OpenCV

OpenCV (ang. Open Source Computer Vision Library) – otwarto‑źródłowa biblioteka programistyczna służąca do przetwarzania i analizy obrazów oraz wideo, a także do rozwiązywania zadań widzenia komputerowego i uczenia maszynowego. Projekt został rozpoczęty w 1999 roku w ramach inicjatywy badawczej przedsiębiorstwa Intel i od tego czasu jest rozwijany przez społeczność międzynarodową.

Historia

• 1999 – powstaje pierwsza wersja biblioteki w laboratorium Intel w Stanford.
• 2000 – Gary Bradsky i Vadim Kalashnikov publikują otwartą wersję biblioteki pod licencją BSD.
• 2006 – wydanie wersji 2.0, wprowadzono wsparcie języka Python oraz Java.
• 2012 – premierowa wersja 3.0, znacznie rozbudowano moduły głębokiego uczenia i wprowadzono interfejsy do CUDA.
• 2023 – wydanie wersji 4.8, dodano wsparcie dla Qt, Androida oraz iOS.

Architektura i główne moduły

Biblioteka jest podzielona na szereg modułów, które można wykorzystywać niezależnie:

• core – podstawowe struktury danych (Mat, Vec) i operacje na macierzach.
• imgproc – przetwarzanie obrazów (filtry, transformacje geometryczne, detekcja krawędzi).
• highgui – interfejsy do wyświetlania i zapisu obrazów oraz wideo.
• video – algorytmy analizy wideo, m.in. optyczny przepływ (optical flow).
• features2d – detekcja i opis cech (SIFT, SURF, ORB).
• objdetect – klasyfikatory obiektów (np. Haar cascade).
• dnn – uruchamianie sieci neuronowych (TensorFlow, Caffe, ONNX).
• ml – algorytmy klasyfikacji i regresji (SVM, drzewa decyzyjne).

Języki programowania i interfejsy

OpenCV udostępnia oficjalne interfejsy dla następujących języków:

• C++ – język bazowy, zapewniający pełną funkcjonalność.
• Python – najpopularniejszy wśród naukowców i szybki do prototypowania.
• Java – wykorzystywany w aplikacjach mobilnych i desktopowych.
• C# – dostępny poprzez nakładki takie jak Emgu CV.

Zastosowania

OpenCV znajduje zastosowanie w wielu dziedzinach:

• Robotyka – nawigacja i rozpoznawanie otoczenia.
• Medycyna – segmentacja obrazów MRI i CT.
• Motoryzacja – systemy wspomagania kierowcy (ADAS).
• Rozpoznawanie twarzy – bezpieczeństwo i kontrola dostępu.
• Rzeczywistość rozszerzona – śledzenie markerów i planowanie scen.
• Analiza wideo – liczenie osób, monitorowanie ruchu.

Licencja i dostępność

OpenCV jest udostępniane na licencji BSD, co pozwala na darmowe użycie w projektach komercyjnych oraz niekomercyjnych. Kod źródłowy znajduje się w publicznym repozytorium Git (hostowany na platformie GitHub – w encyklopedii opisano tę platformę). Biblioteka jest dostępna dla systemów Windows, Linux, macOS, Android oraz iOS.

Przykładowy kod w Pythonie

import cv2

# wczytaj obraz
obraz = cv2.imread('obraz.jpg')

# konwersja do skali szarości
szary = cv2.cvtColor(obraz, cv2.COLOR_BGR2GRAY)

# wykryj krawędzie metodą Canny'ego
krawedzie = cv2.Canny(szary, 100, 200)

# wyświetl wynik
cv2.imshow('Krawedzie', krawedzie)
cv2.waitKey(0)
cv2.destroyAllWindows()

Bibliografia i dalsze lektury

W encyklopedii dostępne są szczegółowe artykuły omawiające poszczególne tematy powiązane z OpenCV:

• Widzenie komputerowe
• Uczenie maszynowe
• Deep Learning
• Algorytmy klasyfikacji
• Przetwarzanie obrazu

OpenCV pozostaje jednym z najważniejszych narzędzi w dziedzinie sztucznej inteligencji i przetwarzania sygnałów wizualnych, a jego otwarta licencja sprzyja ciągłemu rozwojowi i adaptacji w nowych technologiach.