('orginal',img) cv2.imshow('res',dst) k = cv2.waitKey(0)
ذ
cv2.destroyAllWindows()
ُ :امنرٌعخ
ذ
ُ :رشػُامكىد pts1 = np.float32([[50,50],[200,50],[50,200]])
.ٍ ًٌنلدؽ خًطفُخء ًٌطىَش خًًهy وx خألَكدَ خًظٍ رٍن خًلىٍٓن ] [ متؼٍ بكًخػٌدض ذ
OpenCvببساطة )]]pts2 = np.float32([[10,100],[200,50],[100,250
117
ذ
خألَكدَ خًظٍ رٍن خًلىٍٓن ] [ متؼٍ بكًخػٌدض xوًٌ yنلدؽ خًطفُخء ًٌطىَش خًوُؾ. )M = cv2.getAffineTransform(pts1,pts2 ذ
خألن نلىَ رلٔدذ طلىًٍ ؤفٌنٍ رٍن ػالػص ؤِوخؾ من خًنلدؽ خًؼالػص خًطفُخء خًظٍ يف ضىَش خًًهٍ وخًوُؾ نن ؾًُم خًظدرو )( .getAffineTransform ))dst = cv2.warpAffine(img,M,(cols,rows ذ
وؤهًنخ ً نلىَ رظؿزٌم طلىًٍ ؤفٌنٍ خًٍي كٔزنده نىل خًطىَش خملؿٌىرص نن ؾًُم خًظدرو warpAffin )(ً .إهٍ هٍخ خًظدرو ػالغ مظًًنخض ،خألوي هى خًطىَش خملؿٌىذ بؿُخء طلىًٍ ؤفٌنٍ نٌٌهد ،وخملظًًن خًؼدين ٌنؼٍ ملًخَ طلىًٍ ؤفٌنٍ خملؿٌىذ ،وخملظًًن خًؼدًؽ ًلًي كٌدْ ضىَش خًوُؾ. ذ
امرؽىًهُاملنظىسيُ)ُ )Perspective Transformation ذ
118
ببساطةOpenCv
.ًٍ ٓظزلى خًوؿىؽ خملظىخًِص هٌل هٍ رهً خًظلى،3X3 ًٌلٌدَ رهٍخ خًظلىًٍ ٓنلظدؾ مطفىفص وػالػص من،إلًـدي خًظلىًٍ نلظدؾ ؤَرو نلـ يف ضىَش خًًهٍ ومد ًلدرٌهد من خًنلدؽ يف ضىَش خًوُؾ وًٌى من،ًٍ ننًهد ٌنون بًـدي مطفىفص خًظلى،هٍه خًنلدؽ ًـس ؤال طوىن نىل خٓظلدمص وخكًش cv2.warpPerspective رهً ًٌى نؿزم خًظدرو،cv2.getPerspectiveTransform هالي خًظدرو : خًوىي خًظديل ًىغم ًٌى.3X3 ًٍمو مطفىفص خًظلى import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread(' drawing.jpg',0) rows,cols,ch = img.shape pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])/2 pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])/2 M = cv2.getPerspectiveTransform(pts1,pts2) dst = cv2.warpPerspective(img,M,(150,150))
ذ
plt.subplot(121),plt.imshow(img),plt.title('Input') plt.subplot(122),plt.imshow(dst),plt.title('Output') plt.show()
ُ امنرٌعخ
ذ
:ًٌمًًّ من خملهٌىمدض نٌٌى رلُخءش خملُؿو ذ ذComputer Vision: Algorithms and Applications " Richard Szeliski"
119
OpenCvببساطة ذهزًجُامصىسحُُُ)ُ )Smoothing Images
ذ
ذ
امهذفُ : طهٌم هٌفٌص طًزٌش خًطىَش ردٓظوًخَ نًش مُشلدض ًٌرتيي منوفؼ(.)LPF طهٌم طؿزٌم مُشلدض مطنىنص هطٌطد ًٌطىَ (خًؿٍ ػنديئ خًزهً) (.)2D Convolution ذ
120
OpenCvببساطة امؼٍُشنبيئُامثػذُ_ُذششٌؾُامصىس ُ
هٌل بن خالشدَخض خًىكًٌش خًزهً (ٌ )one-dimensional signalsنونند طُشٌلهد (فٌرتطهد) مبُشلدض خًرتيي خملنوفؼ وخملُطفو ، LPF , H PFهًٍى خألمُ ٌنونند طؿزٌله نىل خًطىَش.
ذ
ٌنونند طُشٌم خًطىَش ردٓظوًخَ مُشلدض . HPF،LPF خملُشم ًٔ LPFدنً نىل بِخًص خًػـٌف ؤو طًزٌش خًطىَش (.)blurring خملُشم ًٔ HPFدنًند يف بًـدي خًلىخف يف خًطىَش. موظزص OpenCvطىفُ ًند خًظدرو )( cv2.filter2Dخًٍي ًٔدنًند يف نمٌٌص ؾٍ (يمف) خًلندم مو خًطىَش ًنلطٍ نىل ضىَش مُشلص ،همؼدي نىل ًٌى ٓنـُذ طؿزٌم خملُشم خملظىٓـ نىل خًطىَش. ٓنهُف كندم رلـم ًٌ 5x5مُشم خملظىٓـ هٌل ًًل:
[
] ذ
هٍه خًهمٌٌص طايي ًلٔدذ خملظىٓـ ملـمىنص خًزٌؤالض خًىخكهص غمن خًلندم. ؾزم خًوىي خًظديل وشدهً خًنظٌـص:
121
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('opencv_logo.png') kernel = np.ones((5,5),np.float32)/25 dst = cv2.filter2D(img,-1,kernel)
ذ
plt.subplot(121),plt.imshow(img),plt.title('Original') plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(dst),plt.title('Averaging') plt.xticks([]), plt.yticks([]) plt.show()
ُ :امنرٌعخ ذ ذ ذ
:رشػُامكىد kernel = np.ones((5,5),np.float32)/25
ذ
ػمnp.float32 من خًنىم5x5 كـمهد هى،np.ones()ُبنشدء مطفىفص وخكًًص نن ؾًُم خألم . ٓنٔظهمٍ هٍه خملطفىفص هلندم ًرتشٌم خًطىَش.25 كٔمند خملطفىفص نىل dst = cv2.filter2D (img, -1, kernel)
ذ
ذ
. خًٍي ٌٓلىَ ررتشٌم خًطىَش وفلد ًهٍخ خًلندمcv2.filter2D ًٌظدروKernel نلىَ رظمًُُ خًلندم (-1) وخًؼدين رلًي خًهمم خًٌىين ًطىَش خًوُؾ فةٌخ هدنع كٌمظه،ٍخملظًًن خألوي هى ضىَش خًًه وخملظًًن خًؼدًؽ ٌنؼٍ خًلندم خًٍي ًـس ؤن،ٍٓنلطٍ نىل ضىَش رنفٕ خًهمم خًٌىين ًطىَش خًًه .float ًوىن رلندش وخكًش مبطفىفص من خًنىم
122
OpenCvببساطة ػمغُامصىسحُ(ُ )Image Blurring
طظم نمٌٌص ؾمٕ خًطىَش ردٓظهٌلي كندم مُشم خًرتيي خملنوفؼ .كٌؽ ًٔظوًَ إلِخًص خًػـٌف من خًطىَش ،وهطىضد خًرتييخض خملُطفهص (مؼٍ خًػـٌف وخًلىخف ،)..وطنهم خًلىخف (طؿمٔهد رلٌؽ طـهٌهد ؤهف)ً( ،ون هندن ؤنىخم من طلنٌدض خًؿمٕ ال طلىَ رؿمٕ خًلىخف) .خملوظزص OpenCvطىفُ ًند ؤَرو طلنٌدض ًٌؿمٕ: -1ادلرذحذادلتودطذ()Averaging
ًظم ًٌى نن ؾًُم ًف خًطىَش مو مُشم ضنًوكٍ (ٌنؼٍ خًلندم) (ننًمد ؤكىي ًف خًطىَش مو كندم ؤي متًُُ خًلندم نىل هٍ خًطىَش وخًٍي ٌٓهؿٌند ضىَش ؿًًًش نزدَش نن نظٌـص ملطٌص خًلندم مو خًطىَش خألضٌٌص) ،فهى ًإهٍ رزٔدؾص مظىٓـ هٍ رٌؤٍ يف خًطىَش طلع منؿلص خًلندم ،ؤًظزًي خًهنرص خملُهّي يف خًزٌؤٍ ردملظىٓـ .طظم هٍه خًهمٌٌص نن ؾًُم خًظدرو )(cv2.blurؤو )(.cv2.boxFilter ًـس نٌٌند طلًًً ؾىي ونُع خًلندم خملهًي. ًنفُع ًًًند كندم مُشم ضنًوكٍ كـمه ،3x3ننًهد ٓىف ًزًو هٌل ًًل: x
[
] خًورس
بقعة من الصورة بحجم 3x3
ٌنؼٍ خملظىٓـ .هند خٓظوًمند خًـىخَ.3x3
(مطؿٌم خًـىخَ ًهنٍ هند ؤرهدي خملطفىفص).
مالككص :بٌخ مل طُي خٓظوًخَ خملُشم خًطنًوكٍ ،خٓظوًَ خًظدرو )( cv2.boxFilterومَُ ًه خملظًًن normalize=False.
ؤًمِ نكُش نىل خًربندمف خًظديل ٌو خًلندم :5x5
123
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('opencv_logo.png') blur = cv2.blur(img,(5,5))
ذ
plt.subplot(121),plt.imshow(img),plt.title('Original') plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(blur),plt.title('Blurred') plt.xticks([]), plt.yticks([]) plt.show()
ُ :امنرٌعخ
ذ
:رشػُامكىد blur = cv2.blur(img, (5,5))
ذ
.cv2.blur() طُشٌم خًطىَش ردٓظوًخَ طلنٌص خًرتشٌم خملظىٓـ وًٌى نن ؾًُم خًظدرو ُ :cv2.blur()ُرشػُامربتؼ ُ وخملظًًن خًؼدين ٌنؼٍ كـم خًلندم (كـم خملُشم،خملظًًن خألوي ًإهٍ خًطىَش خملُخي طُشٌلد .)ًٍطنًوك ذ
OpenCvببساطة
124
-2ادلرذحذاؾغلوديذ(:)Gaussian Filtering
خآلن رًال من خٓظهٌلي خملُشم خًطنًوكٍ خًٍي ًظإًف من نندرص مظٔإوًصٓ ،نٔظوًَ خملُشم خًًإويس ،وًٌى نن ؾًُم طؿزٌم خًظدرو )( .cv2.GaussianBlurيف خًزًخًص ًـس نٌٌند طلًًً ؾىي ونُع كندم خملُشم خًًإويس رإنًخي مفُيش ومىؿزص ،ونلًي ؤًػدً خالنلُخف خملهٌدَي نىل خمللىًَن Xو .Yويف كدي هدن ؤكً خمللىًَن مهؿى فلـ ًوىن خًؼدين مٔإوًدً ًه ،وبٌخ هدن هال خمللىًَن كٌمظهم ضفُ ًلٔزدن من كـم خًلندم. خملُشم خًًإويس مفًٌ ؿًخ ً إلِخًص خًػـٌف خًًإويس من خًطىَش .بٌخ ؤكززع ٌنونى بنشدء كندم يإويس ردٓظوًخَ خًظدرو )(.cv2.getGaussianKernel خًوىي خًظديل نفٕ خًوىي خًٔدرم مو طًًن ٓؿُ وخكً فلـ: import cv2 import numpy as np from matplotlib import pyplot as plt
)'img = cv2.imread('opencv_logo.png )blur = cv2.GaussianBlur(img,(5,5),0 )'plt.subplot(121),plt.imshow(img),plt.title('Original )][(plt.xticks([]), plt.yticks )'plt.subplot(122),plt.imshow(blur),plt.title('Blurred )][(plt.xticks([]), plt.yticks )(plt.show
ُامنرٌعخُ : ذ ذ ذ ذ
ذ
125
OpenCvببساطة رشػُامكىد:
)blur = cv2.GaussianBlur(img,(5,5),0
ذ
طُشٌم خًطىَش ردٓظوًخَ طلنٌص خًرتشٌم خًًإويس وًٌى نن ؾًُم خًظدرو )(.cv2.Gaussianblur ٌسق خًظدرو )(cv2.GaussianBlur خملظًًن خألوي ًإهٍ خًطىَش خملُخي طُشٌلد. خملظًًن خًؼدين ٌنؼٍ كـم خًلندم خًًإويس. خملظًًن خًؼدًؽ ٌنؼٍ ملًخَ خالنلُخف خملهٌدَي. -3ادلرذحذاألودطيذ(:)Median Filtering
خًظدرو ً cv2.medianBlurلٔس مظىٓـ مـمىنص خًزٌؤالض خًظٍ طلع خًلندم ؤًظزًي خًنظٌـص ردًهنرص خملُهّي .هٍخ خملُشم فهدي ؿًخ يف كدًص غـٌف خملٌم وخًفٌفٍ. مؼديًًً :ند رلهص (مـمىنص رٌؤالض يف خًطىَش) طإهٍ رؤالطهد خًلٌم خًظدًٌص: 100,25,20,20,15,20,20,20,10
رهً طؿزٌم خملُشم خألوٓؿٍ نٌٌهد ططزم خًنظٌـص:
100,25,20,20,20,20,20,15,10ذ ذ
خًلٌمص خألوٓؿٌص رًي 80
20ذ 25ذ 100ذ
20ذ 25ذ 100ذ
20ذ 20ذ 20ذ
20ذ 15ذ 20ذ
10ذ 20ذ 20ذ
10ذ 20ذ 20ذ
ذ
من خملالكل رإنه يخمئد يف خملُشلدض خًٔدرلص رإن خًهنرص خملُهّي يف خًزلهص ًٔظزًي رلٌمص كً ال طوىن مىؿىيش يف نفٕ خًزلهص خًظٍ مَُند فىكهد خًندفٍش ،نىل خًهوٕ من خملُشم خألوٓؿٍ خًٍي ًٔظزًي خًهنرص خملُهّي رزٌؤٍ من نفٕ خًزلهص ،مٌل ًايي ًظلٌٌٍ خًػـٌف رشوٍ فهدي. كٌدْ خًلندم يف خملُشم خألوٓؿٍ ًـس ؤن ًوىن ضلٌم ومفُي.
126
ببساطةOpenCv
.ٍ ردٓظوًخَ خملُشم خألوٓؿ50% يف خملؼدي خًظديل ٓنلىَ رظوفٌؼ خًػـٌف من خًطىَش رنٔزص import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('noisy_opencv.png') median = cv2.medianBlur(img,5) plt.subplot(121),plt.imshow(img),plt.title('Original') plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(median),plt.title('Median') plt.xticks([]), plt.yticks([]) plt.show()
ُ :ُامنرٌعخ
ذ
:رشػُامكىد ذ
median = cv2.medianBlur(img,5)
.cv2.medianblur() طُشٌم خًطىَش ردٓظوًخَ طلنٌص خًرتشٌم خألوٓؿٍ وًٌى نن ؾًُم خًظدرو ذ
ذ:cv2.medianBlur()ذرحذاؾتابعذ
. خملظًًن خألوي ًإهٍ خًطىَش خملُخي طُشٌلد ... 7 ،0 ،4 :ٍ مؼ8 ًـس ؤن ًوىن فُيًد وؤهرب من، خملظًًن خًؼدين ٌنؼٍ كـم خًلندم
OpenCvببساطة
127
-4ادلرذحذاؾثـائيذاجلاـيبذ(:)Bilateral Filtering
يف خملُشلدض خًٔدرلص نالكل ؤنهد متٌٍ ًؿمٕ خًلىخف ،وًون هٍخ خألمُ ال ًلًغ يف كدًص خٓظوًخَ خملُشم خًؼنديئ )( ،cv2.bilateralFilterوهٍه هٍ وقٌفظه خألٓدٌٓص ،فهى ًًٍّ خًػـٌف يون خًلدق خًٍصَ ردًلىخف ،فدًلىخف طٔدنًند يف خًظهُف نىل خألشودي. نمٌٌص خًرتشٌم خًؼنديئ رؿٌجص ملدَنص مو خملُشلدض خألهُي .ؤًػدً شدهًند ٓدرلد هٌف ؤن خملُشم خًًإويس ال ًهظم رشًش خًزٌؤالض خًظٍ طلع خًلندم هٍ هٍ مظلدَرص ردًشًش ؤَ ال ،مٌل ًايي ًؿمٕ خًلىخف. خملُشم خًؼنديئ خًـدنزٍ ًإهٍ ؤًػد كندم يإويس وًون مو مٍصوذ بغديف طدرو ًفُق شًش خًزٌؤالض ،ورهٍه خًهمٌٌص ًوىن كٔس هٍ من خًـىخَ خملودين ،وخًـىخَ يف خًشًش ،ورًٍى ًلدفل نىل خًلىخف. خًوىي خًظديل ًىغم ًٌى: import cv2 import numpy as np from matplotlib import pyplot as plt )'img = cv2.imread('opencv_ios.png )blur = cv2.bilateralFilter(img,9,75,75 )'plt.subplot(121),plt.imshow(img),plt.title('Original )][(plt.xticks([]), plt.yticks )' plt.subplot(122),plt.imshow(blur),plt.title('Blurred )][(plt.xticks([]), plt.yticks )(plt.show
ذ
OpenCvببساطة
128
ُامنرٌعخُ ُ:
رشػُامكىد: )blur = cv2.bilateralFilter(img,9,75,75
طدرو ؾمٕ خًطىَش ردٓظوًخَ خملُشم خًؼنديئ. ٌسق خًظدرو )( :bilateralFilter خملظًًن خألوي ٌنؼٍ خًطىَش خملؿٌىرص. خملظًًن خًؼدين وخًؼدًؽ وخًُخرو منَُهم هٌل يف خملُشم خًًإويس ،كٌؽ خملظًًن خًؼدين وخًؼدًؽ ٌنؼالن كـم خًلندم خًًإويس وخملظًًن خًُخرو ٌنؼٍ ملًخَ خالنلُخف خملهٌدَي. خًطىَش خًظدًٌص ًزىَي خًورتوين فٌهد غـٌف ردًطىَش فؿزلند نٌٌهد خملُشم خملظىٓـ وخألوٓؿٍ. شدهً خًفُق رٍن خملُشلٍن.
129
OpenCvببساطة امرؽىًالدُمنُامنبؼٌخُامشكنٌخُ()Morphological Transformations
ذ
امهذفُ : طهٌم موظٌف خًهمٌٌدض نىل خًظلىًالض خًظٍ طـُي نىل خًشوٍ مؼٍ خًظأهٍ ،خًظمًي، خًفظم ،خإليالق ....خًى طهٌم خٓظوًخَ خًظىخرو خًظدًٌصcv2.morphologyEx()، cv2.dilate()،cv2.erode() : ُ مػنىمبدُنظشًخُ : خًظلىًالض خًشوٌٌص هٍ رهؼ خًهمٌٌدض خًزٌٔؿص خًظٍ طـُي نىل شوٍ خًطىَش ،طنفٍ نديش نىل خًطىَ خًؼندثٌص .ونلظدؾ ًظنفٌٍ هٍه خًهمٌٌص ًًهٌٍن ،خًًهٍ خألوي هى خًطىَش خألضٌٌص ،ؤمد خًًهٍ خًؼدين هى خًهنرص خًرتهٌزٍ (خملطفىفص خملٔاوًص نن طلًًً خًلندم) خًٍي ًلًي ؾزٌهص خًهمٌٌص. خًهمٌٌدض خألٓدٌٓص هٍ نمٌٌص خًظأهٍ ونمٌٌص خًظمًي .Erosion and Dilation ونمٌٌدض خًفظم وخإليالق وخًظًَؾ .Opening, Closing, Gradient ٓرني هٌف ٓنؿزم هٍه خًهمٌٌدض نىل خًطىَش خًظدًٌص:
ذ ذ
OpenCvببساطة
130
-1عؿؾقةذاؾتكؽل: Erosion
خًفوُش خألٓدٌٓص ًٌظأهٍ هٍ متدمد مؼٍ طأهٍ خًرترص ،ننً طؿزٌم نمٌٌص خًظأهٍ نىل خًشوٍ طايي ًظنهٌم كًوي خًٔؿم خألمدمٍ (كإوي يخمئد ؤن طلُص ؤن ًوىن خًٔؿم خألمدمٍ ردًٌىن خألرٌؼ). كٌفُذرمُغمنٌخُامرأكه؟! ُ خًزٌؤٍ يف خًطىَش خألضٌٌص ًإهٍ كٌمظٍن بمد 0ؤو ( 1ؤٓىي ؤو ؤرٌؼ). خًزٌؤٍ خًٍي يف خًطىَش خألضٌٌص ٌٓهظرب 1فلـ بٌخ هدنع ؿمٌو خًزٌؤالض طلع خًلندم ،1وبال ٌٓظم طـدهٌه ؤي ًإهٍ خًلٌمص .0 خًٍي ًلًغ هى ؤن هٍ رٌؤٍ كًُس من خًلًوي ٓىف ًظم طـدهٌهٓ .مى خًلًوي خًظٍ ٌٓظم طأهٌهد ًظىكف نىل كـم خًلندم. هٍه خًهمٌٌص طفًٌند يف بِخًص خًػـٌف هدًنلدؽ خًزٌػدء خًطًًنش (هٌل شدهًند يف فطٍ خًفػدء خًٌىين) وطفًٌند ؤًػدً يف فطٍ ؿٔمٍن مظطٌٍن هؿٌد. امكىدُ : import cv2 import numpy as np )img = cv2.imread('j.png',0 )kernel = np.ones((5,5),np.uint8 )erosion = cv2.erode(img,kernel,iterations = 1 )cv2.imshow('orginal',img )cv2.imshow('erosion',erosion
امنرٌعخُ :
ذ
)k = cv2.waitKey(0
ُ ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ ذ
ذ
OpenCvببساطة
131
-2عؿؾقةذاؾتؿددذ:Dilation
نمٌٌص خًظمًي نوٕ نمٌٌص خًلع .هند طإهٍ نندرص خًزٌؤٍ خًلٌمص 1بٌخ هدن ننرص وخكً من نندرصه طلع خًلندم 1نىل خألكٍ ،ونظٌـص ًًٍى طّيخي كـم خملنؿلص خًزٌػدء. ردًهديش ننً طؿزٌم نمٌٌص خًظأهٍ إلِخًص غـٌف خملنؿلص خًزٌػدء يف خًطىَش نالكل رإن مٔدكص خًـٔم كً كٌعً ،هٍخ خًٔزس نظزو نمٌٌص خًظأهٍ رهمٌٌص خًظمًًً كظى نًًّ من مٔدكص خًـٔم خًٍي طأهٍ .فهمٌٌص خًظمًي مفًٌش الٓرتؿدم خألؿّخء خملظأهٌص من خًـٔم. امكىدُ : import cv2 import numpy as np )img = cv2.imread('j.png',0 )kernel = np.ones((5,5),np.uint8 )dilation = cv2.dilate(img,kernel,iterations = 1
)cv2.imshow('orginal',img )cv2.imshow('dilation',dilation )k = cv2.waitKey(0 )(cv2.destroyAllWindows
امنرٌعخُ : ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ ذ ذ ذ
ذ ذ
ذ
OpenCvببساطة
132
-3ذعؿؾقةذاؾػتح :Opening
نمٌٌص خًفظم هٍ نزدَش نن نمٌٌص خًظأهٍ +خًظمًي .هٍه خًهمٌٌص مفًٌش إلِخًص خًػـٌف هٌل ٌسكند ٓدرلد .وطظم نرب خًظدرو )(.cv2.morphologyEx امكىد: import cv2 import numpy as np )img = cv2.imread('j.png',0 )kernel = np.ones((5,5),np.uint8 )opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel )cv2.imshow('orginal',img )cv2.imshow('opening',opening )k = cv2.waitKey(0 )(cv2.destroyAllWindows
امنرٌعخُ : ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ ذ ذ
ذ
-4عؿؾقةذاإلغالقذ:Closing
نوٕ نمٌٌص خًفظم ،نلىَ ؤوال رظنفٌٍ نمٌٌص خًظمًي ػم نمٌٌص خًظأهٍ.هٍه خًهمٌٌص مفًٌش ًًٔ خًؼلىذ يف خًـٔم ومفًٌش ًًٔ خًنلدؽ خًٔىيخء خًطًًنش نىل خًـٔم.
ذ
133
ببساطةOpenCv ُ :امكىد
import cv2 import numpy as np img = cv2.imread('j.png',0) kernel = np.ones((5,5),np.uint8) closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
ذ
cv2.imshow('orginal',img) cv2.imshow('closing',closing) k = cv2.waitKey(0) cv2.destroyAllWindows()
:امنرٌعخ ذ ذ ذذذ ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ ذ
ذ:Morphological Gradient عؿؾقةذاؾتدرجذاؾشؽؾيذ-5
. رلٌؽ ٓظزًو هلًوي ًٌـٔم،هى خًفُق رٍن نمٌٌص خًظأهٍ وخًظمًي import cv2 import numpy as np img = cv2.imread('j.png',0) kernel = np.ones((5,5),np.uint8) gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel) cv2.imshow('orginal',img) cv2.imshow('gradient',gradient) k = cv2.waitKey(0) cv2.destroyAllWindows()
ذ
134
OpenCvببساطة امنرٌعخ:
ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ ذ
-6عؿؾقةذؼبعةذاؾؼؿةذ:Top Hat
هى خًلُق رٍن نمٌٌص فظم خًطىَش وخًطىَش نفٔهد .يف خًوىي خًظديل ٓنؿزم كندم رلـم .9x9 امكىدُ : import cv2 import numpy as np )img = cv2.imread('j.png',0 )kernel = np.ones((9,9),np.uint8 )tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel )cv2.imshow('orginal',img )cv2.imshow(' tophat ', tophat )k = cv2.waitKey(0 )(cv2.destroyAllWindows
ذ
امنرٌعخ:
ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ
ذ
ذ
135
ببساطةOpenCv :Black Hat عؿؾقةذاؾؼبعةذاؾدوداءذ-7
.هى خًلُق رٍن نمٌٌص بيالق خًطىَش وخًطىَش خألضٌٌص ُ :امكىد import cv2 import numpy as np img = cv2.imread('j.png',0) kernel = np.ones((9,9),np.uint8) blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
ذ
cv2.imshow('orginal',img) cv2.imshow(' blackhat ', blackhat) k = cv2.waitKey(0) cv2.destroyAllWindows()
ُ :امنرٌعخ
ذذذذذذذذذذذذذذ ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ ذ
ذ ذ ذ
136
ببساطةOpenCv ُ )maskُُ(املنبع:Structuring Elementٍُ امػنرصُامرتكٌث
وًون ؤكٌدند، وهدن شوٌه مٔظؿًٌلNumpy ؤنشإند ٓدرلد ننرصخ طُهٌس ًًوي ردالٓظهدنص مبوظزص خًظدروOpenCv وًهٍخ خًٔزس وفُض ًند موظزص،ٍنلظدؾ ألشودي ؤهُي هدًًخثُي وخًلؿه وٓظلطٍ نىل خًلندم خًٍي، فلـ مَُ شوٍ وكـم خًلندم.cv2.getStructuringElement() .طًًُه ذ
# Rectangular Kernel >>> cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))
array([[1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1]], dtype=uint8)
ذ
ذ
# Elliptical Kernel >>> cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
array([[0, 0, 1, 0, 0], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [1, 1, 1, 1, 1], [0, 0, 1, 0, 0]], dtype=uint8)
ذ
# Cross-shaped Kernel >>> cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5))
array([[0, 0, 1, 0, 0], [0, 0, 1, 0, 0], [1, 1, 1, 1, 1], [0, 0, 1, 0, 0], [0, 0, 1, 0, 0]], dtype=uint8)
ذ
ُ :مشظؼُبطبيف at HIPR2Morphological Operations
ذ
OpenCvببساطة
137
امهذفُ : يف هٍخ خًفطٍ ٓنظهٌم بًـدي طًَؿدض ؤًىخن خًطىَش وطهٌم خًـدي كىخف خألؿٔدَ. ٓ نظهٌم خٓظوًخَ خًظىخرو خًظدًٌص. cv2.Laplacian()، cv2.Scharr()،cv2.Sobel() : نكُي: OpenCvتوػرذؾـاذثالثذأـواعذؿنذؿرذحاتذاؾتدرجذ(ؿرذحاتذاؾرتددذادلرتػعذ)HPFذوفي:ذ ذ دوبقل,ذذار,ذالبالدقانذذذ . Laplacian, Scharr,Sobelذ ذ
-1ؿشتؼاتذدوبقلذوذارذ:Sobel and Scharr Derivatives
نمٌٌص ٓىرٌٍ نزدَش نن يمف رٍن نمٌٌظٍ خًرتشٌم خًًإويس ونمٌٌص خًظفدغٍ(خالشظلدق)ًًٍ ،ى فهٍ ؤهًت ملإومص ًٌػـٌف .وٌنونى طلًًً خطـده خملشظم (ؤفلٍ ؤَ نمىيي) نن ؾًُم خًظلوم رلٌم مظًًنخض خًًهٍ ،وٌنونى ؤًػد خًظلوم رلـم خًلندم من هالي مظًًن يف خًًهٍ. بٌخ مَُض خًلٌمص (ًٌ )-1مظًًن خملٔاوي نن طلًًً كـم خًلندم فٌٔهؿٍ كندم رلـم 3x3من خًنىم Scharrوخًٍي ٌٓهؿٌند نظدثف ؤفػٍ. ذ
138
ببساطةOpenCv :Laplacian Derivatives ؿشتقذالبالدقانذ-2
ٍكٌؽ ه
ًلٔس الرالٌٓدن خًطىَش خملهؿى من هالي خًهالكص .ٌٍمشظم ًُىؿً ردٓظوًخَ مشظم ٓىر : ٌٓوىن خًلندم خملٔظوًَ هٌل ًًل،1 ًنفرتع مؼالً ؤن كـم خًلندم هدن [
] ُ ُ :امكىد
ومظًًن نمم،5x5 ْ خألكنهص هٌهد ٓظوىن رلٌد.ًخًوىي خًظديل ٌٓىغم مد ٓزم يف رُندمف وخك .np.unit8 ًٌلطىي نىل خًنظٌـص رطًٌص-1 خًطىَش منَُ ًه خًلٌمص import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('dave.jpg',0) laplacian = cv2.Laplacian(img,cv2.CV_64F) sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5) sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5) plt.subplot(2,2,1),plt.imshow(img,cmap = 'gray') plt.title('Original'), plt.xticks([]), plt.yticks([]) plt.subplot(2,2,2),plt.imshow(laplacian,cmap = 'gray') plt.title('Laplacian'), plt.xticks([]), plt.yticks([]) plt.subplot(2,2,3),plt.imshow(sobelx,cmap = 'gray') plt.title('Sobel X'), plt.xticks([]), plt.yticks([]) plt.subplot(2,2,4),plt.imshow(sobely,cmap = 'gray') plt.title('Sobel Y'), plt.xticks([]), plt.yticks([]) plt.show()
ذ
ذ
139
OpenCvببساطة امنرٌعخُ :
ذ
رشػُامكىدُ : )laplacian = cv2.Laplacian(img,cv2.CV_64F ذ
خملظًًن خألوي هى ضىَش خًًهٍ ،وخملظًًن خًؼدين ٌنؼٍ نمم ضىَش خًوُؾ. )sobelx = cv2.Sobel(img,cv2.CV_64F,1,0, ksize=5 ذ
)( :cv.Sobelخملظًًن خألوي هى ضىَش خًًهٍ ،وخملظًًن خًؼدين ٌنؼٍ نمم ضىَش خًوُؾ ،وخملظًًن خًؼدًؽ ٌنؼٍ خالشظلدق ردًنٔزص ًٌملىَ Xوخملظًًن خًُخرو ٌنؼٍ خالشظلدق ردًنٔزص ًٌملىَY ،وخملظًًن خًودمٕ ٌنؼٍ كٌدْ خًلندم (ًـس ؤن ًوىن 0 ،4 ،8ؤو )7 ذ
)sobely = cv2.Sobel(img,cv2.CV_64F,0,1, ksize=5 ذ
140
ببساطةOpenCv ُ :كظٌخُمهمخ
وًون هندن مشوٌصcv2.CV_8U ؤوnp.uint8 يف خملؼدي خألهًن ًًًند نىم رٌدندض خًوُؾ هى طوىن خًلىخف ننً خالنظلدي من خالٓىي ًلرٌؼ رلٌمص، فهنً خًظلىًٍ من خًنىم خألوي ًٌؼدين،رٌٔؿص ًًٍى ننً طلىًٍ خًزٌدندض ًٌنىم، خمد ننً خًظلىًٍ ردًهوٕ فٔظوىن رلٌمص ٓدًزص،مىؿزص .ً نفلً طٌى خًلىخف ألنهد طهظرب ؤضفدَخnp.unit8 ٍ ؤفػٍ هٌدَ هى ؤن طزلٍ نىل نىم رٌدندض خًوُؾ رطًٌص ؤنىل مؼ،بٌخ ؤَيض ؤن طوظشف خًلىخف ػم نلىًهد ًٌطًٌص، ومن ػم نإهٍ خًلٌمص خملؿٌلص ًهد،cv2.CV_64F،cv2.CV_16S . np.unit8 . وًزٍن خًوؿإ خًلدضٍ ردًلدًص خألوىل،ٍخًوىي خًظديل ًىغم هٍخ خإلؿُخء نىل مُشم ٓىرٌٍ خألفل import cv2 import numpy as np from matplotlib import pyplot as plt
img = cv2.imread('box.png',0) # Output dtype = cv2.CV_8U sobelx8u = cv2.Sobel(img,cv2.CV_8U,1,0,ksize=5) # Output dtype = cv2.CV_64F. Then take its absolute and convert to cv2.CV_8U sobelx64f = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5) abs_sobel64f = np.absolute(sobelx64f) sobel_8u = np.uint8(abs_sobel64f) plt.subplot(1,3,1),plt.imshow(img,cmap = 'gray') plt.title('Original'), plt.xticks([]), plt.yticks([]) plt.subplot(1,3,2),plt.imshow(sobelx8u,cmap = 'gray') plt.title('Sobel CV_8U'), plt.xticks([]), plt.yticks([]) plt.subplot(1,3,3),plt.imshow(sobel_8u,cmap = 'gray') plt.title('Sobel abs(CV_64F)'), plt.xticks([]), plt.yticks([]) plt.show()
ذ
OpenCvببساطة
141
امنرٌعخُ ُ:
ذ
مكرشفُامؽىافُكبينُُ Canny Edge Detection
ذ
OpenCvببساطة
142
امهذفُ : بًـدي خًلىخف (كًوي خألؿٔدَ) مو موظشف كىخف هدين. خٓظوًخَ خًظدرو )(.cv2.Canny نظشيُ : موظشف كىخف هدين هى هىخَِمٌص مشهىَش ًظلًًً خًلىخف .كٌؽ طظإًف هٍه خًوىخَِمٌص من نًش مُخكٍ ،وٓىف منُ نىل هٍه خملُخكٍ هؿىش روؿىش: ذأ .ختػقضذاؾضجقجذNoise Reduction
مبد ؤن خهظشدف خًلىخف ًظإػُ رػـٌف خًطىَشًًٍ ،ى ؤوي هؿىش ٓنلىَ رهد هٍ بِخًص هٍخ خًػـٌف نن ؾًُم خٓظوًخَ مُشم يإويس ، 5x5هٌل طهٌمند ٓدرلد. ب .إجيادذذدةذتدرجذاؾصورة ذ
خًطىَش خملُشلص طُشم رهًهد وفم كندم ٓىرٌٍ يف هال خالطـدهٍن خًهمىيي وخألفلٍ ًنلطٍ نىل . وضىَش ردالطـده خًهمىيي خًظًَؾ (خملشظم خألويل) ًطىَش يف خالطـده خألفلٍ ومن هدطٍن خًطىَطٍن ٌنونند خًـدي طًَؾ خًلدفص وخطـده هٍ رٌؤٍ نىل خًنلى خًظديل: √
خطـده خًظًَؾ(خالشظلدق) يخمئد نمىيي نىل خًلدفص ،وًظم طلًُزه بىل ؤكً من خألَرو خًّوخًد خملظمؼٌص ردالطـده خالفلٍ وخًهمىيي وخطـده خًلؿًُن. ت .إزاؾةذاؾتشوقشذاالذأعظؿيذNon-maximum Suppression ذ
رهً خًلطىي نىل خًظًَؾ وخالطـدهً ،ظم بؿُخء مٔم ًٌطىَش ًلٍف خًزٌؤالض خًظٍ ال طشوٍ خًلدفصًًٍ ،ى فلظ هٍ رٌؤٍ ،فٌٌل بٌخ هدنع كٌمظه ؤهرب (ؤنكم) من كٌمص خًزٌؤالض خملـإوَش ًه يف خالطـده وخًشًش.
143
OpenCvببساطة خنكُ ًٌطىَ ًظدًٌص
ذ
ذ
خًنلؿص Aنىل خًلدفص (يف خالطـده خألفلٍ) .ومن خًؿزٌهٍ ؤن ًوىن خطـده خًلدفص ردطـده خملٌٍ. خًنلؿص Bو Cيف خطـده خًظًَؾًًٍ .ى ًظم فلظ خًنلؿص Aملدَنص مو خًنلؿص Bو Cملهُفص مد بٌخ هدنع هٍه خًنلؿص طشوٍ خًلٌمص خًهكمى خًلدًٌص. بٌخ هدنع كٌمص خًنلؿص ِ Aفهالً هٍ ؤنكم كٌمص ًظدرو ًٌوؿىش خًظٍ رهًهد وبٌخ مل طون نكمى ًظم كٍفهد رىغو خًلٌمص .0وردهظطدَ ،فةن خًنظٌـص خًظٍ نلطٍ نٌٌهد هٍ ضىَش ػندثٌص مو كىخف ؤنهم. ث .اؾتعتقبذادلُتبار ذ :Hysteresis Thresholdingذ ذ
يف هٍه خملُكٌص نلًي فٌٌل بٌخ هدنع خًلىخف فهال كىخف ؤَ الًًٍ ،ى نلظدؾ كٌمظٍن ًٌهظزص، نكمى وضًُي ( ،)minVal ،maxValوؤي كدفص شًش طًَؿهد ؤهرب من خًلً خألنىل نهظربهد كدفص ؤهًًٌص وبٌخ هدنع كٌمظهد ؤكٍ من خًلً خأليىن ال نهظربهد كدفص ونطفُهد .ؤمد ردًنٔزص ًٌلٌمص خًىٓؿى فنهظمً نىل خططدًهد فةٌخ هدنع مظطٌص مو كدفص ؤهًًٌص فنإهٍهد ؤمد بٌخ هدنع يًن مظطٌص ال نإهٍهد .شدهً خًطىَش خًظدًٌص:
ذ
OpenCvببساطة
144
خًلدفص Aفىق كٌمص خًهظزى خًهكمى ًًٍmaxValى نهظربهد كدفص ؤهًًٌص. خًلدفص Cؤٓفٍ maxValوًونهد مظطٌص مو خًلدفص ًًٍ ،Aى نهظربهد ؤًػدً كدفص ؤهًًٌص. خًلدفص Bنىل خًُيم من ؤنهد فىق خًلٌمٍ خًًنٌد ًٌهظزص minValويف نفٕ منؿلص خًلدفص C وًونهد يًن مظطٌص مو كدفص ؤهًًٌص ًًٍى ٓنظوٌظ منهد رظطفًنهد. نظٌـص ملد ٓزم ًـس ؤن نهظم ؿًخ ردهظٌدَ كٌمص ضلٌلص ًـ minValو maxValكظى نلطٍ نىل نظٌـص ضلٌلص .هٍه خًهمٌٌص طًٍّ ؤًػدً خًػـٌف خًطًًن ًٌزٌؤٍ رفُع ؤن خًلىخف هؿىؽ ؾىًٌص (ؤي طًٍّ خًلىخف خًلطًنش)ًًٍ .ى يف خًنهدًص ٓنلطٍ فلـ نىل خًلىخف خًلىًص. اكرشبفُؼىافُكبينُتبظرخذاوُمكرثخُُ :OpenCv OpenCvوغهع ًند ؿمٌو خًوؿىخض خًٔدرلص يف طدرو وخكً وهى )(.cv2.Canny رشػُامربتؼُ)(ُ :cv2.Canny ؤوي مظًًن هى ضىَش خملؿٌىذ خهظشدف كىخفهد ،وخملظًًن خًؼدين وخًؼدًؽ هٌل كًخ خًهظزص ،وخملظًًن خًُخرو هى كٌدْ كندم ٓىرٌٍ خمل ُٔظهمٍ إلًـدي طًَؾ خًطىَش (ردًلدًص خالفرتخغٌص طوىن كٌمظه ،)3 وخملظًًن خًودمٕ وخألهًن هى L2gradientوقٌفظه هٍ طلًًً خملهديًص خًظٍ طىؿً شًش خًظًَؾ، فةٌخ هدنع كٌمظه ضلٌلص TRUEفةنه ًٔظوًَ خملهديًص خًظٍ ٌهُندهد ٓدرلد وهٍ: √
وهٍ ؤهًت يكص. ؤمد بٌخ هدنع كٌمظه Falseفٌٔٔظوًَ خملهديًص خًظدًٌص: |
|
|
|
(خًلدًص خالفرتخغٌص ًٌمظًًن خًودمٕ طوىن .)FALSE
145
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('patella.png',0) edges = cv2.Canny(img,90,250) plt.subplot(121),plt.imshow(img,cmap = 'gray') plt.title('Original Image'), plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(edges,cmap = 'gray') plt.title('Edge Image'), plt.xticks([]), plt.yticks([]) plt.show()
ذ
ُ :امنرٌعخ
ذ
ُ :مشاظؼُبطبفٌخ
Canny edge detector at Wikipedia Canny Edge Detection Tutorial by Bill Green, 2002.
ُ :متشًن خهظس طؿزٌم ضًًن الهظشدف كىخف هدين ًطىَش مد وكم رظلًًً كٌمص خًهظزظٍن نن ؾًُم ٌسًـ . ورهٍه خًؿًُلص ٓظفهم ؿًٌخ طإػًن كٌمص خًهظزدض نىل نظٌـص خهظشدف خًلىخف،side bar خالنّالق ذ
146
OpenCvببساطة أفراؿاتذاؾصورةذImage Pyramidsذ
ذ
ذ
امهذفُ : ٓنظهُف نىل ؤهُخمدض خًطىَش ٓنٔظهمٍ يمف خًطىَ ردٓظوًخَ خألهُخمدضٓ ،ننشح فدههص ؿًًًش "رُطفدق" (رُطلدي + طفدق). ٓنظهٌم خٓظوًخَ خًظىخرو خًظدًٌص. cv2.pyrDown()، cv2.pyrUp(): نظشيُ : نديش نظهدمٍ مو ضىَ ٌخض كٌدْ ػدرع ،وًون كً نلظدؾ ؤن نظهدمٍ مو كٌدٓدض موظٌفص ًٌطىَش نفٔهد .فهىل ٓزٌٍ خملؼدي ننً خًزلؽ نن يشء مد يف خًطىَش مؼٍ خًىؿه ،نلند ًٔند مظإهًًن مد هى كـم خًـٔم خملىؿىي يف خًطىَشًًٍ ،ى ٓنلظدؾ إلنشدء مـمىنص من خًطىَ رلٌدٓدض موظٌفص وخًزلؽ نن خًىؿىه يف ؿمٌو خًطىَ. طٔمى مـمىنص خًطىَ ٌخض خًلٌدٓدض خملوظٌفص رهَُ خًطىَش (ألنه ننً خالكظفدف رهد ووغههد فىق رهػهد خًزهؼ من ؤهرب ضىَش (ؤيق ضىَش) ألضًُ ضىَش (ؤكٍ ضىَش يكص) ٓظزًو نىل شوٍ هُمٍ). هندن نىنٍن ألهُخمدض خًطىَش :خًهَُ خًًإويس وخًهَُ خالراليس.
147
OpenCvببساطة
ًظشوٍ ؤنىل مٔظىي (خألهف يكص) يف خًهَُ خًًإويس نن ؾًُم كٍف خألٓؿُ وخالنمًش خملظهدكزص يف خملٔظىي خأليىن ًٌهَُ (خألنىل يكص) ػم ًظشوٍ هٍ رٌؤٍ يف خملٔظىي خألنىل ًٌهَُ رظؿزٌم خًلندم خًًإويس نىل 5رٌؤالض من خملٔظىي خأليىن ًٌهَُ .ونظٌـص ًًٍى ًظلٌظ كـم خًطىَش ًٌُرو .هٍه خًهمٌٌص طٔمى ؤوهظدف (.)Octave ًٔظمُ هٍخ خألمُ هٌٌل ضهًند ًلمص خًهَُ (طنوفؼ خًًكص وًلٍ كـم خًطىَش هٌٌل ضهًند مٔظىي ؤنىل ردطـده خًلمص) .ؤمد ننً خًظلُن من مٔظىي ؤنىل ملٔظىي ؤيىن ًًًّ كـم ووغىق خًطىَش. ًظم بنـدِ نمٌٌص ًِديش كـم ووغىق خًطىَش ونلطدنهٌل نن ؾًُم خًظدرهٍنcv2.pyrDown() : و)(.cv2.pyrUp خًظدرو )( ًًًّ cv2.pyrUpيكص وكـم خًطىَش. خًظدرو )(ً cv2.pyrDownوفف يكص وكـم خًطىَش. خًطىَش خًظدًٌص طزٍن ػالغ مٔظىًدض من خًهَُ خًًإويس:
ذ
148
OpenCvببساطة شدهً خًوىي خًظديل هٌف ٌٓوفؼ يكص خًطىَش:
import cv2 import numpy as np )img = cv2.imread('sonic.jpg',1 )lower_reso = cv2.pyrDown(img )cv2.imshow('orginal',img )cv2.imshow('lower_reso Image',lower_reso )k = cv2.waitKey(0 )(cv2.destroyAllWindows
امنرٌعخُ :
ذ
وشدهً خًوىي خًظديل هٌف ًًٌّٓ وغىق خًطىَش خًطًًنش ،وًون طٍهُ رإن خًطىَش خًندطـص ننً خًنّوي يف خًهَُ طوظٌف نن خًطىَش خألضٌٌص ألن طىًًٌ ضىَش ؤكٍ يكص ًلٍف مهٌىمدض من خًطىَش، وًًٍى ٓظوىن موظٌفص ٌنونى مالككص خًفُق يف خًطىَش ننً طؿزٌم خًوىي خًظديل: )higher_reso = cv2.pyrUp(lower_reso
ذ
149
OpenCvببساطة
ذ
خألهُخمدض خالرالٌٓص طظشوٍ من خألهُخمدض خًًإوٌٓص ،وال ًىؿً طدرو موطظ ًهد. ضىَ خًهَُ خالراليس مهكم نندرصهد ؤضفدَ .طٔظهمٍ ؾًُلص خًهَُ خالراليس ًػًـ خًطىَ .كٌؽ ًظشوٍ خملٔظىي يف خًهَُ خالراليس من هالي خًفُق رٍن خملٔظىي خملندقُ ًٌهَُ خًًإويس مو نٔوص موربش يف خملٔظىي خأليىن ًٌهَُ. خًطىَش خًظدًٌص طزٍن ػالغ مٔظىًدض من خًهَُ خالراليس:
OpenCvببساطة
150
دمغُامصىسُتبظرخذاوُا ُألهشامبدُ : بكًي طؿزٌلدض خالهُخمدض هٍ يمف خًطىَ. Blending ننً يمف ضىَ مهد كً ال طزًو خًطىَش خًندطـص ؿًٌش رٔزس وغىق خالنلؿدم رٍن خًطىًًٍَ ،ى ٓنلظدؾ ًؿًُلص طٔدنًند نىل مّؾ خًطىَ مهد رٔهىًص ورًون فلًخن خًزٌدندض ،وهٍخ مد طىفُه ًند ؤهُخمدض خًطىَش. ؤكً خألمؼٌص خًظلًًٌٌص نىل ًٌى هى نمٌٌص خًًمف رٍن فوهظٍن هٌل خًظفدق وخًربطلدي ،شدهً خًطىَش خًظدًٌص ًظفهم مد ؤكطً.
نمٌٌص خًًمف رٍن خًظفدق وخًربطلدي طظم نىل خًنلى خًظديل: .8 .4 .4 .3 .0
نلمٍ ضىَش خًظفدكص وخًربطلدًص نىؿً خًهَُ خًًإويس ًٌظفدكص وخًربطلدًص (يف هٍخ خملؼدي ؤوؿًند 6مٔظىًدض ًٌهَُ( من خًهَُ خًًإويس نىؿً خًهَُ خالراليس خآلن نـمو خًلٔم خًٌٔدَي ًٌظفدكص مو خًلٔم خًٌمٌنٍ ًٌربطلدًص يف هٍ مٔظىي من خًهَُ خالراليس. وؤهًنخ ً من ضىَ خًهَُ خملـمىنص نزنٍ خًطىَش خألضٌٌص.
151
ببساطةOpenCv
خًوىي خًظديل ًٍسق ؾًُلص خًظنفٌٍ هؿىش روؿىش وروٍ رٔدؾص (ًٌظزٌٔـ وخإلًػدق كمند روظدرص خًوىي ) بن هٍخ خًؿًُلص يف هظدرص خًوىي ٓظايي الٓظهالن كٔم هزًن من خًٍخهُش.رهٍه خًؿًُلص import cv2 import numpy as np,sys A = cv2.imread('apple.png') B = cv2.imread('orange.png') # generate Gaussian pyramid for A G = A.copy() gpA = [G] for i in xrange(6): G = cv2.pyrDown(G) gpA.append(G) # generate Gaussian pyramid for B G = B.copy() gpB = [G] for i in xrange(6): G = cv2.pyrDown(G) gpB.append(G) # generate Laplacian Pyramid for A lpA = [gpA[5]] for i in xrange(5,0,-1): GE = cv2.pyrUp(gpA[i]) L = cv2.subtract(gpA[i-1],GE) lpA.append(L)
ذ
152
ببساطةOpenCv
# generate Laplacian Pyramid for B lpB = [gpB[5]] for i in xrange(5,0,-1): GE = cv2.pyrUp(gpB[i]) L = cv2.subtract(gpB[i-1],GE) lpB.append(L) # Now add left and right halves of images in each level LS = [] for la,lb in zip(lpA,lpB): rows,cols,dpt = la.shape ls = np.hstack((la[:,0:cols/2], lb[:,cols/2:])) LS.append(ls) # now reconstruct ls_ = LS[0] for i in xrange(1,6): ls_ = cv2.pyrUp(ls_) ls_ = cv2.add(ls_, LS[i]) # image with direct connecting each half real = np.hstack((A[:,:cols/2],B[:,cols/2:])) plt.imshow(ls_) plt.show() plt.imshow(real) plt.show()
ذ
ُ :مشظؼُبطبيف Image Blending
ذ ذ ذ
OpenCvببساطة
153
مؼبتلخُاملىامجُُ Template Matching
امهذفُ : بًـدي ؿٔم يخهٍ ضىَش ردٓظوًخَ مؿدرلص خًلىخًس ٓنظهٌم خٓظوًخَ خًظىخروcv2.minMaxLoc()، cv2.matchTemplate(): ُ مػنىمبدُنظشًخُ : ُ مؿدرلص خًلىخًس هٍ ؾًُلص ًٌزلؽ وبًـدي مىغو كدًس ًٌطىَش غمن ضىَش ؤهرب .موظزص OpenCv طىفُ ًند خًظدرو )(ً cv2.matchTemplateظنفٌٍ نمٌٌص مؿدرلص خًلدًس. ًنظفم يف خًزًخًص نىل مطؿٌلٍن وهٌل ضىَش خًلدًس وضىَش خًهًف .فةٌخ ؤَيند خًزلؽ مؼال نن ضىَش وؿه خًؿفٍ يف خًطىَش خًظدًٌص ،فةنند نٔمٍ ضىَش خًىؿه ردًلدًس ،وخًطىَش خًظٍ رلؼند رًخهٌهد نن ضىَش خًىؿه ردًطىَش خًهًف.
