زبان سلام
ویرایشگر آنلاین

کتابخانه‌ی استاندارد · هوش مصنوعی

اپن‌سی‌وی ai.opencv

بینایی ماشین با OpenCV: پردازش تصویر، ویژگی‌ها، تشخیص چهره، شبکه‌ی عصبی و ویدیو.

واردسازی هوش مصنوعی.اپن‌سی‌وی

نام آرگومان‌ها شناسه‌ی خود کد است و معادل فارسی ندارد؛ گونه‌ها، کلیدواژه‌ها و نام بسته‌ها با معادل فارسی نوشته می‌شوند.

در این صفحه
  1. راه‌اندازی اپن‌سی‌وی
  2. پیدا کردن و اندازه گرفتن شکل‌ها
  3. لبه‌یابی
  4. پیدا کردن یک تصویر درون تصویری دیگر
  5. نوشتن و خواندن ویدیو
  6. گونه‌ها
  7. پایاها و متغیرها
  8. تابع‌ها

این بسته به کتابخانه‌ی OpenCV وصل می‌شود و بیشتر کارهای بینایی ماشین را می‌دهد: تبدیل رنگ، تغییر اندازه، فیلترها، لبه‌یابی و آستانه، پیرامون‌ها، ویژگی‌های ORB و SIFT، تشخیص چهره با طبقه‌بند آبشاری، اجرای شبکه‌های DNN، و خواندن و نوشتن ویدیو و دوربین.

برای بینایی ماشین واقعی به کار می‌آید: پیدا کردن اشیا، تطبیق ویژگی‌ها، خواندن قاب‌های دوربین و اجرای شبکه‌ی تشخیص. برای تصویر کوچک، رسم، نوشتن متن روی تصویر و تبدیل قالب بی هیچ کتابخانه‌ی بیرونی، بسته‌ی تصویر کافی است. برای اجرای پرونده‌ی مدل بی OpenCV به onnx سر بزنید.

نکته‌هایی که باید بدانید

  • برنامه‌ها با کتابخانه‌ی salam_opencv_shim پیوند می‌خورند که خودش OpenCV 4 را لازم دارد. اگر این لایه نباشد، ساخت در گام پیوند شکست می‌خورد یا برنامه با پیام «cannot open shared object file» اصلا اجرا نمی‌شود و هیچ‌وقت به کد شما نمی‌رسد.
  • ماتریس رنگ را به ترتیب OpenCV یعنی آبی، سبز، قرمز نگه می‌دارد، ولی همه‌ی تابع‌های این بسته مقدار رنگ را به ترتیب قرمز، سبز، آبی می‌گیرند و برمی‌گردانند و از تصویر و به تصویر خودشان تبدیل می‌کنند.
  • هر ماتریس صاحب حافظه‌ای بومی است که سلام آن را دنبال نمی‌کند. هر کدام را آزاد کنید، به‌ویژه درون حلقه‌ای روی قاب‌های ویدیو.
  • فراخوانی‌هایی که شکست می‌خورند ماتریس تهی (یا نادرست) برمی‌گردانند و دلیل را در آخرین خطا می‌گذارند.

نمونه‌ها OpenCV لازم دارند، برای همین سایت فقط گونه‌ی آن‌ها را بررسی می‌کند.

راه‌اندازی اپن‌سی‌وی

این بسته از راه یک لایه‌ی کوچک ++C به نام salam_opencv_shim با OpenCV 4 حرف می‌زند که در std/ai/opencv/native مخزن سلام است. روی دبیان یا اوبونتو، OpenCV و ابزارهای ساخت را نصب کنید، این لایه را بسازید و به بارگذار بگویید کجا پیدایش کند:

sudo apt install libopencv-dev cmake g++
cd std/ai/opencv
cmake -S native -B native/build -DCMAKE_BUILD_TYPE=Release
cmake --build native/build --config Release
export LD_LIBRARY_PATH=$PWD/native/build:$LD_LIBRARY_PATH

همه‌ی برنامه‌های این صفحه با صدا زدن در دسترس شروع می‌شوند که می‌گوید OpenCV پاسخ می‌دهد یا نه و نسخه‌اش را از راه نسخه برمی‌گرداند. خروجی‌های زیر همان چیزی است که برنامه‌ها با OpenCV 4.10 روی لینوکس چاپ کردند.

پیدا کردن و اندازه گرفتن شکل‌ها

روال کلاسیک شمردن چیزها این است: تبدیل به خاکستری، آستانه‌گذاری برای ساختن یک ماسک سیاه و سفید، و بعد پیدا کردن پیرامون ناحیه‌های سفید. آستانه دودویی معکوس شکل‌های تیره روی زمینه‌ی روشن را سفید می‌کند. یافتن پیرامون‌ها تعداد شکل‌ها و برای هر کدام مساحت و مستطیل محاط را می‌دهد. روش‌های رسم مثل مستطیل و دایره خود تصویر را تغییر می‌دهند و ضخامت -1 شکل را پر می‌کند.

opencv-guide-shapes.salam
واردسازی هوش مصنوعی.اپن‌سی‌وی

تابع ریشه:
    اگر وارونه اپن‌سی‌وی.در دسترس():
        سرچاپ "اپن‌سی‌وی در دسترس نیست:"، اپن‌سی‌وی.آخرین خطا()
        برگشت ۱
    پایان
    ناپایا تخته := اپن‌سی‌وی.بوم خالی(۴۰۰، ۳۰۰، ۳، اپن‌سی‌وی.سفید())
    دیرکن تخته.آزادسازی()
    تخته.مستطیل(۴۰، ۴۰، ۱۲۰، ۸۰، اپن‌سی‌وی.سیاه()، -۱)
    تخته.دایره(۲۸۰، ۹۰، ۵۰، اپن‌سی‌وی.سیاه()، -۱)
    تخته.مستطیل(۱۵۰، ۱۹۰، ۲۰۰، ۷۰، اپن‌سی‌وی.سیاه()، -۱)

