OpenCV est une bibliothèque open source de vision par ordinateur disponible sous la licence BSD. Il est donc gratuit pour un usage académique et commercial. La bibliothèque est écrite en C et C++. Il fonctionne sous Linux, Windows, Mac OS, iOS et Android. Il a des interfaces C, C++, Java, MATLAB et Python. OpenCV dispose de plus de 2500 algorithmes optimisés pour la vision par ordinateur en temps réel.

L'objectif de la communauté OpenCV est de créer une infrastructure de vision par ordinateur qui permet aux développeurs de créer des applications complexes avec une relative facilité. La bibliothèque est conçue pour l'efficacité de calcul pour les applications en temps réel. Il a donc un large éventail d'utilisations dans la reconnaissance faciale, la reconnaissance des gestes, l'imagerie médicale, l'interaction homme-machine, le suivi des mouvements, la surveillance de la sécurité, la robotique, les commandes de caméra, etc.

Outre les composants de vision par ordinateur, OpenCV prend également en charge l'apprentissage automatique à usage général. L'apprentissage automatique (ML) est une technologie importante pour les problèmes de vision par ordinateur. Ainsi, la bibliothèque ML rend OpenCV plus attrayant pour les développeurs de vision par ordinateur.

Vision par ordinateur et OpenCV

La vision par ordinateur a été créée dans le but de reproduire les capacités de vision humaine. Il utilise des algorithmes pour transformer les images capturées en données et facilite la compréhension des problèmes de vision du monde réel.

Dans le cas de la vision humaine, nos yeux fonctionnent comme des périphériques d'entrée. Ensuite, notre cerveau divise les flux d'images en plusieurs canaux pour le traitement. Outre les données visuelles, le cerveau humain prend également en compte d'autres données sensorielles et les utilise pour comprendre la profondeur spatiale. Il donne au cerveau humain la capacité de comprendre l'espace tridimensionnel.

Lorsque nous collectons des données via des caméras, nous obtenons une vision bidimensionnelle du monde. Les algorithmes de vision par ordinateur prennent les images bidimensionnelles et utilisent des propriétés mathématiques pour comprendre les représentations tridimensionnelles. C'est un problème extrêmement difficile à résoudre.

De plus, la vision par ordinateur utilise souvent d'autres informations contextuelles pour surmonter les limites des images bidimensionnelles. Il prend en compte des informations comme la couleur, la luminosité ou le contraste. Par exemple, si un algorithme de reconnaissance d'objets recherche une table en bois, il peut éliminer en toute sécurité toutes les couleurs non liées au bois des images d'entrée. De plus, les algorithmes de vision par ordinateur éliminent le bruit dans les données d'entrée.

La bibliothèque OpenCV est conçue pour faciliter la mise en œuvre d'algorithmes de vision par ordinateur. Il gère la complexité de calcul afin que les développeurs puissent se concentrer sur des tâches de haut niveau.

Histoire d'OpenCV

En 1999, OpenCV a démarré chez Intel en tant qu'initiative visant à faire progresser les applications gourmandes en CPU. Gary Bradski, qui travaillait chez Intel à l'époque, a remarqué que les étudiants du MIT Media Lab partageaient des bibliothèques pour prendre une longueur d'avance dans les applications de vision par ordinateur. Cela a inspiré l'idée de construire une infrastructure de vision par ordinateur qui peut être utilisée facilement.

D'Intel, le projet OpenCV a déménagé à Willow Garage, un laboratoire de recherche en robotique et un incubateur technologique basé à Menlo Park, en Californie. Actuellement, le projet open source OpenCV est maintenu par Itseez, une société de développement et de conseil de logiciels de vision par ordinateur personnalisés.

OpenCV version 1.0 est sorti en 2006. La prochaine version majeure 2.0.0 est venu en 2009. La version majeure actuelle 3.0.0 est sorti en 2015. La version la plus récente à ce jour est OpenCV 3.3.0.

Utiliser OpenCV

La bibliothèque a gagné en popularité parmi les scientifiques et les universitaires. Il est souvent utilisé comme un outil d'enseignement pour la vision par ordinateur. Mais OpenCV est suffisamment robuste pour prendre en charge les problèmes du monde réel.

Vous pouvez utiliser OpenCV pour les produits non commerciaux et commerciaux. Il est utilisé par des géants de l'industrie comme Google, Yahoo, Microsoft, Intel, IBM, Sony, Honda et Toyota. Les instituts de recherche des principales universités comme le MIT, la CMU, Stanford et Cambridge soutiennent la bibliothèque. Le groupe Yahoo OpenCV compte 50 000 membres dans le monde.

Installer OpenCV

Afin de démontrer l'installation d'OpenCV, j'utiliserai Ubuntu 17.10 et effectuera l'installation dans une nouvelle image Docker afin de s'assurer qu'il n'y a pas de packages en conflit pour l'environnement de développement OpenCV.  Voici ma ligne de commande pour la configuration de docker :

docker tirer ubuntu
docker run -it 00fd29ccc6f1 bash
apt-get mise à jour

Ok super, maintenant vous avez un nouvel environnement, installons quelques dépendances requises pour rendre l'environnement utilisable.

apt-get installer wget cmake g++ décompresser vim

Ensuite, nous avons besoin du code source d'OpenCV. Vous pouvez obtenir le code source sur le site Web ici et vous assurer de télécharger la dernière version.  Décompressez-le, puis créez un répertoire de construction pour le système CMake et entrez dans le répertoire :

wget https://github.fr/opencv/opencv/archive/3.3.1.Zip *: français
cd opencv-3.3.1
construction mkdir
construction de cd

Ensuite, nous pouvons construire la bibliothèque et l'installer dans le chemin système dans l'image docker.  Si vous n'utilisez pas docker, vous déciderez de votre préfixe de construction, mais l'utilisation d'une image docker dédiée rend tout cela très simple, comme indiqué ci-dessous :

faire…
Fabriquer
faire installer

Pour vérifier que la construction et l'installation ont réussi, écrivons un programme de test C++ trivial qui inclut une bibliothèque OpenCV, puis exécutez-le.  Voici un exemple de code que vous pouvez utiliser pour tester votre installation :

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

cv::Point2f p(4, 5);
std::cout << "Point output: " << p << std::endl;
renvoie 0 ;

Vous pouvez le construire et l'exécuter comme ceci :

root@6d6b443afced:~/src# test g++.cpp -o test
root@6d6b443afced:~/src# ./test
Point de sortie : [4, 5]

Félicitations son travail, le travail est fait.

Prochaines étapes

Reconnaissance faciale OpenCV

Les références:

• https://opencv.org/
• https://opencv.org/à propos.html
• https://docs.opencv.org/3.3.1/d1/dfb/intro.html
• https://fr.Wikipédia.org/wiki/OpenCV