OpenCvببساطة
154
نمٌٌص ملؿدرلص طظم رزٔدؾص رلٌؽ منَُ ضىَش خًلدًس فىق ضىَش خًهًف ونلدَن رٍن خًلدًس وهٍ رلهص يف ضىَش خًهًف كظى نـً ضىَش خًلدًس خملؿٌىرص .هندن نًش ؾُق ًهمٌٌص خمللدَنص غمن موظزص .OpenCV طظم نمٌٌص خملؿدرلص نن ؾًُم متًُُ ضىَش خًلدًس نىل هدمٍ ضىَش خًهًف ،وطوىن خًطىَش خًندطـص نن خمللدَنص ضىَش َمديًص ،رلٌؽ هٍ رٌؤٍ غمنهد ًًي نىل همٌص خًزٌؤالض خملـإوَش ًه خًظٍ طظؿدرم مو خًلدًس. بٌخ هدنع ضىَش خًًهٍ رلـم ( )W x Hوضىَش خًلدًس كـمهد (ٌٓ ،)w x hوىن كـم ضىَش خًوُؾ ( ،)W-w+1 x H-h+1ننً خًلطىي نىل ضىَش نظٌـص خملؿدرلص ٌنونى خٓظهٌلي خًظدرو )( cv2.minMaxLocإلًـدي ؤهرب وؤكٍ كٌمص من نندرص خملطفىفص (ًٌطىَش خًندطـص نن خملؿدرلص) رلٌؽ ًهًٌ ًند هٍخ خًظدرو كٌمظٍن ردًشوٍ ). (x,y بٌخ خنظربند هدطٍن خًلٌمظٍن هٌل بكًخػٌدض خًّؤوًص خًٌرسي خًهٌٌد ًٌمٔظؿٌٍ ،وخنظربند خن نُع هٍخ خملٔظؿٌٍ وؾىًه هى ( )w x hننًهد ٌٓوىن هٍخ خملٔظؿٌٍ هى خًٍي ٌٓلًي منؿلص خًلدًس يف خًطىَش خًندطـص (ًٌظىغٌم :ؤهٍند خًؿىي وخًهُع من ضىَش خًلدًس وؤهٍند بكًخػٌدض ِؤوًص خملٔظؿٌٍ من خًظدرو )(.) minMaxLoc مالككص :بٌخ خٓظوًمع cv2.TM_SQDIFFهؿًُلص ًٌملدَنص فٌفػٍ خٓظوًخَ كٌمص ضًُي فهٍ طهؿٍ نظٌـص ؤفػٍ ًٌمؿدرلص.
مؼبتلخُاملىامجُيفُُ :OpenCv يف هٍخ خملؼدي ٓنلىَ ردًزلؽ نن وؿه خًؿفٍ(خًلدًس) يف خًطىَش خًٔدرلص (خًهًف)ًًٍ ،ى ٓننشإ كدًس هٌل ًًل:
155
ببساطةOpenCv :ٓنـُذ هٍ ؾُق خمللدَنص وٓنشدهً نظدثـهد
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('kid_football.jpg',0) img2 = img.copy() template = cv2.imread('template.jpg',0) w, h = template.shape[::-1] # All the 6 methods for comparison in a list methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR', 'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED'] ذ for meth in methods: img = img2.copy() method = eval(meth) # Apply template Matching res = cv2.matchTemplate(img,template,method) min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) # If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]: top_left = min_loc else: top_left = max_loc bottom_right = (top_left[0] + w, top_left[1] + h) cv2.rectangle(img,top_left, bottom_right, 255, 2)
plt.subplot(121),plt.imshow(res,cmap = 'gray') plt.title('Matching Result'), plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(img,cmap = 'gray') plt.title('Detected Point'), plt.xticks([]), plt.yticks([]) plt.suptitle(meth) plt.show()
ذ ذ ذ ذ ذ
156
ببساطةOpenCv ذ:اؾـتقجة cv2.TM_CCOEFF
cv2.TM_CCOEFF_NORMED
cv2.TM_CCORR
ذ
ذ ذ
ذ ذ ذ
157
ببساطةOpenCv cv2.TM_CCORR_NORMED
cv2.TM_SQDIFF
cv2.TM_SQDIFF_NORMED
ذ
ذ
ذ
ذ ذ ذ ذ ذ
158
OpenCvببساطة ٌنونى خملالككص رإن نظٌـص خٓظوًخَ ًٌٔ cv2.TM_CCORRع ؿًٌش. رشػُامكىدُ : )img = cv2.imread('kid_football.jpg',0 )(img2 = img.copy )template = cv2.imread('template.jpg',0 ]w, h = template.shape[::-1
ذ
يف خًزًخًص كمند ردٓظًندء موظزظٍ OpenCvو .Numpyػم ه ّّند خًطىَش خًهًف (خًطىَش خملؿٌىذ بًـدي خًـٔم غمنهد) يف خملظًًن imgوكمند رنٔى خًطىَش وطوًّنهد يف خملظًًن .imge2ػم ه ّّند ضىَش خًلدًس يف خملظًًن .templateورهً ًٌى هّند خَطفدم ونُع ضىَش خًلدًس يف خملظًًنًن w و hوًٌى نن ؾًُم خًظدرو )(.shape methods = ['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR', ]''cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED
ذ
ؤنشإند مطفىفص وهّنهد رًخهٌه خألٌٓلء خًظٍ رٍن خألكىخْ .هٍه خألٌٓلء ٓظمؼٍ ؤٌٓلء خًنىخفٍ خًظٍ ٓنهُغهد. for meth in methods: )(img = img2.copy )method = eval(meth
ذ
خًًدًص هند من كٌلص forهٍ نُع هٍ ؾُق خمللدَنص. وقٌفص خًظدرو )( evalهى بِخًص نالمص خالكظزدْ (ًظىغٌم ؤهًت شدهً خألمؼٌص من فـا) # Apply template Matching )res = cv2.matchTemplate(img,template,method )min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res
ذ
نلىَ رهمٌٌص خملؿدرلص نن ؾًُم خًظدرو )(.cv2.matchTemplate خملظًًن خألوي ًهٍخ خًظدرو ٌنؼٍ خًطىَش خًهًف وخملظًًن خًؼدين ٌنؼٍ ضىَش خًلدًس وخملظًًن خًؼدًؽ ٌنؼٍ ؾًُلص خمللدَنص.
OpenCvببساطة )min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res
159
ذ
رشوٍ ندَ خًظدرو )(ً minMaxLocىؿً كٌمص ؤهرب وؤكٍ ننرص يف خملطفىفص وًهؿٌند ؤًػد مىكو هًٍن خًهنرصًن غمن خملطفىفص ردإلكًخػٌدض ).(x,y يف ٓؿُ خًوىي هٍخ ٓنلًي خملنؿلص خًظٍ طم بًـدي فٌهد ضىَش خًلدًس غمن خًطىَش خًهًف مبٔظؿٌٍ وًٌى ردالٓظهدنص ردًظدرو )( cv2.minMaxLocخًٍي ًهًٌ ًند ؤنىل وؤيىن كٌمص ًٌزٌؤٍ يف خًطىَش خًندطـص نن خملؿدرلص مو مىغو هًٍن خًزٌؤٌٍن غمن هٍه خًطىَش .نوظدَ ؤكًخػٌدض ؤكً هًٍن خملىغهٍن ًنلًي بكًخػٌدض خًّوًص خًٌرسي خًهٌٌد ًٌمٔظؿٌٍ( .يف مؼدًند ننً خٓظهٌلي خًؿًُلص ٓ cv2.TM_CCOEFFنلطٍ نىل خًلًًن ( .) )98 ،44( )85 ،844ػم نوظدَ خًلً خملندٓس خًٍي ٌنؼٍ ِؤوًص خملٔظؿٌٍ. ٌٓظم طوًّن خًلً خأليىن يف خملظًًن min_locوخًلً خألنىل يف خملظًًن .max_locهٌل كطٌند كظى خآلن نىل بكًخػٌدض ِؤوًص خملٔظؿٌٍ ،ونلظدؾ خآلن ًظلًًً كًوي منؿلص خملؿدرلص ًًٍى ًـس ؤن نهُف ؾىي ونُع هٍخ خملٔظؿٌٍ ُفكٌفُظنػشفُامؼىلُوامػشض؟ ُ ؾىي ونُع خملٔظؿٌٍ هٌل نفٕ ؾىي ونُع ضىَش خًلدًس. # If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]: top_left = min_loc else: top_left = max_loc )bottom_right = (top_left[0] + w, top_left[1] + h )cv2.rectangle(img,top_left, bottom_right, 255, 2
يف هٍخ خًوىي خهرتند ؤكًخػٌدض مىغو ؤنىل ؤو ؤيىن كٌمص ًٌزٌؤٍ وًٌى كٔس هٍ ؾًُلص ملدَنص ،فزدًنٔزص ألهُ ؾًُلظٍ ملدَنص خهرتند بكًخػٌدض خًلٌمص خأليىن فهى خًلً خملندٓس ًظلًًً ؤكًخػٌدض ِؤوًص مٔظؿٌٍ منؿلص خملؿدرلص ،ؤمد ردًنٔزص ًؿُق خمللدَنص خًزدكٌص فلً خهرتند بكًخػٌدض خًلٌمص خألنىل فهى خألنٔس ًظلًًً ؤكًخػٌدض ِؤوًص هٍخ خملٔظؿٌٍ .وؤهًنند كمند رُٓم مٔظؿٌٍ كىي منؿلص خًلدًس خملىؿىيش يف ضىَش خًهًف.
160
ببساطةOpenCv ُ :ً مؼبتلخُاملىامجُمػذحُؤظعبوُمػب
وًون خفرتع،يف خًٔدرم رلؼند نن ؿٔم وخكً وهى وؿه خًؿفٍ وخًٍي ًىؿً مُش وخكًش يف خًطىَش ننًهد ًن ًنفو خٓظوًخَ خًظدرو،رإن ًًًند ؤهًت من ؿٔم نًًُ بًـديه ردًطىَش ًنإهٍ خملؼدي خًظديل من ًهزص مدًَى. وًـس رًالً ننه خٓظوًخَ خًظهظٌسcv2.minMaxLoc() :خملشهىَش import cv2 import numpy as np from matplotlib import pyplot as plt img_rgb = cv2.imread('mario.jpg') img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY) template = cv2.imread('mario_coin.png',0) w, h = template.shape[::-1] res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED) threshold = 0.8 loc = np.where( res >= threshold) for pt in zip(*loc[::-1]): cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2) cv2.imshow('res',img_rgb) cv2.waitKey(0) cv2.destroyAllWindows() ذ:اؾـتقجة ذ
ذ
OpenCvببساطة
161
شدهً من ضىَش نظٌـص خملؿدرلص رإن خًنلـ خًزٌػدء خألهًت ٓؿىند متؼٍ خًزٌؤالض خًظٍ طإهٍ ؤهرب كٌمص ،وخًظٍ َٓمند ننًهد مٔظؿٌٍ مٌىن ردألكمُ هٌل هى وخغم يف خًطىَش خًٔدرلص. معبغذحُمرشػُامكىدُ : ًنهُف مطفىفص Aػندثٌص خًزهً 2Dطإهٍ خًلٌم خًظدًٌص: 𝟖
𝟕𝟖 𝟔 𝟕 𝟖
𝟑 𝟑 𝟕
)]]A = np.array([[2,3,4,5,6,78,97,100],[8,3,1,5,7,8,9,10 print A
ذ
ٓنؿزم نٌٌهد خًظدرو ) np.where(A > thresholdوٓنػو خًٍسؽ رًخهٍ هٍخ خًظدرو رإن ًإهٍ نندرص خملطفىفص خًظٍ كٌمظهد طوىن ؤهرب من ( 0ؤي نػو خًـ )threshold = 5وٌٓهًٌ ًند خًظدرو مىغو هٍه خًهندرص غمن خملطفىفص( .يف خًوىي مؿدرلص خًلىخًس ًهًش خؿٔدَ يًن خي threshold وشدهً مدٌخ ًلطٍ) threshold = 5 )loc = np.where( A > threshold ))](array([0, 0, 0, 0, 1, 1, 1, 1, 1]), array([4, 5, 6, 7, 0, 4, 5, 6, 7
شدهً خًنظٌـص خًٔدرلص ٓرتي رإنه ؤندي مىغو هٍ ننرص يف خملطفىفص غمن خًٍسؽ رُكم خًٔؿُ وخًهمىي كٌؽ خًـ arrayخألوىل متؼٍ خًٔؿُ وخًـ arrayخًؼدنٌص متؼٍ خًهمىي.
ذ
OpenCvببساطة
162
هٍخ خملىكو ًلىي نىل نًش ؤمؼٌص كظى طفهم خًهمٌٌدض خًظٍ طـُي نىل خملطفىفص وخًظٍ خٓظوًمندهد يف خًوىي: https://docs.scipy.org/doc/numpy-dev//quickstart.html ذ
خًطىَش خًظدًٌص طهُع نظٌـص خًزلؽ نن خالي يس غمن خًزىَي.
ذ
خًطىَش خًظدًٌص طهُع نظٌـص خًزلؽ نن خمللإومص يف خًزىَي خالًورتوين. ذ ذ ذ ذ ذ ذ
163
OpenCvببساطة ذؽىًهُهبفُمنخؽُُ Hough Line Transform
ذ
امهذفُ : يفذفذاذاؾػصل ذ
ٓنظهٌم مد هى مفهىَ طلىًٍ هدف ٓرني هٌف ٓنٔظهمٍ طلىًٍ هدف ًٌوشف نن خًوؿىؽ يف خًطىَش ٓنظهٌم خٓظوًخَ خًظىخرو خًظدًٌصcv2.HoughLinesP()،cv2.HoughLines() : مػنىمبدُنظشًخُ : طلىًٍ هدف هى طلنٌص شدثهص الهظشدف ؤي شوٍ ٌنون متؼٌٌه مبهديًص ًَدغٌص ،كٌؽ ٌنونه خهظشدف خًشوٍ كظى وًى هدن خًشوٍ مظلؿو ؤو مشىه كٌٌالٓ ،رني هٌف ًهمٍ هٍخ خًظلىًٍ ًٌوشف نن خًوؿىؽ خًظٍ يف خًطىَش. ؤو ٌنون متؼٌٌه ردًشوٍ خًزدَمرتي خًوـ ٌنؼٍ ًَدغٌد ردملهديًص كٌؽ 𝜌 متؼٍ مٔدفص خملٔظلٌم خًهمىيي من خملزًؤ نىل 𝛉 𝛉 خًوـ ،و 𝛉 متؼٍ خًّؤوًص رٍن هٍخ خملٔظلٌم خًهمىيي وخمللىَ خألفلٍ ) ،(xوكٌدْ هٍه خًّؤوًص ًوىن رهوٕ نلدَذ خًٔدنص. نظٌـص ملد ٓزم ،بٌخ خًوـ مُ ؤٓفٍ خملزًؤ ٓظوىن كٌمص 𝜌 مىؿزص وخًّؤوًص ٓظوىن ؤكٍ من ،ْ 885ؤمد بٌخ مُ فىق خملزًؤ خًّؤوًص رًي ؤن نلىي بن ِؤوًظه ؤهرب من ٓ 885نإهٍ ِؤوًظه رلٌؽ طوىن ؤكٍ من ْ 885وًون 𝜌 ٓظإهٍ كٌمص ٓدًزص ،وؤي هـ نمىيي ِؤوًظه ٓظوىن ْ 5يَؿص وؤي هـ ؤفلٍ ٓظوىن ِؤوًظه ْ 95يَؿص.
OpenCvببساطة
164
كٌفُذرمُغمنٌخُذؽىًهُهبفُمنخؽُ : ؤوال نٌٌند متؼٌٍ هٍ هـ وفم ردَخمرتًن هٌل ) .(𝜌, θيف خًزًخًص ًننشإ مطفىفص 2Dؤو مُخهم ( ُم َـ ِم ْو) (ًالكظفدف رلٌمص خًزدَخمرتًن 𝜌 و )θونلىَ يف خًزًخًص رظطفًنهمٓ ،نـهٍ ضفىف خملطفىفص ًًٌ rowsالًص نىل 𝜌 ،وؤنمًش خملطفىفص ًًٌcolumnsالًص نىل .θ كـم خملطفىفص ًهظمً نىل خًًكص خًظٍ نلظدؿهدً .نفرتع ؤنند نًًُ يكص خًّؤوًص طٔإوي ْ 8 يَؿصٓ ،نلظدؾ ملطفىفص رـ 885نمىي. مبد ؤن ؤهرب مٔدفص ممونص ًـ 𝜌 هٍ كؿُ خًطىَشًًٍ ،ى ًٌلطىي نىل يكص 8رٌؤٍ، ٓنلظدؾ ملطفىفص نًي ضفىفهد ًٔإوي كؿُ خًطىَش. ً نفُع ًًًند ضىَش رلـم 100x100فٌهد هـ ؤفلٍ ردًىٓـ .هٍ ؤوي نلؿص ًى من خًوـ مو مهُفظى إلكًخػٌدض ًٌنلؿص ) (x,yخًظٍ خهرتطهد. نىع كٌم θ=0,1,2,…. ,180يف مهديًص خًوـٓ ،ظلطٍ نىل كٌمص 𝜌 رلٔس كٌمص θ خًظٍ نىغندهد. يف هٍ ِوؾ )ٌ (𝜌, θنونى ًِديش كٌمص خملُخهم مبلًخَ 8يف هالًد ) (𝜌, θخمللدرٌص ًهد.كظى خآلن ًىؿً يف خملُخهم خًوٌٌص )50,90( =1خًظٍ طوىن رـدنس خًوالًد خألهُي خًظٍ يف خملُخهم. خآلن هٍ خًنلؿص خًؼدنٌص من نىل خًوـ وخفهٍ نفٕ خًيشء خًٍي فهٌنده يف خًٔدرمٓ ،ظشدهً ًِديش يف كٌمص خًوالًد خمللدرٌص ًـ ) (𝜌, θخًظٍ كطٌع نٌٌهد ،هٍه خملُش خًوٌٌص ٓظطزم كٌمظهد .)50,90( = 4 مد طفهٌه ردًػزـ رإنى ططىض ًلٌم )( (𝜌,θيف هٍ نلؿص نإهٍهد ًًًّ نًي خألضىخض هٌل يف خالنظودردض) (نن ؾًُم ًِديش نًي خألضىخض ٓنهُف نًي نلدؽ خًوـ فنهٌم ؾىي خًوـ) ،نلىَ رظنفٌٍ نفٕ خًهمٌٌص خًٔدرلص نىل ؿمٌو نلدؽ خًوـ ،وننً هٍ نلؿص ٓظًًّ كٌمص خًوٌٌص ()50,90 ؤو ًًٌّٓ ضىطهد ،رٌنٌل خًوالًد خألهُي كً ًًًّ نًي ؤضىخطهد ؤو ال ،ورهٍه خًؿًُلص ٓنطٍ ًٌنهدًص وٓظلطٍ خًوٌٌص ( )50,90نىل كٌمص ؤنىل ضىض. ًًٍى بٌخ هنع طزلؽ يف خملُخهم نن ؤنىل ضىض ٓظلطٍ نىل خًلٌمص ( )50,90خًظٍ ٓظوربند رإن هندن هـ يف خًطىَش نىل مٔدفص 05من خملزًؤ ورّؤوًص 95يَؿص. وهٍه هٍ آًٌص نمٍ طلىًٍ هدف ًٌوـ ،وٌنون طؿزٌله خًػدً ردٓظوًخَ موظزص ،Numpyوطكهُ خًلٌم خملوظدَش يف خملُخهم هنلدؽ ٌَوش رٌػدء فٌم بٌخ مؼٌنده رطىَش َمديًص.
165
OpenCvببساطة
ذ
خًطىَش خًظٍ نىل خًٌمٍن طىغم نظٌـص طلىًٍ هدف ًٌمٔظلٌمٍن خملىغلٍن نىل خًشوٍ خًٌٔدَي. ًًّديش فهمى ألًٌص نمٍ طلىًٍ هدف ٌنونى خالؾالم نىل مد ًًل: (ذافدذاؾرمسةذادلتحرؽةذاؾيتذتشرحذؽقفذقتمذزقادةذؼقؿةذاخلالقاذيفذادلراؽم) Image Courtesy: Amos Storkey
Image courtesy: Wikipedia (حيويذفذاذادلوؼعذعؾىذذرحذؿبدطذعؾىذذؽلذردومذتوضقحقة) ذExplain Hough Transformation stackoverflow
ذؽىًهُهبفُيفُ:OpenCv هٍ يشء طم ٌسكه ٓدرلد مىؿىي يف خًظدرو )( ،cv2.HoughLinesوهى رزٔدؾص ًهًٌ مطفىفص ًلٌم ) ،(𝜌, θكٌؽ 𝜌 طلدْ ردًزٌؤٍ ،و θطلدْ ردًُخيًدن. خملظًًن خألوي ٌنؼٍ ضىَش خًًهٍ وخًظٍ ًـس ؤن طوىن ردًطًٌص خًؼندثٌص )ًًٍ ،(binary imageى نؿزم خًظهظٌس ؤو نٔظوًَ موظشف كىخف هدين ًٌلطىي نىل ضىَش ػندثٌص وًٌى كزٍ طؿزٌم طلىًٍ هدف. ػدين وػدًؽ مظًًن هٌل 𝜌 و θنىل خًرتطٌسَ .خرو مظًًن هى خًهظزص ،وخًظٍ طهنٍ ؤكٍ ضىض ًـس ؤن نلطٍ نٌٌه ًنهظربه هـ .طٍهُ نًي خألضىخض ًهظمً نىل نًي خًنلدؽ نىل خًوـ ،وهٍخ ًهنٍ ؤضًُ ؾىي ًٌوـ خًٍي ًـس خهظشدفه.
166
ببساطةOpenCv :1مصبل import cv2 import numpy as np img = cv2.imread('dave.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray,50,150,apertureSize = 3) lines = cv2.HoughLines(edges,1,np.pi/180,200) for rho,theta in lines[0]: a = np.cos(theta) b = np.sin(theta) x0 = a*rho y0 = b*rho x1 = int(x0 + 1000*(-b)) y1 = int(y0 + 1000*(a)) x2 = int(x0 - 1000*(-b)) y2 = int(y0 - 1000*(a)) cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)
ُ
cv2.imshow('Cany',edges) cv2.imshow('res',img) cv2.waitKey(0) cv2.destroyAllWindows()
ُ :امنرٌعخ ذ
ذ
167
ببساطةOpenCv ُ :2مصبل import cv2 import numpy as np img = cv2.imread('car2.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray,50,500,apertureSize = 3)
lines = cv2.HoughLines(edges,1,np.pi/180,120) for rho,theta in lines[0]: a = np.cos(theta) b = np.sin(theta) x0 = a*rho y0 = b*rho x1 = int(x0 + 1000*(-b)) y1 = int(y0 + 1000*(a)) x2 = int(x0 - 1000*(-b)) y2 = int(y0 - 1000*(a)) cv2.line(img,(x1,y1),(x2,y2),(0,0,255),1) cv2.imshow('Binary Image',edges) cv2.imshow('res',img) cv2.waitKey(0) cv2.destroyAllWindows() ذ
ُ :امنرٌعخ
ُ
ُ
168
OpenCvببساطة ذؽىًهُهبفُاالؼرٌليلُُ :Probabilistic Hough Transform
يف طلىًٍ هدف خًٔدرم الككند رإنه الهظشدف مٔظلٌم رزدَخمرتًن ؤنـّند خًوؼًن من خًلٔدردض ،نىل هٍ كدي هندن طلٍٔن ًهٍه خًظلنٌص وًظم ًٌى رإهٍ نلدؽ نشىخثٌص رًي ؤهٍ خًنلدؽ هٌهد ،وهٍخ ًن ًاػُ نىل خًنظٌـص ،فوٍ مد نٌٌند هى طوفٌؼ كٌمص خًهظزص. شدهً ًٌطىَش خًظدًٌص خًظٍ طلدَن رٍن طلىًٍ هدف وطلىًٍ هدف خالكظٌليل. خًطىش مإهىٌش من هٍخ خملىكو Image Courtesy: Franck Bettinger’s home page
ذ
. خٓظوًخَ موظزص OpenCvيف خهظشدف خًوؿىؽ ًهظمً نىل كىش خًوؿىؽ خملوظشفص ًًٍى ٓنٔظهمٍ طلىًٍ هدف خالكظٌليل خملظًَؾ.
169
ببساطةOpenCv
ٌنٌى هٍخ خًظدرو مظًًنًٍن. الهظشدف خًوؿىؽ خًلىًصcv2.HoughLinesP() ٓنٔظهمٍ خًظدرو :هٌل . وًُفؼ هٍ هـ يون هٍه خًلٌمص، ؤكٍ ؾىي ًٌوـ:minLineLength .ً خملٔدفص خألنكمٌص خملٔمىكص رٍن ؤؿّخء خًوـ النظزدَه هؿدً وخكًخ:maxLineGap ؤمد يف خًلدًص،وؤفػٍ يشء يف هٍخ خًظدرو رإنه ًهًٌ ًند رشوٍ مزدٌس نلؿص رًخًص خًوـ ونلؿص نهدًظه ؤمد خآلن. وهدن هندن ضهىرص يف بًـدي هٍ خًنلدؽ،خًٔدرلص كطٌند فلـ نىل ردَمرتخض خًوؿىؽ .ؤضزم رةمودنند ؤن نلطٍ نىل هٍه خًنلدؽ رٔهىًص import cv2 import numpy as np img = cv2.imread('dave.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray,50,150,apertureSize = 3) minLineLength = 100 maxLineGap = 10 lines = cv2.HoughLinesP(edges,1,np.pi/180,100,minLineLength,maxLineGap) for x1,y1,x2,y2 in lines[0]: cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2) cv2.imshow('Binary Image',edges) cv2.imshow('res',img) cv2.waitKey(0) cv2.destroyAllWindows()
ذ
ُ :امنرٌعخ ُ
ُ
170
ببساطةOpenCv ُ :2مصبل import cv2 import numpy as np img = cv2.imread('car2.jpg') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray,50,150,apertureSize = 3) minLineLength = 100 maxLineGap = 10 lines = cv2.HoughLinesP(edges,1,np.pi/180,100,minLineLength,maxLineGap) for x1,y1,x2,y2 in lines[0]: cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)
ُ
cv2.imshow('Binary Image',edges) cv2.imshow('res',img) cv2.waitKey(0) cv2.destroyAllWindows()
ُ ذ:ؿراجعذإضاػقة Hough Transform on Wikipedia
ذ
OpenCvببساطة
171
ذؽىًهُهبفُمنذائشحُHough Circle Transform
ٓنظهٌم خٓظوًخَ طلىًٍ هدف ًإلًـدي خًًوخثُ يف خًطىَش. ٓنظهٌم خٓظوًخَ خًظدرو. cv2.HoughCircles():
خًًخثُش كٌؽ )
متؼٍ ًَدغٌد (,
هدًظديل هٌل مُهّ خًًخثُش ،و rهى نطف كؿُ خًًخثُش.
نالكل وؿىي ػالغ ردَخمرتخض ًًٍى ٓنلظدؾ ملُخهم ػاليث خًزهً 3Dإلؿُخء طلىًٍ هدف ،وًون هٍخ خألمُ ًن ًوىن فهدي رشوٍ ؿًًًٌٍ ،ى موظزص OpenCVطٔظوًَ ؾًُلص هدف ًٌظًَؾ ( Hough ،)Gradient Methodوخًظٍ طهظمً نىل طًَؾ خًلىخف (ًِديش خًلىخف).
)]]]]]cv2.HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius
خًظدرو خًٍي ٓنٔظوًمه هند هى )( .cv2.HoughCirclesمظًًنخطه هٍ: :Imageضىَش خًًهًٍ .ـس ؤن طوىن خًطىَش يف خملٔظىي خًُمديي. :Methodؾًُلص خملٔظوًمص الهظشدف خًًوخثُ خًظٍ يف خًطىَش ،كدًٌد ٓنظٔظهمٍ خًؿًُلص .cv2.HOUGH_GRADIENT :dpهٍخ خًزدَخمرت ٌنؼٍ نٔزص خًهوٕ وًاػُ نىل كُخَ خملُخهم رظلًًً يكص خًطىَش .فةٌخ هدن dp=1 فٌٔلًي خملُخهم يكص خًطىَش هٌل يف ضىَش خًًهٍ ،ؤمد بٌخ هدن dp=2فٌٔلًي خملُخهم يكص خًطىَش رنطف كـم خًطىَش خألضٌٌص. :minDistؤكٍ مٔدفص مٔمىكص رٍن مُهّ خًًخثُش خملوظشفص .بٌخ هدنع كٌمص هٍخ خًزدَمرت ضًًنش ؿًخ ٓظالكل رإن هندن يوخثُ هؼًنش رـىخَ رهػهد .وبٌخ هدنع خملٔدفص هزًنش ؿًخ ً ٓظالكل خهظفدء رهؼ خًًوخثُ. :circle_storageيف ًًص خي ٌ Cنؼٍ طدرو ٌخهُش خًظوًّن خًظٍ ٌٓوّن ٌٌٓٔص خًًوخثُ خملوظشفص (ال ًهمند)
172
ببساطةOpenCv
ومبد ؤنند ٓنوظدَ ؾًُلص. خًزدَمرت خًؼدين ًلًي وقٌفص هٍخ خًزدَمرت:param1 فهٍخ خًزدَمرت ٌٓمؼٍ ؤنىل كٌمص ًٌهظزص يف موظشف خًلىخف.CV_HOUGH_GRADIENT . ؤمد ؤضًُ كٌمص ًٌهظزص ٓظوىن ؤضًُ مبُطٍن من كٌمص خًهظزص خًهٌٌد،هدين ومبد ؤنند ٓنوظدَ ؾًُلص. خًزدَمرت خًؼدين ًلًي وقٌفص هٍخ خًزدَمرت:param2 بٌخ خهرتند ؤضًُ كٌمص. فهٍخ خًزدَمرت ًلًي كٌمص نظزص خملُخهم.CV_HOUGH_GRADIENT وبٌخ خهرتند.)ًٌهظزص ٓنلطٍ نىل ؤهرب نًي من خًًوخثُ خملوظشفص (مبد يف ًٌى خًًوخثُ خًودٌرص .ؤهرب كٌمص ًٌهظزص ٓنلطٍ نىل ؤهرب خكظٌلي ألن طوىن فهالً يخثُش موظشفص . ؤضًُ كٌدْ ًنطف كؿُ خًًخثُش:minRadius . ؤهرب كٌدْ ًنطف كؿُ خًًخثُش:maxRadius ذ:امكىد
import cv2 import numpy as np img = cv2.imread('OpenCV_Logo.png',0) img = cv2.medianBlur(img,5) cimg = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR) circles = cv2.HoughCircles(img,cv2.cv.CV_HOUGH_GRADIENT,1,20, param1=50,param2=30,minRadius=0,maxRadius=0) circles = np.uint16(np.around(circles)) for i in circles[0,:]: # draw the outer circle cv2.circle(cimg,(i[0],i[1]),i[2],(0,255,0),2) # draw the center of the circle cv2.circle(cimg,(i[0],i[1]),2,(0,0,255),3)
ذ
cv2.imshow('detected circles',cimg) cv2.waitKey(0) cv2.destroyAllWindows()
173
OpenCvببساطة امنرٌعخ :ذ
ذ
مالككص :يف موظزص OpenCvخإلضًخَ 4كم رظمًُُ خملظًًن خًؼدين ًٌظدرو ردًشوٍ cv2.cv.CV_HOUGHؤَ بٌخ هدن بضًخَ موظزص OpenCvخًٍي طٔظهمٌه هى خإلضًخَ 4فلم رظمًُُ خملظًًن خًؼدين ردًشوٍ .cv2.HOUGH_GRADIENT ذ
مالككص :مَُند ًٌظدرو cv2.HoughCirclesخًزدَمرتًن minRadiusو maxRadiusرلٌمظٍن ،0,0وهٍخ ًهنٍ رإن ًإهٍ هٍ خًًوخثُ ٓىخء هدنع ضًًنش ؤَ هزًنش. ذ ذ ذ ذ ذ ذ ذ ذ
OpenCvببساطة
174
ذعضئخُامصىسحُتبظرخذاوُخىاسصمٌخُWatershed
ذ
امهذفُ : طهٌم طلٌٔم خًطىَش رؿًُلص خًظـمهدض خملدثٌص).(Watershed طهٌم خٓظوًخَ خًظدرو )(.cv2.watershed ملذمخُنظشًخُ : هىخَِمٌص watershedهٍ هىخَِمٌص طلًًٌٌص طٔظوًَ ًظـّثص خًطىَش ألكٔدَ وطفًٌند هٍه خًوىخَِمٌص ننً خٓظوُخؾ خألؿٔدَ خملظالمٔص ؤو خملظًخهٌص فٌٌل رٌنهد هدًلؿو ًنلًًص يف خًطىَش خًظٍ يف خألنىل. ٌنونند متؼٌٍ ؤي ضىَش َمديًص رشوٍ ٓؿم ؾىرىيُخيف رلٌؽ خًشًخض خًٌىنٌص خًهدًٌص متؼٍ خًلمم وخًظالي وخًشًخض خًٌىنٌص خملنوفػص متؼٍ خًىيًدنٓ .نزًؤ مبٍء هٍ خًىيًدن خملنهًّص (خًلٌمص خًطًُي خمللٌٌص) ردملدء وهٍ ويخي رٌىن ممٌّ نن خألهُ (خًىٓم)ٓ .رتطفو خملٌده خنظٌليخ نىل خَطفدم خًلمم (خًظًَؿدض خًٌىنٌص) خمللٌؿص ردًىيًدن وٓظزًؤ خملٌده خملٌىنص رإًىخن موظٌفص ردالهظالؽ مو رهػهد ،وًظـنس هٍخ خألمُ ٓنزنٍ كىخؿّ ننً خألمدهن خًظٍ ًظم فٌهد خالهظالؽ .ونٔظمُ رطس خملدء ورندء خًلىخؿّ كظى يمُ هٍ خًلمم ردملدء ،وننًهد فةن خًلىخؿّ خًظٍ طم رندءهد ٓظهؿٌند نظٌـص خًظلؿٌو وهٍخ هى خمللطىي روٌمص ( watershedمـمهدض خملٌده)ً .ظفهم هٌف ًظم هٍخ خألمُ رشوٍ ؤوغم ٌنونى ًِدَش ضفلص خًىًس CMM webpage on watershedخًظٍ طلىي نىل َٓىَ مظلُهص وطىغٌلٌص.
175
OpenCvببساطة
خًهمٌٌص خًٔدرلص كً طهؿٌند طلؿٌهد مفُؾد رٔزس وؿىي غـٌف يف خًطىَشًًٍ ،ى وفُض OpenCv ًٌمٔظوًَ رإن ًلًي خملندؾم خًظٍ ًًًُ يمـهد وخملندؾم خًظٍ ال ًًًُ يمـهد .وهٍخ هى طلؿٌو خًطىَش خًظفدنًل ،كٌؽ نلًي خملندؾم خًظٍ طشوٍ خًـٔم خألمدمٍ رٌىن وكً ،ػم نلًي خملندؾم خًظٍ طشوٍ هٌفٌص خًـٔم خألهًٌش رٌىن موظٌف ،ؤمد خملندؾم خًظٍ مل نظإهً منهد فنلًيهد رلٌمظهد ومن ػم نؿزم خًوىخَِمٌص ،رهً خًظؿزٌم ٓرني خًلًوي ٓظظلًغ ،ويف خًنهدًص ٓظلًي كًوي خًـٔم وٓظإهٍ خًلٌمص . -1 ُامكىدُ : يف خملؼدي خًظديل ٓنشدهً هٌف ٓنٔظوًَ طلىًٍ خملٔدفص مو هىخَِمٌص ً watershedظلؿٌو (ًظـّثص) خألؿٔدَ خملظالمٔصًٌ .ون ًًًند خًطىَش خًظدًٌص ًٌنلىي ،هٍ كؿهص نلًًص مظالمٔص مو خألهُي ،وبٌخ ؾزلند خًظهظٌس ٓظزلى هٌل هٍ مظالمٔص.
ذ
ٓنزًؤ رةًـدي خًلًوي خًظلًُزٌص ًٌنلىي وًٌى ردٓظوًخَ طهظٌس ؤوطٔى. import cv2 import numpy as np )'img = cv2.imread('coins.png )gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY = ret, thresh )cv2.threshold(gray,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU
ذ
176
OpenCvببساطة امنرٌعخُ :
ذ
خآلن ٓنلظدؾ إلِخًص ؤي غـٌف ردًٌىن خألرٌؼ يف خًطىَشًًٍ ،ى ٓنلىَ رظؿزٌم نمٌٌص خًفظم نىل خًشوٍ خًٔدرم ،وإلِخًص خًؼلىذ خًٔىيخء خًطًًنش يف خألؿٔدَ نلىَ رهمٌٌص خإليالق.وخآلن نلن مظإهًًن رإن خملندؾم خًلًُزص من مُهّ خًـٔم هٍ مندؾم ؤمدمٌص ،وخملندؾم خًزهًٌش نن خًـٔم هٍ خًوٌفٌص. خملندؾم خًىكًٌش خًظٍ ًٔند مظإهًًن منهد هٍ هٍ ؤمدمٌص ؤَ هٌفٌص هٍ منؿلص كًوي خًهمٌص. ًًٍى نلظدؾ الٓظوُخؾ خملندؾم خملظإهًًن نىل ؤنهد كؿهص خًنلىي (متؼٍ خملنؿلص خألمدمٌص)، ٓنٔظهمٍ نمٌٌص خًلع Erosionإلِخًص خًزٌؤالض خمللٌؿص رلؿهص خًنلىي وٌٓوىن هٍخ خخألمُ مفًٌ ؿًخً يف كدي هدنع خًلؿو ال متٕ رهػهد ،ؤمد يف كدي خًلؿو متٕ رهػهد فٔنلظدؾ ًهمٍ طلىًٍ ًٌمٔدفص ػم نؿزم نظزص مندٓزص. رهً ًٌى نٌٌند بًـدي منؿلص خًوٌفٌص خألهًٌشًًٍ ،ى ٓنلىَ رهمٌٌص خًظمًًً ًٌ dilateنظٌـص، ورهٍخ ٌنونند خًظإهً من ؤن خملنؿلص خًظٍ يف خًوٌفٌص هٍ هٍ هٌفٌص ؤهًٌش ؤَ ال ،ألن منؿلص خًلًوي مّخًص رٍن خًـٔم وخًوٌفٌص .شدهً خًطىَش خًظدًٌص خًظٍ طىغم خألمًُن خًٔدرلٍن.
177
ببساطةOpenCv
ذ
خملندؾم خملظزلٌص خًظٍ ال نهُف هٍ هٍ ؿٔم ؤَ هٌفٌص (هٍ خملندؾم خًظٍ طٌظلٍ رهد خًلؿو خًنلًًص ًنزًٍ ؤن طوىن كديَش نىلwatershed هىخَِمٌص،)وخًوٌفٌص ؤو كظى خًلؿو خًنلًًص مو رهػهد .بًـديهد وٌنون مهُفظهد من هالي ؾُق خًوٌفٌص خألهًٌش من خألمدمٌص،نًنى هٍه خملندؾم خملظزلٌص ردًلًوي .خألهًٌش # noise removal kernel = np.ones((3,3),np.uint8) opening = cv2.morphologyEx(thresh,cv2.MORPH_OPEN,kernel, iterations = 2) # sure background area sure_bg = cv2.dilate(opening,kernel,iterations=3) # Finding sure foreground area dist_transform = cv2.distanceTransform(opening,cv2.cv.CV_DIST_L2,5) ret, sure_fg = cv2.threshold(dist_transform,0.7*dist_transform.max(),255,0)
ذ
# Finding unknown region sure_fg = np.uint8(img) unknown = cv2.subtract(sure_bg,sure_fg)
رًي ؤن متَُ ًهٍخ خًظدرو4 َ خإلضًخOpenCv غمن موظزصdistanceTransform() يف خًظدرو:مالككص .cv2.DIST_L2 كم رظمًُُ خملظًًنcv2.cv.CV_DIST_L2 خملظًزًن
178
OpenCvببساطة امنرٌعخُ ُ:
ورظهظٌس خًطىَش نلطٍ نىل مندؾم خًلؿو خًنلًًص وخًظٍ مظإهًًن من ؤنهد كؿو نلًًص وًظم فطٍ خًل ؿو خًنلًًص نن رهؼ (يف رهؼ خألكٌدن كً طوىن مهظم فلـ ردٓظوُخؾ خًـّء خألمدمٍ يون فطٍ خألؿٔدَ نن رهػهد .يف هٍه خًلدًص ال طلظدؾ ألن طٔظهمٍ خًظلىًٍ خملٔديف ،فلـ مد طلظدؿه هى خٓظوًخَ نمٌٌص خًلع Erosionالٓظوُخؾ خملنؿلص خألمدمٌص خألهًٌش).
ذ
ذ
خألن ؤضزلند مظإهًًن من مندؾم خًلؿو خًنلًًص وخًوٌفٌصًًٍ .ى ٓننشإ نالمص ( Makerمطفىفص رنفٕ كـم خًطىَش خألضٌٌص وًون رنىم رٌدندض )int32ونىٓم خملندؾم يخهٌهد.خملندؾم (خألمدمٌص ؤو خًوٌفٌص) خملظإهًًن منهد نلًيهد رإي نًي ضلٌم مىؿس ،وًون رإَكدَ موظٌفص ًوٍ ؿٔم. وخملندؾم خًظٍ ًٔند مظإهًًن منهد نًم كٌمظهد ضفُ. وًًٍى ٓنٔظوًَ خًظدرو )( cv2.connectedComponentsوخًٍي ًلًي هٌفٌص خًطىَش ردًلٌمص ضفُ ،وخألؿٔدَ خألهُي ًلًيهد رإنًخي ضلٌلص خرظًخ ًء من .1وًون بٌخ هدنع كٌمص خًوٌفٌص 0 ٓظهظربهد هىخَِمٌص watershedيًن مهٌىمصًًٍ ،ى رًالً من ًٌى ٓنلًي خملندؾم يًن خملهٌىمص رـ .0
179
OpenCvببساطة
# Marker labelling )ret, markers = cv2.connectedComponents(sure_fg # Add one to all labels so that sure background is not 0, but 1 markers = markers+1 # Now, mark the ' of unknown with zero markers[unknown==255] = 0
ذ
امنرٌعخُ : خًطىَش خًظدًٌص طزٍن خًنظٌـص خًظٍ طهُع هًُؿص خألًىخن ،JETكٌؽ خألَِق خًًدمم ًهُع خملندؾم خًًًن مهٌىمص(خملـهىًص) ،وخًلؿو خًنلًًص خملظإهًًن منهد طٌىن رإًىخن موظٌفص (كٌم موظٌفص)ً ،ظم نُع خملندؾم خملظزلٌص وخًظٍ هٍ هٌفٌدض ؤهًٌش رٌىن ؤَِق ؤفظم ردًنٔزص ًٌمندؾم خملـهىًص.
ذ
خآلن ًًًند نالمص Makerؿدهّش ،وكدن خًىكع ًظنفٌٍ خًوؿىش خًنهدثٌص وطؿزٌم هىخَِمٌص ،watershedننًهد ضىَش خًهالمص ٓ Makerظظهًي ،وخملنؿلص خًلًويًص ٓظإهٍ خًلٌمص . -1 )markers = cv2.watershed(img,markers ]img[markers == -1] = [255,0,0 ذ
ذ
OpenCvببساطة
180
الكل خًنظٌـص ٓرتي ؤن رهؼ خًلؿو طم طلؿٌههد رشوٍ مؼديل وؤهُي ًٌٔع هًٍى.
ذ ذ ذ
مُخؿو بغدفٌص: ً( CMM page on Watershed Transformationلىي هٍ خملُؿو نىل ضىَ مظلُهص مو خًهًًً من خألمؼٌص خًظٍ طزٔـ ًٍسق) ذ
ذ ذ ذ ذ ذ
181
OpenCvببساطة
ذ
ذ
ذ
امهذفُ : طهٌم هىخَِمٌص GrabCutالٓظوُخؾ خألؿٔدَ خألمدمٌص يف خًطىَش. ٓننشح طؿزٌم طفدنًل ردٓظوًخمهد ذ
امنظشيُ : خًهًف من هىخَِمٌص GrabCutخٓظوُخؾ خألؿٔدَ خألمدمٌص خًظٍ يف خًطىَش رإكٍ طفدنٍ من خملٔظوًَ.هٌف ًلىَ خملٔظوًَ رظنفٌٍ هٍه خًوىخَِمٌص؟ يف خًزًخًص ًُٓم خملٔظوًَ مٔظؿٌٍ كىي خملنؿلص خألمدمٌص (ًنزًٍ ؤن طوىن خملنؿلص خألمدمٌص (خًـٔم) متدمد يخهٍ خملٔظؿٌٍ) ،ومن ػم ًلىَ رظوُخَ طؿزٌم خًوىخَِمٌص كظى خًىضىي ألفػٍ نظٌـص. ًون يف رهؼ خألكٌدن كً ال نلطٍ نىل خًنظٌـص خملُيىرص رٔزس خألهؿدء خًلدضٌص ننً طهٌٌم خًوٌفٌص هإمدمٌص ،ؤو ردًهوٕٓ.نلظدؾ يف هٍه خًلدًص إلنديش طهٌٌم ًٌنظٌـص ،مؼٍ خًظلًًً ًًوًد رٍصردض (خًظلًًً روزٔص خًفإَش) طلًي ؤمدهن خألهؿدء يف خًطىَش خًندطـصًًٍ ،ى رهً خًلٌدَ رهٍه خًهمٌٌص نلطٍ نىل نظٌـص ؤيق. شدهً خملؼدي خًظديل خًٍي ٓنلىَ فٌه ؤوال رُٓم مٔظؿٌٍ كىي خًـٔم ،ومن ػم نلىَ رةغدفص خًٌمٔدض خألهًنش نن ؾًُم ٌصردض خًفإَش .كٌؽ خًٍصردض ردًٌىن خألرٌؼ ًظلًًً خملنؿلص خألمدمٌص ،وخًٍصردض خًظٍ ردًٌىن ألٓىي ًظلًًً خًوٌفٌص ،ومن ػم ٓنلطٍ نىل نظٌـص ؿًٌش.
OpenCvببساطة
ذ
ذ
182
ذ
ومكنُمبُامزيُؼهُتبمخنفٌخ؟ ُ َّ
ؤوالً ًُٓم خملٔظوًَ مٔظؿٌٍ وهٍ يشء هدَؿه ًهً هٌفٌص ؤهًٌشًًٍ ،ى ًـس طػمٍن خًـٔم هدمال يخهٍ خملٔظؿٌٍ .هٍ يشء يهٍ خملٔظؿٌٍ يًن مهُوف فلٔس خًزٌدندض خًظٍ ًًهٌهد خملٔظوًَ ًظم طهٌٍن خملنؿلص خألمدمٌص وخًوٌفٌص. ًلىَ خًلدٓىذ رهً ًٌى رةنؿدء نالمدض ردالنظٌلي نىل خًزٌدندض خملهؿدش ،رلٌؽ ًلىَ رظلًًً خملنؿلص خًوٌفٌص من خألمدمٌص. كدًٌد ٓنٔظوًَ منـ خًوالثـ خًًإويس )ً (GMMظلًًً منـ (شوٍ) خملنؿلص خًوٌفٌص وخألمدمٌص. خنظٌلي خ نىل خًزٌدندض خملهؿدش ًظهٌم GMMوًنشإ طىِند ؿًًًخ ًٌزٌؤالض ،كٌؽ ططنف خًزٌؤالض خًًًن مهُفص بمد همنؿلص ؤمدمٌص ملظمٌص ؤو هٌفٌص ملظمٌص وًٌى ردالنظٌلي نىل نالكظهد مو خًزٌؤالض خملهُفص رًالًص بكطدثٌدض خألًىخن (مؼٍ خًظـمٌو رهندكًٌ). ًظم رندء خًُٓم خًزٌدين من طىِم خًزٌؤالض هٍخ .طظمؼٍ خًهلًش ردًزٌؤٍ .طػدف نلًطٍن بغدفٌص وهٌل نلًش خملطًَ ونلًش خملرصف .هٍ رٌؤٍ ؤمدمٍ ًظطٍ رهلًش خملطًَ وهٍ رٌؤٍ هٌفٍ ًظطٍ رهلًش خملرصف. وِن(كٌمص) خًلىخف خًظٍ طظطٍ رهلًش خملنزو /خملرصف طهؿٍ خكظٌلًٌص ؤن ًوىن خًزٌؤٍ ًنظمٍ ًٌمنؿلص خألمدمٌص /خًوٌفٌص .طلًي خألوِخن رٍن خًزٌؤالض مبهٌىمدض خًلدفص ؤو طشدره خًزٌؤٍ ،فةٌخ هدن هندن فُق هزًن رإًىخن خًزٌؤالض خملرتخرؿص فدًلدفص رٌنهم ٓظؤس وِندً ؤهف.
183
OpenCvببساطة
هىخَِمٌص mincutطٔظهمٍ ًظلؿٌو خًُٓم خًزٌدين ،كٌؽ طلؿهه ًهلًيت منزو ومرصف رإكٍ طدرو طوٌفص .وطدرو خًظوٌفص هى مـمىم هٍ ؤوِخن خًلىخف خمللؿىنص ،ورهً خًلؿو ،هٍ خًزٌؤالض خملظطٌص رهلًش خملطًَ ططزم ؤمدمٌص ،وخملظطٌص رهلًش خملرصف ططزم هٌفٌص. طٔظمُ خًهمٌٌص كظى ًظلدَذ خًظطنٌف. خًطىَش خًظدًٌص طىغم هٍه خًهمٌٌص.
ذ
مصبلُذىطٌؽٍُ : ُ ًظؿزٌم هىخَِمٌص GrabCutيف OpenCvنٔظوًَ خًظدرو)( ، cv2.grabCutومظًًنخض هٍخ خًظدرو هٍ: :img ضىَش خًًهٍ :mask كندم خًطىَش وخًٍي ًلًي خملندؾم خألمدمٌص وخًوٌفٌص ؤو خكظٌلًٌظهد (ؤي خكظٌلي هٍ هٍ خمدمٌص خَ هٌفٌص) ،وًظم ًٌى نن ؾًُم خألنالَ ( )flagsخًظدًٌص: cv2.GC_PR_FGD cv2.GC_BGD, cv2.GC_FGD, cv2.GC_PR_BGD, ؤو رزٔدؾص منَُ خألَكدَ خًظدًٌص 0,1,2,3ردًرتطٌس.