    ناپایا خاکستری := تخته.به خاکستری()
    ناپایا ماسک := خاکستری.آستانه‌گذاری(۱۲۸.۰، ۲۵۵.۰، اپن‌سی‌وی.آستانه دودویی معکوس)
    ناپایا یافته‌ها := ماسک.یافتن پیرامون‌ها()
    دیرکن خاکستری.آزادسازی()
    دیرکن ماسک.آزادسازی()
    دیرکن یافته‌ها.آزادسازی()
    سرچاپ "شکل‌های پیداشده:"، یافته‌ها.تعداد()
    تکرار یافته‌ها.تعداد() در ی:
        قاب := یافته‌ها.مستطیل محاط(ی)
        سرچاپ "  شکل در"، قاب.افقی، قاب.عمودی، "اندازه"، قاب.عرض، "x"، قاب.ارتفاع، "مساحت"، یافته‌ها.مساحت(ی) برگردان صحیح
        تخته.مستطیل(قاب.افقی - ۳، قاب.عمودی - ۳، قاب.عرض + ۶، قاب.ارتفاع + ۶، اپن‌سی‌وی.قرمز()، ۲)
    پایان
    سرچاپ "ذخیره شد:"، تخته.ذخیره("shapes.png")
پایان
شکل‌های پیداشده: 3
  شکل در 150 190 اندازه 200 x 70 مساحت 13731
  شکل در 230 40 اندازه 101 x 101 مساحت 7704
  شکل در 40 40 اندازه 120 x 80 مساحت 9401
ذخیره شد: true

مساحت در امتداد خط پیرامونی که دنبال شده اندازه گرفته می‌شود، پس کمی کمتر از پهنا ضرب در بلندا درمی‌آید.

لبه‌یابی

لبه‌یابی کنی لبه‌ها را پیدا می‌کند و روی تصویر خاکستری‌ای که اول با تاری گاوسی نرم شده بهتر کار می‌کند، تا نویز به لبه‌های ریز و دروغین تبدیل نشود. دو آستانه تعیین می‌کنند یک لبه چقدر باید قوی باشد تا خطی را شروع کند و تا آن را ادامه دهد. اتساع نتیجه را ضخیم‌تر می‌کند که وقتی لبه‌ها بعد به جستجوی پیرامون می‌روند کمک می‌کند. اگر photo.jpg نباشد، برنامه یک تصویر آزمایشی می‌کشد.

opencv-guide-edges.salam
واردسازی هوش مصنوعی.اپن‌سی‌وی

تابع پیکسل‌های سفید(تصویر: اپن‌سی‌وی.ماتریس): صحیح:
    نمودار := تصویر.هیستوگرام خاکستری()
    برگشت نمودار.بگیر(۲۵۵)
پایان

تابع ریشه:
    اگر وارونه اپن‌سی‌وی.در دسترس():
        سرچاپ "اپن‌سی‌وی در دسترس نیست:"، اپن‌سی‌وی.آخرین خطا()
        برگشت ۱
    پایان
    ناپایا عکس := اپن‌سی‌وی.خواندن("photo.jpg")
    اگر وارونه عکس.معتبر() یا عکس.خالی():
        سرچاپ "photo.jpg پیدا نشد، یک تصویر آزمایشی کشیده می‌شود"
        عکس = اپن‌سی‌وی.بوم خالی(۳۲۰، ۲۴۰، ۳، اپن‌سی‌وی.آر‌جی‌بی(۲۰۰، ۲۰۰، ۲۰۰))
        عکس.دایره(۱۶۰، ۱۲۰، ۷۰، اپن‌سی‌وی.آر‌جی‌بی(۴۰، ۴۰، ۴۰)، -۱)
    پایان
    دیرکن عکس.آزادسازی()
    سرچاپ "اندازه:"، عکس.عرض()، "x"، عکس.ارتفاع()، "کانال‌ها:"، عکس.کانال‌ها()

    ناپایا خاکستری := عکس.به خاکستری()
    ناپایا نرم := خاکستری.تاری گاوسی(۵، ۱.۴)
    ناپایا لبه‌ها := نرم.لبه‌یابی کنی(۵۰.۰، ۱۵۰.۰)
    ناپایا ضخیم := لبه‌ها.اتساع(۳، ۱)
    دیرکن خاکستری.آزادسازی()
    دیرکن نرم.آزادسازی()
    دیرکن لبه‌ها.آزادسازی()
    دیرکن ضخیم.آزادسازی()
    سرچاپ "پیکسل‌های لبه:"، پیکسل‌های سفید(لبه‌ها)، "پس از اتساع:"، پیکسل‌های سفید(ضخیم)
    سرچاپ "ذخیره شد:"، اپن‌سی‌وی.نوشتن("edges.png"، ضخیم)
پایان
photo.jpg پیدا نشد، یک تصویر آزمایشی کشیده می‌شود
اندازه: 320 x 240 کانال‌ها: 3
پیکسل‌های لبه: 480 پس از اتساع: 1600
ذخیره شد: true

هر روشی که ماتریس تازه برمی‌گرداند حافظه می‌گیرد؛ هر نتیجه را آزاد کنید، همان‌طور که خط‌های دیرکن می‌کنند، وگرنه برنامه‌ای که مدت‌ها کار می‌کند، مثلاً برنامه‌ای که قاب‌های دوربین را پردازش می‌کند، بی‌پایان بزرگ می‌شود.

پیدا کردن یک تصویر درون تصویری دیگر

یافتن الگو یک تصویر کوچک را روی تصویر بزرگ می‌لغزاند و بهترین جا را با امتیازی میان ۰ و ۱ گزارش می‌کند. یک ربات آزمون این‌طور دکمه‌ای را روی تصویر صفحه پیدا می‌کند، یا برنامه‌ای یک نشان را در یک پویش. پیش از اعتماد به جایگاه، found و score را بررسی کنید.

opencv-guide-template.salam
واردسازی هوش مصنوعی.اپن‌سی‌وی

تابع ریشه:
    اگر وارونه اپن‌سی‌وی.در دسترس():
        سرچاپ "اپن‌سی‌وی در دسترس نیست:"، اپن‌سی‌وی.آخرین خطا()
        برگشت ۱
    پایان
    ناپایا صفحه‌نما := اپن‌سی‌وی.بوم خالی(۶۴۰، ۴۸۰، ۳، اپن‌سی‌وی.آر‌جی‌بی(۲۳۰، ۲۳۰، ۲۳۰))
    دیرکن صفحه‌نما.آزادسازی()
    صفحه‌نما.مستطیل(۴۲۰، ۳۰۰، ۹۰، ۴۰، اپن‌سی‌وی.آر‌جی‌بی(۳۰، ۱۲۰، ۲۲۰)، -۱)
    صفحه‌نما.نوشتن متن("OK"، ۴۴۵، ۳۳۰، ۰.۹، اپن‌سی‌وی.سفید()، ۲)
    صفحه‌نما.مستطیل(۱۰۰، ۱۰۰، ۲۰۰، ۶۰، اپن‌سی‌وی.آر‌جی‌بی(۱۲۰، ۱۲۰، ۱۲۰)، -۱)

