OpenCV (اوپن سی وی) چیست؟

تاریخچه اوپن-سی-وی

OpenCV در سال ۱۹۹۹ توسط Gary Bradsky در Intel آغاز شد و اولین نسخه‌ی آن در سال ۲۰۰۰ منتشر شد. Vadim Pisarevsky برای مدیریت تیم نرم‌افزار روسی OpenCV در Intel به Gary Bradsky پیوست. در سال ۲۰۰۵، OpenCV در Stanley، وسیله‌ی نقلیه‌ای که در سال ۲۰۰۵ در چالش بزرگ DARPA برنده شد، استفاده شد. بعدها، توسعه‌ی فعال آن تحت حمایت Willow Garage با رهبری Gary Bradsky و Vadim Pisarevsky ادامه یافت. OpenCV اکنون بسیاری از الگوریتم‌های مرتبط با بینایی کامپیوتر و یادگیری ماشین را پشتیبانی می‌کند و روز به روز در حال گسترش است.

OpenCV از طیف گسترده‌ای از زبان‌های برنامه‌نویسی مانند C++، Python، Java و غیره پشتیبانی می‌کند و بر روی پلتفرم‌های مختلف از جمله Windows، Linux، OS X، Android و iOS در دسترس است. اینترفیس‌هایی برای اجرا روی پردازشگرهای گرافیکی پرسرعت مبتنی بر CUDA و OpenCL نیز به صورت فعالانه در دست توسعه هستند.

OpenCV-Python یک Python-API برای OpenCV است که بهترین ویژگی‌های OpenCV C++ API را با زبان Python ترکیب می‌کند.

OpenCV-Python

OpenCV-Python یک کتابخانه برای زبان Python است که برای حل مشکلات بینایی ماشین طراحی شده است.

Python یک زبان برنامه‌نویسی با هدف مخاطب عمومی است که توسط Guido van Rossum شروع شد و به سرعت بسیار محبوب شد، که دلیل آن عمدتاً سادگی و خوانایی کد است. این زبان، برنامه‌نویس را قادر می‌سازد تا ایده‌های خود را در خطوط کمتر کد و بدون کاهش خوانایی آن بیان کند.

در مقایسه با زبان هایی مانند C/C++، زبان Python کندتر است. گفتنی است، Python را می‌توان به راحتی با C/C++ گسترش داد، در واقع ما امکان این را داریم که کدهای محاسباتی فشرده را در C/C++ بنویسیم و سپس wrapperهایی در Python ایجاد کنیم که می‌توانند به عنوان ماژول‌های Python استفاده شوند.

این کار دو مزیت به همراه دارد:

اول اینکه سرعت کد به اندازه‌ی کد اصلی C/C++ است (زیرا کد C++ واقعی در پس‌زمینه اجرا می‌شود) و

دوم اینکه کدنویسی در Python راحت‌تر از C/C++ است. OpenCV-Python هم یک wrapper در Python برای اجرای OpenCV C++ اصلی است.

OpenCV-Python از Numpy استفاده می‌کند که یک کتابخانه‌ی بسیار بهینه‌شده برای عملیات عددی با سینتکسی به سبک MATLAB است. تمام ساختارهای آرایه‌ای OpenCV از آرایه‌های Numpy استفاده می‌کنند. این ویژگی همچنین ادغام با کتابخانه‌های دیگری که از Numpy استفاده می‌کنند مانند SciPy و Matplotlib را آسان‌تر می‌کند.