OpenCvببساطة
184
:rectوهٍ بكًخػٌدض خملٔظؿٌٍ خًٍي ًظػمن خًـٔم خألمدمٍ ردًطًٌص ).(x, y, w, h :bdgModel, fgdModelهٍ مطفىفدض طٔظوًمهد خًوىخَِمٌص يخهٌٌد ٌ،نونى فلـ متًُُ مطفىفص ضفًُص رطًٌص np.float64ورلـم ).(1.65 :iterCountنًي خملُخض خًظٍ ًـس ؤن طوَُ خًوىخَِمٌص فٌهد. ً :modeـس ؤن طوىن cv2.GC_INIT_WITH_RECTؤو cv2.GC_INIT_WITH_MASKؤو وغو مُهزدً وخًٍي ًلًي مد بٌخ هدن ٌٓظم طلًًً خًـٔم خالمدمٍ نن ؾًُم َٓم مٔظؿٌٍ ؤو نن ؾًُم ٌصردض (هزٔدض) ؤَِخَ خًفإَش.
يف خًزًخًص ٓنزًؤ رىغو خملٔظؿٌٍٓ ،نلمٍ خًطىَش ،وننشإ كندم ًٌطىَش ،وننشإ خملطفىفظٍن bdgModelو ،fgdModelػم منَُ ردَمرتخض خملٔظؿٌٍ (بكًخػٌدطه وؾىًه ونُغه).نٔمم رظشًٌٍ خًوىخَِمٌص 0مُخض. خًنمـ ً modeـس ؤن ًوىن cv2.GC_INIT_WITH_RECTألنند نٔظوًَ مٔظؿٌٍ.ػم نشًٍ خًـ ،GrabCutننً ًٌى ط ُ َه ًَي ضىَش خًلندم. يف خًطىَش خًـًًًش خملهًًص ًٌلندم ،خًزٌؤالض ٓىف طهٌم رإَرو ؤنالَ طًي نىل خًوٌفٌص ؤو خمللًمص (هٌل يف خًٔدرم).رهًهد نهًي خًلندم رلٌؽ ططزم خًزٌؤالض خًظٍ ؤَكدمهد 5و 4هٌفٌص ؤهًٌش (نػو فٌهم خًلٌمص ضفُ) ،ؤمد خًزٌؤالض رإَكدَ 8و 4طوىن ؤمدمٌص ؤهًٌش (نػو فٌهد خًلٌمص (.8 خآلن ؤضزم ًًًند خًلندم خًنهديئ ؿدهّ .هٍ مد نٌٌند ٌصره ردًطىَش خألضٌٌص ًنلطٍ نىل نظٌـص خًظلؿٌو خملُيىرص.
185
ببساطةOpenCv
import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('deer.jpg') mask = np.zeros(img.shape[:2],np.uint8) bgdModel = np.zeros((1,65),np.float64) fgdModel = np.zeros((1,65),np.float64) rect = (50,50,450,290) cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT) mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8') img = img*mask2[:,:,np.newaxis] plt.imshow(img),plt.colorbar(),plt.show()
ذ
ذ
ذ
186
ببساطةOpenCv
الكل رإنه قهُ يف خًطىَش كٔم من خًوٌفٌص ال نًًُ بقهدَه ًًٍى ًـس نٌٌند خٓظوًخَ خًؿًُلص خًؼدنٌص وخًظٍ طظم رظلًًً خًلندم نرب ؤيخش هدضص (هدملإوْ) رلٌؽ نلًي خألؿٔدَ خألهًٌش ردًٌىن :خألرٌؼ وخًوٌفٌص خألهًٌش ردًٌىن خألٓىي ونوظس مد ًًل # newmask is the mask image I manually labelled newmask = cv2.imread('newmask.png',0) # whereever it is marked white (sure foreground), change mask=1 # whereever it is marked black (sure background), change mask=0 mask[newmask == 0] = 0 mask[newmask == 255] = 1 mask, bgdModel, fgdModel = cv2.grabCut(img,mask,None,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_MASK) mask = np.where((mask==2)|(mask==0),0,1).astype('uint8') img = img*mask[:,:,np.newaxis] plt.imshow(img),plt.colorbar(),plt.show()
ذ
ذ ذ
ذ
ذ
ذ
OpenCvببساطة
187
ٌنونى طلمٌٍ هىي خٓظوُخؾ خًـٔم ألي ضىَش نن ؾًُم طلًًً خملنؿلص خألمدمٌص من خًوٌفٌص رىخٓؿص ٌصردض خًفإَش من هالي خًُخرـ خًظديل:
https://github.com/downingstreet/GrabCut/blob/master/grabcut.pyذ
هٍ مد نٌٌى خطزدم خًوؿىخض خًظٍ ًهُغهد خًوىي ننً طشًٌٌه.
ذ ذ
الكل يف خًطىَش خًندطـص خًٔدرلص رإنه طم خهظفدء يوخًٌس خًٌٔدَش ًًٍى ٓنلىَ رهمٍ ٌصردض رَّ خًفإَش ًظلًًً خًًوخًٌس هنؿلص ؤمدمٌص.
188
OpenCvببساطة
ذ
الكل خآلن هٌف قهُض يوخًٌس خًٌٔدَش يف خًطىَش. ذ ذ ذ
الفصل الرابع ” الإبداع هو النظر في المألوف بطر يقة غير مألوفة ‟ أحمد الشقيري
OpenCvببساطة اؾػصلذاؾرابع:ذاإلراراتذيفذ OpenCvذ ذ امهذفُ : ُ
ذػنمُبًعبدُوسظمُمالمؾُامشكه.
ذػنمُبًعبدُمالمؾُمخرنخُمإلػبسادُ،مصهُاملعبؼخُ،املؽٌؽُ،مؽٌؽُ معرؼٌه.....ُ،امخ
ذػنمُبًعبدُخصبئصُاإلػبسادُ،مصهُامصالتخُؤيُامكصبفخُ......ُ،
ذػنمُبًعبدُذشىهبدُامرؽذةُ،نلؼخُمظنؼُاالخرثبسُ،ذؼبتمُاألشكبلُ املخرنفخ
امرػشفُغىلُامرذسطُامهشمٍُمإلػبساد. ذ ذ
190
OpenCvببساطة
191
امهذفُ : فهم مد هٍ خإلؾدَخض. طهٌم بًـدي وَٓم خإلؾدَخض. ٓنظهٌم خٓظوًخَ خًظىخرو. cv2.drawContours()،cv2.findContours() : مبُهٍُاإلػبساد؟ ُ ٌنون ٌسكهد رزٔدؾص رإنهد نزدَش نن منلنٌدض طػم هٍ خًنلدؽ خملظطٌص مو رهػهد (نىل ؾىي خًلًوي) ،وخًظٍ متٌى نفٕ خًٌىن ؤو خًشًش ،وهٍه خإلؾدَخض هٍ ؤيوخض مفًٌش ًظلٌٌٍ خًشوٍ، وخهظشدف خألؿٔدَ وخًظهُف نٌٌهد. مالؼظبدُهبمخُ : ًٌلطىي نىل ؤفػٍ نظٌـص خٓظوًَ خًطىَ خًؼندثٌصًًٍ ،ى كزٍ ؤًـدي خإلؾدَخض ٓنٔظوًَ نمٌٌص خًظهظٌس ؤو موظشف كىخف هدين. طدرو بًـدي خًلىخف ًًًن خًطىَش خألضٌٌصًًٍ ،ى بٌخ ؤَيض خًلفدف نىل خًطىَش كم رهمٍ نٔوص خكظٌدؾٌص ًٌطىَش وهّنه يف مظًًن آهُ. بًـدي خإلؾدَخض يف ًOpenCvشزه بًـدي ؿٔم ؤرٌؼ من هٌفٌص ٓىيخءًًٍ ،ى ًـس ؤن ًوىن خًودثن خًٍي طزلؽ ننه ردًٌىن خألرٌؼ وخًوٌفٌص ًـس ؤن طوىن ٓىيخء (ال طنىس هٍخ خألمُ). بٌخ هدنع خًطىَش خًؼندثٌص يًن وخغلص ٌنونى خالٓظهدنص ردًظلىًالض خًظٍ طظم نىل خًشوٍ مؼٍ نمٌٌص خًظمًًً .Dilation
192
ببساطةOpenCv
ينند نشدهً هٌف ٓنىؿً بؾدَخض (مالمم) ضىَش ػندثٌص يف خًوىي خًظديل خًٍي ٌٓىغم ًند ؾًُلص :بًـدي خإلؾدَخض import numpy as np import cv2 im = cv2.imread('test.jpg') imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(imgray,127,255,0) # Get all the contours found in the thresholdimage # syntax for opencv2 contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) # syntax for opencv3 #thresh ,contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
ُ :رشػُامكىد ذ
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(imgray,127,255,0)
ٓنلىي خًطىَش ًٌىن خًُمديي ػم ٓنلىَ رظلىًٍ خًطىَش ًٌطًٌص خًؼندثٌص (ؤرٌؼ وؤٓىي) وًٌى نن .ؾًُم خًظهظٌس ذ
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
.cv2.findcontours نلىَ رهمٌٌص بًـدي خإلؾدَخض نن ؾًُم خًظدرو :cv2.findcontours() ٌسق خًظدرو .) خملظًًن خألوي ٌنؼٍ ضىَش خًًهٍ (ًـس ؤن طوىن ردًطًٌص خًؼندثٌص .) خملظًًن خًؼدين ٌنؼٍ منـ خٓرتيخي خإلؾدَ (ٓنٍسكه الكلد .) خملظًًن خًؼدًؽ هى طلًُس خإلؾدَ (ٓنٍسكه الكلد .hierarchy ٍ وطٌٍٔٔ خإلؾدَخض خًهُمcontours وكٌم خًوُؾ خًظٍ ًهًٌهد خًظدرو هٍ خإلؾدَخض Numpy وهٍ بؾدَ مفُي هى نزدَش نن مطفىفص،خإلؾدَخض خملوظشفص طوىن نىل شوٍ كدمئص ردًؼىن .إلكًخػٌدض نلدؽ كًوي خًـٔم
193
ببساطةOpenCv ُ كٌفُذشذعمُاإلػبساد؟
وٌنونند ؤن طٔظوًَ هٍخ خًظدرو ًُٓم ؤي.cv2.drawContours ًُٓم خإلؾدَخض نٔظوًَ خًظدرو .شوٍ ًًًند نلدؾه خمللٌؿص ُ :cv2.drawContoursُرشػُامربتؼ .ٍ خملظًًن خألوي هى ضىَش خًًه . خملظًًن خًؼدين هى خإلؾدَخض خملؿىذ َٓمهد وخًظٍ متَُ ًهٍخ خملظًًن هلدمئص ردًؼىن خملظًًن خًؼدًؽ هى فهُْ خإلؾدَخض (مفًٌ ننً َٓم بؾدَ مفُي رلٌؽ منَُ ًه طُطٌس . )-1 ًُٓم هٍ خإلؾدَخض منَُ ًهٍخ خملظًًن خًلٌمص،خإلؾدَ خملُخي َٓمه . خًى.... خملظًًنخض خألهُي هٍ خًٌىن وخًٌٔلهص :ًُٓم هٍ خإلؾدَخض خًظٍ يف خًطىَش نوظس ذ
img = cv2.drawContours(img, contours, -1, (0,255,0), 3)
:ًُٓم بؾدَ مفُي نوظس ذ
img = cv2.drawContours(img, contours, 3, (0,255,0), 3)
:يف مهكم خألكٌدن ٓنٔظوًَ ؤٌٓىذ ؤفػٍ ًُٓم خإلؾدَخض وهى هدًظديل cnt = contours[4] img = cv2.drawContours(img, [cnt], 0, (0,255,0), 3) import numpy as np import cv2 img = cv2.imread('shape.png') imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(imgray,127,255,0) contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE) cv2.drawContours(img, contours, -1, (0,255,0), 3) cv2.imshow('counter',img) cv2.waitKey(0) cv2.destroyAllWindows()
ذ ذ ذ ذ
OpenCvببساطة
194
مالككص هدمصً :ـس خهظٌدَ يَؿص خًظهظٌس رهندًص كظى نلطٍ نىل بؾدَخض خًطىَش خًظٍ نًًُهد.
خًطىَش خًٔدرلص طلظىي نىل 5بؾدَخضٌ .نونند َٓم بؾدَ مفُي كىي خًـٔم خًٍي نًًُه وًٌى نن ؾًُم خملظًًن خًؼدًؽ ًٌظدرو .cv2.drawContours فةٌخ ؤَيند َٓم خإلؾدَ خًؼدين منَُ ًٌمظًًن خًؼدًؽ خًلٌمص ].contours[1 ذ ذ ذ ذ
ًُٓم خإلؾدَ خًؼدًؽ منَُ ًه خًلٌمص ] contours[2وهوٍخ. ذ ذ ذ
OpenCvببساطة
195
ػشًلخُذلشًجُاإلػبسُ : هٍخ هى خملظًًن خًؼدًؽ يف طدرو بًـدي خإلؾدَخض )(.cv2.findcontours مبُهٍُوظٌفرهُومبُهٍُامفبئذحُمنه؟ ُ كٌند ٓدرلدً ؤن رإن خإلؾدَخض نزدَش نن كًوي خًشوٍ وخًظٍ متٌى نفٕ خًشًش خًٌىنٌص .هٌل كمند رظوًّن بكًخػٌدض خًنلدؽ خًظٍ طشوٍ كًوي خًشوٍ ،وًون هٍ هّند ؿمٌو بكًخػٌدض خًنلدؽ خًظٍ طشوٍ هٍه خًلًوي؟ هٍخ هى مد ٌٓظم طلًًًه ردٓظوًخَ ؾًُلص طلًُس خإلؾدَخض.بٌخ مَُند ًهٍخ خملظًًن خًلٌمص ٓ cv2.CHAIN_APPROX_NONEىف ًوّن ؿمٌو نلدؽ خًلًوي. ومكنُههُنؽربطُمرخضًنُظمٌؼُامنلبغ؟ ُ نىل ٓزٌٍ خملؼدي ؤوؿً خإلؾدَ ًوـ مٔظلٌم ،هٍ طلظدؾ ًوٍ خًنلدؽ خًظٍ نىل خًوـ كظى نٔظؿٌو متؼٌٍ هٍخ خًوـ؟ نلن رلدؿص فلـ ًنلؿظٍن ،نلؿص يف رًخًص خًوـ ونلؿص ؤهُي يف نهدًظه ،وهٍخ مد ًفهٌه خًظدرو cv2.CHAIN_APPROX_SIMPLEفهى ًًٍّ هٍ نلؿص ِخثًش نن خًلدؿص ،وردًظديل ٌٓظم خًظىفًن يف كـم خًٍخهُش. خًطىَش خًظدًٌص طىغم مد طهٌمنده ،كٌؽ يف خملٔظؿٌٍ خًٌٔدَي ؾزلند خًظدرو cv2.CHAIN_APPROX_NONEفظم طلًًً ؿمٌو نلدؽ خملٔظؿٌٍ (ردًٌىن خألَِق) ،ؤمد يف خًطىَش خًٌمٌنٌص ًٌمٔظؿٌٍ ؾزلند خًظدرو cv2.CHAIN_APPROX_SIMPLEفلدَ رظلًًً فلـ خًنلدؽ خًٍصوًَص ًُٓم خملٔظؿٌٍ وهٍ خألَرو خًنلدؽ خملٌىنص ردألَِق.
ذ
OpenCvببساطة
196
خصبئصُاإلػبساد ُ امهذفُ : طهٌم بًـدي خًوطدثظ خملوظٌفص ًإلؾدَخض مؼٍ خملٔدكص ،خمللٌـ ،خملُهّ ،خملُرو خمللٌـ. ٓنظهٌم خٓظوًخَ خًهًًً من خًظىخرو خًظٍ ًهد نالكص ردإلؾدَخض .1عزومذاؾصورةذ :Momentsذ
خًهّوَ طٔدنًند نىل كٔدذ رهؼ خًوطدثظ مؼٍ مُهّ هظٌص ؿٔم ،مٔدكص ؿٔم ..... ،خًى. ًٌمًًّ من خملهٌىمدض نن خًهّوَ َخؿو ضفلص وًوٌزًًٌد Image Moments خًهّوَ رشوٍ ؤٓديس هٍ خًوطدثظ خًظٍ ططف شوٍ خًطىَش وؤمىَ ؤهُي هدملٔدكص وخًظىؿه وخًٌٔلهص وخالًظىخء و .....خًىٌ .نونند خٓظوًخَ هٍه خًوطدثظ ًٌظهُف نىل خألشودي خًظٍ يف خًطىَش. نّوَ خًطىَش هٍ نفٕ فوُش خًهَّ يف خملٌودنٌى .ؤوي نَّ ٌٓهؿٌى مُهّ خًوظٌص ،كٌؽ خًوظٌص متؼٍ شًش(هؼدفص) خًزٌؤٍ ،وػدين نَّ ًوربند هٌف طوظٌف هٍه خًوظٌص كىي مُهّ خًوظٌص ؤي ؤن خًوظٌص يف خملُهّ يًن خًوظٌص كىًه (ننً يَخٓص منؿلص من خًـٔم) .رنفٕ خًؿًُلص خًظٍ طلطٍ فٌهد نىل نؿدًص ًـٔم نىل ؤَع خًىخكوٌ ،نونى خًلطىي بكًي نّوَ خًطىَش .وهٍخ ًهؿٌى خمللإوَ خًُثٌٌٔص)ًٌ (x,yشوٍ خًٍي طًًُ وضفه. خًظدرو )(ً cv2.momentsلًَ فهُْ روٍ خًهّوَ خمللٔىرص ،شدهً خملؼدي خًظديل: import cv2 import numpy as np )img = cv2.imread('star.jpg',0 )ret,thresh = cv2.threshold(img,127,255,0 )contours,hierarchy = cv2.findContours(thresh, 1, 2 ]cnt = contours[0 )M = cv2.moments(cnt print M
ذ ذ
197
OpenCvببساطة من كٌم خًهّوَ هٍه
ٌنونند خًلطىي نىل رٌدندض مفًٌش مؼٍ خملٔدكص ،خملُهّ ..... ،خًى
خملُهّ ًهؿى ردًهالكص:
و
ٌنون طنفٌٍ هٍه خًهالكص رطًٌص رُمـٌص هٌل ًًل: )]'cx = int(M['m10']/M['m00 )]'cy = int(M['m01']/M['m00 print cx, cy
ذ
544ذ 343ذ
.2ؿداحةذاإلرارذ :Contour Areaذ
طلٔس مٔدكص خإلؾدَ من هالي خًظدرو )( cv2.contourAreaؤو ]'.M['m00 )area = cv2.contourArea(cnt print area 678.5
.3حمقطذاإلرارذ :Contour Perimeterذ
ًٔمى ؤًػد ؾىي خًلؿًُ ،ظم كٔدره من هالي خًظدرو )(.cv2.arcLength مظًًنه خًؼدين ًلًي فٌٌل بٌخ هدن خإلؾدَ مًٌم (بٌخ مُنند ًه )TRUEؤَ فلـ منلنٍ. )perimeter = cv2.arcLength(cnt, True print perimeter .4تؼرقبذاإلرار :Contour Approximationذ
128.669046402
ًلُذ شوٍ خإلؾدَ ًشوٍ آهُ مو نًي َئوْ ؤكٍ ردالنظٌلي نىل خًًكص خًظٍ نلًيهد ،وًٌى رظؿزٌم هىخَِمٌص يويالْ رىهُ . Douglas-Peucker ًفهم ًٌى ،خفرتع رإنى طزلؽ نن مُرو يف ضىَش مد ،وًون رٔزس مشوٌص مد كطٌع نىل مُرو مشىه (هٌل هى مهُوع يف خًطىَش خًظدًٌص) ،ننًهد ٌنونند خٓظهٌلي طدرو طلًُس خإلؾدَ ًٌلطىي نىل خملُرو خملؿٌىذ.
ذ
198
OpenCvببساطة
خملظًًن خًؼدين ًظدرو طلًُس خإلؾدَ ( )epsilonهى كٌمص ؤنكم هؿإ مٔمىق ره ًٌلطىي نىل خًظلًُس خملؿٌىذ ،وًـس خهظٌدَه رهندًص ًٌلطىي نىل خًنظٌـص خملُيىرص. )epsilon = 0.1*cv2.arcLength(cnt,True )approx = cv2.approxPolyDP(cnt,epsilon,True )cv2.drawContours(img, [approx], -1, (0,255,0), 3
يف خًطىَش خًظٍ يف خًىٓـ ،خًوـ خألهٍص ٌنؼٍ طلًُس خإلؾدَ. يف خًطىَش خًىٓؿى نٔزص خًظلًُس هٍ 10%من ؾىي خملنلنٍ ( epsilon = 10% of arc .)length ؤمد يف خًطىَش خًٌمٌنٌص فنٔزص خًظلًُس 1%من ؾىي خملنلنٍ ( epsilon = 1% of the arc .)length خملظًًن خًؼدًؽ ًظدرو طلًُس خإلؾدَ )(ً cv2.approxPolyDPلًي فٌٌل بٌخ هدن خمللنٍ مًٌم ؤَ ال.
ذ
تقريب اإلطار بنسبة %1
تقريب اإلطار بنسبة %10
.5غالفذاؾتحدبذ :Convex Hullذ
يالف خًظلًذ ًزًو ًند هظلًُس خإلؾدَ ،وًونه ًٌٕ هًٍى (كً طوىن خًنظدثف مظشدرهص يف رهؼ خًلدالض) .فهى ًهنٍ ملدؾو خملنلنٌدض خًزدَِش(خملنظفوص)(خمللًرص) ،وؤًػد خمللدؾو خمللهُش. خمللدؾو خمللهُش (خملنظفوص ًـهص خًًخهٍ) طًنى رهٌىذ خملنلنٍ. نىل ٓزٌٍ خملؼدي شدهً خًطىَش خًظدًٌص ،خًوـ خألكمُ ًهُع يالف خًظلًذ ًشوٍ خًًٌ.
المربع المشوه
ذ
199
ببساطةOpenCv
ٍهٍ خالهظالفدض نن شوٍ خملنلن.خألٓهم ٌو خالطـدهٍن خًظٍ يف خًطىَش طكهُ نٌىذ خًظلًذ :خًوًل خمللًذ ٌنون بًـديهد وفم خًظدرو ذ
hull = cv2.convexHull(points[, hull[, clockwise[, returnPoints](
ذ:cv2.convexHull ()ذرحذاؾتابعذ
: ًإهٍ خملظًًنخض خًظدًٌص،طدرو كٔدذ يالف خًظلًذ .َ منَُ ًهٍخ خملظًًن نلدؽ خإلؾد:points[ خملظًًن خألوي . يدًزد نظـنزه، مظًًن هُؾ طلًذ خًًالف:hull [ خملظًًن خًؼدين ٌٓوىن هُؾ طلًذ خًًالف موTRUE بٌخ هدن: خطـده خًهٌم:clockwise [ خملظًًن خًؼدًؽ .ٕنلدَذ خًٔدنص وبال ردًهو طهًٌ بكًخػٌدض،TRUE خفرتخغٌد كٌمظهد، نلدؽ خالٓظهديش:returnPoints] خملظًًن خًُخرو . طهًٌ ماٌسخض ًنلدؽ طلًذ ًًالفFALSE ؤمد بٌخ هدنع كٌمظهد،نلدؽ طلًذ خًًالف :ًًٍى ًٌلطىي نىل ملًذ خًًالف هٌل يف خًطىَش خًٔدرلص ًوظفى روظدرص مد ًًل hull = cv2.convexHull(cnt)
import numpy as np import cv2 img = cv2.imread('hand.jpg') imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ُ :مصبل ذ ذ
ret,thresh = cv2.threshold(imgray,245,255,0) thresh_inv=cv2.bitwise_not(thresh)
ذ ذ
contours, hierarchy = ذ ذ cv2.findContours(thresh_inv,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE) hull = cv2.convexHull(contours[0]) ذ ذ ذ cv2.drawContours(img, hull, -1, (0,0, 255), 3) cv2.imshow('Image_hull',img) cv2.waitKey(0) cv2.destroyAllWindows()
ذ ذ
OpenCvببساطة
200
خًنلدؽ خًظٍ ردًٌىن خألكمُ هٍ نلدؽ يالف خًظلًذ(.)hull ًى وضٌند رٍن هٍه خًنلدؽ ٓنلطٍ نىل يالف خًظلًذ. وًون بٌخ ؤَيند بًـدي نٌىذ خًظلًذ نلظدؾ ؤن منَُ خًلٌمص ًٌ Falseمظًًن خًُخرو يف ًظدرو )( cv2.convexHull (.)returnPoints = False ًفهم ًًٍى ٓنإهٍ ضىَش خملٔظؿٌٍ خًٍي يف خًطىَش خًٔدرلص .يف خًزًخًص ؤوؿًند بؾدَ هٍخ خملٔظؿٌٍ ،خآلن ٓنىؿً يالف خًظلًذ ًهٍخ خملٔظؿٌٍ مو وغو كٌمص TRUEيف خملظًًن خًُخرو ًظدرو كٔدذ يالف خًظلًذ ( )returnPoints = Trueفنلطٍ نىل خًنظٌـص خًظدًٌص [[[234 202]], [[ 51 ]]] 202]], [[ 51 79]], [[234 79وخًظٍ متؼٍ خًنلدؽ خألَرو ًّوخًد خملٔظؿٌٍ . خآلن بٌخ فهٌند نفٕ خًوؿىخض خًٔدرلص وًون رًي وغو كٌمص ٓ TRUEنػو كٌمص FALSE (ٓ )returnPoints = Falseىف نلطٍ نىل خًنظٌـص خًظدًٌص ]][[129],[ 67],[ 0],[142 وخًظٍ متؼٍ فهُْ (يًٌٍ) خًنلدؽ خمللدرٌص ًهد يف خإلؾدَ ،نىل ٓزٌٍ خملؼدي ًنفلظ نظٌـص كٌمص مد: ]] cnt [129] = [[234, 202كطٌند نىل نفٕ خًنظٌـص خًٔدرلص (ونفٕ خألمُ مؿزم نىل خًنلدؽ خألهُي) ٓنشدهً هٍخ خألمُ مُش ؤهُي ننً خًظلًغ نن نٌىذ خًظلًذ ).(convexity defects .6اؾتحؼقذؿنذاؾتحدبذ :Checking Convexityذ
ًظم خًظللم فٌٌل بٌخ هدن خملنلنٍ ملًذ ؤَ ال ،نن ؾًُم خًظدرو )(.cv2.isContourConvex هٍخ خًظدرو ًهًٌ كٌمص بمد TRUEؤو .FALSE ذ
)k = cv2.isContourConvex(cnt
201
ببساطةOpenCv ذ:Bounding Rectangle ادلدتطقلذاحملقطذ.7
.ًَه نىندن هٌل خملٔظلٌم وخملًو : ادلدتطقلذاحملقطذادلدتؼقم.A
. ًًٍى ٌٓوىن كـمه ؤضًُي،ًًُهؿٍ مٔظؿٌٍ مٔظلٌم رًون ؤي طًو .cv2.boundingRect() ًلٔس هٍخ خملٔظؿٌٍ من هالي خًظدرو . ونُع خملٔظؿٌٍ وؾىًه،ًٌٍهؿٌند هٍخ خًظدرو بكًخػٌدض خًّؤوًص خًٌرسي خًهٌٌد ًٌمٔظؿ x,y,w,h = cv2.boundingRect(cnt) cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
يف هٍخ خملؼدي كزٍ َٓم خملٔظؿٌٍ خمللٌـ ٓنـهٍ يف خًطىَش خًؼندثٌص ًىن خًًٌ ردًٌىن:1مصبل .)thresh_inv( خألرٌؼ وًىن خًوٌفٌص ردألٓىي ًًٍى ٓنلىَ رهوٕ نمٌٌص خًظهظٌس import numpy as np import cv2 img = cv2.imread('hand.jpg') imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(imgray,245,255,0) thresh_inv=cv2.bitwise_not(thresh) contours, hierarchy = cv2.findContours(thresh_inv,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) cnt =contours[0] hull = cv2.convexHull(cnt)
x,y,w,h = cv2.boundingRect(cnt) cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),2) #cv2.drawContours(img, contours[0], -1, (0,0, 255), 3)
ذ
cv2.imshow('Image_hull',img) cv2.waitKey(0) cv2.destroyAllWindows()
202
ببساطةOpenCv
.Dilation ًًً يف هٍخ خملؼدي خًطىش خًؼندثٌص ٓظوىن يًن وخغلص ًٍخ ٓنٌـإ ًهمٌٌص خًظم:2مصبل
import numpy as np import cv2 img = cv2.imread('airplan.jpg') imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(imgray,207,255,0) thresh_inv=cv2.bitwise_not(thresh) kernel = np.ones((15,15),np.uint8) dilation = cv2.dilate(thresh,kernel,iterations = 1) cv2.imshow('dilation',dilation) contours, hierarchy = cv2.findContours(dilation,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) cnt =contours[1]
#draw hull Rectangle x,y,w,h = cv2.boundingRect(cnt) cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2) cv2.imshow('Image_hull',img) cv2.waitKey(0) cv2.destroyAllWindows()
203
OpenCvببساطة
تعتيب +تمديد
المستطيل المحيط المستقيم
.Bادلدتطقلذاحملقطذادلدور:
هند ًُٓم خملٔظؿٌٍ خمللٌـ رإضًُ مٔدكص ،وًإهٍ خملٔظؿٌٍ ِؤوًص يوَخن (ؤي ًوىن خملٔظؿٌٍ مًخَ رّؤوًص مد)ً.لٔس هٍخ خملٔظؿٌٍ من هالي خًظدرو )(.cv2.minAreaRect ًهؿٌند هٍخ خًظدرو بكًخػٌدض خًّؤوًص خًٌرسي خًهٌٌد ًٌمٔظؿٌٍ ،وؾىي ونُع خملٔظؿٌٍ ،ردإلغدفص ًًٍى ِؤوًص ًهؿٌند ِؤوًص يوَخن خملٔظؿًٌٍُٓ .م خملٔظؿٌٍ ٓنلظدؾ مهُفص ِوخًد خملٔظؿٌٍ خألَرو، ٌنونند خًلطىي نىل هٍه خًّوخًد من هالي خًظدرو )(.cv2.boxPoints )rect = cv2.minAreaRect(cnt )box = cv2.cv.BoxPoints(rect )box = np.int0(box )cv2.drawContours(im,[box],0,(0,0,255),2
ذ
مالؼظخُ : بٌخ ؤَيض طؿزٌم خًظدرو cv2.cv.BoxPointsغمن موظزص OpenCvخإلضًخَ 4نٌٌى ؤن طٔظزًًه ردًظدرو )(.cv2.boxPoints ذ ذ ذ
204
OpenCvببساطة
خًطىَش خًظدًٌص طهُع نىنٍ خملٔظؿٌٍ خمللٌـ (خملٔظلٌم وخملًوَ) .خملٔظؿٌٍ خمللٌـ خملٔظلٌم مٌىن ردًٌىن خألهٍص ،ؤمد خملٔظؿٌٍ خمللٌـ خملًوَ مٌىن ردًٌىن خألكمُ.
ذ
.8اؾدائرةذاحملقطةذاألصغرقةذ :Minimum Enclosing Circleذ
هٍ خًًخثُش خًظٍ طًؿٍ خًـٔم رإكٍ مٔدكص ،وًظم ًٌى نن ؾًُم خًظدرو )(.cv2.minEnclosingCircle )(x,y),radius = cv2.minEnclosingCircle(cnt ))center = (int(x),int(y )radius = int(radius )cv2.circle(img,center,radius,(0,255,0),2
ذ
ذ
ذ
205
ببساطةOpenCv ذ:Fitting an Ellipse اؾؼطعذاؾـاؼصذادلتالئمذؿعذاإلرارذ.9
.ًظم بكدؾص خًـٔم رلؿو ندكظ .cv2.fitEllipse() ًظم َٓم هٍ خًلؿو نن ؾًُم خًظدرو ellipse = cv2.fitEllipse(cnt) im = cv2.ellipse(im,ellipse,(0,255,0),2) ذ
ذ
ذ:Fitting a Line اخلطذادلتالئمذؿعذاإلرارذ.10
cv2.fitLine() ًظم َٓم هٍخ خًوـ نن ؾًُم خًظدرو rows,cols = img.shape[:2] [vx,vy,x,y] = cv2.fitLine(cnt, cv2.DIST_L2,0,0.01,0.01) lefty = int((-x*vy/vx) + y) righty = int(((cols-x)*vy/vx)+y) img = cv2.line(img,(cols-1,righty),(0,lefty),(0,255,0),2)
ذ
206
OpenCvببساطة
ذ
املضًذُمنُخصبئصُاإلػبسادُُ Contour Properties ٓنظهٌم خٓظوًخَ هطدثظ خًـٔم خملٔظهمٌص روًتش مؼٍ خًطالرص وخًلؿُ خملودفح وكندم خًطىَش وخًوؼدفص خملظىٓؿص. -1ـدبةذاألبعادذ :Aspect Ratioذ
متؼٍ نٔزص خًهُع نىل خالَطفدم ًٌمٔظؿٌٍ خمللٌـ ردًـٔم.
)x,y,w,h = cv2.boundingRect(cnt aspect_ratio = float(w)/h ذ -2االؿتداد (احلدود)ذ:Extent
خالمظًخي هى نٔزص مٔدكص خإلؾدَ نىل مٔدكص خملٔظؿٌٍ خمللٌـ.
)area = cv2.contourArea(cnt )x,y,w,h = cv2.boundingRect(cnt rect_area = w*h extent = float(area)/rect_area
ذ
207
ببساطةOpenCv :Solidity اؾصالبةذ(اؾشدة)ذ-3
.هٍ نٔزص مٔدكص خإلؾدَ نىل مٔدكص خملنؿلص خمللًرص
ذ
area = cv2.contourArea(cnt) hull = cv2.convexHull(cnt) hull_area = cv2.contourArea(hull) solidity = float(area)/hull_area
:Equivalent Diameter اؾؼطرذادلؽاػ ذ-4
.َهى كؿُ خًًخثُش خًظٍ مٔدكظهد من نفٕ مٔدكص خإلؾد √
area = cv2.contourArea(cnt) equi_diameter = np.sqrt(4*area/np.pi) ذ
ذ: اؾتدوقر-5
. خًوىي خًظديل ًهؿٍ خمللىَ خالهرب وخالضًُ وخألؾىخي.هٍ خًّؤوًص خًظٍ طم طًوًُ خًـٔم رهد ذ
(x,y),(MA,ma),angle = cv2.fitEllipse(cnt)
:Mask and Pixel Points اؾؼـاعذوـؼاطذاؾبقؽدلذ-6
ٌنون مهُفص هٍه،يف رهؼ خألكٌدن كً نلظدؾ الٓظوًخَ ؿمٌو خًنلدؽ خًظٍ طشوٍ هٍخ خًـٔم :خًنلدؽ من هالي مد ًًل mask = np.zeros(imgray.shape,np.uint8) cv2.drawContours(mask,[cnt],0,255,-1) pixelpoints = np.transpose(np.nonzero(mask)) #pixelpoints = cv2.findNonZero(mask)
ذ
208
OpenCvببساطة
هندن ؾًُلظٍن ملهُفص خًنلدؽ خًظٍ طشوٍ خًـٔم: خًؿًُلص خألوىل ردٓظوًخَ طىخرو موظزص .Numpy خًؿًُلص خًؼدنٌص ردٓظوًخَ طىخرو موظزص ( OpenCvؤهُ ٓؿُ طهٌٌم يف خًوىي خًٔدرم). خًنظٌـص نفٔهد ردًؿًُلص خألوىل مو خهظالف رٌٔـ ،فموظزص Numpyطهؿٍ خإلكًخػٌدض رطًٌص (ٓؿُ ،نمىي) ،رٌنٌل موظزص OpenCvطهؿٍ خإلكًخػٌدض رطًٌص (.) X،Y -7ادلتودطذاؾؾوـيذأوذاؾشدةذادلتودطةذ :Mean Color or Mean Intensityذ
نٔظؿٌو بًـدي خملهًي خًىٓؿٍ ًٌىن .ؤو ٌنونند ؤًـدي خًشًش خًٌىنٌص خًىٓؿٌص ًٌـٔم يف خملٔظىي خًُمدييٓ .نلىَ ردٓظهٌلي خًلندم مُش ؤهُي ًٌلٌدَ رًٍى .ذ )mean_val = cv2.mean(im,mask = mask
ذ
-8ـؼاطذاؾشدةذ:Extreme Points
نلدؽ خًشًش طهنٍ نلدؽ خًـٔم خًهٌىًص وخًٔفٌٌص وؤكىص خًٌمٍن وؤكىص خًٌٔدَ. )]leftmost = tuple(cnt[cnt[:,:,0].argmin()][0 )]rightmost = tuple(cnt[cnt[:,:,0].argmax()][0 )]topmost = tuple(cnt[cnt[:,:,1].argmin()][0 )]bottommost = tuple(cnt[cnt[:,:,1].argmax()][0
نىل ٓزٌٍ خملؼدي ،بٌخ ؾزلند نلدؽ خًشًش نىل هًُؿص مًًنص ؤنًًدن ٓنلطٍ نىل خًنظٌـص خًظدًٌص: ذ ذ
209
OpenCvببساطة ذىاتؼُاإلػبسادُاإلطبفٌخُُ Contours More Functions امهذفُ : نٌىذ خًظلًذ وهٌفٌص بًـديهد بًـدي ؤكٍ مٔدكص من نلؿص بىل خملػٌو. ملدَنص خألشودي خملوظٌفص. امنظشيُُ+امكىدُ : ُ -1عقوبذاؾتحدبذ:Convexity Defectsذذ
ًلً طهٌمند يف خًفطٍ خًٔدرم خًٍي ًظوٌم نن خإلؾدَخض مد هى يالف خًظلًذ .ؤي خنلُخف(فُق) ًٔؿم خًـٔم نن يالف خمللًذ ًهظرب نٌس طلًذ .موظزص OpenCvوفُض ًند طدرو ؿدهّ إلًـدي هٍه خًهٌىذ )(.cv2.convexityDefects )hull = cv2.convexHull(cnt,returnPoints = False )defects = cv2.convexityDefects(cnt,hull
ذ
]][[[ 267 370 313 22563 ]][[ 370 372 371 142 ]][[ 373 377 374 114 ]][[ 377 479 450 30081
ذ
]]][[ 264 266 265 114
مالككص :طٍهُ رإنند مُنند ًٌمظًًن returnPointsيف خًظدرو cv2.convexHullخًلٌمص ً FALSEيك نىؿً نٌىذ خًظلًذ (.)returnPoints = False
ًهًٌ خًظدرو )( convexityDefectsمطفىفص رلٌؽ هٍ ضف ًلىي خًلٌم خًظدًٌص] نلؿص خًزًخًص، نلؿص خًنهدًص ،ؤرهً نلؿص ،خملٔدفص خًظلًُزٌص ألرهً نلؿص [ .خًلٌم خًؼالغ خألوىل طهدي رشوٍ ماٌس ملىغو خًنلؿص نىل خإلؾدَ.
210
ببساطةOpenCv
،ٓنوظس رُندمف طىغٌلٍ ًلىَ رُٓم مٔظلٌم من نلؿص خًزًخًص بىل نلؿص خًنهدًص .وًُٓم يخثُش كىي ؤرهً نلؿص طٍهُ خًلٌم خًؼالغ خألوىل ؤنًٌض هماٌس ًُكم خإلؾدَ (كٌم نزىذ خًظلًذ مل طهدي ًًٍى ًـس ؤن نلٍص هٍه خًلٌم يخمئد من خملطفىفص خًظٍ طلظىي.)رشوٍ بكًخػٌدض .)َنىل بكًخػٌدض خإلؾدَ خمللًي (َكم خإلؾد import numpy as np import cv2 img = cv2.imread('hand.jpg') imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret,thresh = cv2.threshold(imgray,230,255,0) thresh_inv=cv2.bitwise_not(thresh) contours, hierarchy = cv2.findContours(thresh_inv,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) cnt =contours[0]
hull = cv2.convexHull(cnt,returnPoints = False) defects = cv2.convexityDefects(cnt,hull) #print defects #print defects.shape for i in range(defects.shape[0]): s,e,f,d = defects[i,0] start = tuple(cnt[s][0]) end = tuple(cnt[e][0]) far = tuple(cnt[f][0]) cv2.line(img,start,end,[0,255,0],2) cv2.circle(img,far,5,[0,0,255],-1) #cv2.drawContours(img, contours[0], -1, (0,0, 255), 3)
cv2.imshow('Image_hull',img) cv2.waitKey(0) cv2.destroyAllWindows()
ذ
OpenCvببساطة
211
امنرٌعخُ : ذ ذ
ٌسقُامكىدُ : يف هٍخ خًوىي ًفهم وقٌفص هٍ ٓؿُ رشوٍ ؿًٌ كم ردٓظوًخَ خًظهٌٌمص ًٌٔprintهٍ نٌٌى فهم خًوىي. )ret,thresh = cv2.threshold(imgray,230,255,0 )thresh_inv=cv2.bitwise_not(thresh
ذ ذ
كمند رهمٌٌص خًظهظٌس فكهُض خًًٌ رٌىن خٓىي وخًوٌفٌص رٌىن خرٌؼًًٍ ،ى كمند رهوٕ نظٌـص خًظهظٌس نن ؾًُم خًظدرو )( cv2.bitwise_notكظى طكهُ خًًٌ ردًٌىن خألرٌؼ.نلىَ رةًـدي خإلؾدَخض نن ؾًُم خًظدرو )(.cv2.findContours )contours, hierarchy = cv2.findContours(thresh_inv,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE ]cnt =contours[0
ذ
ػم نوّن خإلؾدَ خألوي (هند ٌنؼٍ خإلؾدَ كىي خًًٌ) يف مظًًن ٓمٌنده .cnt )hull = cv2.convexHull(cnt,returnPoints = False
نىؿً خًنلدؽ خًظٍ طوىن يالف خًظلًذ ًإلؾدَ نن ؾًُم خًظدرو cv2.convexHullومنَُ ًٌزدَمرت خًؼدين ًهٍخ خًظدرو خًلٌمص Falseكظى نٔظؿٌو ؤًـدي نٌىذ خًظلًذ.
212
OpenCvببساطة ذ
)defects = cv2.convexityDefects(cnt,hull
نىؿً خًنلدؽ خًظٍ طشوٍ نٌىذ طلًذ خإلؾدَ نن ؾًُم خًظدرو )( cv2.convexityDefectsخًٍي ٌٓهًٌ ًند ؤَرو كٌم( ،مؼال [ ) ] 457 475 484 44054ؤوي ػالغ كٌم منهد طاٌس بىل مىغو نلدؽ نٌىذ خًظلًذ. for i in range(defects.shape[0]):
نلىَ رظوُخَ خًلٌلص كٔس نًي نلدؽ نٌىذ خًظلًذ (يف مؼدًند ًىؿً 84نلؿص ًًٍى طم نوًُُ كٌلص 84 forمُش) ردكٍ خًوىي ًن خٌسكه كإوي فهمه ًىكًن نن ؾًُم طهٌٌمص .print ذ -2ـؼطةذؿضؾعذاالختبارذ:Point Polygon Test
خًظدرو )(ً cv2.pointPolygonTestىؿً ؤكرص مٔدفص رٍن نلؿص يف خًطىَش وخإلؾدَ. فهى ًفًٌند يف طلًًً مىكو خًنلؿص ردًنٔزص ًإلؾدَ ،هٍ هٍ يخهٍ ملٌـ خإلؾدَ ؤَ هدَؿه ؤَ نىل خإلؾدًَ .هًٌ هٍخ خًظدرو كٌمص ٓدًزص بٌخ هدنع خًنلؿص هدَؾ ملٌـ خإلؾدَ. نىل ٓزٌٍ خملؼدي ٌنوند خًظللم من خًنلؿص ( )50,50هٌل ًًل: (dist = cv2.pointPolygonTest(cnt,(50,50),True
ذ
ػدًؽ مظًًن يف خًظدرو )( cv2.pointPolygonTestهى ،measureDistبٌخ هدنع كٌمظه TRUE ٌٓىؿً رهً خًنلؿص ،وبٌخ هدنع كٌمظه ٌٓFalseىؿً هٍ خًنلـ يخهٍ خإلؾدَ ؤَ يخهٌه ؤَ نىل خإلؾدَ. بٌخ ؤندي خًظدرو خًلٌمص ( )1.0فدًنلؿص يخهٍ خإلؾدَ ،وبٌخ ؤندي خًلٌمص ) )-1.0فدًنلؿص هدَؾ خإلؾدَ، وبٌخ ؤندي خًلٌمص ( (0.0فدًنلؿص نىل خإلؾدَ.
213
OpenCvببساطة
مالككص :بٌخ مل طُيس رةًـدي خملٔدفص طإهً رإن طـهٍ كٌمص هٍخ خملظًًن ( ،Falseألن نمٌٌص كٔدذ خملٔدفص طإهٍ وكع ؾىًٍ) مٌل ًـهٍ ِمن طنفٌٍ خًظدرو ؤرسم رػهفٍن ؤو ػالػص. -3ؿؼارـةذاألذؽالذ:Match Shapes
موظزص OpenCvطىفُ ًند خًظدرو )( cv2.matchShapesخًٍي ٌنونند من خمللدَنص رٍن شوٌٍن ؤو بؾدًَن ،وًهًٌ كٌمص ًنظٌـص خمللدَنص طىغم هٍخ خًظشدره ،وهٌٌل هدنع نظٌـص خمللدَنص ؤكٍ هٌٌل هدن خًظشدره ؤهرب. طلٔس هٍه خًلٌمص خنظٌليخ نىل كٌم خًهّوَ ،وًىؿً ؤًػد هندن ؾُق موظٌفص إلًـدي كٌمص نظٌـص خمللدَنص .خًوىي خًظديل ًىغم هٍه خًؿُق: import cv2 import numpy as np )img1 = cv2.imread('star1.jpg',0 )img2 = cv2.imread('star2.jpg',0 )ret, thresh = cv2.threshold(img1, 127, 255,0 )ret, thresh2 = cv2.threshold(img2, 127, 255,0 )contours,hierarchy = cv2.findContours(thresh,2,1 ]cnt1 = contours[0 )contours,hierarchy = cv2.findContours(thresh2,2,1 ]cnt2 = contours[0 )ret = cv2.matchShapes(cnt1,cnt2,1,0.0 print ret
كمع رظؿزٌم طدرو ملدَنص خألشودي مللدَنص خألشودي Aو Bو Cخًظٍ يف خًطىَش خًظدًٌص:
ذ
ذ
214
OpenCvببساطة فودنع خًنظٌـص هدًظديل: ملدَنص خًشوٍ Aمو نفٔه هدنع نظٌـص خمللدَنص = 0.0 ملدَنص خًشوٍ Aمو خًشوٍ Bفودنع نظٌـص خمللدَنص = 0.001946 ملدَنص خًشوٍ Aمو خًشوٍ Cفودنع نظٌـص خمللدَنص = 0.326911 طًوًُ خًطىَش ًن ًاػُ هؼًنخ نىل نظٌـص خمللدَنص. ذ
شبهذُؤًظبَُ : Hu-Momentsذفيذدبعةذعزومذالذتتلثرذباؾدورانذأوذتغريذاحلجم.ذميؽـكذإجيادذفذهذاؾعزومذؿنذخاللذاؾتابعذ )( .cv2.HuMomentsذ
)a = cv2.HuMoments(contours )print a ,'\n', len(a ذ
متشًنُ : كدَن رٍن ضىَيت كُفٍن ؤو َكمٍن ردٓظوًخَ خًظدرو )(( cv2.matchShapesهٍخ خملؼدي ٌنؼٍ ؤرٔـ هؿىش نلى خًـ .)OCR خًـ OCRردهظطدَ نزدَش نن هىخَِمٌص ًظلىًٍ خألَكدَ ؤو خألكُف خملُٓىمص بىل نظ). ذ
ذ ذ ذ
ذ
الفصل الخامس ” الجميع عباقرة للكن إن حكمت على قدرة سمكة في تسلق الشجرة
ستعيش حياتها كلها وهي تؤمن بأنها غبية ‟
ألبرت أينشتين
OpenCvببساطة
216
امفصهُامخبمغُ:املخؼؼبدُامثٌبنٌخُيفُ ُ OpenCv خملوؿؿدض خًزٌدنٌص :8-خًزلؽ ،خًُٓم ،خًظلٌٌٍ!!! طهٌم خًزلؽ نن خإلؾدَ وَٓمه
خملوؿؿدض خًزٌدنٌص :4-مهديًص خًُٓم خًزٌدين. طهٌم طللٌم خًظودفا ًٌموؿؿدض خًزٌدنٌص ًٌلطىي نىل ؤفػٍ نٔزص طزدًن ًٌطىَش.
خملوؿؿدض خًزٌدنٌص ػندثٌص خًزهً :2D Histograms طهٌم وبًـدي خملوؿـ خًزٌدين ػنديئ خًزهً.
خإلٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين: طهٌم بًـدي خملوؿـ خًزٌدين ًإلٓلدؽ خًوٌفٍ الهظشدف ؿٔم مٌىن رٌىن مهٍن يف خًطىَش.
OpenCvببساطة
217
ذادلخططاتذاؾبقاـقةذيفذ OpenCvذ
اإلًعبدُ،امشظمُ،امرؽنٌهُيفُاملخؼؼبدُامثٌبنٌخُ : امهذفُ : بًـدي خملوؿؿدض خًزٌدنٌص ردٓظوًخَ طىخرو هٍ من OpenCvو.numpy َٓم خملوؿؿدض خًزٌدنٌص ردٓظهٌلي طىخرو OpenCvوMatplotlib ٓنظهٌم خٓظوًخَ خًظىخروnp. histogram ()،cv2.calcHist() : امنظشيُ : خملوؿـ خًزٌدين ًهؿٌند فوُش ندمص نن خًطىَشً ،ظمؼٍ رلٌم خًزٌؤالض نىل خمللىَ xونًيهد خملىخفم نىل خمللىَ .Y هى فلـ نزدَش نن ؾًُلص ؤهُي ًفهم خًطىَش .ردًنكُ ًٌموؿـ خًزٌدين ًٌطىَش فةنند نلطٍ نىل فوُش ندمص نن طىِم خًشًش خًٌىنٌص يف خًطىَش ،وؤيٌس طؿزٌلدض مهدًـص خًطىَش خًٌىَ ال طوٌى من خٓظهٌلي خملوؿؿدض خًزٌدنٌص. خًطىَش خًظدًٌص مإهىٌش من مىكو ؿدمهص هدمربًًؾ Cambridge in Color websiteوطظػمن خًطىَش مو موؿؿهد خًزٌدين .مو خًهٌم ؤن خملوؿـ خًزٌدين مُٓىَ ًٌطىَش خًُمديًص وًٌٕ خملٌىنص.