    ناپایا دکمه := صفحه‌نما.برش(۴۲۰، ۳۰۰، ۹۰، ۴۰)
    دیرکن دکمه.آزادسازی()
    یافته := صفحه‌نما.یافتن الگو(دکمه)
    اگر یافته.پیدا شد:
        سرچاپ "دکمه در"، یافته.افقی، یافته.عمودی، "امتیاز بالای ۰.۹۹:"، یافته.امتیاز بزرگتر ۰.۹۹
        صفحه‌نما.مستطیل(یافته.افقی، یافته.عمودی، ۹۰، ۴۰، اپن‌سی‌وی.قرمز()، ۲)
    وگرنه:
        سرچاپ "دکمه روی صفحه نیست"
    پایان
    سرچاپ "ذخیره شد:"، صفحه‌نما.ذخیره("found.png")
پایان
دکمه در 420 300 امتیاز بالای ۰.۹۹: true
ذخیره شد: true

نوشتن و خواندن ویدیو

نویسنده ویدیو جدید نام پرونده، یک کدک چهارحرفی، تعداد قاب در ثانیه و اندازه‌ی قاب را می‌گیرد؛ هر قابی که نوشتن می‌کنید باید همان اندازه را داشته باشد. بازکردن ویدیو یک پرونده را می‌خواند و بازکردن دوربین(۰) نخستین دوربین را؛ خواندن وقتی قابی نمانده، ماتریس خالی برمی‌گرداند. این‌که کدام کدک‌ها کار کنند به نحوه‌ی ساخت OpenCV بستگی دارد؛ MJPG در پرونده‌ی .avi تقریباً همه‌جا هست.

opencv-guide-video.salam
واردسازی هوش مصنوعی.اپن‌سی‌وی

تابع ریشه:
    اگر وارونه اپن‌سی‌وی.در دسترس():
        سرچاپ "اپن‌سی‌وی در دسترس نیست:"، اپن‌سی‌وی.آخرین خطا()
        برگشت ۱
    پایان
    ناپایا نویسنده := اپن‌سی‌وی.نویسنده ویدیو جدید("ball.avi"، "MJPG"، ۱۰.۰، ۱۶۰، ۱۲۰)
    اگر وارونه نویسنده.معتبر():
        سرچاپ "این نسخه‌ی اپن‌سی‌وی نمی‌تواند ویدیوی MJPG بنویسد"
        برگشت ۱
    پایان
    تکرار ۲۰ در ی:
        ناپایا قاب := اپن‌سی‌وی.بوم خالی(۱۶۰، ۱۲۰، ۳، اپن‌سی‌وی.سیاه())
        قاب.دایره(۱۰ + ی * ۷، ۶۰، ۸، اپن‌سی‌وی.سبز()، -۱)
        نویسنده.نوشتن(قاب)
        قاب.آزادسازی()
    پایان
    نویسنده.بستن()

    ناپایا ویدیو := اپن‌سی‌وی.بازکردن ویدیو("ball.avi")
    اگر وارونه ویدیو.معتبر():
        سرچاپ "ball.avi باز نشد"
        برگشت ۱
    پایان
    سرچاپ "قاب‌ها:"، ویدیو.تعداد فریم()، "قاب در ثانیه:"، ویدیو.فریم در ثانیه()
    ناپایا خوانده := ۰
    ناپایا آخری := اپن‌سی‌وی.ماتریس {}
    تا درست:
        قاب := ویدیو.خواندن()
        اگر قاب.خالی(): بشکن پایان
        خوانده++
        آخری.آزادسازی()
        آخری = قاب
    پایان
    سرچاپ خوانده، "قاب خوانده شد، قاب آخر"، آخری.عرض()، "x"، آخری.ارتفاع()
    آخری.آزادسازی()
    ویدیو.بستن()
پایان
قاب‌ها: 20 قاب در ثانیه: 10
20 قاب خوانده شد، قاب آخر 160 x 120

برای دیدن قاب‌ها در یک پنجره هنگام کار، نمایش تصویر و انتظار کلید را به کار ببرید؛ این دو به یک نشست میزکار نیاز دارند. به تصویر و از تصویر عکس‌ها را میان این بسته و تصویر جابه‌جا می‌کنند، مثلاً برای نوشتن متن فارسی با یک قلم TrueType.

گونه‌ها

ماتریس Mat

ساختار ماتریس
تصویر یا ماتریس OpenCV با کانال‌های BGR.
نامانگلیسیگونهتوضیح
دستهhandleتهی*دستگیره‌ی داخلی.
ai-opencv-Basics.salam
واردسازی هوش مصنوعی.اپن‌سی‌وی

تابع ریشه:
    اگر وارونه اپن‌سی‌وی.در دسترس():
        سرچاپ "OpenCV در دسترس نیست:"، اپن‌سی‌وی.آخرین خطا()
        برگشت
    پایان
    سرچاپ اپن‌سی‌وی.نسخه()
    ناپایا عکس := اپن‌سی‌وی.خواندن("photo.jpg")
    اگر وارونه عکس.معتبر() یا عکس.خالی():
        عکس = اپن‌سی‌وی.بوم خالی(۳۲۰، ۲۴۰، ۳، اپن‌سی‌وی.سفید())
    پایان
    اندازه := عکس.اندازه()
    سرچاپ عکس.عرض()، عکس.ارتفاع()، عکس.کانال‌ها()، اندازه.عرض، اندازه.ارتفاع، عکس.گام()، عکس.مجموع()، عکس.داده() != پوچ
    رنگ := عکس.عنصر(۱۰، ۱۰)
    سرچاپ رنگ.قرمز، رنگ.سبز، رنگ.آبی
    عکس.تنظیم پیکسل(۰، ۰، اپن‌سی‌وی.آر‌جی‌بی(۲۵۵، ۱۲۸، ۰))
    سیاه := اپن‌سی‌وی.صفرها(۱۰، ۱۰، ۱)
    سرچاپ سیاه.کانال‌ها()، اپن‌سی‌وی.سیاه().قرمز، اپن‌سی‌وی.قرمز().قرمز، اپن‌سی‌وی.سبز().سبز، اپن‌سی‌وی.آبی().آبی

    خاکستری := عکس.به خاکستری()
    _ := عکس.به آر‌جی‌بی()
    اچ := عکس.به اچ‌اس‌وی()
    _ := اچ.اچ‌اس‌وی به آر‌جی‌بی()
    _ := عکس.تبدیل رنگ(اپن‌سی‌وی.بی‌جی‌آر به خاکستری)
    _ := خاکستری.تبدیل رنگ(اپن‌سی‌وی.خاکستری به بی‌جی‌آر)
    سرچاپ اپن‌سی‌وی.آر‌جی‌بی به خاکستری، اپن‌سی‌وی.خاکستری به آر‌جی‌بی، اپن‌سی‌وی.بی‌جی‌آر به آر‌جی‌بی، اپن‌سی‌وی.آر‌جی‌بی به بی‌جی‌آر، اپن‌سی‌وی.بی‌جی‌آر به اچ‌اس‌وی، اپن‌سی‌وی.اچ‌اس‌وی به بی‌جی‌آر، اپن‌سی‌وی.آر‌جی‌بی به اچ‌اس‌وی، اپن‌سی‌وی.اچ‌اس‌وی به آر‌جی‌بی

