Conteúdo

Os sistemas de Visão Computacional estão cada vez mais presentes em nosso cotidiano, seja nos veículos autônomos, nos robôs industriais ou em equipamentos hospitalares capazes de diagnosticar doenças automaticamente em exames por imagem. Justamente por essa tecnologia permitir que máquinas enxerguem o mundo à nossa volta, sendo capaz de automatizar e solucionar tantos problemas, é que o mercado necessita cada vez mais de profissionais capacitados para atuarem nesse segmento.

Neste livro, Felipe Barelli vem atender a essa demanda, dando o pontapé inicial para o profissional que deseja entrar, de forma prática e um pouco teórica, nos estudos sobre o desenvolvimento de sistemas baseados em Visão Computacional. Você vai aprender como programar computadores para enxergar o ambiente ao nosso redor e torná-los capazes de reconhecer e extrair informações de objetos, mesclando conhecimentos de matemática, fotografia e programação.

As versões utilizadas são: Python: versão 2.7.14 e OpenCV: 2.4.13

Saiba o que você vai aprender

Sumário

• 1 Introdução à Visão Computacional

• 2 Preparando o ambiente de estudo
• 2.1 Instalação no Windows e Mac OS
• 2.2 Instalação no Linux
• 2.3 Instalação das bibliotecas
• 2.4 Execução de programas

• 3 Aquisição de imagem
• 3.1 Câmeras digitais
• 3.2 Sensores CCD e CMOS
• 3.3 Formação da imagem
• 3.4 Resolução e quantização
• 3.5 Cor de imagens
• 3.6 Formatos de imagem
• 3.7 Prática com Python e OpenCV

• 4 Representação de cores no espaço
• 4.1 Cores no espaço RGB
• 4.2 Cores no espaço HSV

• 5 Pré-processamento
• 5.1 Operações básicas
• 5.2 Histograma de cores
• 5.3 Transformações geométricas
• 5.4 Operações aritméticas
• 5.5 Ruído em imagens

• 6 Aplicação de filtros
• 6.1 Filtro de média
• 6.2 Filtro gaussiano
• 6.3 Filtro de mediana
• 6.4 Filtro bilateral

• 7 Realce de bordas
• 7.1 Operador de Sobel
• 7.2 Operador laplaciano
• 7.3 Filtro máscara de desaguçamento
• 7.4 Detector de bordas de Canny

• 8 Operações morfológicas
• 8.1 Elemento estruturante
• 8.2 Erosão e dilatação
• 8.3 Abertura e fechamento
• 8.4 Gradiente morfológico
• 8.5 Top Hat
• 8.6 Tratamento de ruído

• 9 Segmentação de objetos
• 9.1 Segmentação por binarização
• 9.2 Segmentação por cor
• 9.3 Segmentação por bordas
• 9.4 Segmentação por movimento

• 10 Extração de características
• 10.1 De aspecto
• 10.2 Dimensionais
• 10.3 Inerciais
• 10.4 Topológicas

• 11 Reconhecimento de Padrões

• 12 Classificador K-NN
• 12.1 Algoritmo K-NN
• 12.2 K-NN com scikit-learn

• 13 Algoritmo Haar Cascade
• 13.1 Detecção de objetos

• 14 Aplicações da Visão Computacional
• 14.1 Reconhecimento de objetos
• 14.2 Reconhecimento de cores
• 14.3 Contagem de objetos
• 14.4 Distância entre objetos
• 14.5 Rastreamento de objetos
• 14.6 Reconhecimento de caracteres

• 15 Referências bibliográficas