ذ ذ
OpenCvببساطة
218
خملنؿلص خًٌرسي من خملوؿـ خًزٌدين طهُع همٌص خًزٌؤالض خًظٍ ًىنهد يدمم (نمٌم) ،وخملنؿلص خًٌمنى طكهُ همٌص خًزٌؤالض خألفظم .ورًٍى نالكل يف خًطىَش رإن خًزٌؤالض خألفظم ؤكٍ من خًزٌؤالض خأليمم ،ؤمد ردًنٔزص ًٌزٌؤالض خًظٍ يف خًىٓـ فومٌظهد كٌٌٌص. بًعبدُاملخؼؽُامثٌبينُُ :Find Histogram رهً ؤن ؤهٍند فوُش نن خملوؿؿدض خًزٌدنٌصٌ ،نونند خآلن ؤن نهُف ؾًُلص بًـديهد نرب هٍ من موظزص OpenCvو ،Numpyوًون كزٍ خًزًء نلظدؾ ًفهم رهؼ خملطؿٌلدض خملُطزؿص ردملوؿـ خًزٌدين: :BINSخملوؿـ خًزٌدين خًٔدرم ًكهُ نًي خًزٌؤالض ًوٍ كٌمص وًكهُ ؤًػد شًطهد خًٌىنٌص، وردًظديل ٓنلظدؾ ًـ 265كٌمص ًإلقهدَ ،وًون مدٌخ نفهٍ بٌخ ؤَيند ؤن نلٔس خملوؿـ خًزٌدين ملـمىنص رٌؤالض طلو كٌمظهد يف مـدي ؿّيئ ملًي؟ نىل ٓزٌٍ خملؼدي ،نًًُ بًـدي نًي خًزٌؤالض خًظٍ شًطهد خًٌىنٌص رٍن 0-15ػم من
16-31ػم ،......،ػم من 240بىل .255
ٓنلظدؾ فلـ ًـ 16كٌمص ًظمؼٌٍ خملوؿـ خًزٌدين وهٍخ مد ٓنشدهًه يف رهؼ خألمؼٌص يف . OpenCV Tutorials on histograms
ذ
ًًٍى مد ًـس نٌٌند فهٌه هى ؿمو خًلٌم خًظٍ يف خملوؿـ خًزٌدين خًوًل خًُمشً ِوٌص ًلٌمص وخكًش يف خملوؿـ خًزٌدين خملطًُ ،ؤي كٔم خملوؿـ خًوًل ًـ 16كٔم مظٔإوي ،وننًهد ًًنى هٍ كٔم رـ .BINيف خملوؿـ خًزٌدين خًُثًٌس ًٌطىَش خًٔدرلص هدن نًي خًلٌم 256كٌمص ،وًُمّ ًلٌم خًـ BINSخًٔدرلص رـ .histSize :DIMSنًي خًزدَخمرتخض (خملهدًًن) خًظٍ طـمو خًزٌدندض .يف خملوؿـ خًٔدرم ؤهٍند فلـ شًش خًزٌؤٍ رهٍن خالنظزدَ ًًٍى ٓظوىن كٌمظهد هند .1 :RANGEهى مـدي خًشًخض خًٌىنٌص خًظٍ نًًُ كٌدٓهد ،ردًهديش طوىن من 0بىل 256ؤي خملـدي هدمٍ (ؿمٌو كٌم خًشًخض (خًهمم خًٌىين)). ذ ذ
219
OpenCvببساطة ؼعبةُاملخؼؽُامثٌبينُيفُُ :OpenCv
ٓنٔظوًَ خآلن خًظدرو )( cv2.calcHistإلًـدي خملوؿـ خًزٌدينٓ ،نظهُف نىل هٍخ خًظدرو ونىل مظًًنخطه: ذ ذ
)]]cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate
خملظًًن خألوي ٌ :imageنؼٍ خًطىَش خألضـٌٌص مـن نـىم unit8ؤو ،float32وًــس ؤن طوظـس غـمن ؤكىخْ ،مؼٍ "].‚[img خملظًًن خًؼدين :channelsيًٌٍ خًلندش خًظٍ نًًُ ؤن نإهٍ فٌهد خملوؿــ خًزٌـدين ملٔـظىي خًطـىَش، يف كدي هدنع خًطىَش َمديًص طوىن خًلندش وخكًش ،ؤمد يف كدًص خًطىَش خملٌىنص فٌمونند طلًًً خًلنـدش خًٌىنٌص ( Rؤو Gؤو )Bنن ؾًُم متًُُ خًلٌمص خًظٍ نًًُهد 0ؤو 1ؤو ( 2هٍ َكم ٌنؼٍ كندش). خملظًًن خًؼدًؽ :maskكندم خًطىَش ،بٌخ ؤَيض بًـدي خملوؿـ خًزٌدين ًودمـٍ خًطـىَش طوـىن كٌمظـه ،Noneؤمد بٌخ ؤَيض بًـدي خملوؿــ خًزٌـدين ملنؿلـص ملـًيش فهٌٌـى بنشـدء كنـدم ضـىَش مندٓـس ومتًُُهد ًهٍخ خملظًًن. خملظًـًن خًُخرـو ٌ :histSizeنؼـٍ نـًي خًــ ، BINSوًــس هظدرظـه غـمن ؤكـىخْ ][ًٌ ،لطـىي نـىل خملـدي خًودمٍ منَُ ].[256 خملظًًن خًودمٕ :rangeهٍخ خملظًًن ٌنؼٍ خملـدي ورشوٍ خفرتخيض ًوىن خملـدي من ].[0,256 ٓنزًؤ ردملؼدي خًظديل رةًـدي خملوؿـ خًزٌدين ًطىَش َمديًص. import cv2 import numpy as np import matplotlib.pyplot as plt )img = cv2.imread('sonic.jpg',0 )]hist = cv2.calcHist([img],[0],None,[256],[0,256 print hist.shape )(256, 1
OpenCvببساطة
220
خملوؿـ خًزٌدين هند هى مطفىفصرلـم ، 256x1هٍ كٌمص طىخفم نًي من خًزٌؤالض يف خًطىَش مو كٌمص خًزٌؤٍ خمللدرٌص ًهد. ؼعبةُاملخؼؽُامثٌبينُيفُُ :Numpy ٓنٔظوًَ خًظدرو )( np. histogramخملىؿىي غمن موظزص Numpyيف بًـدي خملوؿـ خًزٌدين. import cv2 import numpy as np import matplotlib.pyplot as plt )img = cv2.imread('home.jpg',0 )]hist,bins = np.histogram(img.ravel(),256,[0,256 print hist.shape )(256, 1
ٌسق: )(np.histogram )(ravel
ٓنلطٍ نىل نظٌـص مؼٍ نظٌـص خًظدرو خًٔدرم (.)cv2.calcHist متٌى موظزص Numpyخًظدرو)( np.bincountوهى ؤرسم رـ 10Xمُش من )(ًًٍ ،np.histogramى يف خملوؿـ خًزٌدين خألكديي خًزهً ًفػٍ خٓظوًخَ خًظدرو )( ،np.bincountوًون ال طنىس ؤن طػو minlength= 256يف هٍخ خًظدرو. ؿثالً :ذ
)hist = np.bincount(img.ravel(),minlength=256
ذ
مالككص :طىخرو OpenCvؤرسم رلىخيل 40Xمُش من ًًٍ ، np.histogramى خٓظهمٍ طىخرو موظزص OpenCv ننً َٓم خملوؿـ خًزٌدين ًٌطىَش.
ذ
221
ببساطةOpenCv ُ :Plotting Histogramsُ سظمُاملخؼؽُامثٌبين :هندن ؾًُلظٍن ًٌُٓم .Matplotlib ردٓظوًخَ طىخرو خًُٓم يف: ؾًُلص كطًنش .OpenCv ردٓظوًخَ طىخرو خًُٓم يف: ؾًُلص ؾىًٌص ذ
ذ:Matplotlib اؾردمذبادتخدامذ-1
:طدرو ؿدهّ ًُٓم خملوؿؿدض خًزٌدنٌصMatplotlib طىفُ ًند موظزص وال نلظدؾ، هٍخ خًظدرو ًىؿً مزدٌسش خملوؿـ خًزٌدين وًُٓمه.matplotlib.pyplot.hist() . ًُٓم خملوؿـ خًزٌدينnp.histogram والcv2.calcHist َالٓظوًخ :شدهً خًوىي خًظديل import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('home.jpg',0)
ذ
plt.hist(img.ravel(),256,[0,256]) #plt.imshow(img, cmap = 'gray') plt.show()
ُ :امنرٌعخ
ذ
OpenCvببساطة
222
ٌنونى ؤًػد خٓظوًخَ خًُٓم خًهديي يف ًُٓMatplotlibم خملوؿؿدض خًزٌدنٌص ًٌطىَ خملٌىنص . ٓظلظدؾ يف خًزًخًص بًـدي رٌدندض خملوؿـ خًزٌدين ،هٌل يف خًوىي خًظديل: import cv2 import numpy as np from matplotlib import pyplot as plt )'img = cv2.imread('home.jpg )'color = ('b','g','r for i,col in enumerate(color): )]histr = cv2.calcHist([img],[i],None,[256],[0,256 )plt.plot(histr,color = col )]plt.xlim([0,256 )(plt.show
امنرٌعخ:
رةمودنى خًظللم من خًطىَش خًٔدرلص رلٌؽ ٓظـً خًٌىن خألَِق نٔزظه ندًٌص رٔزس خًٌٔلء -2اؾردمذبادتخدامذ :OpenCvذ تطبققذاؾؼـاعذ :Application of Maskذ
ًلً خٓظوًمند فٌٌل ٓزم خًظدرو )( cv2.calcHistإلًـدي خملوؿـ خًزٌدين ًودمٍ خًطىَش ،ؤمد بٌخ ؤَيند بًـدي خملوؿـ خًزٌدين ملنؿلص ملًيش فهٌٌى بنشدء ضىَش رٌػدء (خًلندم) يف مودن خملنؿلص خًظٍ نًًُ َٓم خملوؿـ خًزٌدين ًهد ،وخملندؾم خًزدكٌص من خًطىَش نـهٌهد ٓىيخء .ػم منَُ هٍخ خًلندم( .شدهً خًطىَش خًظدًٌص)
ذ
223
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('home.jpg',0) # create a mask mask = np.zeros(img.shape[:2], np.uint8) mask[100:300, 100:400] = 255 masked_img = cv2.bitwise_and(img,img,mask = mask) # Calculate histogram with mask and without mask # Check third argument for mask hist_full = cv2.calcHist([img],[0],None,[256],[0,256]) hist_mask = cv2.calcHist([img],[0],mask,[256],[0,256]) plt.subplot(221), plt.imshow(img, 'gray') plt.subplot(222), plt.imshow(mask,'gray') plt.subplot(223), plt.imshow(masked_img, 'gray') plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask) plt.xlim([0,256]) plt.show()
ُ :امنرٌعخ وخملوؿـ خًزٌدين خألهٍص ٌنؼٍ خملوؿـ،خملوؿـ خًزٌدين خألَِق ٌنؼٍ خملوؿـ خًزٌدين ًوٍ خًطىَش .خًزٌدين ملنؿلص خًلندم ذ ذ ذ ذ ذ
ُ :مشاظؼُبطبفٌخ Cambridge in Color website
224
OpenCvببساطة ذعىًخُاملخؼؽُامثٌبينُُ Histogram Equalization امهذفُ : يفذفذاذاؾؼدم :ذ
ٓنظهٌم مد هى مفهىَ طٔىًص خملوؿـ خًزٌدين ،وهٌف نٔظوًمه ًظلٍٔن طزدًن خًطىَش. ذػشًفُ : طٔىًص خملوؿـ خًزٌدين (طٔىًص خًهٌٔظىيُخَ) :هٍ ؾًُلص مهدًـص خًطىَش ًػزـ خًظزدًن ردٓظوًخَ خملوؿـ خًزٌدين ًٌطىَش. نظشحُغبمخُ : فٌٌون ًًًند ضىَش كٌم رٌؤالطهد مظـمهص يف نلؿص وخكًش يف خًطىَش ،مؼال خًطىَش خًالمهص كٌم رٌؤالطهد مظـمهص ردملندؾم ندًٌص خًلمم ،وًون خًطىَش خًـًٌش متٌى طىِند منظكم ًٌلٌم ،وًًٍى نلظدؾ ًنٍس طٌى خًلٌم نىل مـدي ؤوٓو ،وهٍخ ًايي ًظلٍٔن طزدًن خًطىَش.
ذ ذ
ًٌمًًّ من خًظفدضٌٍ ٌنونى ًِدَش ضفلص وًوٌزًًٌد Histogram Equalizationؤمد هند فٔىف نشدهً طؿزٌم طٔىًص خملوؿـ خًزٌدين نن ؾًُم موظزظٍ Numpyو.OpenCv يف خًزًخًص ٓنؿزم طٔىًص خملوؿـ خًزٌدين ردالٓظهدنص مبوظزص Numpyهٌل يف خًوىي خًظديل:
225
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt
:شرح flatten()
img = cv2.imread('wiki.jpg',0) hist,bins = np.histogram(img.flatten(),256,[0,256])
cumsum()
cdf = hist.cumsum() cdf_normalized = cdf * hist.max()/ cdf.max()
ذ
plt.plot(cdf_normalized, color = 'b') plt.hist(img.flatten(),256,[0,256], color = 'r') plt.xlim([0,256]) plt.legend(('cdf','histogram'), loc = 'upper left') plt.show()
ونلن رلدؿص،ًننً مشدهًش خملوؿـ خًزٌدين ٓظـً ؤن خملوؿـ ًظمىغو يف خملنؿلص خألهًت بٌسخكد ًًٍى نلن رلدؿص ًظدرو ًلىَ رظىًِو خًزٌؤالض نىل هدمٍ خملنؿلص رًي َٓم،ًودمٍ خًؿٌف .خًزٌؤالض يف خملنؿلص خألهًت ٓؿىند ونؿزم نالكدض طٔىًص خملوؿـ،)0 وخآلن نٌٌند خًزلؽ نن ؤهفؼ نلؿص يف خملوؿـ خًزٌدين (مد نًخ وٌنونند ؤًػد خٓظوًخَ مفهىَ مطفىفص خًلندم يف،خًزٌدين هٌل هى مٍسوق يف ضفلص وقؽقبقدقا : كٌؽ طـُي خًهمٌٌدض فلـ نىل خًهندرص يًن خمللنهص وًٌى هٌل ًًل،Numpy ذ cdf_m = np.ma.masked_equal(cdf,0) cdf_m = (cdf_m - cdf_m.min())*255.0/(cdf_m.max()-cdf_m.min()) cdf = np.ma.filled(cdf_m,0).astype('uint8')
:شرح اآلنذأصبحذ np.ma.masked_equal() ؾدقـاذجدولذ np.ma.filled()
226
OpenCvببساطة
خًزلؽ خًٍي ًهؿٌند مهٌىمدض نن كٌمص هٍ رٌؤٍ يف ضىَش خًوُؾ ردًنٔزص ًوٍ كٌمص رٌؤٍ يف ضىَش خًًهٍٓ .نؿزم نمٌٌص خًظلىًٍ وًٌى هٌل ًًل:ذ ذ
]img2 = cdf[img
خآلن رةمودنند كٔدذ خملوؿـ خًزٌدين وخًـ cdfهٌل ٓزم ،وخًنظٌـص ٓظزًو هٌل ًًل.
ذ
هندن مٌّش مهمص وهٍ رإن خًطىَش كظى وًى هدنع ؤيمم ،فٔنلطٍ ردًنهدًص نىل نفٕ خًنظٌـص ،ؤي ٌنونند خٓظوًخمه هٍسوؽ بغدءش مُؿهٌص ،وهى مفًٌ يف نًش كدالض ،مؼال يف خًظهُف نىل خًىؿىه وكزٍ ؤن نإهٍ نٌندض من ضىَش خًىؿه ًٌظهُف نىل خًىؿه نلىَ رظٔىًص خملوؿـ خًزٌدين ًٌطىَش ًٌلطىي نىل ضىَش وخغلص ًٌظهُف نىل خًىؿه يف قُوف خإلغدءش خملوظٌفص. املخؼؽُامثٌبينُاملرىاصنُيفُُ :OpenCV موظزص OpenCVطىفُ ًند خًظدرو )( cv2.equalizeHistخًٍي يهٌه هى ضىَش َمديًص وًهؿٌند يف خًوُؾ نفٕ خًطىَش وًون رظزدًن ًىين ؤوغم. خًوىي خًظديل ًىغم ًٌى: ذ )img = cv2.imread('wiki.jpg',0 )equ = cv2.equalizeHist(img res = np.hstack((img,equ)) #stacking images side-by-side )cv2.imwrite('res.png',res
ذ
227
OpenCvببساطة
ذ
ٌنونى خآلن ؤهٍ نًش ضىَ رٍسوؽ بغدءش موظٌفص وطؿزم نٌٌهم طدرو طٔىًص خملوؿـ خًزٌدين )(ً cv2.equalizeHistظلٍٔن خًطىَش ،وطللم من خًنظٌـص. ؾًُلص طٔىًص خملوؿـ خًزٌدين طهمٍ رشوٍ ؿًٌ ننًمد ًوىن طىِم خًشًش خًٌىنٌص ًزٌؤالض خًطىَش ملطىَ يف منؿلص مهٌنص ،وًن طهمٍ رشوٍ ؿًٌ يف خألمدهن خًظٍ ًىؿً فٌهد خهظالف هزًن يف خًشًش خًٌىنٌص. (ُCLAHE ذعىًخُاملخؼؽُامثٌبينُروُامرثبًنُاملؽذ ُودُواملركٌف)ُ ُ: )CLAHE (Contrast Limited Adaptive Histogram Equalization خًظٔىًص خًٔدرلص ًٌموؿـ خًزٌدين طإهٍ رهٍن خالنظزدَ خًظزدًن خًوًل ًٌطىَش ،وًون ؤكٌدند كً ال طهمٍ مهند ،فدًطىَش خًظدًٌص طكهُ ضىَش خًًهٍ وهُؿهد رهً خًظٔىًص خًشدمٌص ًٌموؿـ خًزٌدين :خًوٌفٌص كً طوىن طلٔنع يف خًطىَش خًٔدرلص ،وًون مالمم خًىؿه طزًو مملٌص ،وهٍخ ألن طٔىًص خملوؿـ خًزٌدين ًٌٔع مُهّش نىل منؿلص وخكًش هٌل ٓزم.
ذ ذ
ذ
228
OpenCvببساطة
ًلٍ هٍه خملشوٌص نٔظوًَ طٔىًص خملوؿـ خًزٌدين خملظوٌفص ،وًٌى رظلٌٔم خًطىَش ملوهزدض (خفرتخغٌد كٌدْ خملوهس 8X8يف )OpenCVػم هٍ موهس يف خًطىَش ًظم طٔىًص خملوؿـ خًزٌدين ًه نىل كًي ،كٌؽ نالكل رإنه ًإهٍ رهٍن خالنظزدَ هٍ ؿّء من خًطىَش ًىكًه. يف كدًص وؿىي غـٌف ،نؿزم كً ًٌظزدًن ،فةٌخ هدن خملوؿـ ؤنىل من كً خًظزدًن خمللًي (خفرتخغٌد 40يف ً )OpenCVظم كظ هٍه خًزٌؤالض وطىًِههد رشوٍ منظكم نىل خملوهزدض خألهُي كزٍ طؿزٌم نمٌٌص طٔىًص خملوؿـ.وؤهًنخ ًظم بؿُخء نمٌٌص خالٓظٌفدء خًؼنديئ خًوؿٍ نىل خًلًوي ًظنهٌم خالنظلدي .خًوىي خًظديل ًهُع ؾًُلص طؿزٌم CLAHEيف :OpenCV import numpy as np import cv2 )img = cv2.imread('tsukuba_l.png',0 # create a CLAHE object (Arguments are optional). ))clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8 )cl1 = clahe.apply(img )cv2.imwrite('clahe_2.jpg',cl1
ذ
وهٌل نُي يف خًنظٌـص رإن طفدضٌٍ خًىؿه كً طلٔنع. مشاظؼُبطبفٌخُ :
Wikipedia page on Histogram Equalization Masked Arrays in Numpy ?How can I adjust contrast in OpenCV in C ?How do I equalize contrast & brightness of images using OpenCV
ذ
OpenCvببساطة
229
املخؼؽُامثٌبينُشنبيئُامثػذُ()2D Histograms امهذفُ : يف هٍه خًىكًش ٓنظهٌم بًـدي وَٓم خملوؿـ ػنديئ خًزهًٌٓ .فًٌند يف خًفطىي خًلديمص. ملذمخُ : يف خًٔدرم ؤوؿًند وَٓمند خملوؿـ خًزٌدين ؤكديي خًزهً (ًٔمى ؤكديي خًزهً ألنه ًإهٍ فلـ هدضٌص وخكًش مؼٍ كٌمص شًش خًظًَؾ خًُمديي ًٌزٌؤٍ) ،ؤمد كدًٌد فٔنزلؽ نن هدضٌظٍن ًُٓمهد رشوٍ ػاليث خألرهدي .طٔظهمٍ نديش إلًـدي خملوؿؿدض خًزٌدنٌص ًلًىخن كٌؽ طوىندن كٌمص خًـظًَؾ خًٌىين وخًظشزو ًوٍ رٌؤٍ. املخؼؽُامثٌبينُُ2Dيفُُ :OpenCv ًلٔس رزٔدؾص ؿًخ ً من هالي خًظدرو خًظدرو )(ٓ .cv2.calcHistنلظدؾ ًظلىًٍ خًطىَش من خًفػدء BGRبىل ( HSVطٍهُ يف خملوؿـ خًزٌدين 1Dهند نلىي من خًفػدء BGRبىل خملٔظىي خًُمديي .)GRYوهند ردَخمرتخض خًظدرو )(ٓ cv2.calcHistظوىن هدًظديل: :channels = [0,1] ألنند رلدؿص ًلندطٍن Hو .S ًٌ180 :bins = [180,256] مٔظىي Hو ًٌ 256مٔظىي .S :range = [0,180,0,256] كٌمص خًظًَؾ خًٌىين Hueطوىن رٍن 0و ،180رٌنٌل كٌمص خإلشزدم طوىن رٍن خًـ 0و .256 شبهذُامكىدُامربيلُ : import cv2 import numpy as np )'img = cv2.imread('home.jpg )hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV )]hist = cv2.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256
املخؼؽُامثٌبينُُ2Dيفُُ :Numpy ًًي موظزص Numpyؤًػد طدرو ًٌلٔدذ وهى )(( np.histogram2dطٍهُ رإنه يف خملوؿـ خًزٌدين 1Dخٓظهمٌند خًظدرو )(.)np.histogram
ذ
OpenCvببساطة
230
import cv2 import numpy as np from matplotlib import pyplot as plt )'img = cv2.imread('home.jpg )hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV )]]hist, xbins, ybins = np.histogram2d(h.ravel(),s.ravel(),[180,256],[[0,180],[0,256
ذ
ؤوي مظًًن ًهٍخ خًظدرو هى خملٔظىي ،Hوخملظًًن خًؼدين هى خملٔظىي ،Sوخًؼدًؽ هى نًي خًـ ،BIN وخًُخرو مـدًهد .وخآلن ٓننظلٍ ًٌوؿىش خًظدًٌص وهٍ ؾًُلص َٓم خملوؿؿدض خًزٌدنٌص .2D سظمُاملخؼؼبدُامثٌبنٌخُشنبئٌخُامثػذُ(ُ :)Plotting 2D Histograms اؾطرقؼةذاألوىلذبادتخدامذ)(:cv2.imshow
مبد ؤن خًنظٌـص هٍ مطفىفص ػندثٌص خًزهً فًٌٍى ٌنون نُغهد هطىَش َمديًص ردٓظوًخَ خًظدرو خًٔدرم ،وًون ًن نلطٍ نىل فوُش هزًنش نن خألًىخن بال بٌخ هند نىل نٌم رلٌم خًظًَؾ )ً (Hueلًىخن خملوظٌفص. اؾطرقؼةذاؾثاـقةذبادتخدامذؿؽتبةذ:Matplotlibذ
ٌنونند خٓظوًخَ خًظدرو )(ًُٓ plt.imshowم خملوؿـ خًزٌدين ػنديئ خًزهً رإشودي موظٌفص ،مٌل ٌٓهؿٌند فوُش ؤفػٍ نن شًش خًزٌؤالض خملوظٌفص ،وًون ًن ًهؿٌند فوُش هدفٌص نن خألًىخن من ؤوي نكُش بال بٌخ هند نهُف كٌمص خًظًَؾ ًلًىخن خملوظٌفص .ومو ًٌى ًفػٍ خٓظهٌلي هٍه خًؿًُلص فهٍ ؤفػٍ وؤرٔـ. مالككص :ننً خٓظوًخَ هٍخ خًظدرو طٍهُ وغو خملظًًن nearestيف خًهٌم ًٌ interpolationلطىي نىل نظدثف ؤفػٍ ('.)interpolation = 'nearest ذ
OpenCvببساطة
231
شدهً خًوىي خًظديل: import cv2 import numpy as np from matplotlib import pyplot as plt )'img = cv2.imread('home.jpg )hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV ) ]hist = cv2.calcHist( [hsv], [0, 1], None, [180, 256], [0, 180, 0, 256
)'plt.imshow(hist,interpolation = 'nearest )(plt.show
امنرٌعخُ : خًطىَش خًظدًٌص هٍ ًٌطىَش خألضٌٌص مو موؿؿهد خًزٌدين خملٌىن .خمللىَ ً Xهُع كٌمص ( Sخإلشزدم)، وخمللىَ ً Yهُع كٌمص خًظًَؾ (.)Hue
يف خملوؿـ خًزٌدين نشدهً رهؼ خًلٌم خًهدًٌص طلًُزد ننً ، H=100 ,S=200وهٍخ ًلدرٍ ًىن خًٌٔلء خألَِق .وؤًػد ًىؿً هندن رهؼ خًلٌم كٌمظهد ندًٌص طلًُزد ننً ، H=25 , S=100وهٍخ ًلدرٍ خًٌىن خألضفُ ًٌلرص. اؾطرقؼةذاؾثاؾثةذبادتخدامذأدؾوبذاؾعقـاتذيفذ:OpenCv
وهى هٌل يف خملؼدي خًزٌٔـ خملُفم يف خملىكو خًٍي نطزع فٌه موظزص OpenCvغمن خملٔدَ. ""C:\opencv\sources\samples\python2\color_histogram.py
OpenCvببساطة
232
بٌخ شًٌع هٍخ خًوىي ٌنونى مشدهًش خملوؿـ خًزٌدين خًٍي ًهُع خألًىخن خملظىخفلص ،وروٌٌلض رٌٔؿص فهى ًوُؾ خًوىي خًٌىين ًٌموؿـ خًزٌدين .خًنظٌـص ؿًٌش ؿًخ (نىل خًُيم من ؤنى طلظدؾ بىل بغدفص مـمىنص بغدفٌص من خًوؿىؽ) يف هٍخ خًوىي خملربمف ؤنشإ هًُؿص مٌىنص يف خًفػدء ،HSVػم كىًهد ًٌفػدء .BGRنظٌـص ضىَش خملوؿـ خًزٌدين طوىن مٍصورص رٌىن خًوًُؿص .وخٓظوًَ ؤًػد رهؼ هؿىخض خملهدًـص إلِخًص خًزٌؤالض خًطًًنش خملهّوًصًٌ ،لطىي نىل موؿـ رٌدين ؿًٌٌ .نونى خًهىيش ًهٍخ خًربندمف وطشًٌٌه وطلٌٌٌه ،كٌؽ ٓظالكل رإنه ًهؿٍ ردًفهٍ خألًىخن خًللٌلٌص خملىؿىيش يف خًطىَش.
ذ
ٌنونى ؤن طُي يف خملوؿـ خًزٌدين رىغىق مد هٍ خألًىخن خملىؿىيش ،فهندن خًٌىن خألَِق وخًٌىن خألضفُ ورهؼ خًزٌدع رٔزس َكهص خًشؿُنف. ذ ذ ذ ذ ذ ذ
OpenCvببساطة
233
اإلظلبغُامخنفٍُمنمخؼؽُامثٌبينُُ Histogram Back projection امهذفُ :
يف هٍخ خًفطٍ ٓنظهٌم ؾًُلص بٓلدؽ خملوؿـ خًزٌدين نىل ضىَش هٌفٌص وفدثًطهد. مػنىمبدُنظشًخُ : طهًُف back-projectionيف نٌم خًظطىًُ: هى بٓلدؽ خًطىَش نىل هٌفٌص شدشص نطف شفدفص ًٌظم نُغهد هٌل يف فٌٌم خًظطىًُ ،ؤو إلٓظوًخمهد هوٌفٌص يف خًظطىًُ. ذ
ٓنظٔظهمٍ هٍه خًظلنٌص ًظلؿٌو خًطىَش ؤو إلًـدي خألؿٔدَ خملهمص يف خًطىَش.
روٌٌلض رٌٔؿص ،طهظمً هٍه خًوىخَِمٌص نىل بنشدء ضىَش رنفٕ كٌدْ ضىَش خًًهٍ (وًون رلندش وخكًش) ،رلٌؽ هٍ رٌؤٍ فٌهد ًظىخفم مو خكظٌلي ؤن ًنظمٍ ًٌـٔم خملؿٌىذ .روٌٌلض ؤهًت رٔدؾص ،ضىَش خًوُؾ ٌٓوىن فٌهد خًـٔم خملؿٌىذ ؤهًت رٌدغدً ردًنٔزص ًزدكٍ ؤؿّخء خًطىَش. ًٔظوًَ خإلٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين مو هىخَِمٌص مالكلص خألؿٔدَ ٌٓ( Camshiftظم ٌسق هىخَِمٌص Camshiftالكلدً). كٌفُنعرؼٌؼُاملٌبوُتبمخؼىادُامرٍُرشؼنبهبُظبتل ُبً؟ُ ُ ننشإ موؿـ رٌدين ًٌطىَش خًظٍ طلىي نىل خًـٔم خملؿٌىذ (يف ضىَطند خألؿٔدَ هٍ خألَع وخًالنس وخًٌٔلء) (يف خًطىَش خًظدًٌص نٌند خألَع رإنهد خًـٔم خملؿٌىذ) ،خًـٔم ًـس ؤن ٌنل خًطىَش كظى نلطٍ نىل ؤفػٍ نظٌـص ،وًفػٍ خٓظهٌلي خملوؿـ خًزٌدين خملٌىن( )2Dرًالً من خملوؿـ خًُمديي( ،)1Dألن ًىن خًـٔم ؤفػٍ ؾًُلص ًظلًًً خًـٔم ملدَنص مو شًش خًٌىن خًُمديي. ػم نلىَ رةٓلدؽ خملوؿـ خًزٌدين ًطىَش خًـٔم هٌفٌد نىل ضىَش خالهظزدَ (خًظٍ نلن رلدؿص ألن نـً خًـٔم فٌهد) .روٌٌلض ؤهُي ٓنلٔس خكظٌلي خنظٌلء هٍ رٌؤٍ ًلَع ونهُغه ،ورهً ًٌى رهمٌٌص خًظهظٌس نلطٍ نىل خألَغٌص ًىكًهد.
OpenCvببساطة
234
يف خًطىَش خًظدًٌص خٓظهمٌع خملنؿلص خًظٍ رًخهٍ خملٔظؿٌٍ خألَِق ههٌنص رٌٔؿص (خًـٔم خملؿٌىذ) ،وؤَيض ؤن خٓظوُؾ هدمٍ خألَغٌص نن ؾًُم هٍ خًهٌنص ردٓظوًخَ هىخَِمٌص خإلٓلدؽ خًوٌفٍ.
ذ
خىاسصمٌخُاإلظلبغُامخنفٍُيفُُ :Numpy يف خًزًخًص نلظدؾ ؤن نلٔس خملوؿـ خًزٌدين خملٌىن ًٌـٔم خًٍي نًًُ بًـديه (وًٌون ’)‘M وخًطىَش خًظٍ نًًُ خًزلؽ فٌهد نن خًـٔم (وًظون ’.)‘I
235
ببساطةOpenCv
import cv2 import numpy as np from matplotlib import pyplot as plt #roi is the object or region of object we need to find roi = cv2.imread('rose_red.png') hsv = cv2.cvtColor(roi,cv2.COLOR_BGR2HSV) #target is the image we search in target = cv2.imread('rose.png') hsvt = cv2.cvtColor(target,cv2.COLOR_BGR2HSV) # Find the histograms using calcHist. Can be done with np.histogram2d also M = cv2.calcHist([hsv],[0, 1], None, [180, 256], [0, 180, 0, 256] ) I = cv2.calcHist([hsvt],[0, 1], None, [180, 256], [0, 180, 0, 256] )
هٌىكص وبنشدءR َ ؤي خٓظوًخ،R نىلbackproject ػم نلىَ رهمٌٌص،
ػم نىؿً خًنٔزص
ؤي،ضىَش ؿًًًش فٌهد هٍ رٌؤٍ ملظمٍ ؤن ًوىن مؿدرم ًٌهًف متؼٍ خإلشزدم خًٌىينS و،(x,y) ) متؼٍ خًظًَؾ خًٌىين ًٌزٌؤٍ خًٍي بكًخػٌدطهhue( hكٌؽ . رهً ًٌى نؿزم خًٍسؽ.(x,y) ًٌٍٔزٌو R = M/(I+1)
ذ
h,s,v = cv2.split(hsvt) B = R[h.ravel(),s.ravel()] B = np.minimum(B,1) B = B.reshape(hsvt.shape[:2])
ٍ متؼD كٌؽ
ravel() reshape()
خآلن نؿزم نمٌٌص خًٌف (خًؿٍ) مو كندم نىل شوٍ كُص يخثُي .خًلندم خًلُيص
disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5)) cv2.filter2D(B,-1,disc,B) B = np.uint8(B) cv2.normalize(B,B,0,255,cv2.NORM_MINMAX)
getStructuringElement()
cv2.normalize()
OpenCvببساطة
236
خآلن نلطٍ نىل مودن خًـٔم نن ؾًُم ؤنكم شًش ًىنٌص ُمهؿى ًٌـٔم ،ورهًهد ٌنونند خًلٌدَ ردًظهظٌس ًٌلطىي نىل نظدثف ؤفػٍ. )ret,thresh = cv2.threshold(B,50,255,0
هٍخ هى هٍ خألمُ!!
ذ ذ ذ
237
ببساطةOpenCv ُ :OpenCvُ خىاسصمٌخُاإلظلبغُامخنفٍُيف
ردَومرتخطه طلًُزد هٍ نفٕ خًظدرو،cv2.calcBackProject() خًظدروOpenCv طىفُ ًند ٍ وًـس طهًًٌه كز، ؤكً ردَومرتخطه هى خملوؿـ خًزٌدين ًٌـٔم خملُخي بًـديه.cv2.calcHist() َُ رهً ًٌى ًـس نٌٌند ؤن من. ًهًٌ هٍخ خًظدرو خًطىَش خمللظمٌص.ٍمتًُُه ًظدرو خإلٓلدؽ خًوٌف : خًوىي خًظديل ًىغم ًٌى.كندم كُيص نىل خًطىَش ػم نؿزم نمٌٌص خًظهظٌس import cv2 import numpy as np roi = cv2.imread('rose_red.png') hsv = cv2.cvtColor(roi,cv2.COLOR_BGR2HSV) target = cv2.imread('rose.png') hsvt = cv2.cvtColor(target,cv2.COLOR_BGR2HSV) # calculating object histogram roihist = cv2.calcHist([hsv],[0, 1], None, [180, 256], [0, 180, 0, 256] )
# normalize histogram and apply backprojection cv2.normalize(roihist,roihist,0,255,cv2.NORM_MINMAX) dst = cv2.calcBackProject([hsvt],[0,1],roihist,[0,180,0,256],1) # Now convolute with circular disc disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5)) cv2.filter2D(dst,-1,disc,dst) # threshold and binary AND ret,thresh = cv2.threshold(dst,50,255,0) thresh = cv2.merge((thresh,thresh,thresh)) res = cv2.bitwise_and(target,thresh) res = np.vstack((target,thresh,res)) cv2.imshow('res',res) , cv2.waitKey(0), cv2.destroyAllWindows()
ذ ذ
OpenCvببساطة
238
رشػُامكىدُ : )'roi = cv2.imread('rose_red.png )hsv = cv2.cvtColor(roi,cv2.COLOR_BGR2HSV
ذ
كمند رظوًّن ضىَش خًـٔم خملؿٌىذ (خًىَيش خًلمُخء) يف خملظًًن ،roiػم كىًند خًطىَش من خًفػدء RGBبىل ًٔ HSVهىًص خًظهدمٍ مو هٍخ خًفػدء خًٌىين. )'target = cv2.imread('rose.png )hsvt = cv2.cvtColor(target,cv2.COLOR_BGR2HSV
ذ
ػم كمند رظوًّن خًطىَش خًهًف ؤي خًطىَش خًظٍ ٓنزلؽ فٌهد نن خًـٔم (ضىَش خًىَوي) يف خملظًًن ،targetػم كىًند خًطىَش من خًفػدء RGBبىل ًٔ HSVهىًص خًظهدمٍ مو هٍخ خًفػدء خًٌىين. # calculating object histogram ) ]roihist = cv2.calcHist([hsv],[0, 1], None, [180, 256], [0, 180, 0, 256
ذ
رهً ًٌى كمند رظهٌجص خملوؿـ خًزٌدين ًٌطىَش خًـٔم خملؿٌىذ وًٌى نن ؾًُم خًظدرو )(.cv2.calcHist # normalize histogram and apply backprojection )cv2.normalize(roihist,roihist,0,255,cv2.NORM_MINMAX
)dst = cv2.calcBackProject([hsvt],[0,1],roihist,[0,180,0,256],1
هند كمند رهمٌٌص خالٓلدؽ نىل خًوٌفٌص نن ؾًُم خًظدرو . calcBackProjectردَخمرتخطه هٍ: cv2.calcBackProject(images, channels, hist, ranges, scale[, dst]) → dst خملظًًن خألوي ً :imagesلًي ضىَ خًًهٍ (هند مَُند فلـ ضىَش وخكًش وهٍ خًطىَش خًهًف خًظٍ ٓنزلؽ فٌهد نن خًـٔم) ،وخًظٍ ًـس ؤن طوىن رنفٕ خًلـم ونفٕ خًهمم خًٌىين .CV_8U or CV_32F خملظًًن خًؼدين ً channelsلًي خًلنىخض خًظٍ ٌٓؿزم نٌٌهد نمٌٌص خالٓلدؽ نىل خًوٌفٌص (.)back projection خملظًًن خًؼدًؽ ٓ :histنمَُ ًه خملوؿـ خًزٌدين ًطىَش خًـٔم خملؿٌىذ.
ذ
ذ
OpenCvببساطة
239
خملظًًن خًُخرو ٓ rangeنمَُ ًه كًوي ؤرهديخملوؿـ خًزٌدين. خملظًًن خًودمٕ [ ( :scaleخهظٌدَي) ندمٍ طلًًً خًلـم ًنظٌـص نمٌٌص خالٓلدؽ نىل خًوٌفٌص. خًظدرو ً calcBackProjectلٔس خالٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين .وهى مشدره ًٌظدرو calcHistخًٍي ًىؿً خملوؿـ خًزٌدين ننً هٍ مىغو ) (x,yكٌؽ خًظدرو ًـمو خًلٌم من خًِب (ًٌ )BINموؿـ خًزٌدين ًٌطىَش .وًون خًلنىخض خًٌىنٌص خملوظدَش ًطىَش خًًهٍ ،وًىؿً ِ ْ هند رًي ًِديش نًي خًِب ،خًظدرو ًلُؤ كٌم خًِب ،وًـًوًهد كٔس خًلـم ،وًوّنهد يف ).(x,y ٌنونى بًـدي وطهلس خألؿٔدَ ٌو خًٌىن خًّخهٍ يف خملشهً من هالي خطزدم مد ًًل: .8كزٍ طهلس خًـٔم نلىَ رظطىًُ خًـٔم خملؿٌىذ طهلزه ردًودمًنخ رلٌؽ ًًؿٍ ؤهرب مٔدكص من خًطىَش خملٌظلؿص .ػم نلىي ضىَش خًـٔم خًظٍ خًظلؿندهد ًٌفػدء HSVونلٔس خملوؿـ خًزٌدين ًٌطىَش غمن خًلندش .)hue( Hكً ًظػمن خملوؿـ خًزٌدين نلدؽ كىش وًٌى كٔس ًىن خًـٔم خًٔدثً. .4ننً طهلس خًـٔم نلىي هٍ ؤؾدَ ضىَش ( )frameمن خًفًًٌى خملٌظلـ من خًودمًنخ (خًٍي ٓنزلؽ غمنه نن خًـٔم) بىل خًفػدء ،HSVػم نىؿً خالٓلدؽ خًوٌفٍ ًوٍ frameغمن خًفػدء HSVوًٌى نن ؾًُم بؿُخء نمٌٌدض كٔدرٌص نىل خملوؿـ خًزٌدين ًطىَش خًـٔم خملؿٌىذ .ػم نلىَ رةؿُخء نمٌٌص خًظهظٌس نىل نظٌـص خالٓلدؽ خًوٌفٍ كظى نومً خألًىخن خًػهٌفص .وؤًػد ٌنون ؤن طومً خًزٌؤالض خًظٍ ًوىن بشزدنهد خًٌىين يًن هديف ،هدًزٌؤالض خًهدمتص ؿًخ ً ؤو خًٔدؾهص ؿًخ ً. .4نىؿً خألؿّخء خًظٍ ًىؿً رٌنهد طُخرـ يف ضىَش خًوُؾ ،نىل ٌٓزٍ خملؼدي ؤهرب ؿّء. هٍه خًوؿىخض طلًُزد طشزه هىخَِمٌص ً Camshiftظهلس خًـٔم نن ؾًُم خًٌىن.
# Now convolute with circular disc ))disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5
ذ
OpenCvببساطة
240
يف هٍخ خألمُ ٓنلىَ رةنشدء كظدم كُيص وًٌى نن ؾًُم خًظدرو getStructuringElementكٌؽ منَُ ًه خًشوٍ خًٍي نًًُه .هند مَُند ًهٍخ خًظدرو شوٍ كؿو ندكظ (كُص) ،وخملظًًن خًؼدين ًهٍخ خًظدرو منَُ ًه كـم خًلندم. )cv2.filter2D(dst,-1,disc,dst
ذ
هند ٓنلىَ ردالٓظهدنص ردًظدرو ً cv2.filter2Dرتشٌم خًطىَش وفلد ًٌلندم خًلُيص. خملظًًن خألوي هى ضىَش خًًهٍ ،وخًؼدين رلًي خًهمم خًٌىين ًطىَش خًوُؾ وبٌخ هدنع كٌمظه )(-1 ٓنلطٍ نىل ضىَش رنفٕ خًهمم خًٌىين ًطىَش خًًهٍ ،وخملظًًن خًؼدًؽ ٌنؼٍ خًلندم خًٍي ًـس ؤن ًوىن رلندش وخكًش مبطفىفص من خًنىم .float # threshold and binary AND )ret,thresh = cv2.threshold(dst,50,255,0 ))thresh = cv2.merge((thresh,thresh,thresh )res = cv2.bitwise_and(target,thresh
ذ
وؤهًنخ ٓنلىَ رهمٌٌص طهظٌس خًطىَش خًندطـص نن خإلٓلدؽ نىل خًوٌفٌص إلهٌلي خألًىخن خًظٍ شًطهد خًٌىنٌص غهٌفص. ))res = np.vstack((target,thresh,res )(cv2.imshow('res',res) , cv2.waitKey(0), cv2.destroyAllWindows
خًظدرو )(ٓ np.vstackنٔظهمٌه ًـمو ػالػص ضىَ يف ضىَش وخكًش ،ػم ٓنهُع خًنظٌـص غمن ندفٍش .ؤي ٓنهُع نظدثف ػالغ ضىَ يف ندفٍش وخكًش.
ذ
الفصل السادس ”النجاح ليس نتيجة لعدم ارتكاب أي أخطاء، وللكنه نتيجة لعدم تكرار نفس الخطأ مرتين ‟
جورج برنارد شو -مؤلف أيرلندي شهير.
OpenCvببساطة
242
امفصهُامعبدطُ:ذؽىًالدُامصىسحُيفُُ OpenCV حتوقلذػورققه:ذ
طهٌم بًـدي طلىًٍ فىًٌَه ًٌطىَش. ذ ذ ذ ذ ذ ذ ذ ذ ذ ذ ذ ذ
OpenCvببساطة
243
ذؽىًهُفىسًٌهُمنصىسحُُ Fourier Transform امهذفُ ُ:
بًـدي طلىًٍ فىًٌَه ًٌطىَش ردٓظوًخَ .OpenCv خالٓظفديش من طىخرو خًـ FFTخملىؿىيش يف .Numpy خٓظوًخَ طلىًٍ فىًٌَه يف رهؼ خًظؿزٌلدض. طهٌم خٓظوًخَ خًظىخرو خًظدًٌص. cv2.idft()،cv2.dft () :
مػنىمبدُنظشًخُ : ًٔظوًَ طلىًٍ فىًٌَه ًظلٌٌٍ هطدثظ خًرتيي ملوظٌف خملُشلدض. يف خًطىَ ػندثٌص خًزهً ًٔ 2Dظوًَ طلىًٍ فىًٌَه خملظلؿو Discrete Fourier ( DFT )Transformإلًـدي خملـدي خًرتييي .ؤرسم هىخَِمٌص ًلٔدذ طلىًٍ فىًٌَه هٍ Fast ( FFT ًٌ )Fourier Transformلطىي نىل طفدضٌٍ ؤهًت نن هٍخ خملىغىم ٌنونى كُخءش ؤي هظدذ ًظوٌم نن مهدًـص خًطىَش ؤو خإلشدَش. ٌنونند خنظزدَ fهى طُيي خإلشدَش ،وبٌخ ؤهٍند ردًنٔزص ًإلشدَش خًـٌزٌص مـدًهد خًرتييي رهٍن خالنظزدَ ٓرني ( spikeخًًّديش خملفدؿإش يف خإلشدَش) يف طُيي خإلشدَش .fبٌخ ؤهٍند نٌندض من خإلشدَش ًظشوٌٍ بشدَش مظلؿهصٓ ،نلطٍ نىل نفٕ خملـدي خًرتييي ،وًون ٓظوىن رشوٍ يوَي يف خملـدي ] [-π,+πؤو ]( [0 , 2πؤو ] [0 , Nردًنٔزص ًٌنلؿص Nيف طلىًٍ فىًٌَه خملظلؿو )DFT ٌنونند ؤن نهظرب خًطىَش هدإلشدَش خًظٍ ؤهٍند نٌندض منهد يف هال خالطـدهٍن ًًٍ .x,yى ننًمد نإهٍ طلىًٍ فىًٌَه ًٌطىَش يف هال خالطـدهٍن Xوٓ Yنلطٍ نىل خًرتيي خًٍي ٌٓمؼٍ خًطىَش .رشوٍ رًًهٍ ،بٌخ هدن مؿدي خإلشدَش خًـٌزٌص ًظًًن ررسنص هزًنش ويف وكع كطًن ٌنونند خنظزدَهد بشدَش ٌخض طُيي مُطفو ،ؤمد بٌخ هدن مؿدي خإلشدَش ًظًًن رزؿدء ٓظوىن بشدَش ٌخض طُيي منوفؼٌ ،نونند طؿزٌم نفٕ خًفوُش نىل خًطىَش.
OpenCvببساطة
244
مرىُمؼبلُامصىسحًُرغريُتشكهُكثري؟ُ ُ ًظًًن رشوٍ هزًن ننً نلدؽ خًلىخف ؤو خًػـٌفًٌ ،ى ٌنونند خًلىي رإن نلدؽ خًلىخف وخًػـٌف ٌخض طُيي مُطفو يف خًطىَش .ؤمد بٌخ مل ًون هندن طًًن هزًن يف خملؿدي ٓظوىن خًنلدؽ ٌخض طُيي منوفؼ يف خًطىَش .وخآلن ٓنشدهً هٌف ٓنىؿً طلىًٍ فىًٌَه ًٌطىَش. ذؽىًهُفىسًٌهُيفُُ :Numpy ٓــنىؿً طلىًــٍ فىًٌَــه ردٓــظوًخَ موظزــص .Numpyكٌــؽ متٌــى مـمىنــص FFTإلًـــدي طلىًــٍ فىًٌَه. امربتؼُاملعاولُغنُذؽىًهُفىسًٌهُهىُ)(ُ،np.fft.fft2ظٌػؼٌنبُهزاُامربتؼُامرؽىًهُامرتدديُ كمصفىفخُغلذًخُ . خملظًًن خألوي ًهٍخ خًظدرو هى ضىَش خًًهٍ (ًـس ؤن طوىن َمديًص)، ػدين مظًًن هٌدَي وهى خملٔاوي نن طلًًً كٌدْ مطفىفص خًوُؾ ،فةٌخ هدن خًلٌدْ ؤهرب من ضىَش خًًهٍ ٌٓظم متًًً خًطىَش رإضفدَ كزٍ كٔدذ ،FFTوبٌخ هدن ؤكٍ من كـم ضىَش خًًهٍ ٌٓظم كظ خًطىَش ،وبٌخ مل منَُ ؤي كٌمص يف هٍخ خملظًًن ٌٓوىن كٌدْ ضىَش خًوُؾ رنفٕ كٌدْ ضىَ خًًهٍ. خآلن رهً ؤن كطٌند نىل خًنظٌـص ،فةن خًرتيي خًطفُي ًٌهنرص (خملُهزص خملٔظمُش ٌٓ )DCوىن يف ؤنىل خًّؤوًص خًٌرسيًًٍ ،ى ٓنلظدؾ إلِخكص خًنظٌـص مبلًخَ 2Nيف هال خالطـدهٍن ،وًٌى من هالي خًظدرو )(ًٔ( np.fft.fftshiftهىًص خًظلٌٌٍ). رهً ًٌى نٌٌند بًـدي كـم خًؿٌف ( )magnitude spectrumهٌل ًًل: import cv2 import numpy as np from matplotlib import pyplot as plt )img = cv2.imread('kid_football.jpg',0
)f = np.fft.fft2(img )fshift = np.fft.fftshift(f ))magnitude_spectrum = 20*np.log(np.abs(fshift )'plt.subplot(121),plt.imshow(img, cmap = 'gray )][(plt.title('Input Image'), plt.xticks([]), plt.yticks )'plt.subplot(122),plt.imshow(magnitude_spectrum, cmap = 'gray )][(plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks )(plt.show
ذ
OpenCvببساطة
245
خًنظٌـص ٓظزًو هٌل ًًل:
ذ
ٌنونند ؤن نُي رإن خملنؿلص خألهًت رٌدغد هٍ يف خملُهّ وهٍخ ًزٍن ًند رإن خًرتييخض خملنوفػص هٍ خًٔدثًش. رهً بًـدي خًرتيي من هالي خًظلىًٍ خًرتييي ٌنونى خآلن خًلٌدَ رهًش نمٌٌدض نىل خملـدي خًرتييي مؼٍ طُشٌم خًرتيي خملُطفو ،وبنديش رندء خًطىَش ؤي بًـدي نوٕ ًًٍ ،DFTى ٌنونى رزٔدؾص ؤن طًٍّ خًرتييخض خملنوفػص نن ؾًُم طؿزٌم كندم مٔظؿًٌل رلـم ،60x60ػم نؿزم خًظلىًٍ خًهوًس ردٓظوًخَ خًظدرو )( np.fft.ifftshiftرلٌؽ طإيت خملُهزص خملٔظمُش DCيف خًّؤوًص خًٌرسي خًهٌٌد مُش ؤهُي (ؤي طهىي خًطىَش ملودنهد). رهً ًٌى نىؿً طلىًٍ فىًٌَه خًهوًس ردٓظوًخَ خًظدرو )( ،np.ifft2وخًنظٌـص ؤًػد ٓظوىن ؤنًخي نلًًص ،ننًهد ٌنونند ؤهٍ كٌمظهد خملؿٌلص.