    کوچک := عکس.تغییر اندازه(۱۶۰، ۱۲۰، اپن‌سی‌وی.مساحتی)
    _ := عکس.تغییر اندازه با ضریب(۲.۰، ۲.۰)
    _ := عکس.برش(۱۰، ۱۰، ۱۰۰، ۸۰)
    _ := عکس.چرخش نود درجه(اپن‌سی‌وی.چرخش نود درجه ساعتگرد)
    _ := عکس.چرخش(۴۵.۰، ۱.۰)
    _ := عکس.بازتاب(اپن‌سی‌وی.بازتاب دوطرفه)
    _ := عکس.بازتاب افقی()
    _ := عکس.بازتاب عمودی()
    سرچاپ اپن‌سی‌وی.نزدیک‌ترین، اپن‌سی‌وی.خطی، اپن‌سی‌وی.مکعبی، اپن‌سی‌وی.لانچوس چهار، اپن‌سی‌وی.چرخش صدوهشتاد درجه، اپن‌سی‌وی.چرخش نود درجه پادساعتگرد، اپن‌سی‌وی.بازتاب عمودی، اپن‌سی‌وی.بازتاب افقی
    کپی := کوچک.کپی()
    سرچاپ کپی.ذخیره("small.png")، اپن‌سی‌وی.نوشتن("gray.png"، خاکستری)
    کپی.آزادسازی()
    عکس.آزادسازی()
پایان

معتبر ok

تابع معتبر(): منطقی
معتبر است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

خالی empty

تابع خالی(): منطقی
خالی است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

عرض width

تابع عرض(): صحیح
عرض.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

ارتفاع height

تابع ارتفاع(): صحیح
ارتفاع.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

کانال‌ها channels

تابع کانال‌ها(): صحیح
شمار کانال‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

اندازه size

تابع اندازه(): اندازه
اندازه.
ai-opencv-Features.salam
واردسازی هوش مصنوعی.اپن‌سی‌وی

تابع ریشه:
    ناپایا الف := اپن‌سی‌وی.خواندن("scene.jpg")
    ناپایا ب := اپن‌سی‌وی.خواندن("object.jpg")
    ناپایا پیرامون := الف.به خاکستری().آستانه اوتسو(۲۵۵.۰).یافتن پیرامون‌ها()
    سرچاپ پیرامون.معتبر()، پیرامون.تعداد()
    تکرار پیرامون.تعداد() در ش:
        کادر := پیرامون.مستطیل محاط(ش)
        سرچاپ پیرامون.مساحت(ش)، پیرامون.تعداد نقطه(ش)، پیرامون.نقطه(ش، ۰).افقی، کادر.افقی، کادر.عمودی، کادر.عرض، کادر.ارتفاع
        الف.رسم پیرامون(پیرامون، ش، اپن‌سی‌وی.سبز()، ۲)
    پایان
    پیرامون.آزادسازی()

    گوشه‌ها := الف.به خاکستری().ویژگی‌های خوب(۵۰، ۰.۰۱، ۱۰.۰)
    سرچاپ گوشه‌ها.طول()
    ناپایا کلیدی۱ := الف.شناسایی اور‌بی(۵۰۰)
    ناپایا کلیدی۲ := ب.شناسایی اور‌بی(۵۰۰)
    ناپایا سیفت := الف.شناسایی سیفت(۵۰۰)
    سرچاپ کلیدی۱.معتبر()، کلیدی۱.تعداد()، سیفت.تعداد()
    اگر کلیدی۱.تعداد() > ۰:
        نخست := کلیدی۱.دریافت(۰)
        سرچاپ نخست.افقی، نخست.عمودی، نخست.اندازه، نخست.زاویه، نخست.قدرت
    پایان
    تطابق‌ها := اپن‌سی‌وی.تطبیق توصیف‌گرها(کلیدی۱.توصیف‌گرها()، کلیدی۲.توصیف‌گرها()، ۵۰، اپن‌سی‌وی.هنجار همینگ)
    هر ت در تطابق‌ها:
        سرچاپ ت.شماره مجموعه نخست، ت.شماره مجموعه دوم، ت.فاصله
    پایان
    سرچاپ اپن‌سی‌وی.هنجار ال۲
    کلیدی۱.آزادسازی()
    کلیدی۲.آزادسازی()
    سیفت.آزادسازی()

    یافته := الف.یافتن الگو(ب)
    سرچاپ یافته.پیدا شد، یافته.افقی، یافته.عمودی، یافته.امتیاز
    ناپایا گوشه := وکتور {} برگردان وکتور<اپن‌سی‌وی.نقطه>
    گوشه.بیفزا(اپن‌سی‌وی.نقطه { افقی = ۰، عمودی = ۰ })
    گوشه.بیفزا(اپن‌سی‌وی.نقطه { افقی = ۴۰۰، عمودی = ۱۰ })
    گوشه.بیفزا(اپن‌سی‌وی.نقطه { افقی = ۴۱۰، عمودی = ۵۸۰ })
    گوشه.بیفزا(اپن‌سی‌وی.نقطه { افقی = ۵، عمودی = ۵۹۰ })
    صاف := الف.تاب دیدگاهی(گوشه، ۴۲۰، ۵۹۴)
    _ := اپن‌سی‌وی.نوشتن("document.png"، صاف)
پایان

کپی clone

تابع کپی(): ماتریس
رونوشت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

آزادسازی free

تابع آزادسازی()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

ذخیره save

تابع ذخیره(path: رشته): منطقی
در پرونده ذخیره می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

داده data

تابع داده(): تهی*
اشاره‌گر به پیکسل‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

گام step

تابع گام(): صحیح
بایت‌های هر سطر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

مجموع total

تابع مجموع(): صحیح
شمار پیکسل‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

عنصر at

تابع عنصر(x: صحیح، y: صحیح): رنگ
رنگ پیکسل.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

تنظیم پیکسل set_pixel

تابع تنظیم پیکسل(x: صحیح، y: صحیح، c: رنگ)
رنگ پیکسل را تنظیم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

تبدیل رنگ convert_color

تابع تبدیل رنگ(code: صحیح): ماتریس
تبدیل رنگ با یکی از ثابت‌های تبدیل.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

