OpenCV

OpenCV (مكتبة الرؤية الحاسوبية مفتوحة المصدر) هي مكتبة برمجية مفتوحة المصدر واسعة الانتشار مصممة خصيصًا لـ الرؤية الحاسوبية (CV) والمعالجة الفورية للصور. طورتها شركة Intel في الأصل عام 1999، وقد تطورت لتصبح أداة قياسية للباحثين والمطورين، حيث توفر أكثر من 2500 خوارزمية محسّنة. تمكّن هذه الخوارزميات أجهزة الكمبيوتر من إدراك وفهم البيانات المرئية من العالم، وتنفيذ مهام تتراوح من معالجة الصور الأساسية إلى استدلال التعلم الآلي (ML) المعقد. تمت كتابة OpenCV بلغة C++ لتحقيق أداء عالٍ، وتوفر مكتبة OpenCV روابط قوية للغات مثل Python وJava وMATLAB، مما يجعلها متاحة للنماذج الأولية السريعة والنشر على نطاق واسع.

Link to this sectionالقدرات والميزات الأساسية#

تعمل OpenCV كطبقة أساسية في نظام الذكاء الاصطناعي، وغالبًا ما تتولى خطوات المعالجة المسبقة للبيانات المطلوبة قبل إدخال البيانات المرئية في نماذج التعلم العميق. وتغطي وظائفها عدة مجالات حيوية:

• معالجة الصور: تتفوق المكتبة في معالجة البكسلات على مستوى منخفض. يشمل ذلك العتبة، والتصفية، وتغيير الحجم، وتحويل مساحة اللون (مثل تحويل RGB إلى تدرج الرمادي). هذه العمليات ضرورية لتطبيع البيانات لضمان إدخال ثابت للنموذج.
• اكتشاف الميزات: توفر OpenCV أدوات لتحديد النقاط الرئيسية في الصورة، مثل الزوايا والحواف والبقع. تسمح خوارزميات مثل SIFT (تحويل الميزات المتغيرة الحجم) وORB للأنظمة بمطابقة الميزات عبر صور مختلفة، وهو أمر حيوي لـ خياطة الصور وإنشاء الصور البانورامية.
• تحليل الفيديو: بعيدًا عن الصور الثابتة، تتعامل المكتبة مع تدفقات الفيديو لمهام مثل طرح الخلفية والتدفق البصري، الذي يتتبع حركة الأشياء بين الإطارات المتتالية.
• التحويلات الهندسية: تمكّن المطورين من إجراء تحويلات تقاربية، وتشويه المنظور، ومعايرة الكاميرا لتصحيح تشويه العدسة، وهو أمر بالغ الأهمية لـ المركبات ذاتية القيادة والروبوتات.

Link to this sectionتطبيقات العالم الحقيقي#

تعد OpenCV موجودة في كل مكان عبر الصناعات، وغالبًا ما تعمل جنبًا إلى جنب مع أطر التعلم العميق.

• التصوير الطبي: في مجال الرعاية الصحية، تساعد OpenCV في تحليل الصور الطبية من خلال تحسين الأشعة السينية أو فحوصات الرنين المغناطيسي. يمكنها اكتشاف الأورام تلقائيًا أو تقسيم الأعضاء، مما يساعد الأطباء في التشخيص. على سبيل المثال، تساعد خوارزميات اكتشاف الحواف في تحديد حدود كسر العظم في الأشعة السينية.
• التفتيش الآلي في التصنيع: تستخدم المصانع OpenCV لـ مراقبة الجودة. تستخدم الكاميرات الموجودة على خطوط التجميع المكتبة للتحقق مما إذا كانت الملصقات محاذية بشكل صحيح أو إذا كانت المنتجات بها عيوب سطحية. من خلال مقارنة البث المباشر مع صورة مرجعية، يمكن للنظام الإبلاغ فورًا عن العناصر المعيبة.

Link to this sectionOpenCV مقابل أطر التعلم العميق#

من المهم التمييز بين OpenCV وأطر التعلم العميق مثل PyTorch أو TensorFlow.

• تركز OpenCV على تقنيات الرؤية الحاسوبية التقليدية (التصفية، التحويلات الهندسية) وخوارزميات التعلم الآلي "الكلاسيكية" (مثل آلات ناقل الدعم أو k-Nearest Neighbors). على الرغم من أنها تحتوي على وحدة الشبكات العصبية العميقة (DNN) للاستدلال، إلا أنها لا تُستخدم بشكل أساسي لـ تدريب الشبكات العصبية الكبيرة.
• صُممت أطر التعلم العميق لبناء وتدريب ونشر الشبكات العصبية المعقدة مثل الشبكات العصبية التلافيفية (CNNs).

في سير العمل الحديث، تكمل هذه الأدوات بعضها البعض. على سبيل المثال، قد يستخدم المطور OpenCV لقراءة دفق فيديو وتغيير حجم الإطارات، ثم تمرير تلك الإطارات إلى نموذج YOLO26 لـ اكتشاف الأشياء، وأخيرًا استخدام OpenCV مرة أخرى لرسم صناديق التحديد على المخرجات.

Link to this sectionالتكامل مع Ultralytics YOLO#

غالبًا ما تُستخدم OpenCV جنبًا إلى جنب مع حزمة ultralytics لإدارة تدفقات الفيديو وتصور النتائج. يسمح التكامل باستدلال فوري وفعال.

يوضح المثال التالي كيفية استخدام OpenCV لفتح ملف فيديو، ومعالجة الإطارات، وتطبيق نموذج YOLO26n للاكتشاف.

import cv2
from ultralytics import YOLO

# Load the YOLO26 model
model = YOLO("yolo26n.pt")

# Open the video file using OpenCV
cap = cv2.VideoCapture("path/to/video.mp4")

while cap.isOpened():
    success, frame = cap.read()
    if not success:
        break

    # Run YOLO26 inference on the frame
    results = model(frame)

    # Visualize the results on the frame
    annotated_frame = results[0].plot()

    # Display the annotated frame
    cv2.imshow("YOLO26 Inference", annotated_frame)

    # Break loop if 'q' is pressed
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

cap.release()
cv2.destroyAllWindows()

Link to this sectionالنهوض بالرؤية الحاسوبية#

تستمر OpenCV في التطور، حيث تدعم معايير أحدث وتسريعات الأجهزة. يساهم مجتمعها الواسع في نظام بيئي غني من البرامج التعليمية والوثائق. بالنسبة للفرق التي تتطلع إلى توسيع نطاق مشاريع الرؤية الحاسوبية الخاصة بها من نماذج أولية محلية إلى حلول سحابية، توفر منصة Ultralytics أدوات شاملة لإدارة مجموعات البيانات وتدريب النماذج التي تتكامل بسلاسة مع خطوط أنابيب المعالجة المسبقة القائمة على OpenCV. سواء كان ذلك لأنظمة أمان التعرف على الوجوه أو تقدير الوضعية في تحليلات الرياضة، تظل OpenCV أداة أساسية في مجموعة أدوات مطوري الذكاء الاصطناعي.