246
ببساطةOpenCv import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('kid_football.jpg',0) f = np.fft.fft2(img) fshift = np.fft.fftshift(f) rows, cols = img.shape crow,ccol = rows/2 , cols/2 fshift[crow-30:crow+30, ccol-30:ccol+30] = 0 f_ishift = np.fft.ifftshift(fshift) img_back = np.fft.ifft2(f_ishift) img_back = np.abs(img_back) plt.subplot(131),plt.imshow(img, cmap = 'gray') plt.title('Input Image'), plt.xticks([]), plt.yticks([]) plt.subplot(132),plt.imshow(img_back, cmap = 'gray') plt.title('Image after HPF'), plt.xticks([]), plt.yticks([]) plt.subplot(133),plt.imshow(img_back) plt.title('Result in JET'), plt.xticks([]), plt.yticks([]) plt.show()
ذ
ذ
ذ ذ
OpenCvببساطة
247
طكهُ خًطىَش خًندطـص خًلىخف خًظٍ يف خًطىَش نظٌـص ًظؿزٌم مُشم خًرتيي خملُطفو ،وهٍخ ًًي ؤًػد نىل ؤن مهكم خًزٌدندض خًظٍ يف خًطىَش طلو يف منؿلص خًرتيي خملنوفؼ من خًؿٌفً .لً شدهًند هٌف ؤوؿًند طلىًٍ فىًٌَه DFTو( IDFTطلىًٍ فىًٌَه خملظلؿو ونؤه) ويًنهد يف ،Numpy وفٌٌل ًًل ٓنلىَ رنفٕ خألمُ وًون غمن موظزص.OpenCv بٌخ الككع يف خًطىَ خًندطـص هندن نًخ خًلىخف نلدؽ غـٌف ؤهُي (مؼٍ خًظٍ ننً خًٔهم خألكمُ)، وًٌى رٔزس طإػًن خًندفٍش خملٔظؿٌٌص خملٔظهمٌص هلندم .طٔمى نلدؽ خًػـٌف هٍه رظإػًن خالهظّخِ ،ringing effectsوًٌظًٌس نىل هٍه خملشوٌص خٓظهمٍ خملُشم خًًإويس رًي مُشم خًندفٍش خملٔظؿٌٌص. ذؽىًهُفىسًٌهُيفُُ :OpenCv موظزص OpenCvطىفُ ًند خًظدرهٌٍن )( ًٌ cv2.idft()،cv2.dftلٌدَ رهمٌٌص خًظلىًًٍ .هًٌ نفٕ خًنظدثف خًٔدرلص وًون رلندطٍن ،ؤوي كندش متؼٍ خًلٔم خًللٌلٍ ًٌطىَش خًندطـص ،وػدين كندش متؼٍ خًلٔم خًظوًٌل ًٌطىَش خًندطـص .ضىَش خًًهٍ ًـس ؤن طوىن ردًطًٌص .np. float32 import numpy as np import cv2 from matplotlib import pyplot as plt )img = cv2.imread('kid_football.jpg',0 )dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT )dft_shift = np.fft.fftshift(dft = magnitude_spectrum ))]20*np.log(cv2.magnitude(dft_shift[:,:,0],dft_shift[:,:,1 )'plt.subplot(121),plt.imshow(img, cmap = 'gray )][(plt.title('Input Image'), plt.xticks([]), plt.yticks )'plt.subplot(122),plt.imshow(magnitude_spectrum, cmap = 'gray )][(plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks )(plt.show
ذ
ذ
248
ببساطةOpenCv :امنرٌعخ
ذ
ٕ خًٍي ًهًٌ هٍ من خًؿىًٌص وخًّؤوًص يف نفcv2.cartToPolar() ٌنونى ؤًػد خٓظوًخَ خًظدرو يف خًٔدرم شدهًند،(IDFT) خآلن ٓنلىَ رةًـدي خًظلىًٍ خًهوًس ًظلىًٍ فىًٌَه خملظلؿو.خًٌلكص (خًٍي ٓىف ًًٍّ خًرتييخضLPF ؤمد هٍه خملُش ٓنؿزم مُشم،HPF هٌف ؾزلند مُشم طُي ًنن1 ويف خًزًخًص نلىَ رةنشدء كندم ًإهٍ خًلٌمص.)خملُطفهص من خًطىَش مٌل ًايي ًظًزٌش خًطىَش .خًرتييخض خملنوفػص import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('kid_football.jpg',0) dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) dft_shift = np.fft.fftshift(dft) rows, cols = img.shape crow,ccol = rows/2 , cols/2 # create a mask first, center square is 1, remaining all zeros mask = np.zeros((rows,cols,2),np.uint8) mask[crow-30:crow+30, ccol-30:ccol+30] = 1 # apply mask and inverse DFT fshift = dft_shift*mask f_ishift = np.fft.ifftshift(fshift) img_back = cv2.idft(f_ishift) img_back = cv2.magnitude(img_back[:,:,0],img_back[:,:,1]) plt.subplot(121),plt.imshow(img, cmap = 'gray') plt.title('Input Image'), plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(img_back, cmap = 'gray') plt.title('Magnitude Spectrum'), plt.xticks([]), plt.yticks([]) plt.show()
ذ ذ
OpenCvببساطة
249
امنرٌعخُ :
ذ
مالككص :هدًهديش طىخرو طلىًٍ فىًٌَه] )( [cv2.dft () ,cv2.idftملوظزص OpenCvؤرسم من نكًنخطهد يف .Numpyوًون طىخرو Numpyهٍ ؤهًت ٓهىًص يف خالٓظوًخَ.
األداءُاملصبيلُمرؽىًهُفىسًٌهُاملرلؼؼُ Performance Optimization of ُ :DFT ؤيخء طلىًٍ فىًٌَه خملظلؿو DFTؿًٌ ردًنٔزص ًزهؼ ؤكـدَ خملطفىفص .فّمن خًظنفٌٍ ًوىن ؤرسم ننًمد طوىن خملطفىفص مُفىنص ًٌلىي .4ؤًػدً خملطفىفدض خًظٍ كٌدٓهد ًوىن غهفٍ ؤو 4ؤغهدف ؤو 0ؤغهدف ًظم مهدًـظهد روفدءش طدمص. ًًٍى بٌخ هنع كٌم روطىص ؤيخء خًوىيٌ ،نونى طهًًٍ كـم خملطفىفص ألكً خألكـدَ خالهظٌدًَص (وًٌى رلشى خملطفىفص رإضفدَ) كزٍ بًـدي طلىًٍ فىًٌَه خملظلؿو ( .DFTؤي نًًّ كـم خملطفىفص ونهزح خًلـم خًّخثً رإضفدَ) .يف موظزص ً OpenCVـس ؤن طلىَ رلشى خملطفىفص رإضفدَ رشوٍ ًًوي ،وًون يف موظزص ٓ Numpyظلًي خًلٌدْ خًـًًً ًلٔدذ طلىًٍ فىًٌَه ( FFTطلىًٍ فىًٌَه خًرسًو) وٓىف ًظم طلشى خملطفىفص رإضفدَ رشوٍ ؤطىمدطٌيك. امعاالُاآلنُ،كٌفُنىظذُامؽعمُاملصبيلُمنمصفىفخ؟ ُ موظزص OpenCvطىفُ ًند خًظدرو )( cv2.getOptimalDFTSizeملهُفص خًلـم خملؼديلٌ .نونى طؿزٌم هٍخ خألمُ نىل هٍ من )( cv2.dftو )(.np.fft.fft2
250
ببساطةOpenCv
خًظٍ طىفُهد ًند رٌجص%timeit ٌٍينند نظللم من خأليخء ردٓظوًخَ ؤيخش كٔدذ ِمن خًظنف "C:\Python27\IPython (Qt)" َ غمن هٍخ خملٔدIPython ٓظـً ؤيخش.IPython
In [1]: cd Pictures C:\s\ASUS\Pictures In [2]: import cv2 In [3]: import numpy as np In [4]: img = cv2.imread('kid_football.jpg',0) In [5]: rows,cols = img.shape In [6]: print rows,cols 334ذ500 In [7]: nrows = cv2.getOptimalDFTSize(rows) In [8]: ncols = cv2.getOptimalDFTSize(cols) In [9]: print nrows, ncols 360ذ500
.(360,500) ( بىل334,500) ننً خمللدَنص رٍن خًنظدثف ٓظالكل رإنه طم طهًًٍ خًلـم من ًٍ نلىَ رلشىهد رإضفدَ رشوٍ ًًوي) ونىؿً ِمن طلىOpenCv خآلن ينند نلشىهد رإضفدَ (يف وننٔى رٌدندض خًطىَش، ٌنون فهٍ هٍخ خألمُ رةنشدء مطفىفص ضفًُص هزًنش خًلـم.DFT فىًٌَه .cv2.copyMakeBorder() ؤو نٔظوًَ خًظدرو،بىل هٍه خملطفىفص
251
ببساطةOpenCv
In [10]: nimg = np.zeros((nrows,ncols)) In [11]: nimg[:rows,:cols] = img
ذ ذOR
ذ
In [12]: right = ncols - cols In [13]: bottom = nrows - rows In [14]: bordertype = cv2.BORDER_CONSTANT In [15]: nimg = cv2.copyMakeBorder(img,0,bottom,0,right,bordertype, value = 0)
:Numpy خآلن ٓنلٔس خأليخء ردًنٔزص ملوظزص In [16]: %timeit fft1 = np.fft.fft2(img) loops, best of 3: 45.5 ms per loopذ10 In [17]: %timeit fft2 = np.fft.fft2(img,[nrows,ncols]) loops, best of 3: 8.46 ms per loopذ100
مُخض من خًوىي3 ردمللدَنص رٍن خًرسنظٍن ٓظـً ؤن ؤيخء خًوىي خًؼدين هدن ؤفػٍ فهى ؤرسم رلىخيل .OpenCv خآلن ٓنـُذ نفٕ خألمُ وًون هٍه خملُش ردٓظوًخَ طىخرو موظزص.خألوي ذ ذ
In [18]: %timeit dft1= cv2.dft(np.float32(img),flags=cv2.DFT_COMPLEX_OUTPUT) loops, best of 3: 2.22 ms per loopذ100 In [19]: %timeit dft2= cv2.dft(np.float32(nimg),flags=cv2.DFT_COMPLEX_OUTPUT) loops, best of 3: 1.73 ms per loopذ1000
.ؤًػد ردمللدَنص رٍن ِمن طنفٌٍ خًوىي خألوي وخًؼدين ٓظـً ؤن ِمن طنفٌٍ خًوىي خًؼدين هدن ؤرسم ٌٍفٔظـً ؤن ِمن طنفNumpy وموظزصOpenCV وٌنونى خمللدَنص ؤًػد رٍن ؤيخء طىخرو موظزص .Numpy ؤرسم روؼًن من ِمن طنفٌٍ ًظىخرو يفOpenCv طىخرو موظزص ذ
252
ببساطةOpenCv ملبراُاملششؾُا ُالتاليسُهىُمششؾُذشددُمشذفؼ؟
هىSobel ؟ وملدٌخHPF ملدٌخ الرالٌٓدن هى مُشم،ًلً طم ؾُق هٍخ خًٔاخي يف رهؼ خملنظًًدض ؟HPF مُشم وكم،FFT هٍ فلـ طلىًٍ فىًٌَه ًالرالٌٓدن ًلكـدَ هزًنش ًـ.خإلؿدرص هدنع كٔس طلىًٍ فىًٌَه : هدًظديل،رظلٌٌٌهد مبد خن خًلندم يف خملـدي خًّمنٍ فظلىًٌه ًٌمـدي خًرتييي ٌٓىغم ٌٓىهه import cv2 import numpy as np from matplotlib import pyplot as plt # simple averaging filter without scaling parameter mean_filter = np.ones((3,3)) # creating a guassian filter x = cv2.getGaussianKernel(5,10) gaussian = x * x.T # different edge detecting filters # scharr in x-direction scharr = np.array([[-3, 0, 3], [-10,0,10], [-3, 0, 3]]) # sobel in x direction sobel_x= np.array([ [-1, 0, 1], [-2, 0, 2], [-1, 0, 1]]) # sobel in y direction sobel_y= np.array([ [-1,-2,-1], [0, 0, 0], [1, 2, 1]]) #laplacian laplacian=np.array([[0, 1, 0], [1,-4, 1], [0, 1, 0]]) ذ
253
ببساطةOpenCv filters = [mean_filter, gaussian, laplacian, sobel_x, sobel_y, scharr] filter_name = ['mean_filter', 'gaussian','laplacian', 'sobel_x', \ 'sobel_y', 'scharr_x'] fft_filters = [np.fft.fft2(x) for x in filters] fft_shift = [np.fft.fftshift(y) for y in fft_filters] mag_spectrum = [np.log(np.abs(z)+1) for z in fft_shift] plt.figure(figsize=(10,5)) for i in xrange(6): plt.subplot(2,3,i+1),plt.imshow(mag_spectrum[i],cmap = 'gray') plt.title(filter_name[i]), plt.xticks([]), plt.yticks([]) plt.show()
ذ
ذ
.من خًطىَ خًندطـص ٌنونند رىغىق طلًُُ فٌٌل بٌخ هدن خملُشم ممُ ًٌرتييخض خًهدًٌص ؤَ خملنوفػص ُ ُ :مشاظؼُبطبفٌخ by Steven LeharAn Intuitive Explanation of Fourier Theory at HIPRFourier Transform What does frequency domain denote in case of images?
الفصل السابع
” إن المهام العظام يمكن إنجازها حين يستغل الإنسان وقته بكفاءة ‟ د.إبراهيم الفقي
OpenCvببساطة
255
امفصهُامعبتؼُ:مٌضحُامكشفُوامىصفُ Feature ُ Detection and Description فهم مٌّخض خًطىَش مد هٍ خملٌّخض خًُثٌٌٔص يف خًطىَش؟ هٌف ٌنون بًـدي هٍه خملٌّخض كظى طوىن مفًٌش ًند؟
موظشف ِوخًد هدًَٕ Harris Corner Detection خًّوخًد هٍ مٌّش ؿًٌش وًون هٌف ٌنون بًـديهد.
موظشف ِوخًد & Shi-Tomasiمٌّخض ؿًٌش ًٌظهلس ٓنظهٌم هٌفٌص خهظشدف ِوخًد .Shi-Tomasi
ملًمص بىل ( SIFTمٌّش خًظلىًٍ خًؼدرظص خًلٌدْ) ((Scale-Invariant Feature Transform موظشف ِوخًد هدًَٕ يًن ؿًٌ هفدًص ننً طًًن كٌدْ خًطىَش ،نظٌـص ًًٍى كدمع خملؿىَش Loweرىغو ؾًُلص إلًـدي خًهندرص خًؼدرظص خًلٌدْ .وؤؾٌلع نٌٌهد خٓم .SIFT ملًمص بىل ( SURFخملٌّخض خًلىًص خملرسنص) )(Speeded-Up Robust Features
بن مٌّش SIFTؿًٌش ،وًونهد يًن رسًهص مبد فٌه خًوفدًصًًٍ ،ى طم خنشدء نٔوص ؤرسم وؤؾٌم نٌٌهد خٓم .SURF FAST ؤرسم هىخَِمٌص الهظشدف خًّوخًد هٍ ؾُق خملٌّخض خًٔدرلص ؿًٌش يف رهؼ خألكٌدن ،وًونهد ًٌٔع رسًهص مبد فٌه
OpenCvببساطة
256
خًوفدًص ًظهمٍ مو خًظؿزٌلدض خًظٍ طهمٍ ردًىكع خًللٌلٍ) مؼٍ خًٌٔدَش ٌخطٌص خًلٌديش و ًًٍ ،)...ى طم بًـدي هىخَِمٌص FASTوخًظٍ طهمٍ يف خًىكع خًللٌلٍ. (BRIEF خملٌّخض خالرظًخثٌص خملٔظلٌص خًلىًص خًؼندثٌص) )(Binary Robust Independent Elementary Features رٔزس خٓظهالن خًٍخهُش خًوزًن من كزٍ SIFTطم بًـدي BRIEFخًظٍ طىفُ يف خًٍخهُش وطهؿٌند رسنص ؤهرب ردملؿدرلص.
( ORB مىؿه FASTومًوَ (Oriented FAST and Rotated ( )BRIEF BRIEF SIFTو ً SURFلىمىن رهمٍ ؿًٌ ،وًون ملشوٌص رإنه يًن مـدين وًـس يفو رػو يوالَخض هٍ ٓنص. ًلٍ هٍه خملشوٌص وفُض ًند موظزص OpenCvرًًٍ نن SIFTو SURFوهى .ORB مٌّش خملؿدرلص Feature Matching ًلً طهٌمند هؼًنخ نىل مٌّش خًوشف وخًىضف ،وخآلن كدن خًىكع ًنظهٌم هٌف نؿدرم موظٌف خألوضدف. موظزص OpenCvطىفُ ًند طلنٌظٍن ًهٍخ خألمُ وهٌل: مؿدرلص Brute-Forceومؿدرلص .FLANN based
مٌّش خملؿدرلص Homography +إلًـدي خألؿٔدَ خآلن ؤضزلند نهُف مد هٍ مٌّش خملؿدرلص ينند خآلن نًمـهد مو خملىيًٍ calib3d إلًـدي خألؿٔدَ يف خًطىَش خملهلًش.
257
OpenCvببساطة فهمُاملٌضادُUnderstanding Features
ذ
امهذفُ : يف هٍخ خًفطٍ ٓنلإوي فلـ فهم خملٌّخض خًُثٌٔص يف خًطىَش (خًوطدثظ خملمٌّش يف خًطىَش) ،وًنهُف ملدٌخ هٍ مهمص ،وملدٌخ مٌّش خًّوخًد هٍ مٌّش مهمص. امرشػُ : يف ًهزص طُهٌس خًطىَ نلظدؾ ًظـمٌو خًلؿو خًطًًنش من خًطىَ ًظشوٌٍ ضىَش هزًنش .هٌف ًٔظؿٌو خإلنٔدن متٌٌّ خًلؿو خملنفطٌص خملشوٌص ًٌطىَش خًىخكًش؟ وهٍ ٌنون ًٌلدٓىذ نكًُدً رإن ٌنٌى مؼٍ هٍه خًلًَش؟ وبٌخ ؤمون هٍخ ملدٌخ ال ٌنونند بنشدء رُندمف ًلىَ رـمو نًش ضىَ ملندقُ خًلٌدش خًللٌلٌص خًؿزٌهص يف ضىَش وخكًش هزًنش؟ ؤو ٌنونند بنشدء رُندمف ًطنو مـٔم ػاليث خألرهدي 3Dمن مـمىنص ضىَ ملـٔم؟ ؿمٌو خألٓجٌص خًٔدرلص طُهّ كىي هٌف ًٔظؿٌو خًلدٓس طـمٌو ضىَ موظٌفص ًنفٕ خملشهً يف ضىَش وخكًش؟ خًـىخذ :نلن نزلؽ نن ؤمندؽ ملًيش ؤو مٌّخض فًًُش وخًظٍ ٌنون رٔهىًص طظزههد ،وملدَنظهد رٔهىًص. بٌخ ؤَيند طهًُف هٍه خملٌّش ،فمن خًطهس خًظهزًن ننهد روٌٌلض وًونند نهُف مد هٍ ،فدًلًَش نىل خًظمٌٌّ مىؿىيش فٌند ردألضٍ وكظى ننً خألؾفدي خًطًدَ ًًٍى طـًهم ًٔظؿٌهىن ؤن ًٌهزىخ ًهزص طُهٌس خًطىَش خملفووص ،رلٌؽ ًٔظؿٌهىخ ؤن ًـمهىخ خًلؿو وًلًيوخ خًظشدره فٌٌل رٌنهد. ذ
258
OpenCvببساطة وامعاالُا ُآلنُمبُهٍُهز ُاملٌضاد؟ُ ُ
خًـىخذً :ـس ؤن ًوىن مفهىمد من كزٍ خًلدٓس ؤًػد! كٔندً ،فمن خًطهس خًلىي هٌف طـً خًزٍس هٍه خملٌّخض ،ألنهد مربمـص مٔزلد يف خًًمدى ،وًون بٌخ نكُند رهمم بىل خًطىَش ورلؼند نن ؤمندؽ موظٌفصٓ ،نـً يشء مؼًن ًالهظٌلَ .نىل ٓزٌٍ خملؼدي ًنإهٍ خًطىَش خًظدًٌص:
ذ
نالكل رإن خًلؿو خًٔظص خملىؿىيش يف خنىل خًطىَش من F Aهٍ مىؿىيش غمن خًطىَش. خًلؿهص Aو Bنزدَش نن ؤٓؿم مٔظىًص ،وطنظٍس يف مندؾم هؼًنش من خًطىَش ًًٍى فمن خًطهس خًهؼىَ نٌٌهد يف مودن ملًي يف خًطىَش. خًلؿهص Cو Dمتؼٍ كىخف خملزنى ،وٌنونى ؤن طـً مىكههد رشوٍ طلًُزٍ وًون ؤن طىؿً مودنهد خمللًي فهٍخ ضهس نىند مد .ألن هٍه خًلؿهص مىؿىيش نىل ؾىي خًلدفص ،وهٍ نفٔهد يف هٍ مودن. نالكل من ؾزٌهص خًلدفص رإن مٌّش خًلىخف ؤفػٍ من خألٓؿم خملٔظىًص ،وًونهد ًٌٔع ؿًٌش مبد فٌه خًوفدًص. خًلؿهظٍن Eو Fمتؼٍ رهؼ ِوخًد خملزنى ،وٌنون خًهؼىَ نٌٌهد رٔهىًص ،ألن خًّوخًد ننً طلًُوهد يف ؤي خطـده ٓظزًو موظٌفصً ،هٍخ ٌنون خنظزدَهد مٌّش ؿًٌش.
259
OpenCvببساطة خآلن ٓننظلٍ ًٌٍسق خًظديل كظى نفهم رشوٍ ؤفػٍ:
ذ
خًٍسق ردًػزـ مؼٍ فىق. فدًزلهص خًَّكدء متؼٍ خًٔؿم خملٔظىي ،ومن خًطهس خًهؼىَ نٌٌهد وطهلزهد ،وؤًنٌل كُهظهد ٓظزًو نفٔهد .خًزلهص خًٔىيخء متؼٍ خًلدفص ،بٌخ كُهظهد رشوٍ نمىيي ٓظظًًن ،رٌنٌل بٌخ كُهظهد رشوٍ ؤفلٍ ًن طظًًن (وهٍخ خألمُ متدمدً مؼٍ خًٔدرم فهنًمد نلُن خًلدفص رشوٍ مىخِي ًؿىي خًلدفص ٓظزًو نفٔهد). خًزلهص خًلمُخء متؼٍ خًّؤوًص ،ؤًنٌل كُهظهد ٓظزًو مبنكُ موظٌفًًٍ ،ى نهظرب خًّوخًد ٌو مٌّش ؿًٌش يف خًطىَش (ًٌٔع خًّوخًد ًىكًهد هٍ مٌّش ؿًٌش ،ففٍ رهؼ خًلدالض طهظرب خًنلدؽ ؤًػد ٌو مٌّش ؿًٌش). تػذُؤنُؤظثنبُغىلُامعاالُاأل ُولُوهىُ،مبُهٍُاملٌضاد؟ُ ُ خًٔاخي خًٍي ًؿُق نفٔه خآلن ،هٌف نىؿً هٍه خملٌّخض؟ ؤو هٌف نىؿً خًّوخًد؟ خًـىخذ :من هالي خًلًْ ،كٌؽ نزلؽ نن مندؾم يف خًطىَش طظًًن ؤهًت من يًنهد ننً طلًُوهد ،ونهرب نن هٍخ رًٌص خًلدٓىذ مبد ًٔمى خهظشف خملٌّخض ،Feature Detectionوهٍخ مد ٓنظًؤوًه يف خًفطىي خًلديمص. ًنفرتع رإنند ؤوؿًند خملٌّخض خًظٍ يف خًطىَش ،فزهً بًـديند ًهدً ،ـس نٌٌند مؿدرلظهد مو ضىَش ؤهُي ،وًظم ًٌى رإهٍ منؿلص كىي خًزلهص خملمٌّش ونلىَ رىضفهد( ،مؼال خًـّء خًٍي يف خألنىل
OpenCvببساطة
260
ٌنؼٍ خًٌٔلء خًَّكدء ،وخًلٔم خًٔفًل ٌنؼٍ منؿلص خًزندء ،نىل خًزندء هندن رهً خًّؿدؾ... ،خًى)، ورشوٍ مشدره ًهٍخ خألمُ ًلىَ خًلدٓىذ رًٍى ،ؤًمى هٍخ رىضف خملٌّش Feature .Descriptionرهً خًلطىي نىل خملٌّش وخًىضف ًظم خٓظوًخَ ًٌى بمد ًرتطٌس خملٌّخض ؤو ًٌىضىي بىل خًطىَ ؤو ًفهٍ ؤي يشء نًًُه. إلًـدي خملٌّخض ووضفهد ومؿدرلظهد يف OpenCvنٔظوًَ نًش هىخَِمٌدض مظنىنص.
امهذفُ : فهم مفهىَ موظشف ِؤوًد هدًَٕ ٓنظهٌم خٓظوًخَ خًظىخرو خًظدًٌص. cv2.cornerSubPix()، cv2.cornerHarris(): ُ ملذمخُنظشًخُ : يف خًفطٍ خًٔدرم َؤًند رإن خًّوخًد هٍ مندؾم يف خًطىَش فٌهد خهظالف هزًن يف خًوؼدفص (خًشًش) خًٌىنٌص يف ؿمٌو خطـدهدض هٍه خملنؿلص. يف هٍه خًوىخَِمٌص ٓنلىَ رظلىًٍ خألفودَ خًزٌٔؿص خًٔدرلص كىي خملٌّخض ًطًٌص ًَدغٌص ،فهٍه خًوىخَِمٌص طلىَ رشوٍ ؤٓديس نىل كٔدذ خالهظالف ردًشًش ننً طلًُى ) (u,vروٍ خالطـدهدض، وهٍخ مد ًهرب ننه ًَدغٌد هٌلذقؾي :ذ
261
OpenCvببساطة ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ
∑ الشدة
شدة اإلزاحة
ذ
Window function
ذ
طدرو خًندفٍش window functionبمد ندفٍش مٔظؿٌٌص ؤو ندفٍش يإوٌٓص ،خًًدًص منه بنؿدئند وِن إلًـدي خًّوخًد .نؿزم خًزٌؤالض خًظٍ طلع خملٔظؿٌٍ .نٌٌند خالٓظفديش من كٌمص خًظدرو منشىَ طدًٌىَ خملىٓو نىل خملهديًص خًٔدرلص وردًلٌدَ رزهؼ خًوؿىخض خًًُدغٌص نلطٍ نىل مد ًًل: ] [ حقثذذ]
[
∑
هٌل مشظلٍ خًطىَش ردالطـدهٍن xوٌ( yنون بًـديهٌل رٔهىًص من هالي خًظدرو )(ًٌ( .)cv2.Sobelظٍهًن طدرو ٓىرٌٍ Sobelمُ مهند مٔزلد) رهً ًٌى نطٍ ًٌـّء خًُثًٌس ،وخًٍي ًلًي خكظٌلي ؤن طلىي خًندفٍش ِؤوًص ؤو ال طلىي. كٌؽ: هٌل خًلٌم خًٍخطٌص ًـ .M هٍه خًلٌم خًٍخطٌص هٍ خًظٍ طلَُ فٌٌل بٌخ هدنع خملنؿلص هٍ ِؤوًص ؤَ كدفص ؤَ مٔظىي. طوىن كٌمظهم ضًًنش و ننًمد طوىن | |Rضًًنش ،وهٍخ ًلًغ ننًمد خملنؿلص مٔظىًص. ؤو ردًهوٕ ؤي ننًمد طوىن ،R<0وهٍخ ًلًغ ننًمد خملنؿلص كدفص. ننًمد طوىن Rهزًنش ،وهٍخ ًلًغ ننًمد و طوىن كٌمظهم هزًنش و خملنؿلص ِؤوًص.
262
ببساطةOpenCv : هٌل ًًل،ٌنون متؼٌٍ هٍه خًلٌم نىل شوٍ ضىَش
ذ
ورإهٍ خًهظزص ًهد.ضىَش خًًهٍ ملوظشف ِوخًد هدًَٕ ًـس ؤن طوىن ضىَش يف خملٔظىي خًُمديي ٓنلىَ ردٓظوًخَ موظشف ِوخًد هدًَٕ نىل.ردًشوٍ خملندٓس ٓظهؿٌند خًّوخًد خًظٍ يف خًطىَش .ضىَش رٌٔؿص ُ :OpenCVُ مكرشفُ ُصؤوًخُهبسًغُيف :ٍ مظًًنخطه ه. ًهٍخ خًًُعcv2.cornerHarris() خًظدروOpenCv طىفُ ًند موظزص .float32 ًـس ؤض طوىن َمديًص ومن خًنىم، ٍ ضىَش خًًه:Img . كٌدْ خًـىخَ ردًنٔزص الهظشدف خًلىخف:blockSize .ًَ خمل ُْٔظوsobel ٌٍ ردَخمرت خًفظلص ملشظم ٓىر:Ksize . خًزدَخمرت خًلُ ملوظشف هدًَٕ يف خملهديًص:K import cv2 import numpy as np filename = 'car.jpg' img = cv2.imread(filename) gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) gray = np.float32(gray) dst = cv2.cornerHarris(gray,2,3,0.04) #result is dilated for marking the corners, not important dst = cv2.dilate(dst,None)
# Threshold for an optimal value, it may vary depending on the image. img[dst>0.01*dst.max()]=[0,0,255]
ذ
263
OpenCvببساطة
)cv2.imshow('dst',img if cv2.waitKey(0) & 0xff == 27: )(cv2.destroyAllWindows
امنرٌعخُ :
رشػُامكىدُ : يف خًزًخًص كمند ردٓظًندء موظزص OpenCvوموظزص ،Numpyػم كمند رظوًّن خًطىَش يف خملظًًن ،filenameػم كمند رلُخءش خًطىَش نن ؾًُم خًظدرو )( ،cv2.imreadػم كمند رظلىًٍ خًطىَش بىل خملٔظىي خًُمديي نن ؾًُم خًظدرو )( ،cv2.imreadػم كمند رظلىًٍ خًطىَش ًٌطًٌص float32وًٌى نن ؾًُم خًظدرو)(. np. float32 )dst = cv2.cornerHarris(gray,2,3,0.04
ػم كمند ردهظشدف ِوخًد هدًَٕ نن ؾًُم خًظدرو )( cv2.cornerHarrisوًلً ٌسكند ٓزدكد مد هٍ خًزدَخمرتخض خًظٍ ًإهٍهد( .مالككص ًفهم هٍ مظًًن رشوٍ ؤوغم ؿُذ طًًٌن هٍ كٌمص ًىكًهد وشدهً مد خًٍي ٌٓلطٍ يف خًطىَش) )dst = cv2.dilate(dst,None
ذ
264
OpenCvببساطة
خًظدرو )( cv2.dilateهى طدرو خًظمًًً (طم ٌسكه مٔزلد يف فطٍ خًظلىالض خملىَفىًىؿٌص) فلـ خٓظوًمنده ًظىغٌم خًهالمدض خملٌىنص ردًٌىن خألكمُ وخًظٍ طًي نىل ِوخًد هدًَٕ (هٍخ خًٔؿُ يًن مهم ٌنونى نًَ هظدرظه). # Threshold for an optimal value, it may vary depending on the image. ]img[dst>0.01*dst.max()]=[0,0,255
ذ
هٍه خًظهٌٌمص مٔاوًص نن طٌىًن ؤمدهن ِوخًد هدًَٕ ردًٌىن خألكمُ ،كٌؽ خًلٌمص ] [0,0,255متؼٍ خًٌىن خألكمُ يف خًفػدء ،BGRوهٍخ خًٔؿُ ؤًػد ًلًي خًهظزص خًظٍ نًًُ بقهدَهد ًهٍه خًّوخًد، كٌؽ كمند هند رظلًًً كٌمص خًهظزص خًًنٌد رـ .5.58 (ؿُذ طوزًن وططًًن كٌمص خًهظزص وشدهً مد خًٍي ٌٓلًغ_ ٓرتي رإنه هٌٌل كمع رظوفٌؼ خًهظزص خًًنٌد ًًٌّٓ نًي خًنلدؽ خملهٌمص ردًٌىن خألكمُ ًّوخًد هدًَٕ نىل خًطىَش ،وهٌٌل كمند رًّديش هٍه خًهظزص ٌٓنوفؼ نًي خًنلدؽ خملهٌمص ردًٌىن خألكمُ ًّوخًد هدًَٕ). ٌنونى خٓظزًخي ٓؿُ خألوخمُ هٍخ ردًظهٌٌمص خًظدًٌص: )ret, dst = cv2.threshold(dst,0.01*dst.max(),255,0
)cv2.imshow('dst',img
ذ
ويف خًنهدًص نلىَ رهُع خًطىَش غمن ندفٍش خٓمهد ' 'dstوًٌى نن ؾًُم خًظدرو )(.cv2.imshow ذ
265
ببساطةOpenCv ُ :Corner with SubPixel Accuracyٍُ دكخُام ُضؤوًخُمؼُامثٌكعهُامفشغ
.ؤكٌدند نلظدؾ ًًكص ؤهرب ننً خهظشدف خًّوخًد فٌٌلطىي نىل يكص.cv2.cornerSubPix() طىفُ ًند هٍخ خألمُ من هالي خًظدروOpenCv موظزص ، وخًٍي ًلىَ ررتشٌم خًندطفcv2.cornerSubPix ؤهرب منَُ ندطف خهظشدف ِوخًد هدًَٕ ًٌظدرو .ًٌلطىي نىل نظدثف ؤيق import cv2 import numpy as np filename = 'car.jpg' img = cv2.imread(filename) gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # find Harris corners gray = np.float32(gray) dst = cv2.cornerHarris(gray,2,3,0.04) dst = cv2.dilate(dst,None) ret, dst = cv2.threshold(dst,0.01*dst.max(),255,0) dst = np.uint8(dst) # find centroids ret, labels, stats, centroids = cv2.connectedComponentsWithStats(dst) # define the criteria to stop and refine the corners criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 0.001) corners = cv2.cornerSubPix(gray,np.float32(centroids),(5,5),(-1,-1),criteria) # Now draw them res = np.hstack((centroids,corners)) res = np.int0(res) img[res[:,1],res[:,0]]=[0,0,255] img[res[:,3],res[:,2]] = [0,255,0] cv2.imshow('dst',img) if cv2.waitKey(0) & 0xff == 27: cv2.destroyAllWindows()
.4 َ خإلضًخOpenCV يًن مىؿىي يف موظزصcv2.connectedComponentsWithStats خًظدرو:مالككص
266
OpenCvببساطة امنرٌعخُ :
ذ
267
OpenCvببساطة مكرشفُصواًبُُ&ُShi-Tomasiمٌضادُظٌذحُمنرػلج ُ خًهًف ٓنظهٌم خٓظوًخَ هدشف آهُ ًٌّوخًد وهى :موظشف خًّؤوًص .Shi-Tomasi ٓنظهٌم خٓظوًخَ خًظدرو خًظديل. cv2.goodFeaturesToTrack(): امنظشي:
ُ
موظشف خًّوخًد ً Shi-Tomasiهؿٍ نظٌـص ؤفػٍ ملدَنص مو موظشف خًّوخًد هدًَٕ. يف موظشف هدًَٕ طم ؤهٍ طدرو خًظلطٌٍ هٌل ًًل:
رًالً نن ًٌى خكرتق Shi-Tomasiخًظديل:
هٌل فهٌند مو
بٌخ هدنع ؤهرب من كٌمص خًهظزص نهظربهد ِؤوًص .وبٌخ َٓمندهد يف خًفػدء موظشف خًّوخًد هدًَٕ فٔنلطٍ نىل خًطىَش خًظدًٌص.
ذ
نالكل من خًطىَش رإنه فلـ ننًمد طوىن كٌمص و ؤنىل من كٌمص خًلً خأليىن خملٌىنص ردًٌىن خألهٍص).
نهًهد ِؤوًص (خملنؿلص ذ
OpenCvببساطة
268
ُامكىدُ : موظزص OpenCvطلىي خًظدرو )( ،cv2.goodFeaturesToTrackوخًٍي ًُ ْى ِؿ ًْ خًّوخًد خألكىي Nيف خًطىَش نن ؾًُم موظشف ( Shi-Tomasiؤو موظشف ِوخًد هدًَٕ بٌخ خٓظهمٌظه) .خًطىَش ًـس ؤن طوىن يف مٔظىي خًٌىن خًُمديي .كم رظلًًً نًي خًّوخًد خًظٍ طًًُ بًـديهد ،ػم كًي مٔظىي خًًكص ،وخًٍي ًًي نىل خًلً خأليىن ًًكص خًّؤوًص ،رلٌؽ بن كٌمص ؤي ِؤوًص طوىن طلع خًلً خأليىن طُفؼ (ؤي طإهٍ خًلٌمص .)0ػم نّوي خًظدرو رإكٍ مٔدفص مٔمىكص رٍن خًّوخًد خملوظشفص. هٍ هٍه خملهؿٌدض طـهٍ خًظدرو ًىؿً خًّوخًد خًظٍ يف خًطىَش رلٌؽ هٍ ِؤوًص طلع مٔظىي خًًكص خملؿٌىرص طُفؼ ،ػم طوّن خًّوخًد خملظزلٌص خنظٌليخ نىل مٔظىي خًًكص وررتطٌس طندِيل .ػم ًإهٍ خًظدرو ؤوي ؤكىي ِؤوًص ،وًظوٌظ من هٍ خًّوخًد خًلًُزص من مـدي خملٔدفص خألكٍ من خملٔمىق، وًهًٌ خًّوخًد خًلىًص .Nيف خملؼدي خًظديل ٓنلإوي بًـدي ؤفػٍ ِ 25ؤوًص: import numpy as np import cv2 from matplotlib import pyplot as plt )'img = cv2.imread('car.jpg )gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY )corners = cv2.goodFeaturesToTrack(gray,25,0.01,10 )corners = np.int0(corners for i in corners: )(x,y = i.ravel )cv2.circle(img,(x,y),3,255,-1
)(plt.imshow(img),plt.show
269
OpenCvببساطة امنرٌعخ:
ذ
ذ
ذ
من نظٌـص خًطىَش نٔظنظف رإن هٍخ خًظدرو مندٓس ؤهًت ًٌظهلس ،trackingوهٍخ مد ٓرنخه يف خًفطىي خًلديمص. رشػُامكىدُ : يف خًزًخًص نلىَ رلُخءش خًطىَش وطوًّنهد يف خملظًًن ،imgػم نلىَ رظلىًٍ خًطىَش ملٔظىي خًىن خًُمديي. )corners = cv2.goodFeaturesToTrack(gray,25,0.01,10
ذ
نلىَ رةًـدي خًّوخًد خألكىي خًظٍ يف خًطىَش وًٌى نن ؾُق خًظدرو )(.cv2.goodFeaturesToTrack مظًًنخض هٍخ خًظدرو هٍ: خملظًًن خألوي هى ضىَش خًًهٍ وًـس ؤن طوىن يف خملٔظىي خًُمديي. خملظًًن خًؼدين ًلًي نًي خًّوخًد خًظٍ نًًُ خهظشدفهد. خملظًًن خًؼدًؽ ًلًي مٔظىي يكص خًّوخًد خملوظدَش ،كٌؽ ًلًي خًهظزص خًًنٌد ًٌّوخًد خملوظدَش. خملظًًن خًُخرو ًلًي ؤكٍ مٔدفص مٔمىكص رٍن خًّوخًد خملوظشفص. )corners = np.int0(corners
ذ
خًظدرو )( np.int0وقٌفظه هند بًًدء خألَكدَ خًظٍ رهً خًفدضٌص ًٌلٌمص خًظٍ منَُهد ًه .فمؼال بٌخ هدن خًُكم ً 5.76طزم خًُكم .0
270
OpenCvببساطة
corners=5.76 )x = np.int0(corners print x
ذ
5
مصبلُآخشُ : )]corners= np.array([5.76,3.5,6.78,7 )x = np.int0(corners print x ][5 3 6 7 for i in corners: )(x,y = i.ravel )cv2.circle(img,(x,y),3,255,-1
ذ
ػم كمند رهمٍ كٌلص forكظى نوّن بكًخػٌدض خًّوخًد خًظٍ كطٌند نٌٌهد يف خملظًًنًن xو ،yػم نلىَ رظمًُُ هٍه خإلكًخػٌدض ًظدرو َٓم خًًوخثُ )( cv2.circleكظى نهٌم نلدؽ خًّوخًد رًوخثُ مٌىنص ردًٌىن خألكمُ .خًظدرو )( ravelيف موظزص numpyمٔاوي نن طلىًٍ خملطفىفص ػندثٌص خًزهً 2D بىل مطفىفص ؤكديًص خًزهً .1D مصبلُ : )]]a = np.array([[1,2], [4,5 )(a.ravel ][1 2 4 5
هند كمند رظلىًٍ خملطفىفص ػندثٌص خًزهً 2Dبىل 1Dكظى نٔظؿٌو خًلطىي نىل بكًخػٌدض x ًىكًهد وبكًخػٌدض ًyىكًهد ًنمَُهد ًظدرو َٓم خًًوخثُ.
ذ
271
OpenCvببساطة ملذمخُبىل(Scale-Invariant Feature Transform(ُSIFT امهذف:
ٓنظهُف نىل هىخَِمٌص .SIFT طهٌم بًـدي خًنلدؽ خًُثٌٌٔص ًـ SIFTو مىخضفدطهد. ذ
امنظشيُ : يف خًفطٌٍن خًٔدرلٍن شدهًند رهؼ موظشفدض خًّوخًد هموظشف هدًَٕ ،وشدهًند هٌف ؤن مٌّخض خًطىَش همٌّش خًّؤوًص طزلى هٌل هٍ ننً طًوًُ خًطىَش ،ؤي ؤن خًّؤوًص ال طظإػُ ردًظًوًُ ،وًون مد خًٍي ًلًغ ملٌّش خًّؤوًص بٌخ يًنند كـم خًطىَش؟ خًـىخذ ٌنون ؤن ططزم ًٌٔع رّؤوًص ،فهىل ٓزٌٍ خملؼدي شدهً خًطىَش خًظدًٌصٓ ،ظشدهً ِؤوًص يف ضىَش ضًًنش يخهٍ ندفٍش ضًًنش (خًندفٍش متؼٍ خًلندم) .بٌخ كمند رظوزًن خًطىَش مو خالكظفدف رنفٕ كـم كندم خًندفٍش ٓظهظرب مٔؿلص ؤي ًٌٔع رّؤوًص .وهٍخ ًًي نىل ؤن ِوخًد هدًَٕ طظإػُ ننً طًًن كـم خًطىَش. ذ ذ
ذ
رٔزس مشوٌص طإػُ ِوخًد هدًَٕ ننً طًًن خًلـم ،كدَ خملؿىَون رةًـدي هىخَِمٌص ؿًًًش طلدفل نىل مٌّش خًّوخًد ننً طًًن خًلـم وؤؾٌلىخ نٌٌهد غمن ؤوَخق خًزلؽ خٓم ( SIFTخهظطدَ ًوٌمص: مٌّش خًظلىًٍ خًؼدرظص خًلـم) طظإًف هٍه خًوىخَِمٌص من ؤَرو مُخكٍ وهٍ: خهظشدف خًلٌمص خًهكمى ًٌلـم. طلًًً خًنلدؽ خألٓدٌٓص خًظٍ متؼٍ خًّوخًد. طهٌٍن خالطـده (إلِخًص طإػًنخض خًًوَخن وخًلـم). بنشدء وخضف (ردٓظوًخَ خملوؿؿدض خًزٌدنٌص ًالطـدهدض). ذ
OpenCvببساطة
272
-1ؿؽتشفذاؾؼقؿةذاؾعظؿىذؾؼقاسذاحلجم ): (Scale-space Extrema Detection
من خًىخغم من خًطىَش خًٔدرلص رإنند ال نٔظؿٌو خٓظوًخَ نفٕ كندم خًندفٍش ًٌوشف نن خًنلدؽ خًُثٌٌٔص (خًّوخًد) خًظٍ يف خًطىَ ٌخض خألكـدَ موظٌفصٌ .نون خٓظوًخَ نفٕ خًندفٍش ًٌوشف نن خًّوخًد خألضًُ من خًندفٍش ،وًون ًٌوشف نن خًّوخًد خًوزًنش ٓنلظدؾ ًندفٍش ؤهربً ،هٍخ ًظم خٓظهٌلي مُشم كٌدْ خًلـم ( .)Scale-spaceوخًٍي ًهظمً نىل بًـدي الرالٌٓدن خًًإويس(ًٌ )LoGطىَش مو كٌم كـم موظٌفص ًٌطىَش (𝜎). الرالٌٓدن خًًإويس ًهمٍ هموظشف ًٌنلدؽ ،رلٌؽ ًوظشف خًنلدؽ كظى وًى طم طًًٌن كـم خًطىَش. روٌٌلض موظرصش 𝜎 ،متؼٍ مهدمٍ خًلٌدْ(خًلـم) ،نىل ٓزٌٍ خملؼدي يف خًطىَش خًٔدرلص رظؿزٌم خًلندم خًًإويس نىل كـم ضًًن ًٌطىَش ٓنلطٍ نىل كٌمص ندًٌص ألضًُ ِؤوًص ،رٌنٌل بٌخ ؾزلند رب خًلندم خًًإويس نىل نفٕ خًطىَش وًون رلـم ؤهرب ٓنلطٍ نىل كٌمص طظندٓس متدمد مو هِ َ ْ خًّؤوًص. ًًٍى ٌنونند بًـدي ؤهرب كٌمص كدًٌص ًٌلٌدْ وخًلـم ،ننًهد ٓنلطٍ نىل كدمئص من خًلٌم (x , y , )𝜎 وخًظٍ طهنٍ وؿىي نلدؽ ِوخًد ملظمٌص ننً خإلكًخػٌص ) (x , yننً خًلـم 𝜎 .وًون هٍه خًهمٌٌص طٔظهٌى وكعًًٍ ،ى ٓنٌـإ الٓظوًخَ خًفُق خًًإويس يف هىخَِمٌص SFITألن هٍخ خألمُ ًهً ؤرٔـ وًون ًلىَ ردملهمص خملؿٌىرصً .ظم هٍخ خألمُ نن ؾًُم ؾُق خًظشىًش خًًإويس (ًٌ )Gaussian blurringطىَش رلـمٍن موظٌفٍن ًٌطىَش .هٍه خًهمٌٌص طظم نىل كٌم ٌتدنٌص موظٌفص ًٌطىَش يف خًهَُ خًًإويس ،وهٍخ ًظمؼٍ يف خًطىَش خًظدًٌص: ذ ذ ذ ذ ذ ذ
number of octaves= 4، number of scale levels = 5
273
OpenCvببساطة
رهً بًـدي خًفُق خًًإويس (ً )DoGظم خًزلؽ نن خًلٌمص خًهكمى خًلدًٌص غمن خملٔظىًدض خملوظٌفص ،فهىل ٓزٌٍ خملؼدي ًظم ملدَنص رٌؤٍ وخكً مو 8رٌؤالض مـإوَش ًه وًظم ملدَنظه ؤًػد مو 9رٌؤالض من خملٔظىي خًٍي رهًه ومو 9رٌؤالض من خملٔظىي خًٍي كزٌه ،ويف كدًص وؿىي هٍه خًلٌمص خًهكمى هندن خكظٌلًٌص خن طوىن خًنلدؽ خًُثٌٌٔص متؼٍ ِؤوًص. وهٍخ ًهنٍ رشوٍ ؤٓديس رإن خًنلدؽ خًُثٌٌٔص هٍ ؤفػٍ ممؼٍ ننً طًًن كـم خًطىَش ،وهٍخ مد طىغله خًطىَش خًظدًٌص:
ذ -2حتدقدذاؾـؼاطذاألدادقةذ()Keypointذاؾيتذمتثلذاؾزواقا:
رهً بًـدي خًنلدؽ خًُثٌٌٔص خمللظمٍ ؤن طوىن ِوخًدً ،ـس خًلٌدَ رظطفٌظهد ًٌلطىي نىل خًنلدؽ خألهًت خكظٌلالً ؤن طوىن ِوخًد ،وًظم هٍخ مبٔدنًش منشىَ طدًٌىَ ،وًٌى نرب طلًًً نظزص مهٌنص ًٌلٌم خًهكمى وؤي كٌمص طوىن ؤكٍ من هٍه خًهظزص طُفؼ ،وطًنى هٍه خًهظزص رهظزص خًظزدًن .contrastThreshold خًفُق خًًإويس ًًً DoGه كٔدٌٓص ندًٌص ًٌلىخف ًًٍى ًـس بِخًظهدً ،هٍخ ًظم خٓظوًخَ مفهىَ مشدره ملوظشف ِوخًد هدًَٕ ،وًٌى نن ؾًُم خٓظوًخَ مطفىفص )H( 2x2 Hessianوخًظٍ طلدَن خًلٌم خًٍخطٌص ًٌنلدؽ ،فةٌخ هدن خًندطف ؤهرب من نظزص مهٌنص طًنى edgeThresholdيف OpenCvفةنه ًظم شؿس خًنلؿص ،وردًظديل فةن خًنلدؽ خًزدكٌص هٍ خًنلدؽ خملهمص خًلىًص. ذ
OpenCvببساطة
274
-3اجتاهذاؾتعقنيذ:Orientation Assignment
خآلن ًظم طهٌٍن خالطـده ًوٍ من خًنلدؽ خًُثٌٌٔص ًظللٌم خًؼزدض ؤًػد وًون هٍه خملُش ننً طًوًُ خًطىَشً .ظم ؤهٍ خملنؿلص خملـإوَش كىي مىكو خًنلدؽ خًُثٌٌٔص وًٌى خنظٌليخ نىل خًلـم .وًظم كٔدذ ملًخَ خًظًَؾ وخطـدهه يف طٌى خملنؿلصً .ظم خنشدء موؿـ رٌدين ًٌظىؿه ًه 36رن ( )BIN طشمٍ 455يَؿص .طإهٍ كٌمهد رلٔس ملًخَ خًًوَخن وخًندفٍش خًًخثًُص خًًإوٌٓص خًىِن مو 𝜎 طٔإوي 8.0مُش من كـم خًنلدؽ خًُثٌٌٔصً .ظم ؤهٍ ؤنىل كمص يف خملوؿـ خًزٌدين وؤي كمص فىق ً 80%ظم ؤهٍهد رهٍن خالنظزدَ ًلٔدذ خًظىؿه .بنه ًنشإ نلدؽ ؤٓدٌٓص رنفٕ خملىكو وخًلـم وًون ردطـدهدض موظٌفص ،وهٍخ ًفًٌ يف خٓظلُخًَه خملؿدرلص. -4واصفذاؾـؼطةذاؾرئقدقة:
خآلن ًظم بنشدء وخضف ًٌنلؿص خًُثٌٌٔص .وًوىن رلـم 16x16وكىي خًنلؿص خًُثٌٌٔصً .ظم طلٌٔمه بىل 85مُرو فُنٍ رلـم .4x4وًوٍ منهد ًظم بنشدء موؿـ رٌدين رـ 8رن ًًٌوَخنًًٍ .ى ًىؿً 848رن ًٌلندم خًوًل .متؼٍ هٍه خًزندض ( )BINSرشهدم ًىضف خًنلؿص خًُثٌٌٔص .ردإلغدفص ًًٍى ًظم خطودٌ نًش طًخرًن ًٌظللم من كىطهد ننً كًوغ طًًنخض يف خإلغدءش وخًًوَخن. -5ؿطابؼةذاؾـؼطةذاؾرئقدقة:
ًظم مؿدرلص خًنلدؽ خًُثٌٌٔص رٍن ضىَطٍن نن ؾًُم طلًًً ؤكُذ خًنلدؽ خملـإوَش .وًون يف رهؼ خًلدالض كً ًوىن هندن مؿدرلظدن كًُزظدن ؿًخ من رهػهٌل .وهٍخ كً ًلًغ رٔزس خًػـٌف ؤو ألٓزدذ ؤهُي ،ويف هٍه خًلدًص طإهٍ نٔزص ؤكُذ مٔدفص بىل ػدين ؤكُذ مٔدفص ،..فةٌخ هدنع ؤهرب من ً 5.8ظم َفؼ خًنظٌـص ،وهٍخ ًًٍّ 90%من نظدثف خملؿدرلص خًودؾجص رٌنٌل ًُؿو 5%من نظدثف خملؿدرلص خًطلٌلص. هٍخ هى مٌوظ هىخَِمٌص SFITوًظفدضٌٍ ؤهًت ٌنونى خًهىيش ألوَخق خًزلؽ خًودضص رهٍه خًوىخَِمٌص طٍهُ رإن هٍه خًوىخَِمٌص ًهد كلىق نٍسًًٍ ،ى هٍ يف خًلٔم خًًًن مـدين ًـ .OpenCv هىخَِمٌص SFITيًن مـدنٌص ًًٍى ٓنالكل رإنهد مىؿىيش يف خضًخَ OpenCvخًلًًم v2ؤمد يف خإلضًخَ خألكًغ v3فهٍ يًن مىؿىيش. ذ
275
ببساطةOpenCv ُ :OpenCvُُيفSIFT
ًنزًؤ مو خًنلدؽ خألٓدٌٓص.OpenCv يف موظزصSIFTينند نزًؤ رظهٌم خًىقدثف خملظدكص ي ػم نلىَ رظمًُُ خًزٌدندض خملوظٌفص بًٌه،SFIT يف خًزًخًص نٌٌند رندء (بنشدء) ؿٔم.ونٔظفدي منهد . وكً طم ٌسق ًٌى رشوٍ ؿًٌ يف ؤوَخق خًزلؽ خًودضص رهٍه خًوىخَِمٌص،وهٍخ ؤمُ خهظٌدَي import cv2 import numpy as np img = cv2.imread('car.jpg') gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) sift = cv2.SIFT() kp = sift.detect(gray,None) img=cv2.drawKeypoints(gray,kp) cv2.imwrite('sift_keypoints.jpg',img)
cv2.imshow('image',img) cv2.waitKey() cv2.destroyAllWindows()
ذ
ُ :امنرٌعخ
ذ
276
OpenCvببساطة رشػُامكىدُ : ؤوالً كمند رلُخءش خًطىَش ػم كمند رظلىًٌهد ملٔظىي خًٌىن خًُمديي. )(sift = cv2.SIFT
ذ
ػم كمند رةنشدء ؿٔم هىخَِمٌص SFITوًٌى نن ؾًُم خًظدرو )(.cv2.SIFT )kp = sift.detect(gray,None
ذ
خًظدرو )(ً sift.detectىؿً خًنلدؽ خًُثٌٌٔص خًظٍ يف خًطىَشٌ .نونى متًُُ كندم بٌخ ؤَيض خًزلؽ ننهد فلـ يف ؿّء ملًي .هٍ نلؿص َثٌٌٔص ًهد طُهٌس هدص وهٍ طلىي نىل خًهًًً من خًوطدثظ مؼٍ خإلكًخػٌدض ) ،(x,yوكـم خًـىخَ ٌو خملهنى ،وخًّؤوًص خًظٍ طلًي خالطـده، وخالٓظـدرص خًظٍ طلًي كىش خًنلدؽ خًُثٌٌٔص. )img=cv2.drawKeypoints(gray,kp ذ
موظزص OpenCvؤًػد طىفُ ًند خًظدرو )( cv2.drawKeyPointsوخًٍي ًلىَ رُٓم يوخثُ ضًًنش يف مىخكو خًنلدؽ خًُثٌٌٔص .بٌخ مَُض خًهٌم ً cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTSهٍخ خًظدرو ٓىف ًُٓم يخثُش رلـم خًنلؿص خألٓدٌٓص وٌٓهُع ؤًػد خالطـده .شدهً خملؼدي خًظديل. )img=cv2.drawKeypoints(gray,kp,flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS
ذ
OpenCvببساطة
277
خآلن ًنلٔس خًىضف .موظزص OpenCvطىفُ ًند ؾًُلظٍن ًٌلٌدَ رلٔدذ خًىضف: .8مبد ؤنند ٓدرلد ؤوؿًند خًنلدؽ خًُثٌٌٔصٌ ،نونى بٌخ ً خٓظًندء خًظدرو )( sift.computeوخًٍي ًلٔس خًىضف من هالي خًنلدؽ خًُثٌٌٔص خًظٍ ؤوؿًندهد .مؼٍkp,des = : ).sift.compute(gray,kp .4بٌخ مل طلم رةًـدي خًنلدؽ خًُثٌٌٔص من كزٍ ،ننًهد ٌنونى بًـدي خًنلدؽ خًُثٌٌٔص وخًىضف يف هؿىش وخكًش من هالي خًظدرو )( . sift.detectAndComputeوًٌى هٌل يف خًوىي خًظديل: )(sift = cv2.SIFT )kp, des = sift.detectAndCompute(gray,None
هند kpمتؼٍ كدمئص(مطفىفص) ردًنلدؽ خألٓدٌٓص ،و desمتؼٍ مطفىفص من خًشوٍ <نًي خًنلدؽ خًُثٌٌٔص × ًًٍ >48ى ٓنلطٍ نىل خًنلدؽ خألٓدٌٓص وخًىضف .ويف خًفطىي خًلديمص ٓنظهٌم هٌف نؿدرم رٍن خًنلدؽ خًُثٌٌٔص يف ضىَ موظٌفص. ذ
OpenCvببساطة
278
ذ
ملذمخُ : بن مٌّش SIFTؿًٌش ،وًونهد يًن رسًهص مبد فٌه خًوفدًصًًٍ ،ى طم خنشدء نٔوص ؤرسم وؤؾٌم نٌٌهد خٓم SURF امهذفُ : ٓنظهٌم ؤٓدٌٓدض .SURF ٓنظهٌم خٓظوًخَ طىخرو SURFيف .OpenCv ُ ملذمخُنظشًخُ : يف خًفطٍ خًٔدرم شدهًند هٌف ؤن هىخَِمٌص SFITطفًٌند يف طلًًً خًنلدؽ خًُثٌٌٔص وخًىضف، وًونهد هدنع رؿٌجص نٔزٌدً وخملٔظوًَ رلدؿص ًنٔوص ؤرسمًًٍ ،ى كدَ نًش مؿىًَن رةًـدي نٔوص ؿًًًش مرسنص وؤؾٌلىخ نٌٌهد غمن ؤوَخق خًزلؽ خًودضص رهم خٓم Speeded Up " SURF ."Robust Features يف SFITشدهًند هٌف طم طلًُس الرالٌٓدن خًًإويس رةًـدي خًفُق خًًإويس إلًـدي كـم خًطىَش، (ًٌظٍهًن :الرالٌٓدن خًًإويس ًهمٍ هموظشف ًٌنلدؽ خًُثٌٌٔص رلٌؽ ًوظشف هٍه خًنلدؽ كظى وًى طًًن كـم خًطىَش) ؤمد يف SURFفظم طزٌٔـ هٍخ خألمُ ؤهًت رلٔدذ خملُشم خًطنًوكٍ. خًطىَش خًظدًٌص طىغم هٍخ خًظلًُس .خملٌّش خًىكًٌش ًهٍخ خًظلًُس رإنه ننً خًلٌدَ رؿٍ خًطىَش مو خملُشم خًطنًوكٍ فةنه ٌنون رٔهىًص كٔدره نن ؾًُم مودمٌص خًطىَ .وٌنون ؤن ًلٔس رنفٕ خألمُ من ؤؿٍ ؤكـدَ موظٌفص .وطهظمً SURFؤًػد نىل خًهىخمٍ خمل ُ َل ًَيش ملطفىفص هٌٌٔدن ً Hessianوٍ من خملىغو وخًلٌدْ.