به خاکستری to_gray

تابع به خاکستری(): ماتریس
خاکستری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

به آر‌جی‌بی to_rgb

تابع به آر‌جی‌بی(): ماتریس
RGB.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

به اچ‌اس‌وی to_hsv

تابع به اچ‌اس‌وی(): ماتریس
HSV؛ برای جدا کردن رنگ.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

اچ‌اس‌وی به آر‌جی‌بی hsv_to_rgb

تابع اچ‌اس‌وی به آر‌جی‌بی(): ماتریس
HSV به RGB.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

تغییر اندازه resize

تابع تغییر اندازه(width: صحیح، height: صحیح، interpolation: صحیح): ماتریس
تغییر اندازه با روش درون‌یابی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

تغییر اندازه با ضریب resize_scale

تابع تغییر اندازه با ضریب(fx: اعشار۶۴، fy: اعشار۶۴): ماتریس
تغییر اندازه با ضریب.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

برش crop

تابع برش(x: صحیح، y: صحیح، w: صحیح، h: صحیح): ماتریس
برش مستطیل.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

چرخش نود درجه rotate90

تابع چرخش نود درجه(code: صحیح): ماتریس
چرخش نود درجه‌ای.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

چرخش rotate

تابع چرخش(angle_degrees: اعشار۶۴، scale: اعشار۶۴): ماتریس
چرخش با زاویه و مقیاس.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

بازتاب flip

تابع بازتاب(mode: صحیح): ماتریس
بازتاب.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

بازتاب افقی flip_horizontal

تابع بازتاب افقی(): ماتریس
بازتاب افقی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

بازتاب عمودی flip_vertical

تابع بازتاب عمودی(): ماتریس
بازتاب عمودی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

تاری blur

تابع تاری(ksize: صحیح): ماتریس
تاری میانگین.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

تاری گاوسی gaussian_blur

تابع تاری گاوسی(ksize: صحیح، sigma: اعشار۶۴): ماتریس
تاری گاوسی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

تاری میانه median_blur

تابع تاری میانه(ksize: صحیح): ماتریس
تاری میانه؛ برای نویز نمک و فلفل.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

لبه‌یابی کنی canny

تابع لبه‌یابی کنی(t1: اعشار۶۴، t2: اعشار۶۴): ماتریس
لبه‌یابی کنی با دو آستانه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

آستانه‌گذاری threshold

تابع آستانه‌گذاری(thresh: اعشار۶۴، maxval: اعشار۶۴، kind: صحیح): ماتریس
آستانه‌گذاری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

آستانه اوتسو threshold_otsu

تابع آستانه اوتسو(maxval: اعشار۶۴): ماتریس
آستانه‌ی خودکار اوتسو.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

آستانه تطبیقی adaptive_threshold

تابع آستانه تطبیقی(maxval: اعشار۶۴، method: صحیح، kind: صحیح، block_size: صحیح، c: اعشار۶۴): ماتریس
آستانه‌ی تطبیقی؛ برای نور ناهمسان.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

هیستوگرام خاکستری histogram_gray

تابع هیستوگرام خاکستری(): وکتور<صحیح>
بافت‌نگار ۲۵۶ بازه‌ای تصویر خاکستری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

خط line

تابع خط(x1: صحیح، y1: صحیح، x2: صحیح، y2: صحیح، color: رنگ، thickness: صحیح)
خط.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

مستطیل rectangle

تابع مستطیل(x: صحیح، y: صحیح، w: صحیح، h: صحیح، color: رنگ، thickness: صحیح)
مستطیل؛ ضخامت منفی یعنی پر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

دایره circle

تابع دایره(cx: صحیح، cy: صحیح، radius: صحیح، color: رنگ، thickness: صحیح)
دایره.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

نوشتن متن put_text

تابع نوشتن متن(text: رشته، x: صحیح، y: صحیح، font_scale: اعشار۶۴، color: رنگ، thickness: صحیح)
متن لاتین.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

ویژگی‌های خوب good_features

تابع ویژگی‌های خوب(max_corners: صحیح، quality: اعشار۶۴، min_dist: اعشار۶۴): وکتور<نقطه>
گوشه‌های خوب برای ردیابی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

شناسایی اور‌بی detect_orb

تابع شناسایی اور‌بی(max_features: صحیح): نقاط کلیدی
نقطه‌های کلیدی و توصیف‌گرهای ORB.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

شناسایی سیفت detect_sift

تابع شناسایی سیفت(max_features: صحیح): نقاط کلیدی
نقطه‌های کلیدی SIFT.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

فرسایش erode

تابع فرسایش(ksize: صحیح، iterations: صحیح): ماتریس
فرسایش.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

اتساع dilate

تابع اتساع(ksize: صحیح، iterations: صحیح): ماتریس
اتساع.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

ریخت‌شناسی morphology

تابع ریخت‌شناسی(op: صحیح، ksize: صحیح): ماتریس
عملیات ریختی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

ترکیب blend

تابع ترکیب(other: ماتریس، alpha: اعشار۶۴، beta: اعشار۶۴، gamma: اعشار۶۴): ماتریس
ترکیب وزنی دو تصویر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

بیتی bitwise

تابع بیتی(other: ماتریس، op: صحیح): ماتریس
عملیات بیتی با تصویر دیگر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

نقیض بیتی bitwise_not

تابع نقیض بیتی(): ماتریس
نقیض بیتی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

تفاضل مطلق abs_diff

تابع تفاضل مطلق(other: ماتریس): ماتریس
تفاضل مطلق؛ برای تشخیص حرکت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

تاب دیدگاهی warp_perspective

تابع تاب دیدگاهی(src: وکتور<نقطه>، out_width: صحیح، out_height: صحیح): ماتریس
چهار گوشه را به مستطیل صاف تبدیل می‌کند؛ برای اسکن سند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

یافتن الگو find_template

تابع یافتن الگو(template: ماتریس): تطابق الگو
جای الگو در تصویر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

بیضی ellipse

تابع بیضی(cx: صحیح، cy: صحیح، axis_width: صحیح، axis_height: صحیح، angle_degrees: اعشار۶۴، color: رنگ، thickness: صحیح)
بیضی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

چندخطی polylines

تابع چندخطی(pts: وکتور<نقطه>، closed: منطقی، color: رنگ، thickness: صحیح)
چندخطی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

پر کردن چندضلعی fill_poly

تابع پر کردن چندضلعی(pts: وکتور<نقطه>، color: رنگ)
چندضلعی پر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

یافتن پیرامون‌ها find_contours

تابع یافتن پیرامون‌ها(): پیرامون‌ها
پیرامون شکل‌ها در تصویر دودویی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

