OpenCV es una biblioteca de visión por computadora de código abierto disponible bajo la licencia BSD. Por lo que es gratuito para uso académico y comercial. La biblioteca está escrita en C y C++. Funciona en Linux, Windows, Mac OS, iOS y Android. Tiene interfaces C, C ++, Java, MATLAB y Python. OpenCV tiene más de 2500 algoritmos optimizados para visión por computadora en tiempo real.

El objetivo de la comunidad OpenCV es crear una infraestructura de visión por computadora que permita a los desarrolladores crear aplicaciones complejas con relativa facilidad. La biblioteca está diseñada para la eficiencia computacional para aplicaciones en tiempo real. Por lo tanto, tiene una amplia gama de usos en reconocimiento facial, reconocimiento de gestos, imágenes médicas, interacción persona-computadora, seguimiento de movimiento, monitoreo de seguridad, robótica, controles de cámara y más.

Además de los componentes de visión artificial, OpenCV también es compatible con el aprendizaje automático de uso general. El aprendizaje automático (ML) es una tecnología importante para los problemas de visión por computadora. Entonces, la biblioteca ML hace que OpenCV sea más atractivo para los desarrolladores de visión por computadora.

Visión por computadora y OpenCV

La visión por computadora se creó con el objetivo de replicar las capacidades de la visión humana. Utiliza algoritmos para transformar las imágenes capturadas en datos y facilita la comprensión de los problemas de visión del mundo real.

En el caso de la visión humana, nuestros ojos funcionan como dispositivos de entrada. Luego, nuestros cerebros dividen los flujos de imágenes en múltiples canales para procesarlos. Además de los datos visuales, el cerebro humano también tiene en cuenta otros datos sensoriales y los utiliza para comprender la profundidad espacial. Le da al cerebro humano la capacidad de comprender el espacio tridimensional.

Cuando recopilamos datos a través de cámaras, obtenemos una visión bidimensional del mundo. Los algoritmos de visión por computadora toman las imágenes bidimensionales y utilizan propiedades matemáticas para descubrir las representaciones tridimensionales. Es un problema extremadamente difícil de resolver.

Además, la visión por computadora a menudo utiliza otra información contextual para superar las limitaciones de las imágenes bidimensionales. Tiene en cuenta información como color, brillo o contraste. Por ejemplo, si un algoritmo de reconocimiento de objetos busca una mesa de madera, puede eliminar de forma segura cualquier color no relacionado con la madera de las imágenes de entrada. Además, los algoritmos de visión por computadora eliminan el ruido en los datos de entrada.

La biblioteca OpenCV está diseñada para facilitar la implementación de algoritmos de visión por computadora. Maneja la complejidad computacional para que los desarrolladores puedan concentrarse en tareas de alto nivel.

Historia de OpenCV

En 1999, OpenCV comenzó en Intel como una iniciativa para promover aplicaciones intensivas en CPU. Gary Bradski, que trabajaba en Intel en ese momento, notó que los estudiantes del MIT Media Lab compartían bibliotecas para tener una ventaja en las aplicaciones de visión por computadora. Esto inspiró la idea de construir una infraestructura de visión por computadora que se pueda usar fácilmente.

Desde Intel, el proyecto OpenCV se trasladó a Willow Garage, un laboratorio de investigación robótica e incubadora de tecnología con sede en Menlo Park, California. Actualmente, el proyecto de código abierto OpenCV es mantenido por Itseez, una empresa de consultoría y desarrollo de software de visión por computadora personalizado.

OpenCV versión 1.0 fue lanzado en 2006. La próxima versión principal 2.0.0 llegó en 2009. La versión principal actual 3.0.0 fue lanzado en 2015. La versión más reciente hasta la fecha es OpenCV 3.3.0.

Usando OpenCV

La biblioteca ha ganado popularidad entre científicos y académicos. A menudo se utiliza como herramienta de enseñanza para la visión por computadora. Pero OpenCV es lo suficientemente robusto como para soportar problemas del mundo real.

Puede utilizar OpenCV para productos comerciales y no comerciales. Es utilizado por gigantes de la industria como Google, Yahoo, Microsoft, Intel, IBM, Sony, Honda y Toyota. Los institutos de investigación de las principales universidades como MIT, CMU, Stanford y Cambridge brindan apoyo a la biblioteca. El grupo OpenCV Yahoo tiene 50.000 miembros en todo el mundo.

Instalación de OpenCV

Para demostrar la instalación de OpenCV usaré Ubuntu 17.10 y realizará la instalación en una nueva imagen de la ventana acoplable para garantizar que no haya paquetes en conflicto para el entorno de desarrollo de OpenCV.  Aquí está mi línea de comando para la configuración de la ventana acoplable:

docker extraer ubuntu
docker ejecutar -it 00fd29ccc6f1 bash
apt-get update

Muy bien, ahora tiene un entorno nuevo, instalemos algunas dependencias necesarias para que el entorno sea utilizable.

apt-get install wget cmake g ++ descomprimir vim

A continuación, necesitamos el código fuente de OpenCV. Puede obtener el código fuente del sitio web aquí y asegurarse de descargar la última versión.  Descomprímalo y luego cree un directorio de compilación para el sistema CMake e ingrese al directorio:

wget https: // github.com / opencv / opencv / archive / 3.3.1.Código Postal
cd opencv-3.3.1
compilación de mkdir
construcción de cd

A continuación, podemos crear la biblioteca e instalarla en la ruta del sistema en la imagen de la ventana acoplable.  Si no está utilizando la ventana acoplable, deberá decidir su prefijo de compilación, pero usar una imagen de la ventana acoplable dedicada hace que todo esto sea muy simple, como se muestra a continuación:

cmake…
fabricar
hacer la instalación

Para verificar que la compilación y la instalación fueron exitosas, escriba un programa de prueba trivial en C ++ que incluya una biblioteca OpenCV y luego ejecútelo.  Aquí hay un código de muestra que puede usar para probar su instalación:

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

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

Puedes construirlo y ejecutarlo así:

root @ 6d6b443afced: ~ / src # g ++ prueba.prueba cpp -o
root @ 6d6b443afced: ~ / src # ./prueba
Salida de puntos: [4, 5]

Felicidades su trabajo, el trabajo está hecho.

Próximos pasos

Reconocimiento facial OpenCV

Referencias:

• https: // opencv.org /
• https: // opencv.org / acerca de.html
• https: // documentos.opencv.org / 3.3.1 / d1 / dfb / intro.html
• https: // en.wikipedia.org / wiki / OpenCV