Tutoriel OpenCV

OpenCV (Open Source Computer Vision Library) est une bibliothèque logicielle open source de vision par ordinateur et d'apprentissage automatique.

OpenCV se compose d'une série de fonctions C et d'un petit nombre de classes C++, et fournit des interfaces pour des langages tels que Python, Java et MATLAB.

OpenCV fournit un grand nombre d'algorithmes de vision par ordinateur et d'outils de traitement d'image, largement utilisés dans les domaines du traitement et de l'analyse d'images et de vidéos, ainsi que de l'apprentissage automatique.

L'objectif de conception d'OpenCV est de fournir une bibliothèque fondamentale de vision par ordinateur simple et facile à utiliser, aidant les développeurs à créer rapidement des applications de vision complexes.


Avant de suivre ce tutoriel, vous devez savoir

OpenCV prend en charge plusieurs langages de programmation, mais Python et C++ sont les deux les plus couramment utilisés. La syntaxe Python est simple et facile à apprendre, adaptée aux débutants.

Avant de commencer le tutoriel OpenCV, vous devez avoir des connaissances de base en Python. Si vous n'êtes pas familier avec Python, vous pouvez lire notre tutoriel :


Historique du développement

Le projet OpenCV a été initialement lancé par Intel en 1999, en se concentrant sur les tâches intensives en CPU, dans le cadre d'un projet qui comprenait le lancer de rayons et l'affichage 3D.

  • En 1999, le projet OpenCV a été lancé par Intel Research, visant à promouvoir la recherche et l'application de la vision par ordinateur.

  • En 2000, la première version d'OpenCV a été publiée.

  • En 2006, OpenCV 1.0 a été publié.

  • En 2009, OpenCV 2.0 a été publié, ajoutant la prise en charge de Python.

  • En 2015, OpenCV 3.0 a été publié, ajoutant la prise en charge de l'apprentissage profond.

  • En 2018, OpenCV 4.0 a été publié, optimisant encore davantage les performances et les fonctionnalités.

  • En 2020 : les versions OpenCV 4.x ont été publiées, renforçant encore la prise en charge des plateformes informatiques modernes (telles que CUDA, OpenCL) et ajoutant davantage de fonctionnalités d'apprentissage automatique et de vision par ordinateur.


Exemple

OpenCV lit et affiche une image :

Exemple

# Importer la bibliothèque OpenCV et utiliser l'alias cv au lieu de cv2
import cv2 as cv

# Remplacez "path/to/image" par le chemin réel de l'image, par exemple "cat.jpg" ou "C:/images/dog.png"
img = cv.imread("path/to/image")

# Si le chemin de l'image est incorrect ou si le fichier n'existe pas, cv.imread() renverra None
if img is None:
    # Afficher un message d'erreur
    print("Erreur : Impossible de charger l'image.")
    # Quitter le programme
    exit()

# "Display window" est le nom de la fenêtre d'affichage, qui peut être personnalisé.
# img correspond aux données d'image à afficher
cv.imshow("Display window", img)

# Attendre une pression sur une touche
# Le paramètre 0 signifie attendre indéfiniment jusqu'à ce que l'utilisateur appuie sur n'importe quelle touche
# La valeur de retour k est le code ASCII de la touche pressée par l'utilisateur
k = cv.waitKey(0)

# Vérifier si l'utilisateur a appuyé sur la touche Échap (code ASCII 27)
if k == 27:
    # Fermer toutes les fenêtres OpenCV
    cv.destroyAllWindows()

Liens connexes

Autres extensions