رسم پیرامون draw_contour

تابع رسم پیرامون(cs: پیرامون‌ها، idx: صحیح، color: رنگ، thickness: صحیح)
رسم یک پیرامون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

تطابق الگو TemplateMatch

ساختار تطابق الگو
نتیجه‌ی یافتن الگو.
نامانگلیسیگونهتوضیح
پیدا شدfoundمنطقی = نادرستپیدا شد.
افقیxصحیح = 0x.
عمودیyصحیح = 0y.
امتیازscoreاعشار۶۴ = 0امتیاز تطابق.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

اندازه Size

ساختار اندازه
اندازه.
نامانگلیسیگونهتوضیح
عرضwidthصحیح = 0عرض.
ارتفاعheightصحیح = 0ارتفاع.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

نقطه Point

ساختار نقطه
نقطه.
نامانگلیسیگونهتوضیح
افقیxصحیح = 0x.
عمودیyصحیح = 0y.
ai-opencv-Filters.salam
واردسازی هوش مصنوعی.اپن‌سی‌وی

تابع ریشه:
    ناپایا عکس := اپن‌سی‌وی.خواندن("photo.jpg")
    خاکستری := عکس.به خاکستری()
    _ := عکس.تاری(۵)
    _ := عکس.تاری گاوسی(۵، ۱.۵)
    _ := عکس.تاری میانه(۵)
    لبه := خاکستری.لبه‌یابی کنی(۵۰.۰، ۱۵۰.۰)
    _ := خاکستری.آستانه‌گذاری(۱۲۸.۰، ۲۵۵.۰، اپن‌سی‌وی.آستانه دودویی)
    _ := خاکستری.آستانه اوتسو(۲۵۵.۰)
    _ := خاکستری.آستانه تطبیقی(۲۵۵.۰، اپن‌سی‌وی.گاوسی تطبیقی، اپن‌سی‌وی.آستانه دودویی، ۱۱، ۲.۰)
    سرچاپ اپن‌سی‌وی.آستانه دودویی معکوس، اپن‌سی‌وی.آستانه برش، اپن‌سی‌وی.آستانه به صفر، اپن‌سی‌وی.آستانه به صفر معکوس، اپن‌سی‌وی.آستانه اوتسو، اپن‌سی‌وی.میانگین تطبیقی
    سرچاپ خاکستری.هیستوگرام خاکستری().طول()
    _ := لبه.فرسایش(۳، ۱)
    _ := لبه.اتساع(۳، ۲)
    _ := لبه.ریخت‌شناسی(اپن‌سی‌وی.بستن ریختی، ۵)
    سرچاپ اپن‌سی‌وی.باز کردن ریختی، اپن‌سی‌وی.گرادیان ریختی، اپن‌سی‌وی.کلاه بالایی ریختی، اپن‌سی‌وی.کلاه سیاه ریختی
    سفید := اپن‌سی‌وی.بوم خالی(عکس.عرض()، عکس.ارتفاع()، ۳، اپن‌سی‌وی.سفید())
    _ := عکس.ترکیب(سفید، ۰.۷، ۰.۳، ۰.۰)
    _ := عکس.بیتی(سفید، اپن‌سی‌وی.عطف بیتی)
    _ := عکس.بیتی(سفید، اپن‌سی‌وی.فصل بیتی)
    _ := عکس.بیتی(سفید، اپن‌سی‌وی.یای انحصاری بیتی)
    _ := عکس.نقیض بیتی()
    _ := عکس.تفاضل مطلق(سفید)
    عکس.خط(۰، ۰، ۱۰۰، ۱۰۰، اپن‌سی‌وی.قرمز()، ۲)
    عکس.مستطیل(۱۰، ۱۰، ۵۰، ۳۰، اپن‌سی‌وی.سبز()، ۱)
    عکس.دایره(۸۰، ۸۰، ۲۰، اپن‌سی‌وی.آبی()، -۱)
    عکس.بیضی(۱۰۰، ۵۰، ۴۰، ۲۰، ۳۰.۰، اپن‌سی‌وی.سیاه()، ۲)
    عکس.نوشتن متن("Salam"، ۱۰، ۲۰۰، ۱.۰، اپن‌سی‌وی.سفید()، ۲)
    ناپایا نقاط := وکتور {} برگردان وکتور<اپن‌سی‌وی.نقطه>
    نقاط.بیفزا(اپن‌سی‌وی.نقطه { افقی = ۰، عمودی = ۰ })
    نقاط.بیفزا(اپن‌سی‌وی.نقطه { افقی = ۵۰، عمودی = ۰ })
    نقاط.بیفزا(اپن‌سی‌وی.نقطه { افقی = ۲۵، عمودی = ۴۰ })
    عکس.چندخطی(نقاط، درست، اپن‌سی‌وی.قرمز()، ۲)
    عکس.پر کردن چندضلعی(نقاط، اپن‌سی‌وی.سبز())
    _ := اپن‌سی‌وی.نوشتن("filtered.png"، عکس)
پایان

مستطیل Rect

ساختار مستطیل
مستطیل.
نامانگلیسیگونهتوضیح
افقیxصحیح = 0x.
عمودیyصحیح = 0y.
عرضwidthصحیح = 0عرض.
ارتفاعheightصحیح = 0ارتفاع.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

رنگ Color

ساختار رنگ
رنگ.
نامانگلیسیگونهتوضیح
قرمزrصحیح = 0قرمز.
سبزgصحیح = 0سبز.
آبیbصحیح = 0آبی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

نقطه کلیدی Keypoint

ساختار نقطه کلیدی
یک نقطه‌ی کلیدی.
نامانگلیسیگونهتوضیح
افقیxاعشار۶۴ = 0x.
عمودیyاعشار۶۴ = 0y.
اندازهsizeاعشار۶۴ = 0اندازه.
زاویهangleاعشار۶۴ = 0زاویه.
قدرتresponseاعشار۶۴ = 0قوت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

نقاط کلیدی Keypoints

ساختار نقاط کلیدی
نقطه‌های کلیدی و توصیف‌گرها.
نامانگلیسیگونهتوضیح
دستهhandleتهی*دستگیره‌ی داخلی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

معتبر ok

تابع معتبر(): منطقی
معتبر است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

تعداد count

تابع تعداد(): صحیح
شمار.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

دریافت get

تابع دریافت(i: صحیح): نقطه کلیدی
نقطه‌ی i.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

توصیف‌گرها descriptors

تابع توصیف‌گرها(): ماتریس
توصیف‌گرها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

