Instalación Python – OpenCV

• Instalación de  Python y OpenCV:   (Windows )  –    (Mac )   –   (Linux )  –  (Imagen Ejemplo)
• Documentación OpenCV.org
• Tutoriales OpenCV.org
• Documentación Python.org
• Referencia Librería Python.org
• Tutorial Python (W3schools)
• Simulador Redes Neuronales (Tensorflow)
• Visualizador de capas Convolucionales CNN (Microscope OpenAI)

Documentación Python

• Python: Curso Introducción  ,   código ejemplos 
• NumPy:  guía usuario   |  referencia funciones    |  guía rápida
• SciPy:   guía usuario  |  referencia funciones  
• Matplotlib: guía usuario     |  guía rápida
• Scikit-Learn: guía usuario    |   guía rápida
• Scikit-Image: guía de usuario   
• Pillow: guía de usuario   
• Keras: guía usuario    | guía rápida | referencia funciones
• Tensorflow: guía usuario    | guía rápida
• PyTorch: guía usuario 
• Pandas: guía usuario    | guía rápida
• Seaborn: guía rápida
• CheatSheets: AI-NN , Python , Numpy ,  Scipy ,  Matplotlib ,  ImportData ,   Scikit-Learn ,  Jupyter ,  Keras ,  Pandas ,  Pandas-Basics ,  Seaborn ,  Bokeh 

Programación  OpenCV en Python

• Programas de Ejemplo Curso OpenCV-Python:  
  • Transparencias (S1-S2) Captura imágenes – Filtrado – Detección Bordes
  • Transparencias (S3)  Gestión de Eventos – Visualización
  • Transparencias (S4-S5)  Detección Contornos – Segmentación
  • Transparencias (S6)   Reconocimiento
  • Transparencias (S7)   Puntos Característicos
  • Transparencias (S8-S9)   Calibración – Detección Marcas POSE 3D
  • Transparencias Keras    Deep Learning – Transfer Learning con Keras-Tensorflow

• • Ejemplo 1:  Captura de imágenes de una cámara 
  • Ejemplo 1b: Filtrado de imágenes: convolución    

• • Ejemplo 2:  Cargar, procesar y guardar una imagen en un fichero  –  (imagen ejemplo)   
  • Ejemplo 2b:  Cargar, procesar y guardar un fichero de video    –    (video ejemplo) 

• • Ejemplo 3:  Captura de imágenes de una cámara. Gestión de eventos 
  • Ejemplo 3b: Gestión de eventos. Visualización Overlay valor RGB 

• • Ejemplo 4: Detección y extracción de contornos    –   (Tutorial opencv.org)
  • Ejemplo 4b: Detección y extracción de contornos. Filtrado. Persistencia    
  • Ejemplo 4c: Detección Rectas y Círculos (Transformada de Hough)  

• • Ejemplo 5:  Segmentación de imágenes por color. Momentos   
  • Ejemplo 5b: Segmentación de imágenes por color. Detección de formas (Convex Hull)    

• • Ejemplo 6:  Reconocimiento de Imágenes. Módulo Machine Learning      –   (Tutorial opencv.org)  –  módulo titere  – Datos 
  • Ejemplo 6b:  Detección de caras. Módulo Object Detection     –  (Tutorial opencv.org)    –  Trained Cascade Classifiers 
  • Ejemplo 6c:  CNN: módulo Deep Learning-Clasificación AlexNet-GoogLeNet  –  (Tutorial opencv.org) – CAFFE models  – CAFFE Model Zoo
  • Ejemplo 6d:  CNN: módulo Deep Learning-Detección YOLO   –   Darknet models  – Darknet –  módulo yolo 
  • Ejemplo 6seg:  CNN: módulo Deep Learning: Detección/Segmentacion Mask-RCNN   –   Mask-RCNN (Tensorflow) models  

• • Ejemplo Keras 1: Red Secuencial MLP      –   (Tutorial Keras) –  módulo titere  –  Datos  – Keras models 
  • Ejemplo Keras 2: DNN Transfer Learning VGG16   –   (Tutorial Keras)  –   Imágenes  –   ONNX models 

• • Ejemplo 7:  Detectar puntos característicos (SIFT/SURF/ORB). Descriptores      –   (Tutorial opencv.org)
  • Ejemplo 7b: Correspondencia (BF-FLANN) de puntos (SIFT) con una imagen de referencia 
  • Ejemplo 7c: Correspondencia (BF-FLANN) de puntos (SIFT) entre dos cámaras 

• • Ejemplo 8:  Calibración de cámaras      –   (Tutorial opencv.org)

• • Ejemplo 9:  Detección de marcadores con la librería ARUCO    –  (Marcador)   (Board)   
  • Ejemplo 9b:  Detección y Localización (POSE) de marcadores con la librería ARUCO    –  (Fichero Calibración Logitech)   (Fichero Calibración Trust)  
  • Ejemplo 9c:  Detección y Localización (POSE) de grupos de marcadores (Board)    –  (Fichero Calibración Logitech)   (Fichero Calibración Trust)  – (Board Configuration)   

•  Otras Aplicaciones:   
  • Clasificador basado en características (Bag of Words) – SVM    – v2    – Imágenes  –   ONNX models 
  • Clustering: K-means    –  Hierarchical-clustering: AGNES

Software

• Python:
  • Versión 3.12:  Windows-x86    |    Windows-x64    | MAC OS11 
  • Versión 3.11:  Windows-x86    |    Windows-x64    | MAC OS11 
  • Versión 3.10:  Windows-x86    |    Windows-x64    | MAC OS11 
  • Versión 3.9:    Windows-x86    |    Windows-x64    |  MAC OSX   |  MAC OS11 
  • Versión 3.8:    Windows-x86    |    Windows-x64    |  MAC OSX   |  MAC OS11 
• Pycharm:
  • Comunity Edition 2023.2:    Windows-x64   |  MAC OSX   |  Linux 
  • Comunity Edition 2022.3:    Windows-x64   |  MAC OSX   |  Linux 
  • Comunity Edition 2021.3:    Windows-x64   |  MAC OSX   |  Linux
• Anaconda:
  • Versión 3 2023.09:    Windows-x64   |  MAC OSX  
  • Versión 3 2022.10:    Windows-x64   |  MAC OSX  |  Linux 
  • Versión 3 2021.11:    Windows-x86   |    Windows-x64   |  MAC OSX  |  Linux 
• OpenCV library   |  OpenCV-contrib:
  • Versión 4.8:     Windows (4.8.0)(x64)  |  Linux/Mac (4.8.0) (source)   |     contrib (4.8.0) (source)
  • Versión 4.7:     Windows (4.7.0)(x64)  |  Linux/Mac (4.7.0)  (source)    |     contrib (4.7.0) (source)
  • Versión 4.5:     Windows-VC14-VC15 (4.5.5)(x64)  |    Windows-VC16 (4.5.5)(x64)  |  Linux/Mac (4.5.5) (source)    |     contrib (4.5.5) (source)
  • Paquete opencv-contrib-python (4.5.5) compilado con OPENCV_ENABLE_NONFREE flag
• Nvidia CUDA Toolkit (GPU acceleration for DNN)