279
OpenCvببساطة
ذ
ًلٔدذ خالطـده ،طٔظوًَ SURFخالٓظـدردض خملىؿٌص ( )wavelet responsesيف هٍ من خالطـدهٍن خألفلٍ وخًهمىيي ورـىخَ رلـم 5ؤغهدف خًلٌدْ ) ،)6Sونؿزم ؤًػدً خألوِخن خًًإوٌٓص خملندٓزص نىل ًٌى .ػم ًظم َٓم خًندطف هنلدؽ يف خًفػدء هٌل هى وخغم يف خًطىَش خًظدًٌص. وًظم طلًًُ خالطـده خًًدًس نن ؾًُم كٔدذ مـمىم هٍ خالٓظـدردض غمن ِؤوًص مظًًنش رلٌمص 55يَؿص. خًيشء خملؼًن ًالهظٌلَ هى ؤن خالٓظـدرص خملىؿٌص ٌنون بًـديهد رٔهىًص ردًًص ننً ؤي كـم ًٌطىَش. يف خًهًًً من خًظؿزٌلدض ػزدض خًًوَخن يًن مؿٌىذ ًًٍى ال كدؿص إلًـدي هٍخ خًظىؿه ،مٌل ًايي ًظرسًو ِمن طنفٌٍ خًوىخَِمٌص. ً SURFىفُ وقٌفص طًنى Upright-SURFؤو يَؿص. U-SURFطلٔن خًرسنص ،وهٍ فهدًص ًلىخيل يف موظزص OpenCvهندن نٌم (ردَخمرت) ًلًي هٍ نٔظوًمهد ؤَ ال ،فةٌخ هدنع كٌمص خًهٌم 5 ٌٓلٔس خًظىؿه ،وبٌخ هدنع كٌمص خًهٌم ً 8ن ًلٔس خًظىؿه وردًظديل ٌٓوىن ؤرسم.
280
OpenCvببساطة
ردًنٔزص ًىضف خملٌّخض SURF ،طٔظوًَ خالٓظـدرص خملىؿٌص يف خالطـده خألفلٍ وخًهمىيي (نٔظوًَ مظودمٌص خًطىَش مُش ؤهُي ًـهٍ هٍخ ًظم رٔهىًص). طإهٍ خًنلدؽ خملـإوَش كىي خًنلدؽ خألٓدٌٓص ردًلٌدْ 20s×20sكٌؽ ٌ sنؼٍ خًلٌدْ .ػم طلٔم نىل 4×4ملؿو فُنٍ .ػم نإهٍ خالٓظـدرص خألفلٌص وخًهمىيًص ًوٍ منؿلص فُنٌص ،ونشوٍ مظـهص (شهدم) مؼٍ هٍخ ∑ ∑ | |∑ | |∑ . ننًمد ًظم متؼٌٌهد مبظـهصً ،هؿٍ SURFمٌّش وضف رـ 53رهً .وًون هٌٌل كٌٌندهد كطٌند نىل رسنص ؤهًت وًون نىل كٔدذ خًًكص. و | | ًلٔس | ًلٔس رشوٍ
ًٌلطىي نىل يكص ؤهربٌSURF ،نٌى منـ آهُ ًٌىضف رـ 848رهً .ؿمو و| .ورشوٍ مشدره ،ؿمو و رشوٍ منفطٍ ننًمد منفطٍ وفلدً إلشدَش . وردًظديل ننً مػدنفص نًي خملٌّخض ال ًػدف نمٌٌدض كٔدرٌص مهلًش. موظزص OpenCvطىفُ ًند خًهمٍ نىل هال خًنمؿٍن وًٌى رػزـ كٌمص خًهٌم رٍن 5و ،8رلٌؽ خًهٌم 5 ًىغو ردًنٔزص ًـ 53رهً ،ؤمد خًهٌم 0فٌىغو ردًنٔزص ًـ 848رهً( .ننً نًَ وغو ؤي كٌمص ًٌهٌم ًوىن رشوٍ خفرتخيض .)848 هندن طلٍٔن آهُ وهى ردٓظوًخَ بشدَش الرالٌٓدن (ؤػُ مطفىفص هٌٌٔدن ... )Hessianوهٍخ ال ًًًّ ال ؤػندء خالهظشدف ،وهٍه خإلشدَش طىغم خًوٌفٌدض خًهدمتص وَخء خًظهلًٌ خًلٔديب ألنه ملٔىذ ؤض ً خألؿٔدَ خًزٌػدء ؤو ردًهوٕ ،وننً خملؿدرلص فلـ ٓنلدَن خملٌّخض فٌٌل بٌخ هدنع متٌى نفٕ خًظزدًن (هٌل هى مهُوع يف خًطىَش خًظدًٌص) .هٍه خملهٌىمدض خًلٌٌٌص طٔمم رظرسًو نمٌٌص خملؿدرلص ،يون خًظلٌٌٍ من ؤيخء خًىضف.
ذ
281
OpenCvببساطة
روٌٌلض موظرصش ،بن SURFطهؿٍ خًهًًً من خملٌّخض يف هٍ مُكٌص ،كٌؽ ًكهُ خًظلٌٌٍ رإنهد ؤرسم رلىخيل 4ؤغهدف من ،SFITرٌنٌل خأليخء ٌندػٍ .SFITو SURFؿًٌش ًٌظهدمٍ مو خًطىَ خملًوَش وخًػزدرٌص(خملشىشص) ،وًونهد يًن ؿًٌش يف خًظهدمٍ مو خًظًًن يف ندكٌص خًُئًص وخإلغدءش. ُSURF يفُُ :OpenCv موظزص OpenCvطىفُ وقدثف ًـ SURFمتدمد مؼٍ .SFIT يف SURFهندن رهؼ خًٍسوؽ هٌدًَص مؼٍ ضفص خًزهً 848/53 :رهً ،خالطـده :نمىيي (ؤي رًون خطـده) \ نديي (ؤي مو خطـده) .هٍ هٍه خًظفدضٌٍ ٌسكع غمن ؤوَخق خًزلؽ .ؤًظوًَ خًظدرهٍن )( SURF.compute()،SURF.detectإلًـدي خًنلدؽ خًُثٌٌٔص وخًىضف. يف خألمؼٌص خًظدًٌص ٓنظهٌم بًـدي خًنلدؽ خًُثٌٌٔص وخًىضف ونُٓمهد: ؤوال نلىَ رظلمٌٍ خًطىَش. )>>> img = cv2.imread('fly.png',0
ذ
ػم ننشإ ؿٔم ٌ .SURFنونى طلًًً خًزدَخمرتخض الكلد هند غزؿند نظزص مطفىفص هٌٌٔدن رـ .355 )>>> surf = cv2.SURF(400
ذ
نىؿً خًنلدؽ خألٓدٌٓص وخًىضف رشوٍ مزدٌس )>>> kp, des = surf.detectAndCompute(img,None )>>> len(kp
Out: 699
ذ ذ
599نلؿص نًي غوم ًٌُٓم ًًٍى نًًّ خًهظزص ًنطٍ ًـ 05نلؿص ،وًون ننً خملؿدرلص ٓنلظف هٍ هٍه خًنلدؽ وًون ًٌٕ خآلن. >>> print surf.hessianThreshold
ذ
Out: 400.0
ذ
ٓنـهٍ كٌمص خًهظزص مؼال .05555طٍهُ هٍخ فلـ ًُٓم خًنلدؽ نىل خًطىَش.
282
ببساطةOpenCv
>>> surf.hessianThreshold = 50000 >>>kp, des = surf.detectAndCompute(img,None)
ذ
>>>print len(kp) Out: 47
. ًًٍى ٓرنٓمه نىل خًطىَش05 خًهًي مندٓس ؤكٍ من ذ
>>> img2 = cv2.drawKeypoints(img,kp,None,(255,0,0),4) >>> plt.imshow(img2),plt.show()
ذ
ذ
ػم نفلظ نٌم.) (خًطىَش خًظدًٌص طىغم ًٌى. ًًٍى ًن طـً هندن خطـدهU-SURF خآلن ٓنؿزم (هٍخ ًهنٍ نًَ وؿىيTRUE نـهٌهدFalse فةٌخ هدنع كٌمظه،خالطـده ونظإهً هٍ هى نمىيي ؤَ ال .)خطـده ذ
>>> print surf.upright False
ذ
>>> surf.upright = True
283
OpenCvببساطة نهًٌ كٔدذ مٌّخض خًظلدؽ ونُٓمهد.
)>>> kp = surf.detect(img,None )>>> img2 = cv2.drawKeypoints(img,kp,None,(255,0,0),4 )(>>> plt.imshow(img2),plt.show
ذ ذ
شدهً خًنظٌـص ٓرتي رإن ؿمٌو خالطـدهدض خملهُوغص هٍ رنفٕ خالطـده .هٍخ ًهؿٍ رسنص يف وكع خًظنفٌٍ ؤهًت من خًٔدرم.
ذ
ؤهًنخ ً ٓنفلظ كٌدْ خًىخضف ونًًنه بىل 848رهً فلـ بٌخ هدن خًزهً -53رهً .ػم نىؿً كٌدْ خًىخضف. )(>>> print surf.descriptorSize Out:64
هٍخ ًهنٍ ؤن كٌمص نٌم "خًظمًًً" كٌمظه هٍ .FALSE
>>> surf.extended Out: FALSE
مبد ؤن كٌمص خًهٌم FALSEفنـهٌهد ً TRUEنلطٍ نىل وضف ذ -848رهً.
ذ
ذ
284
OpenCvببساطة
>>> surf.extended )>>>kp, des = surf.detectAndCompute(img,None )(>>>print surf.descriptorSize
ذ Out: 128 >>> print des.shape
الذتـدىذبلنذؼدمذادلطابؼةذدـؼومذبهذيفذػصلذآخر.
(Out:)848 ،37
هٍ ؾُق خملٌّخض خًٔدرلص ؿًٌش يف رهؼ خألكٌدن ،وًونهد ًٌٔع رسًهص مبد فٌه خًوفدًص كظى طهمٍ مو خًظؿزٌلدض خًظٍ طهمٍ ردًىكع خًللٌلٍ )مؼٍ خًٌٔدَش ٌخطٌص خًلٌديش ،وطهلس ؿٔم يف خًىكع خًللٌلٍ مؼٍ ًىكص خملُهزدض خملودًفص...... ،خًى)ًًٍ ،ى طم بًـدي هىخَِمٌص FASTوخًظٍ طهمٍ يف خًىكع خًللٌلٍ .Real-time امهذفُ : ٓنفهم ؤٓدٌٓدض هىخَِمٌص .FAST ٓنىؿً خًّوخًد ردٓظوًخَ طىخرو OpenCvخًودضص روىخَِمٌص .FAST ملذمخُنظشًخُ : ؿقزةذاالؽتشافذبادتخدامذ :FASTذ
.8خهرت رٌؤٍ 𝑝 يف خًطىَش كٌؽ ٌٓظم طهًُفه هنلؿص ؤٓدٌٓص ؤو يًن ؤٓدٌٓص .وًظون شًش خًزٌؤٍ 𝑝𝐼. .4كًي كٌمص نظزص مندٓزص 𝑡. .4خنظرب ؤن هندن يخثُش رـ 85رٌؤٍ كىي خًزٌؤٍ (شدهً خًطىَش خًظدًٌص).
OpenCvببساطة
285
.3خًزٌؤٍ 𝑝 ًوىن ِؤوًص بٌخ ُو ِؿ ًَ مـمىنص 𝑛 من خًزٌؤالض خملظـإوَش يف خًًخثُش (من خًـ (هٌل هى مزٍن يف خًطىَش، 85رٌؤٍ) رلٌؽ طوىن هٌهد ؤٓؿو من 𝑡 𝐼𝑝 +ؤو ؤنظم من ٓظـً هؿىؽ مظلؿهص رٌػدء) .هند طم خهظٌدَ 𝑛 ًظوىن .84 .0طم خكرتخق خهظزدَ خًرسنص خًهدًٌص high-speed testالٓظزهدي نًي هزًن من خًنلدؽ خًظٍ ًٌٔع رّؤوًص .وهٍخ خالهظزدَ فلـ ًفلظ ؤَرهص رٌؤالض وهٍ (1 , 9 ,5 ,13ؤوال ًفلظ خًزٌؤٍ 8و 9فٌٌل بٌخ هدند ٓدؾهٍن ؤَ ندمتٍن .بٌخ هدن هًٍى ًفلظ 0و .)84كظى ًوىن خًزٌؤٍ 𝑝 ِؤوًصً ،ـس ؤن ًوىن ػالػص من هٍه خًزٌؤالض نىل خألكٍ ؤهًت ٓؿىند من 𝑝𝐼 ،وبال فٌن ًوىن خًزٌؤٍ 𝑝 ِؤوًص .هٍخ خملوظشف رلً ٌخطه ؤيخثه 𝑡 +ؤو ؤيمم من نديل ،وًون هندن نًش نلدؽ غهف. ؤوي ػالغ نلدؽ طظلًي ردٓظوًخَ طلنٌدض طهٌٌم خألًص .وطلٍ ردٓظوًخَ خإلهٌلي خال ؤنكمٍ. املنخصُ : هٍه خًوىخَِمٌص ؤرسم رهًش مُخض من موظشفدض خًّوخًد خًٔدرلص ،وًونهد ال طظلمٍ مٔظىًدض ندًٌص من خًػـٌف .وهٍه خًوىخَِمٌص طهظمً نىل خًهظزص. ُFAST يفُُ :OpenCv ًٔ FASTظًنى هإي موظشف مٌّخض آهُ يف .OpenCvكٌؽ ٌنونى طلًًً كٌمصخًهظزص، وٌنونند طؿزٌم خإلهٌلي خًًًن ؤنكمٍ ؤو نًَ طؿزٌله ،وخًـىخَ خًىخؿس خٓظوًخمه ،وًه ػالػص ؤنالَ وهٍ: cv2.FAST_FEATURE_DETECTOR_TYPE_5_8
286
ببساطةOpenCv
cv2.FAST_FEATURE_DETECTOR_TYPE_7_12 cv2.FAST_FEATURE_DETECTOR_TYPE_9_16
.FAST خًوىي خًظديل ًزٍن هٌف نوظشف ونُٓم خًنلدؽ خملٌّش يف import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('Writing.jpg') # Initiate FAST object with default values fast = cv2.FastFeatureDetector() # find and draw the keypoints kp = fast.detect(img,None) img2 = cv2.drawKeypoints(img, kp, color=(255,0,0)) # Print all default params print "Threshold: ", fast.getInt('threshold') print "nonmaxSuppression: ", fast.getBool('nonmaxSuppression') #print "neighborhood: ", fast.getInt('type') print "Total Keypoints with nonmaxSuppression: ", len(kp)
# Disable nonmaxSuppression fast.setBool('nonmaxSuppression',0) kp = fast.detect(img,None) print "Total Keypoints without nonmaxSuppression: ", len(kp) img3 = cv2.drawKeypoints(img, kp, color=(255,0,0)) cv2.imshow('max Suppression',img2) cv2.imshow(' non max Suppression',img3) cv2.waitKey() cv2.destroyAllWindows()
ذ ذ
287
OpenCvببساطة
ذافدذاؾـتقجة:ذاؾصورةذاؾيتذعؾىذاؾقدارذتعرضذFASTذؿعذاإلمخادذاؾغريذأعظؿي,ذبقـؿاذاؾصورةذاؾيتذعؾىذاؾقؿنيذ تعرضذFASTذبدونذاإلمخادذاؾغريذأعظؿي.
ذ
ذ
ذ
(ُBRIEFاملٌضادُاالترذائٌخُاملعرلنخُاملىًخُامصنبئٌخ) ُ ملذمخُ : رٔزس خٓظهالن خًٍخهُش خًوزًن من كزٍ SIFTطم بًـدي BRIEFخًظٍ طىفُ يف خًٍخهُش وطهؿٌند رسنص ؤهرب ردملؿدرلص. امهذفُ : يف هٍخ خًفطٍ ٓنظهٌم ؤٓدٌٓدض هىخَِمٌص .BRIEF ملذمخُنظشًخُ : نلن نهٌم رإن SFITطٔظوًَ -848رهً شهدم ًٌىضف .ألنهد طٔظهمٍ ؤَكدَ ًٌنلدؽ من نىم ،float طإهٍ رشوٍ ؤٓديس 084ردًع .رشوٍ مشدره SURFؤًػد طإهٍ ؤكٍ يشء 405ردًع (من ؤؿٍ -53 رهً) .بنشدء مؼٍ هٍه خًشهدم آلالف خملٌّخض ًٔظهٌى خًوؼًن من خًٍخهُش وهٍخ يشء يًن نمًل وهدضص يف خألنكمص خملًمـص وخًظٍ طوىن ٌخهُطهد ملًويش .وهٌٌل هدنع خًٍخهُش خًظٍ خٓظهٌوندهد ؤهرب ننًهد نمٌٌص خملؿدرلص ٓظإهٍ وكع ؤؾىي.
OpenCvببساطة
288
وًون هٍ هٍه خألرهدي كً ال ًوىن هندن كدؿص بًٌهد ننً خملؿدرلص خًفهٌٌصًًٍ .ى ٌنونند ؤن نػًؿهد رهًش ؾُق مؼٍ PCAو .LDAوهندن ؾُق ؤهُي مؼٍ خًظـّثص ردٓظوًخَ ( LSHخًظـّثص خًلٔدٓص خمللٌٌص) وطٔظوًَ ًظلىًٍ ضفدض SFITمن ؤَكدَ ًٌنلدؽ من نىم floatبىل ٓالٍٓ ػندثٌص .binary stringsهٍه خًٔالٍٓ خًؼندثٌص طٔظوًَ ملؿدرلص خملٌّخض ردٓظوًخَ مٔدفص خملزدًًص .Hamming distanceوهٍخ ًهؿٌند رسنص ؤفػٍ ،ألن بًـدي خملٔدفص خملزدًًص ًٔظهمٍ فٌه فلـ XORونًخي ًٌزٌع ،bit countوخًظٍ طوىن رسًهص ؿًخ يف خملهدًـدض خًلًًؼص مو طهٌٌٌلض .SSEوًون هند ٓنلظدؾ إلًـدي خألوضدف يف خًزًخًص ،وفلـ ننًثٍ ٌنونند طؿزٌم نمٌٌص خًظـّثص، وهٍخ ال ًايي ًلٍ مشوٌص خٓظهالن خًٍخهُش خًظٍ وخؿهظند يف خألوي. BRIEFطّويند ردهظطدَ إلًـدي خًٌٌٔٔص خًؼندثٌص رشوٍ مزدٌس رًون بًـدي خألوضدفً .إهٍ ضىَش مهٍرص ًٌظطلٌم وًوظدَ مـىنص من ) 𝑛𝑑 (x,yؤِوخؾ خملىكو رؿًُلص فًًُش من نىنهد (وهٍخ خألمُ مىغم غمن ؤوَخق خًزلؽ خًودضص روىخَِمٌص .)BRIEFػم طظم ملدَنص شًش رهؼ خًزٌؤالض ننً هٍه خألِوخؾ .نىل ٓزٌٍ خملؼديًٌ ،ون يف خًزًخًص مىغو خألِوخؾ 𝑝 و𝑞 .بٌخ هدنع شًش خًزٌؤٍ 𝑝 ؤهرب من شًش خًزٌؤٍ 𝑞 ننًهد خًنظٌـص ٓظوىن ،8ويًن ًٌى ٓظوىن خًنظٌـص .5وهٍخ ًؿزم نىل هٍ مىخغو خألِوخؾ 𝑑𝑛 ًنلطٍ نىل ؤرهدي 𝑑𝑛 ٌٌٓٔص خًزع. وًىفُ هٍه خًـ 𝑑𝑛ٌنون ؤن طوىن 848ؤو 405ؤو ،084وموظزص OpenCvطًنم هٍ هٍخ ،وًون رشوٍ خفرتخيض ٓىف طوىن ( 405موظزص OpenCvمتؼٍ ًٌى يف ردًظدضًًٍ ،ى خًلٌمص ٓظوىن 85 و 44و .)53كظى ننًمد طلطٍ نىل هٍخ ٌنونى خٓظوًخَ خملٔدفص خملزدًًص ملؿدرلص هٍه خألوضدف. هندن نلؿص هدمص وهٍ رإن BRIEFوخضف خملٌّخض ،ال ًّويند رإي ؾًُلص إلًـدي خملٌّخضًًٍ ،ى ًـس ؤن نٔظهمٍ ؤي موظشف ًٌمٌّخض مؼٍ .SFIT,SURF تكنٌلدُمخررصحُ:بنُُ BRIEFهىُؤرسعُػشًلخُمؽعبةُمٌضحُامىصفُواملؼبتلخُ.وًىفشُمنبُ نعثخُمتٌٌضُوذػشفُغبمٌخُمبملًُكنُامععمُذمُذذوًش ُتشكهُكثريُ .
289
ببساطةOpenCv ُ ُ :OpenCvُيفBRIEF
(ًًنىCenSurE مبٔدنًش هدشف خألوضدفBRIEF خًوىي خًظديل ًىغم كٔدذ خألوضدف ي .)OpenCv يفSTAR رودشف خًنـمصCenSurE خًودشف import numpy as np import cv2 from matplotlib import pyplot as plt img = cv2.imread('car.jpg') # Initiate STAR detector star = cv2.FeatureDetector_create("STAR") # Initiate BRIEF extractor brief = cv2.DescriptorExtractor_create("BRIEF") # find the keypoints with STAR kp = star.detect(img,None)
# compute the descriptors with BRIEF kp, des = brief.compute(img, kp) print brief.getInt('bytes') print des.shape img2 = cv2.drawKeypoints(img, kp, color=(255,0,0)) cv2.imshow('BRIEF ',img2) cv2.waitKey() cv2.destroyAllWindows()
ذ
OpenCvببساطة
290
خًظدرو )'ً brief.getInt('bytesهؿٍ كٌدْ 𝑑𝑛 خملٔظهمٍ يف خًزدًع .رشوٍ خفرتخيض ًوىن .44 خملُكٌص خًظدًٌص خًظٍ ٓنلىَ رهد هٍ خملؿدرلص وخًظٍ ٓنظنإوًهد يف خًفطىي خًلديمص.
OpenCvببساطة
291
(ُORBمىظهُُFASTومذوسُُ (Oriented FAST and Rotated BRIEF(ُ)BRIEF
ملذمخُ:
SIFTو ً SURFلىمىن رهمٍ ؿًٌ ،وًون خملشوٌص رإنهٌل يًن مـدنٌظدن وًـس يفو رػو يوالَخض هٍ ٓنصً .لٍ هٍه خملشوٌص وفُض ًند موظزص OpenCvرًًٍ نن SIFTو SURFوهى .ORB امهذفُ:
يف هٍخ خًفطٍ ٓنظهٌم ؤٓدٌٓدض .ORB ُ مػنىمبدُنظشًخُ:
ORBرشوٍ ؤٓديس نزدَش نن يمف ملوظشف خًنلدؽ خًُثٌٌٔص FASTمو خًىخضف BRIEFمو خًهًًً من خًظهًًالض ًظلٍٔن خأليخء .يف خًزًخًص طٔظهمٍ FASTإلًـدي خًنلدؽ خًُثٌٌٔص ػم ًظم طؿزٌم ملٌدْ ِوخًد هدًَٕ ًٌهؼىَ نىل ؤفػٍ خًنلدؽ Nرٌنهم .هم ؤنهد طٔظوًَ خًهَُ ًٌلطىي نىل خملٌّخض(خًّوخًد) مو ؤكـدَ موظٌفص ًٌطىَش .وًون هندن مشوٌص وخكًش وهٍ ؤن FASTال طلٔس خًظىؿه .فٌلٌخ نفهٍ بٌخ ًنلطٍ نىل مٌّخض ػدرظص كظى وًى كمند رظًوًُ خًطىَش (ػزدض يف خًًوَخن)؟ كدَ خملؿىَ ردًظهًًٍ خًظديل ،كٌؽ كدَ رلٔدذ هؼدفص خًىِن خملظىٓـ ًٌزلهص مو خًّؤوًص خًلدًٌص خطـده خًشهدم من نلؿص خًّؤوًص بىل خملُهّ ًهؿٍ خًظىؿهً .ظلٍٔن ػزدض خًًوَخن، ننً خملُهّ. نلٔس خًهّوَ ردًنٔزص ًٌملىًَن xو yوخًظٍ ًـس ؤن طوىن يف منؿلص يخثًُص نطف كؿُهد ،r كٌؽ rهى كـم خًزلهص. خآلن ردًنٔزص ًٌىضف فةن ORBطٔظوًَ خًىخضف .BRIEFوًون هٌل شدهًند يف خًفلُش خًٔدرلص فةن BRIEFؤيخءه غهٌف ننً يوَخن خًطىَشًًٍ .ى مد ٓظفهٌه ORBهٍ طىؿٌه"BRIEF "steer
OpenCvببساطة
292
وفلد ًظىؿهدض خًنلدؽ خًُثٌٌٔصًٌ .لطىي نىل ؤي مٌّش ملـمىنص nمن خالهظزدَخض خًؼندثٌص ،نهُف مطفىفص رلـم S .2×nطلىي نىل بكًخػٌدض هٍه binary testننً خملىغو خًزٌؤالض .ػم ردٓظوًخَ خًظىؿٌه ًهٍه خًزلهصً ، 𝜃،ظم بًـدي يوَخن خملطفىفص وخإلكًخػٌدض S ًًٌوَخنً ،نلطٍ نىل خًظىؿٌه (خًًوَخن) ضًٌص 𝜃𝑆. ORBطلًَ ملًخَ ًِديش خًّؤوًص رـ
𝟑
( 84يَؿص) ،وًنشإ ؿًوي رلؽ من مندٌؾ BRIEF
خمللٔىرص ٓدرلد .ؾدملد ؤن طىؿه خًنلدؽ خًُثٌٌٔص 𝜃 مظندٓلص ننً خًهُع ،ومـمىنص نلدؽ خًظطلٌم 𝜃𝑆 ٓىف طٔظوًَ ًلٔدذ خًىضف. ٌBRIEFنٌى هدضٌص هدمص وهٍ ؤن هٍ مٌّش رع ًًًهد طزدًن (فُق) هزًن ومظىٓـ طلًُزد .5.0وًون مبـُي ؤنهد مىؿهص ؿنزد بىل ؿنس مو ؤرهدي خًنلدؽ خألٓدٌٓص ،طفلً هٍه خًودضٌص وططزم ؤهًت طىًِهدً .خًظزدًن خًهديل ًـهٍ خملٌّش ؤهًت وغىكدً ،ألن خٓظـدرظه طظًًن رشوٍ موظٌفد طزهد ًٌمًهالض. هدضٌص ؤهُي مُيىرص وهٍ ؤن طوىن خالهظزدَخض يًن مرتخرؿص رلٌؽ هٍ خهظزدَ ًٔدهم يف خًنظٌـصً .لٍ هٍ هٍهً ORB ،لىَ رظشًٌٍ خًزلؽ خًشـو رٍن ؿمٌو خالهظزدَخض خًؼندثٌص خملمونص إلًـدي خهظزدَ ػنديئ وخكً ٌنٌى طزدًن نديل وطوىن كًُزص من 5.0ردإلغدفص بال هىنهد يًن مرتخرؿص، وهٍه خًنظٌـص طًنى .rBRIEF ردًنٔزص ًىخضف خملؿدرلص LSH ،مظهًيش خالهظزدَ طلٔن من LSHخًظلًٌٌي ،وطٔظوًَ .ؤوَخق خًزلؽ طلىي بن ORBؤرسم روؼًن من SURFو ،SIFTووخضف ً ORBهمٍ رشوٍ ؤفػٍ من ORB .SURFهى هٌدَ ؿًٌ يف خألؿهّش خملنوفػص خالٓظهالن ًٌؿدكص. ذ ذ ذ
293
ببساطةOpenCv ُ :OpenCvُُيفORB
ؤوcv2.ORB () من هالي خًظدروORB هٌل يف خًهديش ًـس ؤوال بنشدء خًـٔم ًٍخ ٓننشإ ؿٔم . هٍخ خًظدرو ًلىي نىل نًي من خًزدَخمرتخض خالهظٌدًَص.feature2d خًىخؿهص خًشدثهص ٍ (نًي خملٌّخض) ؤهًت ردَخمرت مفًٌ وهى ًًي نىل ؤهرب نًي من خملٌّخض خًظ:nFeature .)055 ٌٓظم خالكظفدف رهد (خفرتخغٌد طوىن ًظطنٌفFAST (نىم خًنلدؽ) ًًي نىل مد بٌخ هدن ملطٌص خًنلدؽ ًهدًَٕ ؤو:scoreType .)ًَٕخملٌّخض (خفرتخغٌد طوىن ملطٌص خًنلدؽ ًهد .BRIEF ًظلًًً نًي خًنلدؽ خًظٍ طهؿٍ طىؿٌه هٍ ننرص من نندرص خًىخضف: WTA_K .)(خفرتخغٌد طوىن نلؿظٍن ؤي ًوظدَ نلؿظٍن يف هٍ مُش فةٌخ هدنع، خملٔدفص رٍن خًنلدؽ خًظٍ طٔظوًَ من ؤؿٍ خملؿدرلص:NORM_HAMMING ػم ًظم طهًُف.BRIEF نلدؽ إلنظدؾ خًىخضف3 ؤو4 هٍخ ًهنٍ رإنهد،3 ؤو4 WTA_K .NORM_HAMMING2 مٔدفص خملؿدرلص رـ .ORB َخًوىي خًظديل ًىغم خٓظوًخ import numpy as np import cv2 from matplotlib import pyplot as plt ذ img = cv2.imread('car.jpg') # Initiate STAR detector orb = cv2.ORB()
ذ
ذ ذ
# find the keypoints with ORB ذ kp = orb.detect(img,None) # compute the descriptors with ORB ذ kp, des = orb.compute(img, kp) ذsize and orientation # draw only keypoints location,not img2 = cv2.drawKeypoints(img,kp,color=(0,255,0), flags=0)
cv2.imshow('ORB ',img2) cv2.waitKey() cv2.destroyAllWindows()
ذ
ذ:اؾـتقجة
294
ببساطةOpenCv
ذ ذ
ُ :مشاظؼُبطبفٌخ
Ethan Rublee, Vincent Rabaud, Kurt Konolige, Gary R. Bradski: ORB: An efficient alternative to SIFT or SURF. ICCV 2011: 2564-2571.
OpenCvببساطة
295
ذؼبتمُاملٌضادُFeature Matching
ملذمخُ : ًلً طهٌمند هؼًنخ نن مٌّش خًوشف وخًىضف ،وخآلن كدن خًىكع ًنظهٌم هٌف نؿدرم موظٌف خألوضدف .موظزص OpenCvطىفُ ًند طلنٌظٍن ًهٍخ خألمُ وهٌل: مؼبتلخُُBrute-Forceومؼبتلخُُ .FLANN based امهذفُ : ٓنظهٌم هٌف ٓنؿدرم خملٌّخض رٍن ضىَطٍن. ٓنٔظوًَ مؿدرلص Brute-Forceومؿدرلص .FLANN based أدادقاتذادلطابؼةذ :Brute-Forceذ
خملؿدرلص Brute-Forceهٍ مؿدرلص رٌٔؿص ،فهٍ طإهٍ خًىخضف ملٌّش وخكًش يف خملـمىنص خألوىل وطؿدرلهد مو مٌّخض ؤهُي يف مـمىنص ػدنٌص رةؿُخء رهؼ خًلٔدردض نىل خملٔدفص ،وؤكُذ وخكًش ًظم خهٍهد (ؤنديطهد .)return ردًنٔزص ًٌمؿدرلص ً ،BFـس نٌٌند يف خًزًخًص بنشدء ؿٔم مؿدرلص BFردٓظوًخَ خًظدروذ )( .cv2.BFMatcherهٍخ خًظدرو ًإهٍ ردَخمرتًن خهظٌدًٍَن ،خًزدَخمرت خألوي هى ،normTypeوقٌفظه طلًًً كٌدْ خملٔدفص خًظٍ ٌٓظم خٓظوًخمهد (رشوٍ خفرتخيض طوىن ،(cv2.NORM_L2هٍخ خًزدَخمرت ؿًٌ ردًنٔزص ي SFITو SURFؤمد ردًنٔزص ًٌٌٌٔٔص خًؼندثٌص خًظٍ طزنٍ خًىخضف مؼٍ ً ORB,BRIEF,RBISKنزًٍ ؤن منَُ خًلٌمص ،cv2.NORM_HAMMINGوخًظٍ طٔظوًَ
OpenCvببساطة
296
خملٔدفص خملزدًًص ًٌلٌدْ .بٌخ ORBخٓظوًمع VTA_K ==3 or 4ننًهد ًـس ؤن منَُ خًلٌمص .cv2.NORM_HAMMING2 ػدين ردَخمرت هى خملظًًن خملنؿلٍ crossCheckوطوىن كٌمظه رشوٍ خفرتخيض . FALSEبٌخ ؿهٌند كٌمظه TRUEننًهد خملؿدرم ٌٓهًٌ فلـ هٍه خملؿدرلص مو خًلٌمص ) (i,jمن خًنىم خًىخضف i-th يف خملـمىنص ،Aوخًىخضف j-thيف خملـمىنص Bهإفػٍ مؿدرلص ،وخًهوٕ ردًهوٕ. بن خملٌّطٍن يف هال خملـمىنظٍن ًـس ؤن طظؿدرم مو خألهُي. BFMatcher.match() and رهً بنشدء خًـٔم ،هندن ؾًُلظدن هدمظدن هٌل )( ،BFMatcher.knnMatchؤوي ؾًُلص طهًٌ ؤفػٍ مؿدرلص ،وػدين ؾًُلص طهًٌ kمؿدرلص ؤكٍ، كٌؽ kطظلًي من كزٍ خملٔظوًٌَ .نون ؤن طوىن مفًٌش ننًمد نلظدؾ رإن نلىَ رهمٍ بغديف نىل ًٌى. هٌل هند نٔظوًَ خًظدرو )(ًُٓ cv2.drawKeypointsم خًنلدؽٓ ،نٔظوًَ خًظدرو )( cv2.drawMatchesخًٍي ًٔدنًند نىل َٓم خملؿدرلدض .فهى ًػو خًطىَطٍن رشوٍ ؤفلٍ وًُٓم خًوؿىؽ من ؤوي ضىَش ًؼدين ضىَش ًٌكهُ ؤفػٍ خملؿدرلدض .هندن ؤًػد خًظدرو cv2.drawMatchesKnnوخًٍي ًُٓم هٍ Kألفػٍ خملؿدرلدض .بٌخ ٓ k=2ىف ًُٓم هؿٍن مؿدرلص ًوٍ نلؿص ؤٓدٌٓصًًٍ .ى ًـس ؤن منَُ كندم بٌخ ؤَيند ؤن نُٓم رشوٍ خنظلديئ. ينند نإهٍ مؼدي وخكً نىل هٍ من SURFو( ORBهٍ وخكً منهم ًٔظهمٍ كٌدٓدض مٔدفص موظٌفص). مالككص :يف هٍ خًزلؽ كم رظنطٌس opencv3.0وغو رًي خًظدرو )( ORBخًظدرو )( .ORB_create خًظدرو drawMatchesيًن مىؿىي يف موظزص OpenCvخإلضًخَ .4
ًًٍى بٌخ ؤَيض خٓظهٌلي خإلضًخَ 4من OpenCvكم روظدرص خًظدرو drawMatchesرشوٍ ًًوي هٌل هى مٍسوق يف خًُخرـ خًظديل: https://www.codementor.io/tips/5193438072/module-object-has-no-attribute drawmatches-opencv-pythonذ
ذ
OpenCvببساطة
297
ؿطابؼةذاؾؼوةذادلدقطرةذؿعذاؾواصفذ :ORBذ
هند ٓنشدهً ؤرٔـ مؼدي وهى هٌف نؿدرم خملٌّخض رٍن ضىَطٍن .يف هٍه خًلدًصًًً .ند queryImageوٓ .trainImageنلإوي بًـدي queryImageيف trainImageردٓظوًخَ مٌّش خملؿدرلص( .خًطىَ هٍ box.pngو .)box_in_scene.png ( queryimageهٍ ضىَش خًـٔم خملؿٌىذ ،و trainImageهٍ خًطىَش خًظٍ ٓنزلؽ غمنهد نن خًـٔم خملؿٌىذ).
ٓنٔظوًَ خًىخضف SFITملؿدرلص خملٌّخضًًٍ ،ى ينند نزًؤ رظلمٌٍ خًطىَش وبًـدي خألوضدف. import numpy as np import cv2 from matplotlib import pyplot as plt img1 = cv2.imread('carr.png') # queryImage img2 = cv2.imread('car.jpg') # trainImage # Initiate SIFT detector )(orb = cv2.ORB_create # find the keypoints and descriptors with SIFT )kp1, des1 = orb.detectAndCompute(img1,None )kp2, des2 = orb.detectAndCompute(img2,None
ػم ٓنلىَ رةنشدء ؿٔم مؿدرلص BFمو مٔدفص كٌدْ ( cv2.NORM_HAMMINGألنند نٔظهمٍ )ORBو نلىَ رظفهٌٍ ًٌ crossCheckلطىي نىل نظدثف ؤفػٍ ،ػم نٔظهمٍ ؾًُلص)(ً matchنلطٍ نىل ؤفػٍ مؿدرلص رٍن ًطىَطٍن .ػم نلىَ ررتطٌس مٔدفدطهد رشوٍ ططدنًي ألن خملؿدرلص ٓظطزم ؤفػٍ .ػم ٓرنٓم ؤوي نٍس مؿدرلدض (فلـ من خؿٍ وغىق خًظؿدرم يف خًُٓم)ٌ .نونى ًِديش نًي خملؿدرلدض هٌل طًًُ.
ذ
298
ببساطةOpenCv
# create BFMatcher object bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True) # Match descriptors. matches = bf.match(des1,des2) # Sort them in the order of their distance. matches = sorted(matches, key = lambda x:x.distance) # Draw first 10 matches. img3 = cv2.drawMatches(img1,kp1,img2,kp2,matches[:10],None, flags=2)
ذ
cv2.imshow('Matches ',img3) cv2.waitKey() cv2.destroyAllWindows()
:شدهً خًنظٌـص خًظٍ كطٌند نٌٌهد ذ
ذ
OpenCvببساطة
299
مبُهىُظعمُاملؼبتلخ؟ ُ خًندطف من ) matches = bf.match(des1,des2هـ من كدمئص خألؿٔدَ .DMatch خًـٔم ٌ DMatchنٌى خًطفدض خًظدًٌص: :DMatch.distance .8خملٔدفص رٍن نلدؽ خًىضف ،هٌٌل هدنع ؤكٍ هٌٌل هدن ؤفػٍ. :DMatch.trainIdx .4كدمئص رنلدؽ خًىضف ملؿدرلص خًطىَش ( trainخًطىَش خًظٍ ٓنزلؽ فٌهد نن خًـٔم). :DMatch.queryIdx .4كدمئص رنلدؽ خًىضف ملؿدرلص خًطىَش ( queryضىَش خًـٔم خملؿٌىذ). :DMatch.imgIdx .3كدمئص رنلدؽ خًىضف ًٌطىَش ... img مؼبتلخُُ :FLANN based مؿدرلص FLANNطٔظنً نىل موظزص ً FASTظلًُس خًنلدؽ خملـإوَش ،وطلىي نىل مـمىنص من خًوىخَِمٌدض خملؼدًٌص ًظرسًو خًزلؽ نن خًنلؿص خألكُذ يف كىخنً خًزٌدندض خًوزًنش ،وخملٌّخض وخألرهدي خًؼدنىًص .هٍه خملؿدرلص طهمٍ ررسنص ؤهرب من BFMatcherردًنٔزص ًلىخنً خًزٌدندض خًوزًنش. شدهً خملؼدي خًظديل خًٍي ٓنٔظهمٍ فٌه خملؿدرلص .FLANN based ردًنٔزص ملؿدرلص FLANN basedنلن رلدؿص ًظمًُُ مرتؿمٍن وخًًٍن ًلًيخن خًوىخَِمٌص خًظٍ ًـس ؤن طٔظهمٍ .ردَومرتخطه مرتخرؿص مو رهػهد .ؤوي ردَخمرت هى .IndexParamsردًنٔزص ملوظٌف خًوىخَِمٌدضً ،ظم ٌسق خملهٌىمدض خًظٍ ًظم متًُُهد يف ورؼةذاؾبحثذ.FLANN مٌوظ: ردًنٔزص ًوىخَِمٌدض مؼٍ SFITوً SURFظم متًُُ خًلٌم خًظدًٌص:
)index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5 ذ
300
OpenCvببساطة
ؤمد ردًنٔزص ًوىخَِمٌص مؼٍ ORBمنَُ خًلٌم خًظدًٌص (ًفػٍ ؤن متَُ خًلٌم خملىؿىيش يف وَكص خًزلؽ .وًون يف رهؼ خألكٌدن كً ال طهؿٌند خًنظٌـص خملُيىرص ًًٍى ٓنمَُ كٌم ؤهُي طهمٍ رشوٍ ؿًٌ). index_params= dict(algorithm = FLANN_INDEX_LSH, table_number = 6, # 12 key_size = 12, # 20 multi_probe_level = 1) #2
ذ
ػدين مرتؿم هى ،SearchParamsهٍخ خملرتؿم ًلًي نًي مُخض شـُش خًفهُْ خًظٍ ًنزًٍ خؿظٌدِ طوُخَهد .ؤنىل خًلٌم طهؿٍ يكص ؤفػٍ ،وًون ًإهٍ ؤًػد خملًًّ من خًىكع .بٌخ هنع طًًُ طًًن خًلٌمص مَُ: ) search_params = dict(checks=100ذ
مو هٍه خملهٌىمدض نلن نىل مد ًُخَ.