آزادسازی free

تابع آزادسازی()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

تطابق Match

ساختار تطابق
یک تطابق.
نامانگلیسیگونهتوضیح
شماره مجموعه نخستquery_idxصحیح = 0شماره در مجموعه‌ی نخست.
شماره مجموعه دومtrain_idxصحیح = 0شماره در مجموعه‌ی دوم.
فاصلهdistanceاعشار۶۴ = 0فاصله؛ کمتر یعنی شبیه‌تر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

پیرامون‌ها Contours

ساختار پیرامون‌ها
پیرامون‌ها.
نامانگلیسیگونهتوضیح
دستهhandleتهی*دستگیره‌ی داخلی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

معتبر ok

تابع معتبر(): منطقی
معتبر است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

تعداد count

تابع تعداد(): صحیح
شمار پیرامون‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

تعداد نقطه point_count

تابع تعداد نقطه(idx: صحیح): صحیح
شمار نقطه‌های پیرامون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

نقطه point

تابع نقطه(idx: صحیح، pt_idx: صحیح): نقطه
یک نقطه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

مساحت area

تابع مساحت(idx: صحیح): اعشار۶۴
مساحت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

مستطیل محاط bounding_rect

تابع مستطیل محاط(idx: صحیح): مستطیل
مستطیل محیط.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

آزادسازی free

تابع آزادسازی()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

شیء شناسایی شده DetectedObject

ساختار شیء شناسایی شده
شیء پیدا شده.
نامانگلیسیگونهتوضیح
افقیxصحیح = 0x.
عمودیyصحیح = 0y.
عرضwidthصحیح = 0عرض.
ارتفاعheightصحیح = 0ارتفاع.
ai-opencv-Detect.salam
واردسازی هوش مصنوعی.اپن‌سی‌وی
واردسازی هوش مصنوعی.تصویر

تابع ریشه:
    ناپایا آبشار := اپن‌سی‌وی.بارگذاری آبشار("haarcascade_frontalface_default.xml")
    ناپایا عکس := اپن‌سی‌وی.خواندن("people.jpg")
    اگر آبشار.معتبر():
        هر چهره در آبشار.شناسایی(عکس.به خاکستری()، ۱.۱، ۵، ۱۰۰):
            عکس.مستطیل(چهره.افقی، چهره.عمودی، چهره.عرض، چهره.ارتفاع، اپن‌سی‌وی.سبز()، ۲)
        پایان
    پایان
    آبشار.آزادسازی()

    ناپایا شبکه := اپن‌سی‌وی.بارگذاری شبکه("MobileNetSSD.caffemodel"، "MobileNetSSD.prototxt")
    ناپایا تک := اپن‌سی‌وی.بارگذاری شبکه تک‌فایل("model.onnx")
    اگر شبکه.معتبر():
        _ := شبکه.تنظیم ورودی(عکس، ۰.۰۰۷۸۴۳، اپن‌سی‌وی.آر‌جی‌بی(۱۲۷، ۱۲۷، ۱۲۷)، نادرست، اپن‌سی‌وی.اندازه { عرض = ۳۰۰، ارتفاع = ۳۰۰ })
        خروجی := شبکه.پیش‌رو()
        _ := شبکه.پیش‌رو لایه("detection_out")
        هر شیء در اپن‌سی‌وی.تجزیه شناسایی‌های اس‌اس‌دی(خروجی، عکس.عرض()، عکس.ارتفاع()، ۰.۵):
            سرچاپ شیء.شماره رده، شیء.اطمینان، شیء.افقی، شیء.عمودی، شیء.عرض، شیء.ارتفاع
        پایان
    پایان
    شبکه.آزادسازی()
    تک.آزادسازی()

    ناپایا ویدیو := اپن‌سی‌وی.بازکردن ویدیو("clip.mp4")
    ناپایا دوربین := اپن‌سی‌وی.بازکردن دوربین(۰)
    ناپایا نویسنده := اپن‌سی‌وی.نویسنده ویدیو جدید("out.mp4"، "mp4v"، ویدیو.فریم در ثانیه()، ۶۴۰، ۴۸۰)
    سرچاپ ویدیو.معتبر()، ویدیو.تعداد فریم()، دوربین.معتبر()، نویسنده.معتبر()
    اپن‌سی‌وی.ایجاد نوار لغزنده("آستانه"، "پیش‌نمایش"، ۱۰۰، ۲۵۵)
    تا ویدیو.معتبر():
        فریم := ویدیو.خواندن()
        اگر فریم.خالی():
            بشکن
        پایان
        آستانه := اپن‌سی‌وی.موقعیت نوار لغزنده("آستانه"، "پیش‌نمایش")
        لبه := فریم.به خاکستری().لبه‌یابی کنی(آستانه برگردان اعشار۶۴، ۲۰۰.۰)
        _ := نویسنده.نوشتن(فریم)
        اپن‌سی‌وی.نمایش تصویر("پیش‌نمایش"، لبه)
        اگر اپن‌سی‌وی.انتظار کلید(۱) == ۲۷:
            بشکن
        پایان
    پایان
    اپن‌سی‌وی.تنظیم موقعیت نوار لغزنده("آستانه"، "پیش‌نمایش"، ۵۰)
    اپن‌سی‌وی.بستن پنجره("پیش‌نمایش")
    اپن‌سی‌وی.بستن همه پنجره‌ها()
    ویدیو.بستن()
    دوربین.بستن()
    نویسنده.بستن()

    تصویری := اپن‌سی‌وی.به تصویر(عکس)
    سرچاپ تصویری.عرض
    _ := اپن‌سی‌وی.از تصویر(تصویر.جدید(۸، ۸))
پایان

طبقه‌بند آبشاری CascadeClassifier

ساختار طبقه‌بند آبشاری
طبقه‌بند آبشاری Haar؛ برای تشخیص چهره.
نامانگلیسیگونهتوضیح
دستهhandleتهی*دستگیره‌ی داخلی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

معتبر ok

تابع معتبر(): منطقی
بارگذاری شد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

شناسایی detect

تابع شناسایی(m: ماتریس، scale_factor: اعشار۶۴، min_neighbors: صحیح، max_results: صحیح): وکتور<شیء شناسایی شده>
شیءها را با ضریب مقیاس و کمترین همسایه پیدا می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

آزادسازی free

تابع آزادسازی()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

ضبط ویدیو VideoCapture

ساختار ضبط ویدیو
خواندن ویدیو یا دوربین.
نامانگلیسیگونهتوضیح
دستهhandleتهی*دستگیره‌ی داخلی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

معتبر ok

تابع معتبر(): منطقی
باز است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

خواندن read

تابع خواندن(): ماتریس
فریم بعدی؛ در پایان خالی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

فریم در ثانیه fps

تابع فریم در ثانیه(): اعشار۶۴
فریم در ثانیه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