301
ببساطةOpenCv
import numpy as np import cv2 img1 = cv2.imread('carr.png') # queryImage img2 = cv2.imread('car.jpg') # trainImage # Initiate SIFT detector orb = cv2.ORB_create() # find the keypoints and descriptors with SIFT kp1, des1 = orb.detectAndCompute(img1,None) kp2, des2 = orb.detectAndCompute(img2,None) # FLANN parameters FLANN_INDEX_LSH = 6 #help(dict) index_params= dict(algorithm = FLANN_INDEX_LSH, table_number = 6, # 12 key_size = 12, # 20 multi_probe_level = 1) #2
search_params = dict(checks=50) # or empty dictionary flann = cv2.FlannBasedMatcher(index_params,search_params) matches = flann.knnMatch(des1,des2,k=2) # Need to draw only good matches, so create a mask matchesMask = [[0,0] for i in xrange(len(matches))] # ratio test as per Lowe's paper for i,(m,n) in enumerate(matches): if m.distance < 0.7*n.distance: matchesMask[i]=[1,0] draw_params = dict(matchColor = (0,255,0), singlePointColor = (255,0,0), matchesMask = matchesMask, flags = 0) img3 = cv2.drawMatchesKnn(img1,kp1,img2,kp2,matches,None,**draw_params)
ذ
cv2.imshow('MatchesKnn ',img3) cv2.waitKey() cv2.destroyAllWindows()
OpenCvببساطة
302
امنرٌعخ:
رشػُامكىدُ : خألٓؿُ خألوىل يف خًوىي طم ٌسكهد مٔزلدً ،كٌؽ كمند رةنشدء ؿٔم خملؿدرلص ORBػم كمند رةًـدي خًنلدؽ خألٓدٌٓص وخًىضف ًوٍ من خًطىَطٍن. # FLANN parameters FLANN_INDEX_LSH = 6 index_params= dict(algorithm = FLANN_INDEX_LSH, table_number = 6, # 12 key_size = 12, # 20 multi_probe_level = 1) #2
ٌ index_paramsنؼٍ كٌمص خًزدَخمرت خألوي ًٌظدرو )( ،FlannBasedMatcherوقٌفظه بنشدء فهُْ ًٌزلؽ نن خًزٌدندض خألوًٌص ًوٍ نلؿص .بن بنشدء ماٌس (فهُْ) ًوٍ نلؿص ٌٓٔهٍ نٌٌند نمٌٌص خًزلؽ. خملظًًن خألوي ًٌفهُْ هى algorithmوقٌفظه طلًًً خًوىخَِمٌص خملٔظهمٌص ًزندء خًفهُْ ،وًإهٍ ؤكً ًلٌم خًظدًٌص.'linear', 'kdtree', 'kmeans', 'composite' or 'autotuned' : خًوٌدَ linearال ًنشإ ؤي فهُْ ،وبمند ًٔظوًَ خملؿدرلص ًٌ BFزلؽ نن خًنلدؽ خألٓدٌٓص. خًوٌدَ ً kdtreeنشإ فهُْ وخكً ؤو ؤهًت رشوٍ موؿـ شـُي وًظم ًٌى رشوٍ نشىخيئ. خًوٌدَ ً kmeansنشإ فهُْ نىل شوٍ طٌٍٔٔ هُمٍ .ردكٍ خًوٌدَخض مٍسوكص يف ورؼةذ اؾبحثذ.FLANNغمن خًفلُش 3.3.1
ذ
OpenCvببساطة
303
وخملظًًن خًؼدين هى table_numberنًي ؤكٔدَ خًـًؤوي خًظٍ ٓنٔظهمٌهد (نديش طوىن رٍن 85و.)45 خملظًًن خًؼدًؽ ٌ key_sizeنؼٍ كٌدْ مفظدق خًظلٌٔم ردًزظدض (.)bit ؾالرالعذعؾىذذرحذفذهذادلتغرياتذاـتؼلذدلوؼعذؾوقبذاخلاصذبشرحذتوابعذOpenCVذ http://docs.opencv.orgذ
ذ
search_params = dict(checks=50) # or empty dictionary
ذ
،هٍخ خًٔؿُ ًلًي نًي مُخض شـُش خًفهُْ خًظٍ ًنزًٍ خؿظٌدِ طوُخَهد .هٌٌل هدنع خًلٌمص ؤنىل هٌٌل هدنع خًًكص ؤفػٍ ،وًون ٓظإهٍ ؤًػد خملًًّ من خًىكعًًٍ .ى كم رًّديطهد فلـ ننً خًلدؿص ًًٍى. ذ
)flann = cv2.FlannBasedMatcher(index_params,search_params
ذ
خًظدرو خملٔاي نن طلًًً مهدًًن خملؿدرلص .منَُ ًهٍخ خًظدرو خًلٌم خًظٍ نُفندهد وهٌل index_paramsو.search_params )matches = flann.knnMatch(des1,des2,k=2
ذ
بًـدي ؤفػٍ مؿدرلص رٍن هٍ وخضف ًٌطىَطٌٍن. ذ
OpenCvببساطة
304
مٌضحُاملؼبتلخُُHomographyُ+إلًعبدُاألظعبو ُ
ملذمخُ : خآلن ؤضزلند نهُف مد هٍ مؿدرلص خملٌّخض ،ينند خآلن نًمـهد مو خًنمـ calib3dإلًـدي خألؿٔدَ يف خًطىَش خملهلًش. ذ
امهذفُ : ٓنًمف رٍن مٌّش خملؿدرلص و findHomographyمن خًنمـ calib3dإلًـدي خألؿٔدَ خملهُوفص يف خًطىَش خملهلًش. ؤظبظٌبدُ : نفهٍ مد فهٌنده يف خًفطٍ خًٔدرم .نىؿً رهؼ خًنلدؽ خملمٌّش يف خًطىَش ،queryونىؿً ؤًػدً خًنلدؽ خملمٌّش يف خًطىَش ،trainونىؿً ؤفػٍ مؿدرلص رٌنهم .روٌٌلض موظرصش ٓنىؿً رهؼ ؤؿّخء ؿٔم مد يف ضىَش ؤهُي مشىشص .هٍه خملهٌىمدض يًن هدفٌص إلًـدي خًـٔم ردًػزـ يف خًطىَش .query ًًٍى ٓنٔظوًَ خًنمـ calib3dؤي )( .cv2.findHomographyبٌخ مَُند مـمىنص من خًنلدؽ من هال خًطىَطٍنٓ ،ىف ًىؿً خًظلىًٍ مزظًده يف ًٌى خًـٔم .رهً ًٌى ٌنونند خٓظوًخَ خًظدرو )( cv2.perspectiveTransformإلًـدي خًـٔم .بنهد طلظدؾ فهُْ رإَرو نلدؽ ضلٌلص إلًـدي هٍخ خًظلىي. ًلً شدهًند هٌف ؤنه ٌنون ؤن ًلطٍ رهؼ خألهؿدء خمللظمٌص ننً نمٌٌص خملؿدرلص وخًظٍ كً طاػُ نىل خًنظٌـصً .لٍ هٍه خملشوٌص نٔظوًَ هىخَِمٌص RANSACؤو ( LEAST_MEDIANوًٌى نن ؾًُم خألنالَ) .كٌؽ نٔمٍ خملؿدرلص خًـًٌش خًظٍ طلًَ طلًًُخض ضلٌلص inliersوخملظزلٌص طٔمى رـ .outliers
305
ببساطةOpenCv
ينىند.outliers َ ؤinliers ًهًٌ خًلندم خًٍي ًلًي هٍ خًنلدؽcv2.findHomography() خًظدرو !!نلم رًٍى ُ :امكىد ٍ) إلًـدي ؤفػratio test( َ يف خًطىَش ونؿزم نٔزص خالهظزدSFIT نىؿً يف خًزًخًص هٌل خنظًند ٓمص .مؿدرلص import numpy as np import cv2 from matplotlib import pyplot as plt MIN_MATCH_COUNT = 10 img1 = cv2.imread('box.png',0) # queryImage img2 = cv2.imread('box_in_scene.png',0) # trainImage # Initiate SIFT detector sift = cv2.SIFT() # find the keypoints and descriptors with SIFT kp1, des1 = sift.detectAndCompute(img1,None) kp2, des2 = sift.detectAndCompute(img2,None) FLANN_INDEX_KDTREE = 0 index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5) search_params = dict(checks = 50) flann = cv2.FlannBasedMatcher(index_params, search_params) matches = flann.knnMatch(des1,des2,k=2) # store all the good matches as per Lowe's ratio test. good = [] for m,n in matches: if m.distance < 0.7*n.distance: good.append(m)
ذ
)MIN_MATCH_COUNT خآلن نػزـ نىل خألكٍ ٌسوؽ ؤَرو مؿدرلدض (ط ُ َلً ْي من كزٍ خًهٌم وبال روٍ رٔدؾص نهُع َٓدًص طلىي بن خملؿدرلدض خملىؿىيش.ًـس ؤن طوىن مىؿىيش إلًـدي خًـٔم .كدًٌد يًن هدفٌص
306
ببساطةOpenCv
بٌخ طم خًهؼىَ نىل مد ًوفٍ من خملؿدرلدض نٔظوُؾ مىخغو خًنلدؽ خألٓدٌٓص ًٌمؿدرلدض يف هال ،3×3 ًٍ كدملد نلطٍ نىل مطفىفص خًظلى. خًظٍ طم متًُُهد ًٌـً خًظلىًٍ مزظًده.خًطىَطٍن ػم.train بىل مد ًلدرٌهد من خًنلدؽ يف خًطىَشquery نٔظوًمه ًظلىًٍ خًّوخًد من خًطىَش .نُٓمهد if len(good)>MIN_MATCH_COUNT: src_pts = np.float32([ kp1[m.queryIdx].pt for m in good ]).reshape(-1,1,2) dst_pts = np.float32([ kp2[m.trainIdx].pt for m in good ]).reshape(-1,1,2) M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC,5.0) matchesMask = mask.ravel().tolist() h,w = img1.shape pts = np.float32([ [0,0],[0,h-1],[w-1,h-1],[w-1,0] ]).reshape(-1,1,2) dst = cv2.perspectiveTransform(pts,M) img2 = cv2.polylines(img2,[np.int32(dst)],True,255,3, cv2.LINE_AA) else: print "Not enough matches are found - %d/%d" % (len(good),MIN_MATCH_COUNT) matchesMask = None
(بٌخ طم رنـدق بًـدي خًـٔم) ؤو نلدؽ خملؿدرلص خألٓدٌٓص (بٌخ فشٍ يف بًـديinliers وؤهًنخ نُٓم )خًـٔم draw_params = dict(matchColor = (0,255,0), # draw matches in green color singlePointColor = None, matchesMask = matchesMask, # draw only inliers flags = 2) img3 = cv2.drawMatches(img1,kp1,img2,kp2,good,None,**draw_params) plt.imshow(img3, 'gray'),plt.show()
307
OpenCvببساطة شبهذُامنرٌعخُامربمٌخُ :
ذ ذ ذ
الفصل الثامن ”الرجل الذي يستخدم مهاراته وخياله البناء لمعرفة أقصى ما يمكن أن
يقدمه مقابل دولار واحد بدلا ً من التفكير في أقل ما يمكن أي يقدمه مقابل نفس الدولار ،حتما ً سينجح‟
هنري فورد – مؤسس شركة فورد للسيارات
OpenCvببساطة
309
امفصهُامصبمنُ:ذؽنٌهُامفٌذًىُُ Video Analysis
شدهًند يف خألمؼٌص خًٔدرلص ؾًُلص خًظهلس خنظٌليخ ً نىل خًٌىن ،وهٍه خًؿًُلص رٌٔؿص ؿًخ ً .ؤمد خآلن ٓنشدهً هىخَِمٌص ؤفػٍ مؼٍ Meanshiftوخًنٔوص خملؿىَش منهد Camshiftإلًـدي خًٌىن وطهلزه.
خآلن ٓنندكش مفهىَ هدَ وهى "( " Optical Flowخًظًفم خًزرصي) وخًٍي ًه نالكص مو خًفًًٌى وطؿزٌلدض نًًًش.
نلظدؾ يف نًش طؿزٌلدض ؤن نٔظوُؾ خًوٌفٌص ًظنفٌٍ نًش نمٌٌدض مؼٍ طهلس هدثن. ذ ذ
OpenCvببساطة
310
خىاسصمٌخُُMeanshiftوُ :Camshift
ملذمخُ : شدهًند يف خألمؼٌص خًٔدرلص ؾًُلص خًظهلس خنظٌليخ ً نىل خًٌىن ،وهٍه خًؿًُلص رٌٔؿص ؿًخ ً .ؤمد خآلن ٓنشدهً هىخَِمٌص ؤفػٍ مؼٍ Meanshiftوخًنٔوص خملؿىَش منهد Camshiftإلًـدي خًٌىن وطهلزه. امهذفُ : ٓنظهٌم ؾًُلص بًـدي خألؿٔدَ يف خًفًًٌى ردٓظوًخَ هىخَِمٌظٍ Meanshiftو Camshift
خىاسصمٌخُُ :Meanshift خنظرب رإنى متٌى مـمىنص من خًنلدؽ (طىِم خًزٌؤالض ًهٍه خًنلدؽ ًوىن هٌل يف خالٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين) .نلىَ رةنشدء ندفٍش ضًًنش (يخثُش) وًـس نٌٌند طلًُى هٍه خًندفٍش بىل خملنؿلص خًظٍ طوىن فٌهد شًش خًزٌؤالض ؤنكمٌص (خملنؿلص خًظٍ ًوىن فٌهد نًي خًنلدؽ ؤنكمٍ) ،وهٍخ خألمُ مىغم يف خًطىَش خًظدًٌص: ذ ذ ذ ذ
311
OpenCvببساطة
ذ
خًندفٍش خألوًٌص ط ُهُع نىل شوٍ ندفٍش يخثًُص ًىنهد ؤَِق خٓمهد "ً ."C1ظم وغو نالمص يف مُهّهد خألضًل نىل شوٍ مٔظؿٌٍ ردًٌىن خألَِق ًنٔمه " ."C1_oوًون بٌخ ؤوؿًند مُهّ هظٌص خًنلدؽ يخهٍ هٍه خًندفٍش ٓىف نلطٍ نىل نلؿص ؤٓمهد "( "C1_rمهٌمص رًخثُش َِكدء ضًًنش) وخًظٍ متؼٍ خملُهّ خًللٌلٍ ًهٍه خًندفٍش. من خملاهً ؤن مُهّ ندفٍش خًًخثُش خألضًل ال ًظؿدرم مو مُهّ هظٌص خًنلدؽ (خملُهّ خًللٌلٍ) ًًٍى ًظم طلًُى خًندفٍش خًًخثًُص وؿهٍ مُهّهد خألضًل ًظؿدرم مو خملُهّ خًللٌلٍ ،ػم نلىَ مُش ؤهُي رةًـدي خًنلؿص خملُهًّص خًـًًًش وخملُهّ خًللٌلٍ .يف خًًدًس ًن ًظؿدرم خملُهّ خألضًل ًٌندفٍش خًًخثًُص مو خملُهّ خًللٌلًًٍٍ ،ى نلُن خًندفٍش خًًخثًُص مُش ؤهُي ًٌؿدرم مُهّهد مو خملُهّ خًللٌلٍ ،ونٔظمُ يف طوُخَ هٍخ خألمُ كظى ًطزم مُهّ خًندفٍش خًًخثًُص منؿزلد مو خملُهّ خًللٌلٍ (مو ؤضًُ هؿإ ملزىي)ًًٍ .ى ؤهًنخ ً مد نلطٍ نٌٌه هى ندفٍش فٌهد طىِم خًزٌؤالض ؤنكمٍ .هٍه خًندفٍش خألهًنش مهٌمص رًخثُش ردًٌىن خألهٍص ؤٓمهد " ،”C2مبشدهًش خًطىَش خًٔدرلص ٓظـً ؤن هٍه خًًخثُش طلىي ؤهرب نًي من خًنلدؽ. ذ
ذ
312
ببساطةOpenCv
وبًـدي، ٓنلظدؾ يف خًزًخًص بىل طهٌجص خًهًف،OpenCv يفMeanshift الٓظهٌلي هىخَِمٌص ٍ) ًٌهًف نىل هbackproject( ٍموؿؿه خًزٌدين ًنظمون من خًلٌدَ رهمٌٌص خإلٓلدؽ خًوٌف ردًنٔزص. وٓنوىن ؤًػد رلدؿص ًظىفًن خملىكو خألضًل ًٌندفٍش.Meanshift ًلٔدذframe َبؾد َ وؤًػد ًظـنس خًلٌم خًودؾجص رٔزس غهف خإلغدءش نلى.ًٌموؿـ خًزٌدين نإهٍ فلـ خًظًَؾ خًٌىين .cv2.inRange() رةهٌلي كٌم خإلغدءش خملنوفػص نن ؾًُم خًظدرو import numpy as np
ذ
import cv2
ذ
cap = cv2.VideoCapture('slow.flv')
ذ
# take first frame of the video ret,frame = cap.read()
ذ
# setup initial location of window r,h,c,w = 50,100,25,100 # simply hardcoded the values track_window = (c,r,w,h)
ذ ذ
# set up the ROI for tracking ذ roi = frame[r:r+h, c:c+w] hsv_roi = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) mask = cv2.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.))) ذ roi_hist = cv2.calcHist([hsv_roi],[0],mask,[180],[0,180]) cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX) ذ # Setup the termination criteria, either 10 iteration or move by atleast 1 pt term_crit = ( cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1 ) while(1): ret ,frame = cap.read() if ret == True: hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) dst = cv2.calcBackProject([hsv],[0],roi_hist,[0,180],1) # apply meanshift to get the new location ret, track_window = cv2.meanShift(dst, track_window, term_crit) # Draw it on image x,y,w,h = track_window cv2.rectangle(frame, (x,y), (x+w,y+h), 255,2) cv2.imshow('img2',frame)
ذ
ذ
313
OpenCvببساطة k = cv2.waitKey(60) & 0xff if k == 27: break else: )cv2.imwrite(chr(k)+".jpg",frame else: break
)(cv2.destroyAllWindows )(cap.release
ذ
رشػُامكىدُ : خنطلى كزٍ كُخءش ٌسق هٍخ خًوىي ؤن طلُؤ ٌسق خًوىي خملىؿىي يف رلؽ خالٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين يف خًطفلدض 800،805،807كظى طفهم خًوىي خًظديل ؿًٌخ ً. # setup initial location of window r,h,c,w = 50,100,25,100 # simply hardcoded the values )track_window = (c,r,w,h ذ
هًٍن خًٔؿًُن من خًوىي ًظهٌجص خًندفٍش خًظٍ ٓظظػمن خًـٔم خملؿٌىذ طهلزه .هند خهرتند ؤن ًزًؤ َٓم خملٔظؿٌٍ من خإلكًخػٌص ) (50,100رؿىي ونُع 855ؤي خًـٔم خًٍي ٓظم طهلزه ٌٓوىن غمن هٍخ خملٔظؿٌٍ. ]roi = frame[r:r+h, c:c+w )hsv_roi = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV )))mask = cv2.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.
ذ
كًيند خملنؿلص من خًفًًٌى خًظٍ ٓزًؤ ننًهد ًُٓم ،roiػم كىًند خًفًًٌى ًٌفػدء خًٌىين HSV ًٔهىًص طلًًً خملـدي خًٌىين خًٍي ٓنظهلزه ،ػم كًيند خملـدي خًٌىين ًٌلندم maskرٍن مـدي ًىين مهٍن. )]roi_hist = cv2.calcHist([hsv_roi],[0],mask,[180],[0,180
ٓنٔظوًَ خًظدرو )(ًٌ cv2.calcHistهؿٌنٌد فوُش نن طىِم خًشًش خًٌىنٌص ًزٌؤالض ضىَش خًـٔم خملؿٌىذ غمن خًلندم ( maskمُ مهند مٔزلدً)
ذ
314
OpenCvببساطة
خملظًًن خألوي ضىَش خًًهٍ ،وخًؼدين ًلًي خًلندش خًٌىنٌص خًظٍ ٓنلٔس ًه خملوؿـ خًزٌدين ،وخًؼدًؽ ٌنؼٍ خًلندم ،وخًُخرو ًلًي كٌمص خي BINوخًودمٕ ًلًي خملـدي. )cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX
ذ
ذ
# Setup the termination criteria, either 10 iteration or move by atleast 1 pt ) term_crit = ( cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 1
ذ
هٍخ خملظًًن ٓنمَُه ًٌظدرو بًـدي خًـٔم )(( cv2.meanShiftخنكُ ًلٓفٍ) .وقٌفظه هٍ غزـ مهٌدَ بًلدف ندفٍش خًزلؽ نن طوُخَ خًزلؽٓ ،نلىَ هند رػزـ مهٌدَ طوُخَ خًزلؽ نىل 85 طوُخَخض ،ومبهٌدَ طلُن ندفٍش خًزلؽ مبد ال ًلٍ نن نلؿص. while(1): )(ret ,frame = cap.read
ذ
ٓنشإ كٌلص ) while(1طوُخًَص ال نهدثٌص كظى نلُؤ ؿمٌو بؾدَخض خًفًًٌىً ،نلىي هدمٍ بؾدَخض خًطىَش خملوىنص ًٌفًًٌى من خًفػدء خًٌىين RGBبىل ، HSVػم ًنؿزم نٌٌهد نمٌٌص خالٓلدؽ خًوٌفٍ ،ػم ًنؿزم هىخَِمٌص ،Camshiftػم ًرنٓم مٔظؿٌٍ كىي خًـٔم ملؿٌىذ خًٍي نظهلزه. if ret == True: )hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV )dst = cv2.calcBackProject([hsv],[0],roi_hist,[0,180],1
ذ
خملظًًن ٓ retظوىن كٌمظه Trueمد يخَ خًفًًٌى مل ًنظهٍ ،وننً خنظهدثه ٓظطزم كٌمظه .False رهً ؤن خهظربند خًٍسؽ رإنه مللم ٓنلىي هٍ بؾدَ ضىَش ًٌفًًٌى بىل خًفػدء .HSVونؿزم نىل منؿلص ضىَش خًـٔم خًٍي ٓنظهلزه نمٌٌص خالٓلدؽ خملوؿـ خًزٌدين نىل خًوٌفٌص. (طم ٌسق خًظدرو cv2.calcBackProjectمٔزلدً يف فطٍ خإلٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين)
# apply meanshift to get the new location )ret, track_window = cv2.meanShift(dst, track_window, term_crit
هند ٓنؿزم هىخَِمٌص Meanshiftكظى نهُف خملىغو خًٍي ًظلُن بًٌه خًـٔم.
ذ
OpenCvببساطة
315
مظًًنخض خًظدرو cv2.meanShiftهٍ: cv2.meanShift(probImage, window, criteria) → retval, window خملظًًن خألويٓ :نمَُ ًه نظٌـص خإلٓلدؽ خًوٌفٍ ًٌموؿـ خًزٌدين ًٌـٔم خملؿٌىذ. خملظًًن خًؼدينٓ :نمَُ ًه ندفٍش خًزلؽ خألوًٌص (ؤوي مودن يف خًطىَش ٓنزًؤ ننًه خًزلؽ نن خًـٔم). خملظًًن خًؼدًؽً :لًي خًٍسؽ خًٍي ٌٓظم فٌه بًلدف ندفٍش خًزلؽ نن طوُخَ خًزلؽ، ومهٌدَ طلُن خفٍش خًزلؽ (ملًخَ خنًّدكهد). (انظشُيفُاألغىلُمرشػُهزاُاملرغري) ُ ٌٓهًٌ ًند هٍخ خًظدرو خملىكو خًـًًً ًندفٍش خًزلؽ وكـمهد (.)track_window # Draw it on image x,y,w,h = track_window )cv2.rectangle(frame, (x,y), (x+w,y+h), 255,2
ٓنوّن مىغو ندفٍش خًزلؽ خًـًًًش وكٌمظهد يف ،x,y,w,hػم ٓرنٓم مٔظؿٌٍ يف مودن ندفٍش خًزلؽ.
ذ
316
ببساطةOpenCv ُ :Camshiftُ خىاسصمٌخ
هٍ شدهًض رًكص خًنظٌـص خملدغٌص؟ هندن مشوٌص وهٍ ؤن خًندفٍش متٌى نفٕ خًلٌدْ ٓىخء هدنع وهٍخ خألمُ يًن ؿًٌ فنلن رلدؿص ألن ًظوٌف خإلؾدَ مو كـم.خًٌٔدَش ؤرهً ؤو ؤكُذ من خًودمًنخ Continuously Adaptive ( Camshift ًلٍ هٍه خملشوٌص طم بًـدي هىخَِمٌص.ويوَخن خًهًف يف وَكص رلؼه طلع ننىخنGary Bradsky ٍ) من كزMeanshift " ذComputer Vision Face Tracking for Use in a Perceptual Interface"
:آًٌص نمٍ هٍه خًوىخَِمٌص ًظم طلًًؽ كٌدْ خإلؾدَ وفم،Meanshift ومبـُي ؤن طظؿدرم،Meanshift ًُؿًزم ؤوال هىخَِمٌص نلىَ مُش. وطلٔس ؤًػد خالطـده ألفػٍ كؿو ندكظ مندٓس ًهد.
√
𝟔
خملهديًص
مو خًلٌدْ خًـًًً وطلىَ رنفٕ خًوؿىخض خًٔدرلص كظى طظللم خًًكصMeanshift ؤهُي رظؿزٌم .خملؿٌىرص
وًونهد طهًٌ يوَخن خملٔظؿٌٍ (هٍه هٍ نظٌـظند) وردَخمرتخض خًندفٍش،Meanshift ٕهٍ طلًُزد نف . شدهً خًوىي خًظديل.)(طٔظوًَ ًظمَُ هندفص خًزلؽ نن خًظوُخَ خًظديل import numpy as np import cv2 cap = cv2.VideoCapture('slow.flv') # take first frame of the video ret,frame = cap.read()
# setup initial location of window r,h,c,w = 50,25,50,25 # simply hardcoded the values track_window = (c,r,w,h) # set up the ROI for tracking roi = frame[r:r+h, c:c+w] ذ hsv_roi = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) mask = cv2.inRange(hsv_roi, np.array((0., 60.,32.)), np.array((180.,255.,255.))) roi_hist = cv2.calcHist([hsv_roi],[0],mask,[180],[0,180]) cv2.normalize(roi_hist,roi_hist,0,255,cv2.NORM_MINMAX)
317
ببساطةOpenCv
# Setup the termination criteria, either 10 iteration or move by atleast 1 pt term_crit = ( cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 1, 1 ) while(1): ret ,frame = cap.read() if ret == True: hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) dst = cv2.calcBackProject([hsv],[0],roi_hist,[0,180],1) # apply meanshift to get the new location ret, track_window = cv2.meanShift(dst, track_window, term_crit) # Draw it on image pts = cv2.boxPoints(ret) pts = np.int0(pts) cv2.polylines(frame,[pts],True, 255,2) cv2.imshow('img2',frame) k = cv2.waitKey(60) & 0xff if k == 27: break else: cv2.imwrite(chr(k)+".jpg",frame) else: break
ذ
cv2.destroyAllWindows() cap.release()
318
ببساطةOpenCv ُ ذ:ُامنرٌعخ ذ
ُ ُ :رشػُامكىد نفٕ ٌسق خًوىي خًٔدرم مو خهظالف فلـ يف طدرو خًُٓم # Draw it on image pts = cv2.boxPoints(ret) pts = np.int0(pts) cv2.polylines(frame,[pts],True, 255,2) cv2.imshow('img2',frame) Opencv 3.0 boxPoints)...( ذذذذboxPoints(box[, points]) -> points
opencv 2.4.11 BoxPoints(...) BoxPoints(box) -> points
OpenCvببساطة
319
مشاظؼُبطبفٌخُ : ضفلص وًوٌزًًٌد ً( Camshiftىؿً فٌه َٓمظٍن طىغٌلٌظٍن مظلُهظٍن). ذ
امرذفمُامثرصيُُ :Optical Flow
ملذمخُ : خآلن ٓنندكش مفهىَ هدَ وهى "( " Optical Flowخًظًفم خًزرصي) خًٍي ًهظم ردًفًًٌى رشوٍ هدص ،ورهًش طؿزٌلدض ؤهُي. امهذفُ : فهم مفهىَ خًظًفم خًزرصي وهٌفٌص طلًًُه ردٓظوًخَ ؾًُلص .Kanade method ٓنظهٌم خٓظوًخَ خًظدرو )(ً cv2.calcOpticalFlowPyrLKظهلس خًنلدؽ خملمٌّش يف خًفًًٌى. ذ
خًظًفم خًزرصي هى منـ خًلُهص خًكدهًُص ألؿٔدَ خًطىَش رٍن بؾدًَن ضىَش framesمظظدًٌٍن خًندؿم نن كُهص خًـٔم ؤو خًودمًنخ .وًوىن نزدَش نن كلٍ من خألشهص ػندثٌص خًزهً ،وهٍ شهدم نزدَش نن شهدم بِخكص ًزٍن كُهص خًنلدؽ رٍن بؾدَ خًطىَش خألوي وخًؼدين .شدهً خًطىَش خًظدًٌص.
320
OpenCvببساطة
ذ
هٍه خًطىَش طهُع خنظلدي خًوُش يف 0بؾدَخض ًٌطىَشً .كهُ خًٔهم خملهُوع شهدم خإلِخكص النًّدق خًوُش .و ٌنون خٓظوًخَ خًظًفم خًزرصي يف خًهًًً من خًظؿزٌلدض هدملـدالض خًظدًٌص: مهُفص ؾزٌهص خًلُهص. غًـ خًفًًٌى. طللٌم خٓظلُخَ خًفًًٌى (.)Video Stabilization خًظًفم خًزرصي ًهظمً نىل نًش فُغٌدض .8شًش رٌؤالض خًـٔم ال طظًًن رٍن بؾدَي ضىَش مظظدًٌٍن. .4خًزٌؤالض خملظـإوَش ًهد كُهص مٌلػٌص. ًنهظرب خًزٌؤٍ خًٍي يف ؤوي بؾدَ ًٌطىَش هى )𝑡 ( 𝐼(𝑥, 𝑦,هند ٓنفلظ رهً ؿًًً ؤال وهى خًىكع ،tيف خًٔدرم طهدمٌند مو خًطىَ ومل نظهدمٍ مو خًفًًٌى ًًٍى مل نون رلدؿص ًهنرص خًىكع). خًزٌؤٍ ًظلُن مٔدفص كًَهد (𝑦𝑑 )𝑑𝑥,يف خإلؾدَ خًظديل ًٌطىَش وًإهٍ ِمن كًَه 𝑡𝑑 .ومبد ؤن هٍخ خًزٌؤٍ هى نفٔه فشًش خًزٌؤٍ مل طظًًن ،ننًهد ٌنونند خًلىي رإن:
ٓنإهٍ منشىَ طدًٌىَ خًظلًُزٍ ًٌلٔم خًٌمٌنٍ من خملهديًص ،ونًٍّ خًهىخمٍ خملشرتهص ،ونلٔم نىل وطٔمى هٍه خملهديًص مبهديًص 𝑡𝑑 فنلطٍ نىل خملهديًص خًظدًٌص: خًظًفم خًزرصي .Optical Flow كٌؽ: ذذ ;ذ
321
OpenCvببساطة ذذ ;ذ
فهٌل ٌنؼالن خًظًَؿدض خًٌىنٌص خًظٍ خًطىَش .ورشوٍ و يف هٍه خملهديًص ٌنونند بًـدي مٌلػٍ فةن متؼٍ كٌمص خًظًَؾ خًٌىين رهً فرتش من خًىكع .وًون ) (u,vيًن مهُوفص ًًٍى ال ٌنونند كٍ هٍه خملهديًص مو وؿىي مظًًنًن يًن مهُوفٍنًًٍ .ى طم طىفًن نًش ؾُق ًلٍ هٍه خملشوٌص ،وبكًي هٍه خًؿُق هٍ ًىهدْ هدنًي .Lucas-Kanade ررقؼةذؾوؽاسذؽاـدي :ذ
ًلً شدهًند هٍه خًفُغٌص من كزٍ .بن هٍ خًزٌؤالض خملـإوَش ٓىف متٌى نفٕ خًلُهص. بن ؾًُلص ًىهدْ طلىَ رإهٍ رلهص رلـم 3x3كىي هٍه خًنلؿصًًٍ .ى هٍ 9نلدؽ ٓظمٌى نفٕ ًهٍه خًنلدؽ خًظٔهص .كظى خآلن طزلى خملشوٌص رلٍ 9 خًلُهص ،ننًهد ٌنونند بًـدي مهديالض مو مظًًنًن يًن مهُوفٍن .خملهديًص خًظدًٌص هٍ خًلٍ خًنهديئ ًلٍ مشوٌص ؿمٌص مهًًظٍن مو مـهىًٍن بػنٍن ،ورلٍ هٍه خملهديًص نلطٍ نىل خًلٍ. ∑
]
∑
∑
∑ ] [
[
]
∑
∑ [
(موظشف ِوخًد هدًَٕ ًلىي ًن ؤن ؤفػٍ نلدؽ خًظهلس هٍ خًّوخًد). ذ
ػشًلخُمىكبطُكبنذي -منرذفمُامثرصيُيفُُ :OpenCv طىفُ ًند موظزص OpenCvكٍ ؿمٌو خملهديالض خًٔدرلص يف طدرو وخكً وهى )(.cv2.calcOpticalFlowPyrLK ٓنلىَ رةنشدء طؿزٌم رٌٔـ ًظهلس رهؼ نلدؽ يف خًفًًٌىً .ظلًًً هٍه خًنلدؽ نٔظوًَ خًظدرو )( .cv2.goodFeaturesToTrackنإهٍ ؤوي بؾدَ ًٌطىَش ،ونلًي رهؼ نلدؽ ِوخًد ،Shi-Tomasi ػم رشوٍ مظوَُ نظظزو هٍه خًنلدؽ ردٓظوًخَ ؾًُلص ًىهدْ هدنًي ًٌظًفم خًزرصي. ردًنٔزص ًٌظدرو )( cv2.calcOpticalFlowPyrLKفةنند منَُ ًه بؾدَ خًطىَش خًٔدرم وخًنلدؽ خًٔدرلص وبؾدَ خًطىَش خًظديل .وًهًٌ ًند هٍخ خًظدرو خًنلدؽ خًظدًٌص(خًلديمص) ؿنزد بىل ؿنس مو َكم ًزٍن كدًص
322
ببساطةOpenCv
.5 وبال ٌٓهًٌ كٌمص،8 فةٌخ طم بًـدي خًنلؿص خًظدًٌص ًوىن َكم خًلدًص خمل ُ َزٍن ًىغو خًنلؿص،هٍ نلؿص : شدهً خًوىي خًظديل.ونوَُ متًُُ خًنلدؽ خًظدًٌص هٌل مَُند خًنلدؽ خًٔدرلص يف خًوؿىش خًظدًٌص import numpy as np import cv2 cap = cv2.VideoCapture('slow.mp4')
ذ
# params for ShiTomasi corner detection feature_params = dict( maxCorners = 100, qualityLevel = 0.3, minDistance = 7, blockSize = 7 ) # Parameters for lucas kanade optical flow lk_params = dict( winSize = (15,15), maxLevel = 2, criteria = (cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03)) # Create some random colors color = np.random.randint(0,255,(100,3))
# Take first frame and find corners in it ret, old_frame = cap.read() old_gray = cv2.cvtColor(old_frame, cv2.COLOR_BGR2GRAY) p0 = cv2.goodFeaturesToTrack(old_gray, mask = None, **feature_params) # Create a mask image for drawing purposes mask = np.zeros_like(old_frame) while(True): ret,frame = cap.read() frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# calculate optical flow p1, st, err = cv2.calcOpticalFlowPyrLK(old_gray, frame_gray, p0, None, **lk_params) # Select good points good_new = p1[st==1] good_old = p0[st==1] # draw the tracks for i,(new,old) in enumerate(zip(good_new,good_old)): a,b = new.ravel() c,d = old.ravel() cv2.line(mask, (a,b),(c,d), color[i].tolist(), 2) cv2.circle(frame,(a,b),5,color[i].tolist(),-1)
323
OpenCvببساطة )img = cv2.add(frame,mask )cv2.imshow('frame',img k = cv2.waitKey(30) & 0xff if k == 27: break # Now update the previous frame and previous points )(old_gray = frame_gray.copy )p0 = good_new.reshape(-1,1,2
)(cv2.destroyAllWindows )(cap.release
هٍخ خًوىي ال ًظللم فٌٌل بٌخ هدنع خًنلدؽ خألٓدٌٓص ضلٌلص ؤَ ال .وكظى بٌخ خهظفع ؤي نلؿص ممٌّش يف خًطىَش ،هندن فُضص إلًـدي خًظًفم خًزرصي يف خًنلؿص خًلديمص خًظٍ طزًو كًُزص منهد. ًًٍى ًهظرب هٍخ طهلس كىي ،ونلدؽ خًّؤوًص ًـس ؤن ًظم خًزلؽ ننهد هالي فرتخض مهٌنص .موظزص OpenCVوفُض ًند مندٌؾ ؿدهّش ًهٍخ خألمُ مؼٍ بًـدي خًنلدؽ خملمٌّش هٍ 0بؾدَخض ًٌطىَش، وطشًٌٍ خًفلظ خًوٌفٍ ًنلدؽ خًظًفم خًزرصي ًنلطٍ فلـ نىل خًنلدؽ خًـًٌش منهد فلـ. ""C:\opencv\sources\samples\python2\lk_track.py
شدهً خًنظٌـص خًظٍ كطٌند نٌٌهد:
ذ ذ ذ
ذ
324
ببساطةOpenCv ُ :رشػُامكىد
ذ
# params for ShiTomasi corner detection feature_params = dict( maxCorners = 100, qualityLevel = 0.3, minDistance = 7, blockSize = 7 )
َ ورًالً من خٓظوًخَ خألَكد. وقٌفظه طوًّن خًزٌدندض هلدمئص هٌل يف كىخنً خملهؿٌدضdic خًظدرو )dict( فهٍخ ًظٌم ًى خًظهدمٍ مو خًًًوع.فلـ ًٌىضىي ًٌزٌدندض ٌنونى خٓظوًخَ ؤي شٌح طلًُزد .هلدنًش رٌدندض ًظوًّن خًزٌدندض وطنكٌمهد maxCorners وهّند رًخهٌهد خًهندرصfeature_params هند نُفند كدنًش مهؿٌدض ردٓم . وؤنؿٌند ًوٍ ننرص كٌمص مهٌنصblockSize وminDistance وqualityLevelو
ذ
# Parameters for lucas kanade optical flow lk_params = dict( winSize = (15,15), maxLevel = 2, criteria = (cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03))
winSize وهّند رًخهٌه خًهندرصlk_params ؤًػد هند كمند رظهًُف كدنًش مهؿٌدض ردٓم .criteria وmaxLevelو ذ
# Create some random colors color = np.random.randint(0,255,(100,3))
وlow رٍن خًلٌمصinteger ًهًٌ كٌمص مظًًن نشىخيئ من خًنىمnumpy.random.randint() خًظدرو numpy.random.randint(low, high, size, dtype)ٍ ًإهٍ خًشوhight
ذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذذ
ذ
# Take first frame and find corners in it ret, old_frame = cap.read() old_gray = cv2.cvtColor(old_frame, cv2.COLOR_BGR2GRAY) p0 = cv2.goodFeaturesToTrack(old_gray, mask = None, **feature_params) ذاؾذيذcv2.goodFeaturesToTrack() ذوذؾكذعنذررققذاؾتابعذframeاآلنذدـوجدذـؼاطذاؾزواقاذاؾؼوقةذيفذؽلذ ذ:قلخذذادلتغرياتذاؾتاؾقة
325
ببساطةOpenCv
cv2.goodFeaturesToTrack(image, maxCorners, qualityLevel, minDistance[, corners[, mask[, blockSize[, useHarrisDetector[, k]]]]]) → corners
. خًطىَش خملؿٌىذ كٔدذ نلدؽ خًّوخًص خًلىًص فٌهد:Image (هٌدَي) بٌخ ؤَيض خهظشدف نلدؽ خًّوخًص ملنؿلص ملًيش من خًطىَش ننًهد ٌنونى:Mask .None هند ًن نٔظهمٌه ًًٍى ٓنمَُ خًلٌمص،متًُُ كٌمص خًلندم خملؿٌىذ خملظًًنخض خًزلٌص كمند رظهًُفهد يف رًخًص خًوىي نىل شوٍ كدنًش مهؿٌدض ردٓم :ٍ وهٍه خملظًًنخض هfeature_params بٌخ وؿً نًي ؤهرب من ؤكىص كٌمص. ؤكىص نًي ًٌّوخًد خًظٍ ٌٓهًٌهد:maxCorners .ٌٓظم بَؿدم نلدؽ خًّوخًد خألكىي منهد . هٍخ خًزدَخمرت ًلًي نىنٌص خًلً خأليىن خمللزىي ًٌّؤوًص:qualityLevel ؤكٍ مٔدفص مٔمىكص رٍن خًّوخًد:minDistance :blockSize ذ
# Create a mask image for drawing purposes mask = np.zeros_like(old_frame)
خًظدرو.يف هٍخ خًٔؿُ ٓننشإ كندم ًٌطىَش وخًٍي ٌٓٔدنًند يف نمٌٌص خًُٓم . ًهًٌ مطفىفص ضفًُص (ؤي ضىَش ٓىيخء) رنفٕ شوٍ ونىم خًطىَش خملهؿدشnumpy.zeros_like
ذ
while(True): ret,frame = cap.read() frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
.مد يخَ خًفًًٌى مل ًنظهٍ ٓنلىي هٍ بؾدَ ضىَش فٌه بىل خملٔظىي خًُمديي ذ # calculate optical flow p1, st, err = cv2.calcOpticalFlowPyrLK(old_gray, frame_gray, p0, None, **lk_params) ذ ذاؾذي ذقلخذذcv2.calcOpticalFlowPyrLKاآلن ذدـؼوم ذحبداب ذاؾتدػق ذاؾبصري ذوذؾك ذعن ذررقق ذاؾتابع ذ :ادلتغرياتذاؾتاؾقة cv2.calcOpticalFlowPyrLK(prevImg, nextImg, prevPts[, nextPts[, status[, err[, winSize[, maxLevel[, criteria[, flags[, minEigThreshold]]]]]]]]) → nextPts, status, err
326
OpenCvببساطة
:prevImg خًطىَش خًٔدرلص( .خًفًُم خًٔدرم) :nextImg خًطىَش خًظدًٌص( .خًفًُم خًظديل) :prevPts مظـهدض (ؤشهص) بكًخػٌدض خًنلدؽ خًظٍ نلظدؾ ؤن نىؿً خًظًفم ًهد (ٓنمَُ ًه بكًخػٌدض نلدؽ خًّوخًد خًلىًص)ً .ـس ؤن طوىن بكًخػٌدض خًنلدؽ ردًطًٌص .float
ً :winSizeلًي كٌدْ ندفٍش خًزلؽ ننً هٍ مٔظىي هُمٍ. :maxLevelؤكىص نًي ملٔظىًدض خًهَُ .بٌخ مَُند ًه خًلٌمص 5ننًهد ًن ًٔظوًَ خألهُخمدض (مٔظىي وخكً فلـ) ،وبٌخ مُنند خًلٌمص ٌٔٓ 8ظوًَ مٔظىًٍن هُمٌٍن. ً :criteriaلًي مهٌدَ بنهدء هىخَِمٌص خًزلؽ خملظوَُش. وًهًٌ ًند هٍخ خًظدرو خًلٌم خًظدًٌص: ً :nextPtsهؿٌند خملىغو خًـًًً ًٌمٌّخض خملًهٌص (خًّوخًد) يف خًطىَش خًـًًًش (خًظدًٌص) :Statusكدًص وغو مظـهدض خًوُؾ .هٍ مظـهص طإهٍ خًلٌمص 8بٌخ وؿً طًفم يف خًنلؿص خملمٌّش ،وبال ٓظإهٍ خًلٌمص ٌٓ( .5فًٌند هٍخ خملظًًن يف طلًًً نلدؽ خًّوخًد خممٌّش خًظٍ ًظم فٌهد خًظًفم (نلؿص مظلُهص) من طٌى خًظٍ خًظٍ ال ًىؿً فٌهد طًفم (نلؿص ٓدهنص)). :Errخألهؿدء خًندؿمص نن خملظـهص.
# Select good points ]good_new = p1[st==1 ]good_old = p0[st==1
هند كمند رإهٍ نلدؽ خًظًفم خًـًٌش وكٍفند خًنلدؽ خًظٍ طىكف فٌه خًظًفم (خًنلدؽ خًظٍ طوىن كدًظهد طٔإوي خًطفُ Status=0طم كٍفهد) .وًلً نُفند خًنلدؽ خملمٌّش خًظٍ كدًص خًظًفم فٌهد ؿًٌش ؤَ ال نن ؾًُم طدرو خًظًفم )( cv2.calcOpticalFlowPyrLKخًٍي ًهًٌ ًند كٌمص خًـ status بمد 8بن هدن هندن طًفم يف خًنلؿص خملمٌّش وبال 5بن مل ًون هندن طًفم( .هند خملظًًن statusهى .)st
OpenCvببساطة
327
# draw the tracks for i,(new,old) in enumerate(zip(good_new,good_old)): )(a,b = new.ravel )(c,d = old.ravel )cv2.line(mask, (a,b),(c,d), color[i].tolist(), 2 )cv2.circle(frame,(a,b),5,color[i].tolist(),-1
ذ
يف هٍخ خألمُ ٓنلىَ رُٓم نلدؽ خًظهلس ومٔدَخض كُهظهد. خًظدرو )(ً enumerateهًٌ نًي خألؿٔدَ ( نًي خملـمىندض). خًظدرو )(ً zipهًٌ هٍخ خًظدرو كدمئص ردملـمىندض. خًظدرو )(ًٔ ravelظوًَ ًظلىًٍ خملطفىفص ٓىخء هدنع 3Dؤو 2Dبىل مطفىفص ؤكديرص خًزهً .1D ٓنلىَ هند رظوًّن خإلكًخػٌدض خًـًًًش ًٌنلدؽ خملمٌّش )(x,yيف خملظًًنًن ،a,bوخإلكًخػٌدض خًلًٌنص يف خملظًًنًن .c,dػم ٓنمَُ خإلكًخػٌدض خًلًٌنص وخًـًًًش ًظدرو َٓم خًوـ ًًنطٔم نىل خًفًًٌى مٔدَ طًفم خإلكًخػٌص ،ومنَُ خإلكًخػٌص خًـًًًش ًظدرو َٓم خًًخثُش كظى ًُٓم يخثُش يف مودن خإلكًخػٌص خًـًًًش ًٌنلؿص خملمٌّش. )img = cv2.add(frame,mask
هٍخ خًٔؿُ ًفًٌند فلـ يف نمٌٌص خًُٓم. ذ
كصبفخُامرذفمُامثرصيُيفُُ :OpenCv ؾًُلص ًىهدْ هدنًي طلٔس خًظًفم خًزرصي ملـمىنص مٌّخض مظفُكص (يف مؼدًند ،خهظشدف خًّوخًد ردٓظوًخَ هىخَِمٌص .)Shi-Tomasiموظزص OpenCvطىفُ هىخَِمٌص ؤهُي إلًـدي هؼدفص خًظًفم خًزرصي .طلىَ هٍه خًوىخَِمٌص نىل كٔدذ خًظًفم خًزرصي ًوٍ خًنلدؽ يف بؾدَ ضىَش .فهٍ طزنى نىل هىخَِمٌص ( Gunner Farneback’sملهُفص مد هٍ هىخَِمٌص Gunner Farneback’sخؾٌو نىل وَكص خًزلؽ خًظٍ هظزهد Gunner Farnebackرهنىخن " Two-Frame Motion Estimation Based .)"on Polynomial Expansion خملؼدي خًظديل ًهُع هٌفٌص بًـدي هؼدفص خًظًفم خًزرصي ردٓظوًخَ خًوىخَِمٌص .Farneback ٓنلطٍ نىل مطفىفص رـ 4كندش مو شهدم خًظًفم خًزرصي )ٓ .(u,vنىؿً كـمهد وخطـدههدٓ .نلىَ
ذ
328
ببساطةOpenCv
خالطـده.ٍرظٌىًن نظٌـص خًوىي هٌل هى وخغم يف خًطىَش خًظدًٌص ًنلطٍ نىل نظٌـص ططىَ ؤفػ : شدهً خًوىي خًظديل. خًلـم ًظىخفم مو كٌمص خملٔظىي. ًٌطىَشHue ًظىخفم مو كٌم import cv2 import numpy as np cap = cv2.VideoCapture("vtest.avi") ret, frame1 = cap.read() prvs = cv2.cvtColor(frame1,cv2.COLOR_BGR2GRAY) hsv = np.zeros_like(frame1) hsv[...,1] = 255 while(1): ret, frame2 = cap.read() next = cv2.cvtColor(frame2,cv2.COLOR_BGR2GRAY) flow = cv2.calcOpticalFlowFarneback(prvs,next, 0.5, 3, 15, 3, 5, 1.2, 0) mag, ang = cv2.cartToPolar(flow[...,0], flow[...,1]) hsv[...,0] = ang*180/np.pi/2 hsv[...,2] = cv2.normalize(mag,None,0,255,cv2.NORM_MINMAX) rgb = cv2.cvtColor(hsv,cv2.COLOR_HSV2BGR) cv2.imshow('frame2',rgb) k = cv2.waitKey(30) & 0xff if k == 27: break elif k == ord('s'): cv2.imwrite('opticalfb.png',frame2) cv2.imwrite('opticalhsv.png',rgb) prvs = next cap.release() , cv2.destroyAllWindows()
ذ ذ ذ ذ ذ
OpenCvببساطة
329
امنرٌعخُ :
ذ
رشػُامكىدُ : )(ret, frame1 = cap.read )prvs = cv2.cvtColor(frame1,cv2.COLOR_BGR2GRAY )hsv = np.zeros_like(frame1 hsv[...,1] = 255
يف خًزًخًص نلىَ رلُخءش خًفًًٌى ،ػم نلىًه ًٌمٔظىي خًُمديي ،رهً ًٌى نلىَ رظهًُف مطفىفص ضفًُص (ؤي ضىَش ٓىيخء) ردٓم hsvرنفٕ ؤرهدي خًفًًٌى ،ومبد ؤن هٍ بؾدَ ضىَش يف خًفًًٌى مٌىن فهى ًإهٍ ػالغ كنىخض (ؤي مطفىفص ػالػٌص خًزهً )3D بٌخ ٓظوىن ؤًػد خملطفىفص خًطفًُص hsvخًظٍ نُفندهد موىنص من ػالغ كنىخض ،وهٍ هٍه خًلنىخض طإهٍ خًلٌمص .5يف خألمُ ٓ hsv[...,1] = 255نلىَ رىغو خًلٌمص 400 ًٌلندش خًؼدنٌص (ٌٓطزم ًًرند رًي خًطىَش خًٔىيخء ضىَش هٍصخء).
ذ
OpenCvببساطة
330
while(1): )(ret, frame2 = cap.read )next = cv2.cvtColor(frame2,cv2.COLOR_BGR2GRAY
ذ )flow = cv2.calcOpticalFlowFarneback(prvs,next, 0.5, 3, 15, 3, 5, 1.2, 0
خًظدرو )(ً cv2.calcOpticalFlowFarnebackلٔس ًند هؼدفص خًظًفم خًزرصي ردٓظوًخَ هىخَِمٌص يىَندَ فدَرٌندن ( )Gunnar Farneback’sوًإهٍ خًشوٍ خًظديل: cv2.calcOpticalFlowFarneback(prev, next, pyr_scale, levels, winsize, iterations, poly_n, poly_sigma, flags[, flow]) → flow
:prevضىَش خًًهٍ ًـس ؤن طوىن رلندش وخكًش. :Nextػدين ضىَش يهًٍ .ـس ؤن طوىن رنفٕ كـم ونىم خًطىَش خألوىل ).(prev :pyr_scaleهٍخ خًزدَمرت ًلًي كـم خًطىَش فةٌخ هدنع كٌمظه (ً )<1هنٍ ٌٓزنٍ خألهُخمدض ًوٍ ضىَش ،ؤمد بٌخ هدنع كٌمظه pyr_scale=0.5هٍخ ًهنٍ خًهَُ ٌٓوىن طلًٌٌي ؤي ٌٓوىن هٍ مٔظىي ؤضًُ مبُطٍن من خملٔظىي خًٍي كزٌه. :Levelsنًي مٔظىًدض خًهَُ مبد يف ًٌى خًطىَش خألوىل .بٌخ مُنند ًهٍخ خًزدَمرت خًلٌمص 8 هٍخ ًهنٍ رإنه ال ًىؿً مٔظىًدض بغدفٌص ٌٓظم بنشدئهد وفلـ ٌٓٔظوًَ خًطىَش خألضٌٌص. :Winsizeكـم خًندفٍش .هٌٌل هدنع خًلٌمص ؤهرب ٓظوىن كىي خًوىخَِمٌص ؤكىي ًٌظًٌس نىل طشىًش خًطىَش ،وبنؿدء فُضص ؤهرب ًٌوشف نن خًلُهدض خًرسًهص ،وًونهد طهؿٍ (.)blurred motion field كُهص ؤهًت غزدرٌص :Iterationsنًي مُخض طوُخَ خًوىخَِمٌص ننً هٍ مٔظىي هُمٍ. :poly_nكـم خًزٌؤالض خملـإوَش خًظٍ طٔظوًَ ًٌزلؽ نن متًي مظهًي خًلًوي (ً )polynomialوٍ رٌؤٍ .بٌخ مُنند ؤهرب كٌمص هٍخ ًهنٍ ؤن خًطىَش ٌٓطزم ٓؿلهد خنهم ( )smootherوطًًّ مُونص خًوىخَِمٌص مٌل ًهؿٌهد كىي ،وًون طًًّ ؤًػد غزدرزص كلٍ خًلُهص ،رشوٍ ندَ طوىن كٌمظه 0ؤو .7 :poly_sigmaمنَُ ًه خًلٌمص 8.8بٌ هدن ،poly_n=5وخًلٌمص 8.0بٌخ هدن .poly_n=7
ذ
331
ببساطةOpenCv
: ًظوىن مٌل ًًل.ًٌٍ نٌم خًظش:flags OPTFLOW_USE_INITIAL_FLOW ًٔظوًَ خًفٌرت خًًىيس رًي خًفٌرت:OPTFLOW_FARNEBACK_GAUSSIAN هٍخ خًوٌدَ ًهؿٌند يكص ؤفػٍ ًٌظًفم من.خًطنًوكٍ ًنفٕ كـم خًظًفم خًزرصي خملهظرب ننً خهظٌدَ خًندفٍش خًًإوٌٓص ًـس ؤن. وًون نىل كٔدذ خًرسنص نديش،ٍخًفٌرت خًطنًوك . كٌمص هزًنش ًنلطٍ نىل نفٕ خملٔظىي من خًشًشWinsize نهؿٍ خملظًًن ) وخًنىمprev( ًلٔس طًفم خًطىَش خًظٍ متٌى نفٕ كٌدْ خًطىَش خألوىل:flow .None ؤكٌدند بن مل نٔظوًمه ًـس ؤن متَُ مودنه خًلٌمص. ًن نٔظوًمه.CV_32FC2
ذ
mag, ang = cv2.cartToPolar(flow[...,0], flow[...,1])
cv2.cartToPolar cv2.cartToPolar(x, y[, magnitude[, angle[, angleInDegrees]]]) → magnitude, angle
ذ
hsv[...,0] = ang*180/np.pi/2 hsv[...,2] = cv2.normalize(mag,None,0,255,cv2.NORM_MINMAX) rgb = cv2.cvtColor(hsv,cv2.COLOR_HSV2BGR)
ملهُفص هٍه خًنٌلٌؾ شدهً خًنمىٌؾ، طىفُ مندٌؾ مظلًمص نن خًظًفم خًزرصيOpenCv موظزص يف خملٌف خًٍي مٔدَهOpenCv خملىؿىي غمن موظزص "C:\opencv\sources\samples\python2\opt_flow.py" ُ :ؤمصنخُبطبفٌخ "C:\opencv\sources\samples\python2\lk_track.py"
"C:\opencv\sources\samples\python2\opt_flow.py"
ذ ذ
OpenCvببساطة
332
ػشػُامخنفٌخُُ :Background Subtraction
ملذمخُ : نلظدؾ يف نًش طؿزٌلدض ؤن نٔظوُؾ خًوٌفٌص ًظنفٌٍ نمٌٌدض نًش مؼٍ طهلس هدثن. امهذف:
ُ ُ
ٓنظهُف نىل ؾُق ؾُق خًوٌفٌص خًظٍ طىفُهد موظزص .OpenCv ؤظبظٌبدُ : ؾًُلص ؾُق خًوٌفٌص هٍ هؿىش ؤٓدٌٓص يف خًهًًً من خًظؿزٌلدض خًظٍ طهظمً رشوٍ َثًٌس نىل مهدًـص خًُئًص خًلدٓىرٌص .نىل ٓزٌٍ خملؼدي ،يف كدًص نً خًّوخَ نن ؾًُم خًودمًنخ ًظم نً خًّوخَ خًًخهٌٍن وخًودَؿٍن من خًًُفص ،ؤو بكطدء كُهص خملُوَ ؤو مهُفص خملهٌىمدض نن خملُهزدض خًظٍ متُ ؤمدَ خًودمًنخ .يف هٍ هٍه خًلدالض نلظدؾ خٓظوُخؾ شوظ ؤو مُهزص ًىكًه .فإنع رلدؿص ًهٍه خًظلنٌص الٓظوُخؾ خًلُهص خألمدمٌص من خًوٌفٌص (هشوظ ؤو مُهزص) وفطٌهد نن خًوٌفٌص. بٌخ هدن ًًًى ضىَش خًوٌفٌص ًىكًهد مؼٍ ضىَش خًًُفص رًون خألشودص ؤو ضىَش ًٌؿًُم يون خملُهزدضٌ ،نون فهٍ هٍخ رٔهىًص نن ؾًُم ؾُق خًطىَش خًـًًًش من هٌفٌظهد ،ننًهد ٓظلطٍ نىل خًـٔم خألمدمٍ ًىكًه. وًون يف مهكم خًلدالض ال منٌى خًوٌفٌص ًىكًهد كظى نٔظؿٌو خًلٌدَ رهمٌٌص خًؿُقًًٍ ،ى ٓنلظدؾ الٓظوُخؾ خًوٌفٌص من ؤي ضىَش ًًًند .نمٌٌص خٓظوُخؾ خًوٌفٌص ططزم ؤهًت طهلًٌخ ننً وؿىي قٍ (مؼٍ قٍ خملُهزص) ،ألن خًكٍ ؤًػد ًظلُن مو خًـٔم .خًؿُق خًزٌٔـ ٌٓلًي خًوٌفٌص خألمدمٌص (خًـٔم +خًكٍ) .ؤن طٔظوُؾ خًـٔم ًىكًه هٍخ يشء مهلً. ًلً طم بًـدي نًش هىخَِمٌدض ًلٍ هٍه خملشوٌص ،كٌؽ كدمع موظزص OpenCvرؿُق ػالغ هىخَِمٌدض من خًٔهٍ نىل خملٔظوًَ خٓظوًخمهدٓ ،نلىَ رٍسق هٍه خًوىخَِمٌدض خًؼالغ هٍ وخكًش ًىكًهد.
333
ببساطةOpenCv
وكً طم نُع هٍخ.هٍه خًوىخَِمٌص طلىَ رفطٍ خملًّف هٌفٌص\ؤمدمٌص نن ؾًُم خملّخثف خًًإوٌٓص An improved adaptive background mixture model for real-time " يف وَكص خًزلؽ يفR. Bowden وP. KadewTraKuPong " ًٌمؿىًَنtracking with shadow detection .4558 َند k=3 to ( K فهٍه خًؿًُلص طهظمً نىل مّؾ هٍ رٌؤٍ يف خًوٌفٌص ومّؿه مو خًظىًِهدض خًًإويس خًوٌفٌص خمللظمٌص هٍ طٌى.ًشًش خملًّف متؼٍ مًش خًىكع ًلدًص خألًىخن خًظٍ طزلى يف خملشه.)5 .خًظٍ ؤًىخنهد طزلى ًفرتش ؤؾىي يون طًًن ننً هظدرص خًوىي ٓنلظدؾ إلنشدء ؿٔم خًوٌفٌص وًٌى ردٓظوًخَ خًظدرو .cv2.createBackgroundSubtractorMOG() وخًهظزص، ونًي خألمّؿص،)هٍخ خًظدرو ٌنٌى رهؼ خًزدَخمرتض خالهظٌدًَص مؼٍ مًش خًزلدء (ًٌىن .)number of gaussian mixtures ،threshold ،history( ردًنٔزص ًًخهٍ كٌلص خًفًًٌى.بٌخ مل ًظم طهًُف هٍه خًلٌم فةنهد طإهٍ كٌم خفرتخغٌص رشوٍ طٌلديئ . ًٌلطىي نىل كندم ًلؿٔدَ خألمدمٌصbackgroundsubtractor.apply() فةنند ٓنٔظوًَ خًظدرو :شدهً خًوىي خًظديل import numpy as np import cv2 cap = cv2.VideoCapture('vtest.avi') fgbg = cv2. BackgroundSubtractorMOG() while(1): ret, frame = cap.read() fgmask = fgbg.apply(frame) cv2.imshow('frame',fgmask) k = cv2.waitKey(30) & 0xff if k == 27: break cap.release() cv2.destroyAllWindows()
رًيcv2.createBackgroundSubtractorMOG() خٓظوًَ خًظدرو4 َ خإلضًخOpenCV يف:مالككص .cv2. BackgroundSubtractorMOG() خًظدرو
ذ
ذ
ذ
334
ببساطةOpenCv . مىؿىيش يف خألٓفٍ كٌؽ ٓنلدَن رٍن ؿمٌو هىخَِمٌدض ؾُق خًوٌفٌص:خًنظٌـص ُ :رشػُامكىد
ذ
fgbg = cv2. BackgroundSubtractorMOG()
وًٌى نن ؾًُم خًظدروfgbg يف خًزًخًص كمند رظهًُف ؿٔم خًوٌفٌص وطوًّنه يف خملظًًن : خًٍي ًإهٍ خملظًًنخض خًظدًٌصcv2.BackgroundSubtractorMOG() cv2.BackgroundSubtractorMOG([history, nmixtures, backgroundRatio[, noiseSigma]]) →
.) ؾىي مًش خًلفل (خقن مًش رلدء خًٌىن يف مودنه:history . نًي خًوالثـ(خملّخثف) خًًإوٌٓص:nmixtures . نٔزص خًوٌفٌص:backgroundRatio . شًش خًػـٌف:noiseSigma
while(1): ret, frame = cap.read() fgmask = fgbg.apply(frame) cv2.imshow('frame',fgmask)
ٍ يف ه. ًنلىَ رهمٌٌص ؾُق خًوٌفٌص ًـمٌو بؾدَخض خًطىَش خملوىنص ًٌفًًٌىwhile كمند رفظم كٌلص طوُخَ ًٌلٌلص نلطٍ نىل خملنؿلص خألمدمٌص من خًـٔم مٌىنص ردألرٌؼ وًٌى نن ؾًُم طؿزٌم طدرو .apply () ؾُق خًوٌفٌص من خألؿٔدَ خألمدمٌص نىل هٍ بؾدَ يف خًفًٌو نن ؾًُم خًظهٌٌمص ذ
طم وغو هٍه.ؤًػد خملّخثف خًًإوٌٓص طهظمً نىل هىخَِمٌص فطٍ خملنؿلص خألمدمٌص نن خًوٌفٌص Improved adaptive " رهنىخنZ. Zivkovic َخًوىخَِمٌص رند ًء نىل وَكظٍ خًزلؽ ًٌمؿى Efficient " و،4553 َ" هظزع ندGausian mixture model for background subtraction Adaptive Density Estimation per Image Pixel for the Task of Background .4555 َ" هظزع ندSubtraction
335
OpenCvببساطة
بكًي خملٌّخض خًهدمص ًهٍه خًوىخَِمٌص رإنهد طوظدَ خًهًي خملندٓس ًٌظىِم خًًإويس ًوٍ رٌؤٍ (طٍهُ رإنه يف ؤهُ كدًص ؤهٍند ًٌ Kظىِم خًًإويس نىل هدمٍ خًوىخَِمٌص وًٌٕ ًوٍ رؤٍ) ،وهٍخ ًىفُ خًلًَش نىل خًظوٌف رشوٍ ؤفػٍ مو خملشدهً خملوظٌفص خًظٍ طًًٌن فٌهد شًش خإلغدءش. يف خًلدًص خًٔدرلص ،ؤنشإند ؿٔم ؾُق خًوٌفٌص .هند منٌى خًوٌدَ فٌٌل بٌخ هند نًًُ طلًًً خًكٍ ًهُغه ؤَ الً .ظلًًً خًكٍ نوظس ( detectShadows = Trueخًلٌمص خالفرتخغٌص طوىن ،)True وهٍخ ًلًي وًهٌم خًكالي ،وًون ًوفف من رسنص خًظنفٌٍ .خًكالي ٓىف طهٌم ردًٌىن خًُمديي. import numpy as np import cv2 )'cap = cv2.VideoCapture('vtest.avi )(fgbg = cv2. createBackgroundSubtractorMOG2 while(1): )(ret, frame = cap.read
)fgmask = fgbg.apply(frame )cv2.imshow('frame',fgmask k = cv2.waitKey(30) & 0xff if k == 27: break )(cap.release )(cv2.destroyAllWindows
(خًنظٌـص ٓظهؿى يف خألٓفٍ) مالككص :يف بضًخَ OpenCv V2كم ردٓظوًخَ خًظدرو )( BackgroundSubtractorMOG2رًال من خًظدرو )(.createBackgroundSubtractorMOG2
امنربئغُ :
ذ
336
OpenCvببساطة بؾدَ خًطىَش خألضًل
خًطىَش خًظدًٌص طهُع بؾدَ خًطىَش َكم 455من خًفًًٌى. ُنرٌعخُامؼشػُامخنفٍُمخىاسصمٌخُُ :MOG
ذ
نرٌعخُامؼشػُامخنفٍُمخىاسصمٌخُُ :MOG2 خملنؿلص خملٌىنص ردًٌىن خًُمديي هٍ منؿلص خًكالي.
ذ
الفصل التاسع ” أن تتعثر فهذا يعني أنك تسير في الطر يق ،فلم أسمع
بأحد يتعثر وهو لا يتحرك ‟
تشارلز كيترينج -مهندس ومخخترع أمريكي
OpenCvببساطة
338
امفصهُامربظؼُ:اكرشبفُاألظعبوُ Object ُ Detection ذ
اكرشبفُاألظعبوُتبظرخذاوُخىاسمٌخُ:Haar Cascades ٓنظهٌم طلًًً خًىؿه ردٓظوًخَ هىخَِمٌص هدٓوًٌ هدَ (.)Haar Cascades ذ
امهذفُ : ٓنظهٌم ؤٓدٌٓدض خهظشدف خًىؿه خنظٌليخ نىل مّخًد هدَ .... Haar وٓنلىَ رنفٕ خًشٌح الهظشدف خًهٍن. ملذمخُنظشًخُ : ٓنوظشف خألؿٔدَ ردٓظوًخَ هىخَِمٌص Haarوخًظٍ طهظمً نىل خٓظوًخَ نًش مطنفدض ،وطهظرب هٍه خًؿًُلص نمٌٌص الهظشدف خألؿٔدَ .طم خكرتخق هٍه خًوىخَِمٌص من كزٍ Paul Violaو Michael Jonesغمن كٌلص رلؼهم " Rapid Object Detection using a Boosted Cascade "of Simple Featuresخًظٍ هظزىهد ندَ .4558هٍه خًوىخَِمٌص طهظمً نىل طًًَس خًـهدِ نىل خًظهٌم خنظٌليخ نىل خمللدَرص ،كٌؽ ًظم طًًَس خًظدرو نىل نًش ضىَ بًـدرٌص وٌٓزٌص .ػم نٔظوًَ هٍخ خًظدرو خملًَذ ًٌوشف نن خألؿٔدَ يف ضىَ ؤهُي. هند ٓىف نٔظهمٌه الهظشدف خًىؿهٓ .نلظدؾ يف خًزًخًص ًهًش ضىَ بًـدرٌص (ضىَ ًىؿىه) وضىَ ٌٓزٌص (ضىَ رًون وؿىه) ًنًَذ خملطنف ( )classifierنىل خهظشدف خًىؿه .ػم ٓنلظدؾ الٓظوُخؾ خملٌّخض منهدًًٍ .ى ٓنٔظوًَ مٌّخض Haarهٌل هى مزٍن يف خًطىَش خًظٍ يف خألٓفٍ .هٍ مٌّش طلطٍ نىل كٌمص وخكًش من هالي ؾُق مـمىنص خًزٌؤالض خًظٍ طلع خملٔظؿٌٍ خألرٌؼ من مـمىم خًزٌؤالض خًظٍ طلع خملٔظؿٌٍ خألٓىي. ذ
339
OpenCvببساطة
ذ
خآلن ٌٓظم خٓظوًخَ هٍ خألكـدَ وخألمدهن خملمونص ًٌلندم ًلٔدذ خًهًًً من خملٌّخض (طوٌٍ هم نًي خًلٔدردض خًظٍ ٓنلظدؿهد؟ فلظى ننً خٓظوًخَ ندفٍش كندم رلـم ٌٓ 24x24هؿٌند نظٌـص ألهًت من 855555مٌّش)ً .لٔدذ هٍ مٌّش ٓنلظدؾ إلًـدي مـمىم خًزٌؤالض خًظٍ طلع خملٔظؿٌٍ خألرٌؼ وخألٓىيً .لٍ هٍه خملشوٌص نُغىخ ضىَش مظودمٌص (يًن مظـّثص) ،هٍخ خألمُ ًزٔـ كٔدذ مـمىم خًزٌؤالض ،نًي خًزٌؤالض كً ًوىن هزًن ًًٍى ٓظشدَن يف هٍه خًهمٌٌص 3رٌؤالض فلـ .ؤًٌٕ هٍخ خألمُ ؤفػٍ؟ فهى ًـهٍ خألمُ ًظم ررسنص هدثٌص. ًون من رٍن هٍ هٍه خملٌّخض كٔزند نًي من خًزٌؤالض ًٌٕ ًهد نالكص .نىل ٓزٌٍ خملؼدي ًنفُع ًًًند خًطىَش خًظٍ يف خألٓفٍ .خًطف خًهٌىي ًكهُ مًٌّظٍن ؿًٌطٍن .ؤوي مٌّش طزًو ؤنهد طُهّ نىل هدضٌص منؿلص خًهٌنٍن وخًظٍ طوىن يدًزد ؤيمم من منؿلص خألنف وخًوًًن .ؤمد خملٌّش خًؼدنٌص طُهّ نىل هدضٌص منؿلص خًهٌنٍن طوىن ؤيمم من ؿرس خًنكدَطٍن وخألنف .وًون خًنىخفٍ خًظٍ ًظم طؿزٌلهد نىل خًوًًن ؤو ؤي منؿلص ؤهُي ال طهمند .فوٌف ٓنظوظدَ ؤفػٍ خملٌّخض من رٍن 855,555مٌّش؟
ذ
OpenCvببساطة
340
ًهٍخ خألمُ ٓنؿزم هٍ مٌّش نىل ؿمٌو ضىَ خًظًًَسً .وٍ مٌّش ٓظىؿً ؤفػٍ نظزص خًظٍ ٓىف ططنف خًىؿىه خإلًـدرٌص وخًٌٔزٌص .وًون من خملهٌىَ رإنه ٌٓوىن هندن ؤهؿدء ؤو ٓىء يف خًظطنٌف. نٌٌند طلًًً خملٌّخض مو ؤيىن مهًي ًٌوؿإ ،وهٍخ ًهنٍ رإنهد ٓظوظدَ ؤفشٍ خملٌّخض ًظطنف خًىؿه من نًَ خًىؿه يف خًطىَش( .خًهمٌٌص ًٌٔع رهٍه خًزٔدؾص .فوٍ ضىَش ٓظإهٍ وِند مظٔإوًد يف خًزًخًص .وًهً هٍ ططنٌف ٌٓظم ًِديش ؤوِخن خًطىَ خملطنفص رشوٍ هدؾح .ػم طظم مُش ؤهُي نفٕ خًهمٌٌص ،وًظم كٔدذ مهًي خألهؿدء خًـًًًش ،وخألوِخن خًـًًًش ؤًػدً .طٔظمُ هٍه خًهمٌٌص كظى ًظم خًظللم من مهًي خًًكص ؤو خًوؿإ خملؿٌىذ بًـديه ًهًي من خملٌّخض) خًظطنٌف خًنهديئ ًهؿٌند مـمىم ؤوِخن خًظطنٌفدض خًػهٌفص .طًنى غهٌفص ألنه ًىكًهد ال طٔظؿٌو ططنٌف خًطىَش ،.وًون مو خًظطدنٌف خألهُي ٌٓظشوٍ ًًًند مطنف كىي .طوربند وَكص خًزلؽ رإنه ننً طىفُ مٌّخض كظى 455مٌّش ٓنلطٍ نىل يكص خهظشدف .95%خًهًي خًنهديئ خٌي كطٌند نٌٌه هدن 5555مٌّش (طوٌٍ هٌف هفػند رهٍه خًهمٌٌص خًظٍ كمند رهد نًي خملٌّخض من 855,555بىل ،5555وهٍخ مؤس هزًن ًند ردًٍخض من ندكٌص رسنص خًظنفٌٍ). ٌنونى خألن ؤهٍ خًطىَ .وطٔظهمٍ هٍ ندفٍش رلـم .24x24وطؿزم 5555مٌّش نٌٌهد .طللم فٌٌل بٌخ هدن وؿه ؤَ ال .ؤًٌٔع هٍه خًؿًُلص يًن نمٌٌص ومػٌهص ًٌىكع؟ نهم هٍ يًن فهدًص ًًٍى ؤوؿً خًودطس كٍ ًًٍى. يف خًطىَش مهكم خملندؾم هٍ ًٌٔع منؿلص وؿهًًٍ ،ى ؤفػٍ ؾًُلص رإن طفلظ خًندفٍش هٍ هٍ منؿلص وؿه فةٌخ مل طون ًظم كٍفهد فىَخ وال ًظم مهدًـظهد مُش ؤهُي .رهٍه خًؿًُلص نىفُ خًىكع ًٌظللم من بمودنٌص وؿىي وؿه يف منؿلص مهٌنص. ًًٍى خألمُ طم بًـدي مفهىَ ( Cascade of Classifiersطٌٍٔٔ خملطنفدض) .فزًال من طؿزٌم 5555 مٌّش نىل ندفٍش ،نـمو هٍه ملٌّخض نىل مُخكٍ( )stagesموظٌفص من خملطنف ()Classifiers ونؿزم مٌّش طٌى خألهُي( .نديش خملُخكٍ خألوىل ٓظلىي ؤكٍ نًي من خملٌّخض) .بٌخ ؤهفلع خًندفٍش خملُكٌص خألوىل ًظم خٓظزهديهد. خملاًف كً خهظشف ؤهًت من 5555مٌّش هالي 48مُكٌص كٌؽ طم خهظشدف نًي من خملٌّخض يف ؤوي 0مُخكٍ وًٌى هٌل يف خًرتطٌس خًظديل1,10,25,25,50 : خىاسصمٌخُ Harr Cascadeيفُُ :OpenCv طىفُ ًند موظزص OpenCvخملًَذ ( )trainerخًٍي ًهؿٌند خًلًَش نىل طًًَس خًوىخَِمٌص إلنشدء مطنف ( )classifierخًٍي ٌٓظظػمن خملهٌىمدض (خًطفدض خملمٌّش) خًظٍ ٓظفًٌند يف خًظهُف نىل خًـٔم خًٍي طم طًًَس خًوىخَِمٌص ًٌظهُف نٌٌه ،وطىفُ ًند OpenCvؤًػد خملوظشف ()detector
341
ببساطةOpenCv
classifier ٓنظهُف نىل مطؿٌم ؿًًً خٓمه خملطنف.َخًٍي ٌنونند من خهظشدف وؿىي خألؿٔد ٍ فمؼال بٌخ هدن ننًند مطنف ًٌٌٔدَش فهٍخ ًهن،وهى ًظظػمن مـمىنص ضفدض ًظمٌٌّ ؿٔم مهٍن .رإنه ًلىي نىل خًطفدض خملمٌّش خًظٍ طًًند نىل ؤن خًـٔم هى ٌٓدَش ، نىل ؤي ؿٔم مؼٍ خًٌٔدَشclassifier طىفُ ًى خًلًَش نىل طًًَس مطنفىOpenCv موظزص ٌٍ ملهُفص هٍ طفدض. رلٌؽ ٌنونى بنشدء خملطنف خًودص رى. خًلٌىخندض، خًلٍسخض،خًؿدثُش وخآلن.Cascade Classifier Training ًٌـٔم خًٍي طًًُ خطزو خًُخرـclassifier بنشدء خملطنف .ٍ ورهً ًٌى ٓإٌسق ؾًُلص طًًَس خًوىخَِمٌص رإٌٓىذ ٓهdetector ٓنظهدمٍ مو خملوظشف .) مًَرص وؿدهّش هدًىؿه وخًهٍن وخًفمclassifier( طلظىي نىل نًش مطنفدضOpenCv موظزص خًظديلOpenCv ًٌ غمن مٔدَ مـOpenCv ًٌ غمن مـXML هٍه خملطنفدض مىؿىيش رطًٌص .OpenCv ينند خآلن ننشإ موظشف ًٌىؿه وخًهٍن مو.opencv\sources\data\haarcascades ػم نلمٍ ضىَش خًًهٍ (ؤو خًفًًٌى) يف، خملؿٌىذclassifier يف خًزًًص ٓنلظدؾ طلمٌٍ خًـ .grayscale خملٔظىي خًٌىين خًُمديي import numpy as np import cv2 face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml') img = cv2.imread('sachin.jpg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, 1.3, 5) for (x,y,w,h) in faces: img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2) roi_gray = gray[y:y+h, x:x+w] roi_color = img[y:y+h, x:x+w] eyes = eye_cascade.detectMultiScale(roi_gray) for (ex,ey,ew,eh) in eyes: cv2.rectangle(roi_color,(ex,ey),(ex+ew,ey+eh),(0,255,0),2) cv2.imshow('img',img) cv2.waitKey(0) cv2.destroyAllWindows()
342
OpenCvببساطة
خآلن ٓنىؿً خًىؿه يف خًطىَش .بٌخ هدن خًىؿه مىؿىي ٌٓظم بنديش مىغو خهظشدف خًىؿه همٔظؿٌٍ ردًطًٌص ) .Rect(x,y,w,hوننًمد نلطٍ نىل خملىغو ٌنونند بنشدء ( ROIخملنؿلص خملهمص) ، ونزلؽ غمن هٍه خًزلهص خًظٍ طم خهظشدف خًىؿه فٌهد نن خًهٍن (ألن خًهٍن يخمئد مىؿىيش يف خًىؿه ،مٌل ًهؿٌند يكص يف خًزلؽ). شبهذُامنرٌعخُ :
ذ
رشػُامكىدُ : )'face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml )'eye_cascade = cv2.CascadeClassifier('haarcascade_eye.xml
نلمٍ خملطنف خًٍي ًلظىي نىل مـمىنص خًطفدض خملمٌّش ًىؿه خألنٔدن (من خألمدَ) ونوّنه يف خًظدرو خًٍي ؤنشإنده وهى ،face_cascadeونلمٍ ؤًػد خملطنف خًٍي ًلظىي نىل مـمىندض خًطفدض خملمٌّش ًٌهٍن ونوّنهد يف خًظدرو .eye_cascade )faces = face_cascade.detectMultiScale(gray, 1.3, 5
كظى نوظشف خًىؿه يف OpenCVنٔظوًَ ؾًُلص methodطًنى detectMultiScale وخًظٍ طٔظوًَ الهظشدف خألؿٔدَ يف خًطىَش .الهظشدف وؿىي خًىؿه يف خًطىَش ٓنمَُ ًٌظدرو )( detectMultiScaleؤَرو مظًًنخض وهٍ:
OpenCvببساطة
343
:Imageخًطىَش خًظٍ ٓنزلؽ غمنهد نن خًىؿه (.)gray :scaleFactorندمٍ خًلٌدْ ًٌهَُ خملٔظوًَ الهظشدف وؿه خإلنٔدن ( image .)pyramid بٌخ ِيند كٌمص خًـ ٓ scaleFactorظّيخي رسنص خملوظشف ،وًون ٌنون ؤن طىػُ نىل يكص خالهظشدف. ()could harm our true-positive detection accuracy وهٌٌل ؤنلطند من من كٌمص ندمٍ كٌدْ خًهَُ (ٓ )scaleFactorظنوفؼ رسنص خملوظشف، وًون ٓظًًّ يكص خملوظشفَ .مبد ؤًػد ًًًّ مهًي خهظشدف خًطىَ خًودٌرص .ملًًّ من sA note on Haar cascadeخملىؿىيش نىل خًُخرـ خًظديل خملهٌىمدض َخؿو فلُش http://www.pyimagesearch.com/2016/06/20/detecting-cats-in-images/with-opencv
ًٌ :minNeighbors ظلوم رإكٍ نًي من خملٔظؿٌالض خمللٌؿص خملوظشفص يف منؿلص مهٌنص ردًنٔزص ًٌمنؿلص خًظٍ ٌنون خن طهظرب وؿه خنٔدن .هٍخ خًزدَمرت مفًٌ ؿًخ ًٌظوفٌف من مهًي خهظشدف خًطىَ خًودٌرص. )pruning false-positive detections) :minSize ؤكٍ ؾىي ونُع مٔمىق ًٌمٔظؿٌٍ خمللٌـ خملوظشف ًٌىؿه (مؼدي )75 x 75 (يف خًوىي خًٔدرم مل نٔظهمٍ هٍخ خملظًًن). خًظدرو )( ً detectMultiScaleهًٌ مٔظؿٌٍ ردًشوٍ (بكًػٌدض ًٌّ x,yؤوًص خًهٌٌد خًٌرسي ًٌمٔظؿٌٍ ،وؾىًه ونُغه). بعضذادلالحظاتذعؾىذخوارزؿقةذ :Haar cascadesذ
هٍه خًوىخَِمٌص كديَش نىل خهظشدف خألؿٔدَ يف خًطىَش رًؼ خًنكُ نن مىكههد وكـمهد ،وؤًػد ٌنونهد خًوشف نن خألؿٔدَ يف خًىكع خًللٌلٍ يف خألؿهّش خًلًًؼص. ذ ذ
OpenCvببساطة
344
ؿشاؽلذؿصـفذفارذ :Haar cascadesذ
هندن مشوٌص يف مطنفدض هدَ ( )Haar cascadesفهنً طوزًن كٌمص ٓ scaleFactorظطزم ؤرسم نمٌٌص خهظشدف خًـٔم وًون خملشوٌص رإن خًًكص طنوفؼ ،وخملشوٌص خألهُي ننً طلٌٌٍ كٌمص ً scaleFactorطزم موظشف خًلٌدْ ؤرؿإ وطًًّ خًًكص وًون ردمللدرٍ طًًّ نًي خًطىَ خًودٌرص خملوظشفص (ؤي خًطىَش خًظٍ ال متؼٍ وؿه). ًًٍى ننً غزـ خًزدَمرتخض ًٌظدرو )( ٓ detectMultiScaleنلظدؾ خًوؼًن من خًىكع ،وكً طلظدؾ ًػزـ ؿًًً ننً خهظالف خًطىَش .رٔزس هٍه خملشدهٍ ًظم طؿزٌم Histogram of Oriented Gradients + Linear SVM detectionرًال منهد. HOG + Linear SVMؤٓهٍ يف غزـ خملظًًنخض وؤفػٍ ،وطظمٌّ رإن نٔزص خهظشدف خًطىَ خًودٌرص كٌٌٍ ؿًخ .وًون هندن ٌٓجص وخكًش فٌهد وهٍ ضهىرص خًلطىي نىل خًنظٌـص يف خًىكع خًللٌلٍ ( )Real-timeرٔزس طؿزٌم HOG +Linear SVMمهد. ذ
مشاظؼُبطبفٌخُ : 1. Video Lecture on Face Detection and Tracking 2. An interesting interview regarding Face Detection by Adam Harvey 3. http://www.pyimagesearch.com/2016/06/20/detecting-cats-in-images-with-opencv/
ذ ذ ذ ذ ذ ذ
OpenCvببساطة
345
خؼىادُذذسًجُامخىاسصمٌخُمنرػشفُغىلُامشكهُاملؼنىةُ : يف خًوؿىخض خًظدًٌص ٓإٌسق ؾًُلص بنشدء ٌٌٓٔص من خملطنفدض ( )classifiersخنظٌليخ نىل خملٌّخض مؼٍ مٌّش هدَ ،Haarوخًظٍ طهً خًظلنزص خألهًت شٌىند يف خًُئًص خًلدٓىرٌص الهظشدف خًىؿه وخًهٍن.هٍ خأليوخض خملؿٌىرص وخًطىَ خملىؿزص وخًٔدًزص مىؿىيش نىل خًُخرـ: https://www.cs.auckland.ac.nz/~m.rezaei/Tutorials/Haar -Training.zipذ
هؿىخض طًًَس خًوّخَِمٌص إلنشدء :classifier ؿمو ضىَ خًظًًَس خملىؿزص وخًٔدًزص. طهٌٌم خًطىَ خملىؿزص ردٓظوًخَ خأليخش objectmarker.exeؤو .ImageClipper بنشدء مٌف )vector( .vevخنظٌليخ نىل خًطىَ خملىؿزص خملهٌمص خنظٌلي نىل خأليخش .createsamples.exe طًًَس خملطنف ردٓظوًخَ .haartraining.exe طشًٌٍ خملطنف ردٓظوًخَ خأليخش )(.cvHaarDetectObjects امخؼىحُُ:1ظمؼُكبغذحُتٌبنبدُامصىس ُ ٓنلىَ رـمو كىخيل 455ضىَش بًـدرٌص (مىؿىي فٌهد خًـٔم خملؿٌىذ) و 455ضىَش ٌٓزٌص (ال ًىؿً فٌهد خًـٔم)ٌ .نوظى خًلطىي نىل خًطىَ بمد من خألنرتنع ؤو من هالي ططىًُ نًش فًًٌىخض وطلٌٔمهد ًطىَ. خًطىَ خملىؿزص طهنٍ خًطىَش خًطىَش خًظٍ طلىي نىل خًـٔم (نىل ٓزٌٍ خملؼدي خًىؿه ؤو خًهٍن)، وخًطىَ خًٌٔزٌص هٍ خًظٍ ال طظػمن خًـٔم.وؿىي نًي هزًن من خًطىَ خإلًـدرٌص وخًٌٔزٌص (خًوٌفٌص) ًهؿٌند يكص ؤهرب يف خملطنف(.)classifier امخؼىحُُ:2ذشذٌجُامصىسُامعنثٌخ ُ غو ضىَ خًوٌفٌص غمن مـًٌ Haar Training\training\negativeوشًٍ خملٌف create_list.bat dir /b *.jpg >bg.txt رهً طشًٌٍ هٍخ خملٌف ٓنلطٍ نىل مٌف نًص ردٓم ً bg.txtلىي نىل ؤٌٓلء خًطىَ هٌل ًًل: image1200.jpg image1201.jpg image1202.jpg ...
OpenCvببساطة
346
ٓنلظدؾ هٍخ خملٌف خًنًص خًٍي ًلىي نىل رٌدندض خًطىَ خًٌٔزٌص ًظًًَس خملطنف. امخؼىحُُ:3املصُ&ُذػنٌمُامصىسُاملىظثخ ُ يف هٍه خًوؿىش ٓنلظدؾ إلنشدء مٌف رٌدندض (ً )vector fileلىي نىل ؤٌٓلء خًطىَ خملىؿزص ردإلغدفص ملىغو خًـٔم يف هٍ ضىَشٌ .نونند بنشدء هٍخ خملٌف نن ؾًُم ؤيخطٍن هٌل: Objectmarkerؤو .Image Clipper ؤيخش Objectmarkerؤهًت رٔدؾص وؤرسم ؤمد خأليخش خًؼدنٌص Image Clipperنىند مد ؤهًت مُونص وًون ٓظإهٍ مهى وكع ؤهرب ننً طهٌٌم خألؿٔدَ يف خًطىَ. هند ٓنٔظوًَ ؤيخش .Objectmarker غو خًطىَ خملىؿزص غمن خملـًٌ ...\training\positive\rawdata غمن خملـًٌ ....\training\positiveهندن مٌف ؤٓمه ٓ objectmaker.exeنلظدؿه ًظهٌٌم خألؿٔدَ يف خًطىَخملىؿزص. ًيك ًهمٍ خملٌف objectmaker.exeطإهً من وؿىي خملٌفٍن cv.dllو highgui.dllغمن مٔدَ خملٌف. كزٍ طشًٌٍ objectmaker.exeطإهً رإنى مُطدق وًًًى وكع هديف ًظهٌم رهندًص خألؿٔدَ ًهٍسخض ؤو مجدض خًطىَ خملىؿزص. هٌف ٓظهٌم خًـٔم؟ شًٍ خملٌف ٓ objectmaker.exeظشدهً ندفٍطٍن هٌل يف خألٓفٍ :ندفٍش ًهُع خًطىَش وندفٍش ًهُع خٓم خًطىَش.
ذ ذ
347
OpenCvببساطة
)8خنلُ نىل خًّؤوًص خًهٌٌد ملنؿلص خًـٔم (مؼٍ خًىؿه) وؤمٔى خملإوْ كظى طهٌم منؿلص خًـٔم. ٓ )4ظشدهً مٔظؿٌٍ كىي خًـٔم .بٌخ مل ًهـزى خًظلًًً خغًـ ؤي َِ إلِخًص خًظلًًً (مد نًخ َِ Spaceو)Enter
ذ
مالككص هدمص :ننً َٓم خملٔظؿٌٍ خمللٌـ ردًـٔم خهظم ؤن طزًؤ رُٓم خملُرو بمد من خًّؤوًص خًٌرسي خًهٌٌد ؤو من خًّؤوًد خًٔفىل خًٌمنى .بٌخ رًؤض خًُٓم من خًّؤوًظٍن خألهًُظٍن فٌن ًوظس بكًخػٌدض خًـٔم خمللًي غمن خملٌف info.txtؤي هإنى مل طلًي خًـٔم.
بٌخ َٓمع خملٔظؿٌٍ رشوٍ ضلٌم ؤغًـ نىل خًَّ . SPACEنن ًٌى ٌٓكهُ مىغو خملٔظؿٌٍ وكٌدٓه نىل خًندفٍش خًٔىيخء (هٌل هى وخغم يف خًطىَش)
ؤنً خًوؿىخض من aبىل cبٌخ هدن هندن نًش ؤؿٔدَ يف خًطىَش (مؼٍ نًش وؿىه).
OpenCvببساطة
348
ننًمد طنظهٍ من طلًًً خألؿٔدَ يف خًطىَش خًلدًٌص ؤغًـ خًَّ .Enter هَُ خًوؿىخض من aبىل eكظى طنظهٍ من طهٌٌم ؿمٌو خألؿٔدَ يف خًطىَ خملىؿزص. بٌخ شهُض رإنى طهزع وطًًُ خًظىكف نن طهٌٌم خًطىَ خغًـ َِ ESCننًهد ٌٓظم بنشدء مٌف نًص ردٓم .info.txt طلًٍُ :ننًمد طوُؾ من خأليخش ojectmakerوطًًُ بهٌلي طهٌٌم خًطىَ خملىؿزص فٌٌل رهً كم رللل خملٌف info.txtخًلديل خًٍي ؤنشإطه يف مـًٌ ؤهُ ؤو يًن ؤٓمه (يف هٍ مُش طوُؾ منهد من خأليخش كم رظًًٌن خٓم خملٌف بىل .)info1.txt, info2.txtألنه يف هٍ مُش ٓظشًٍ فٌهد خأليخش ٌٓ ojectmaker.exeظم خًوظدرص فىق خملٌف info.txtخًلديل وٓظٍهس هٍ خًزٌدندض خًظٍ نمٌظهد .ورهً خألنظهدء من طهٌٌم ؿمٌو خًطىَ كم رًمف ؿمٌو رٌدندض خملٌفدض خًنطٌص خًظٍ ؤنشإطهد غمن مٌف نًص وخكً ردٓم .info.txt
يخهٍ خملٌف خًنًص ٓ info.txtظشدهً رهؼ خملهٌىمدض مؼٍ: rawdata\image1200.bmp 1 34 12 74 24 rawdata\image1201.bmp 3 35 25 70 39 40 95 80 92 120 40 45 36 rawdata\image1202.bmp 2 10 24 90 90 45 68 99 82ذ
ؤوي َكم ٌنؼٍ نًي خألؿٔدَ خملىؿىيش يف خًطىَش خملهؿدش ،فهىل ٓزٌٍ خملؼدي يف خًٔؿُ خًؼدين خًُكم ًً 4ي نىل ؤن هندن ػالػص ؤؿٔدَ يف هٍه خًطىَش (هؼالػص وؿىه) .خألَكم خألَرهص خًظدًٌص خملٌىنص ردألهٍص طهؿٌند مىغو ؤوي ؿٔم يف خًطىَش (بكًخػٌدض خًّؤوًد خًهٌٌد خًٌرسي ًٌمٔظؿٌٍ x= 35 , y=25وؾىي ونُع خملٔظؿٌٍ )Width=70 ,Hight=39وخألَكدَ خألَرهص خًظدًٌص خملىنص ردألخكمُ متؼٍ مىكو ًـٔم خًؼدين ،وخألَكدَ خملٌىنص ردألَِق متؼٍ خًـٔم خًؼدًؽ ،وهوٍخ ... وؿىي هؿإ نىل ٓزٌٍ خملؼدي هٌل يف هٍخ خًٔؿٌُ rawdata/d19.bmp 3 83 119 185 183 :نون ؤن ًايي بىل كًوغ هؿإ هزًن يًن مٌلىف ننًمد طًَذ خملطنف ًٌظهُف نىل خًشوٍ (فهنً كطىي خًوؿإ يف ٓؿُ مهٍن ٌنون ؤن ًايي ًهًَ كُخءش خألٓؿُ خًظٍ طًل خًوؿإ) .كزٍ خًزًء يف خًوؿىش خًظٍ طٌٌهد طإهً ؤن هٍ ؤٓؿُ خملٌف info.txtضلٌلص.
خًوؿإ يف خملؼدي خًٔدرم هى ردًهًي 4فٌـس ؤن ًوىن خًهًي .8هٍخ خًنىم من خًوؿإ ٌنون ؤن ًلًغ ننًمد طًمف مٌفدض info.txtمهد.
349
ببساطةOpenCv ُ ُمنصىسُاملىظثخvectorُُبنشبءُمنف:4ُامخؼىح ) خٓمهbatch( هندن مٌف ردطش..\training\ ًٌغمن خملـ samples_creation.bat :ًوظىي هٍخ خملٌف نىل خألوخمُ خًظدًٌص
createsamples.exe -info positive/info.txt -vec vector/facevector.vec -num 200 -w 24 -h 24
:ٍخًزدَمرتخض خًُثٌٌٔص ه -info positive/info.txt -vec vector/facevector.vec -num 200 -w 24 -h 24
Path for positive info file Path for the output vector file Number of positive files to be packed in a vector file Width of objects Height of objects
ردٓمvector وًلَّ ضىَ خألؿٔدَ يف مٌفinfo.txt مٌف خًزدطش هٍخ ًلمٍ خملٌف خًنًص رهً طشًٌٍ مٌف خالرظش ٓىف طلطٍ نىل مٌف ردٓم.facevector.vec مؼال،نوظدَه ..\training\vector ًٌ يخهٍ خملـfacevector.vec ٓظلظدؾ ألن ًوىن غمن مٔدَ خملـًٌ خملٌفدض خًظدًٌصcreatsample.exe ًظشًٌٍ خملٌف:الكل cv097.dll, cxcore097.dll, highgui097.dll, and libguide40.dll
ُ )Haar-Training(ُHarrُُذذسًج:5ُامخؼىح : haartraining.bat ٌنونى طهًًٍ خًزدطش..\training ًٌغمن خملـ haartraining.exe -data cascades -vec vector/vector.vec -bg negative/bg.txt -npos 200 -nneg 200 -nstages 15 -mem 1024 -mode ALL -w 24 -h 24 –nonsym
-data cascades -vec data/vector.vec -bg negative/bg.txt -npos 200 -nneg 200 -nstages 15 -mem 1024 -mode ALL -w 24 -h 24 -nonsym
Path and for storing the cascade of classifiers Path which points the location of vector file Path which points to background file Number of positive samples ≤ no. positive bmp files Number of negative samples (patches) ≥ npos Number of intended stages for training Quantity of memory assigned in MB Look literatures for more info about this parameter Sample size Use this if your subject is not horizontally symmetrical
OpenCvببساطة
350
خًلٌدْ -Wو -Hيف خًزدطش ً harrtraining.batنزًٍ ؤن ًوىن نفٔه يف خًزدطش sample- .creation.bat ذ
ً Harrtraining.exeلى َ رـمو مـمىنص ؿًًًش من خًهٌندض خًٌٔزٌص يف هٍ مُكٌص ،و -nneg ًلًي خًلً خألكىص ًلـم خملـمىنص .بنه ًٔظوًَ مهٌىمدض خملُكٌص خًٔدرلص ًٌلًي ؤي خًهٌندض مُشلص " "candidate samplesكظى ًظم ططنٌفهد رشوٍ ضلٌم .يف نهدًص خًظًًَس ننًمد ططزم نٔزص خًهٌندض خًظٍ طم ططنٌفهد رشوٍ ضلٌم من خًهٌندض خملُشلص ؤكٍ من ًًٍى : ًًٍى مهٌل هدن نًي خملُخكٍ ( )nstagesخمللًيش يف .haartraining.batخًربندمف كً ًنظهٍ ردهُخ (ؤي كزٍ نهدًص نًي خملُخكٍ خمللًيش) بٌخ وضٍ ًٌٍسؽ خًٔدرم .نديش بنهد بشدَش ؿًٌش ًًكص نمٌٌص خًظًًَس ًًًند ،وًون ؤًػإ ٌنون ؤن ًلًغ ننًمد طوىن نًي خًطىَ خملىؿزص ًٌٕ هديف (مؼال ؤكٍ من .)055 الكلً :ظشًٍ خملٌف ٓ haartaining.exeظلظدؾ ألن ًوىن غمن مٔدَ خملـًٌ خملٌفدض خًظدًٌص: cv097.dll, cxcore097.dll, and highgui097.dll
ننًمد طشًٍ ٓ haartraning.batظشدهً رهؼ خملهٌىمدض خملشدرهص ًٌطىَش خًظدًٌص:
ذ
351
ببساطةOpenCv .خملهؿٌدض خًظٍ يف خًطىَش هٍ ًٌمُكٌص خألوىل من خًظًًَس
Parent node: N: %SMP: F: ST.THR: HR: FA: EXP.
Defines the current stage under training process Number of used features in this stage Sample Percentage (Percentage of sample used for this feature) "+" if flipped (when symmetry applied) and "– "if not Stage Threshold Hit Rate based on the stage threshold False Alarm based on the stage threshold ERR: Exponential Error of strong classifier
.من مُخكٍ طًًَس خملطنف
ذ
خًطىَش خًظدًٌص طهُع خملُكٌص خًهدٌسش
OpenCvببساطة
352
امخؼىحُُ:6بنشبءُمنفُامـُُ XML رهً خالنظهدء من مُخكٍ طًًَس ٓ Harrظـً غمن خملـًٌ ../training/cascades/مـمىنص من خملـًٌخض مُكمص من خًُكم 5بىل َكم خملُخكٍ خًظٍ طم طلًًًهد غمن خملٌف .haartraining.bat يف هٍ مـًٌ من خملـًٌخض خًٔدرلص ًـس ؤن ًوىن هندن مٌف نًص ردٓم .AdaBoostCARTHaarClassifier.txtكم رنٔى ؿمٌو خملـًٌخض بىل خملـًٌ ../cascade2xml/data/ خألن ًـس نٌٌند ؿمٌو خملُخكٍ خًظٍ طم بنشدثهد (خملطنفدض) غمن مٌف وخكً XMLوخًٍي ٌٓوىن خملٌف خًنهديئ. شًٍ مٌف خًزدطش convert.batخملىؿىي غمن خملـًٌ ../cascade2xml/ ًظػمن مٌف خًزدطش هٍخ خًظهٌٌٌلض خًظدًٌص: haarconv.exe data myfacedetector.xml 24 24 myfacedetecor.xmlهى خٓم مٌف خًوُؾ وخًُكمٍن ً 24 24لًيخن Wو H. خألن ؤضزم ًًًند مٌف خي XMLخًودص رند ،وخًٍي ٌنونى من هالًه خهظشدف خألؿٔدَ.
353
OpenCvببساطة
ذؼثٌلبدُغمنٌخ ُ كً ًٔإي ؤكًهم رإنند طهٌمند مهدًـص خًطىَ فوٌف نٔظؿٌو خآلن َرؿهد مو خألؿهّش خإلًورتونٌص؟ هندن فوُش ًـس ؤن طفهمهد كظى طٔظؿٌو ؤن طُرـ ؤي مٍسوم مهدًـص ضىَش مو خًهندرص وخألؿهّش خألًورتونٌص وهٍ: ننًمد طٔظؿٌو َٓم مٔظؿٌٍ ؤو يخثُش يف مودن خًـٔم خملؿٌىذ خًزلؽ ننه فإنع طهُف بٌخ بكًخػٌدض ) (X,Yملودن وؿىي خًـٔم نىل خًشدشص ،فةٌخ هٍ مد طلظدؿه هى متًُُ هٍه خإلكًخػٌدض ًٌـهدِ خًوهُرديئ ؤو خإلًورتوين هملُن خًًٔنفى مؼال ،فٌظم طلًُى خًًٔنفى رندءخ ً نىل هٍه خإلكًخػٌدض .خًظؿزٌلدض خًظدًٌص طىغم رهػد من هٍه خألفودَ. ؿثال:ذذؿالحؼةذؽرة
ذ
ٓنظهٌم يف هٍخ خًظؿزٌم ؾًُلص خًظلوم مبلُهٍن ًظلوٌلن رودمًنخ ملالكلص هُش نن ؾًُم ًىنهد. خًهًف من خًظؿزٌم هى فهم هٌفٌص خٓظوًخَ موظزص ًٌ OpenCvظلوم ردًهندرص خًوهُردثٌص وخإلًورتونٌص .موؿؿدض خملٍسوم وخًوىي وخًطىَ مظىفُش نىل خًُخرـ: https://github.com/MicrocontrollersAndMore/Raspberry_Pi_2_and_OpenCV_3_Tutori al_Part_1
354
ببساطةOpenCv :خًوىي مظىفُ نىل خًُخرـ
https://github.com/MicrocontrollersAndMore/Raspberry_Pi_2_and_OpenCV_3_Tutorial _Part_1/blob/master/pan_and_tilt_tracker.py
ُ :املىكؼُامربيلًُؽرىيُغىلُامػذًذُمنُؤفكبسُاملشبسًؼُامرٍُميكنكُذنفٌزهب /https://www.intorobotics.com/20-hand-picked-raspberry-pi-tutorials-in-computer-vision
ُ املشاظؼُامشئٌعٌخ
https://opencv-pythontutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html http://docs.opencv.org/master/d6/d00/tutorial_py_root.html ذذذذ
http://docs.opencv.org/2.4/index.html http://docs.opencv.org/3.0-beta/modules/refman.html http://opencvpython.blogspot.com/
http://www.pyimagesearch.com/
http://coding-robin.de/2013/07/22/train-your-own-opencv-haarclassifier.html http://alereimondo.no-ip.org/OpenCV/34 https://pythonprogramming.net/haar-cascade-object-detection-pythonopencv-tutorial/
http://breakinpointteam.blogspot.com/2015/12/opencv.html http://destovskyson.blogspot.com/ ذذؽتابذرادبرييذبايذببدارةذؾؾؿفـدسذعبدذاهللذعؾيذعبدذاهلل
http://breakinpointteam.blogspot.com/2015/12/opencv.html https://www.youtube.com/playlist?list=PLd3hlSJsX_Imk_BPmB_H3A QjFKZS9XgZm https://www.youtube.com//UCFCRCV/featured
http://destovskyson.blogspot.com
Related Documents 543cg
Simply Opencv 6v3037
November 2021 0
Opencv Cours g59v
July 2021 0
Opencv Cheatsheet 2i1i4m
December 2019 63
Opencv Kitap 2j21v
December 2019 55
Guida Opencv 5p6a6n
August 2021 0
Opencv Cheatsheet 2i1i4m
December 2019 83More Documents from "Abdallah Ali Elmasry" 341q3y
Simply Opencv 6v3037
November 2021 0
Atpl Performance 4b4p53
November 2019 72
Human Performance And Limitations 3cyy
November 2019 63
Le Comportement D'abou Bakr As-siddiq (qu Allah L'agree) 641825
February 2021 0
Tafsir Ibn Abbas En Francais 2s2o5
February 2021 0