تعداد فریم frame_count

تابع تعداد فریم(): صحیح
شمار فریم‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

بستن close

تابع بستن()
می‌بندد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

نویسنده ویدیو VideoWriter

ساختار نویسنده ویدیو
نوشتن ویدیو.
نامانگلیسیگونهتوضیح
دستهhandleتهی*دستگیره‌ی داخلی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

معتبر ok

تابع معتبر(): منطقی
باز است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

نوشتن write

تابع نوشتن(frame: ماتریس): منطقی
فریم می‌نویسد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

بستن close

تابع بستن()
می‌بندد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

شبکه Net

ساختار شبکه
شبکه‌ی عصبی DNN.
نامانگلیسیگونهتوضیح
دستهhandleتهی*دستگیره‌ی داخلی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

معتبر ok

تابع معتبر(): منطقی
بارگذاری شد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

تنظیم ورودی set_input

تابع تنظیم ورودی(image: ماتریس، scale: اعشار۶۴، mean: رنگ، swap_rb: منطقی، size: اندازه): منطقی
ورودی را با مقیاس، میانگین، جابه‌جایی کانال و اندازه آماده می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

پیش‌رو forward

تابع پیش‌رو(): ماتریس
اجرای شبکه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

پیش‌رو لایه forward_layer

تابع پیش‌رو لایه(layer_name: رشته): ماتریس
خروجی یک لایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

آزادسازی free

تابع آزادسازی()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

شناسایی Detection

ساختار شناسایی
یک شیء شناسایی‌شده با DNN.
نامانگلیسیگونهتوضیح
شماره ردهclass_idصحیح = 0شماره‌ی رده.
اطمینانconfidenceاعشار۶۴ = 0اطمینان.
افقیxصحیح = 0x.
عمودیyصحیح = 0y.
عرضwidthصحیح = 0عرض.
ارتفاعheightصحیح = 0ارتفاع.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

پایاها و متغیرها

بی‌جی‌آر به خاکستری COLOR_BGR2GRAY

پایا بی‌جی‌آر به خاکستری: صحیح۳۲ = 0
تبدیل رنگ: BGR به خاکستری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

خاکستری به بی‌جی‌آر COLOR_GRAY2BGR

پایا خاکستری به بی‌جی‌آر: صحیح۳۲ = 1
تبدیل رنگ: خاکستری به BGR.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

آر‌جی‌بی به خاکستری COLOR_RGB2GRAY

پایا آر‌جی‌بی به خاکستری: صحیح۳۲ = 2
تبدیل رنگ: RGB به خاکستری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

خاکستری به آر‌جی‌بی COLOR_GRAY2RGB

پایا خاکستری به آر‌جی‌بی: صحیح۳۲ = 3
تبدیل رنگ: خاکستری به RGB.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

بی‌جی‌آر به آر‌جی‌بی COLOR_BGR2RGB

پایا بی‌جی‌آر به آر‌جی‌بی: صحیح۳۲ = 4
تبدیل رنگ: BGR به RGB.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

آر‌جی‌بی به بی‌جی‌آر COLOR_RGB2BGR

پایا آر‌جی‌بی به بی‌جی‌آر: صحیح۳۲ = 5
تبدیل رنگ: RGB به BGR.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

بی‌جی‌آر به اچ‌اس‌وی COLOR_BGR2HSV

پایا بی‌جی‌آر به اچ‌اس‌وی: صحیح۳۲ = 6
تبدیل رنگ: BGR به HSV.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

اچ‌اس‌وی به بی‌جی‌آر COLOR_HSV2BGR

پایا اچ‌اس‌وی به بی‌جی‌آر: صحیح۳۲ = 7
تبدیل رنگ: HSV به BGR.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

آر‌جی‌بی به اچ‌اس‌وی COLOR_RGB2HSV

پایا آر‌جی‌بی به اچ‌اس‌وی: صحیح۳۲ = 8
تبدیل رنگ: RGB به HSV.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

اچ‌اس‌وی به آر‌جی‌بی COLOR_HSV2RGB

پایا اچ‌اس‌وی به آر‌جی‌بی: صحیح۳۲ = 9
تبدیل رنگ: HSV به RGB.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

آستانه دودویی THRESH_BINARY

پایا آستانه دودویی: صحیح۳۲ = 0
آستانه: بالای آستانه بیشینه، بقیه صفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

آستانه دودویی معکوس THRESH_BINARY_INV

پایا آستانه دودویی معکوس: صحیح۳۲ = 1
آستانه: وارون دودویی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

آستانه برش THRESH_TRUNC

پایا آستانه برش: صحیح۳۲ = 2
آستانه: بالای آستانه برابر آستانه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

آستانه به صفر THRESH_TOZERO

پایا آستانه به صفر: صحیح۳۲ = 3
آستانه: زیر آستانه صفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

آستانه به صفر معکوس THRESH_TOZERO_INV

پایا آستانه به صفر معکوس: صحیح۳۲ = 4
آستانه: بالای آستانه صفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

آستانه اوتسو THRESH_OTSU

پایا آستانه اوتسو: صحیح۳۲ = 5
آستانه: آستانه‌ی خودکار اوتسو.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

میانگین تطبیقی ADAPTIVE_MEAN

پایا میانگین تطبیقی: صحیح۳۲ = 0
آستانه‌ی تطبیقی با میانگین همسایگی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

گاوسی تطبیقی ADAPTIVE_GAUSSIAN

پایا گاوسی تطبیقی: صحیح۳۲ = 1
آستانه‌ی تطبیقی با میانگین گاوسی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

نزدیک‌ترین INTERP_NEAREST

پایا نزدیک‌ترین: صحیح۳۲ = 0
درون‌یابی: نزدیک‌ترین همسایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

خطی INTERP_LINEAR

پایا خطی: صحیح۳۲ = 1
درون‌یابی: دوخطی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

مکعبی INTERP_CUBIC

پایا مکعبی: صحیح۳۲ = 2
درون‌یابی: مکعبی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

مساحتی INTERP_AREA

پایا مساحتی: صحیح۳۲ = 3
درون‌یابی: مساحتی، بهترین برای کوچک کردن.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

لانچوس چهار INTERP_LANCZOS4

پایا لانچوس چهار: صحیح۳۲ = 4
درون‌یابی: لانچوس.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

چرخش نود درجه ساعتگرد ROTATE_90_CW

پایا چرخش نود درجه ساعتگرد: صحیح۳۲ = 0
چرخش نود درجه‌ی ساعتگرد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

چرخش صدوهشتاد درجه ROTATE_180

پایا چرخش صدوهشتاد درجه: صحیح۳۲ = 1
چرخش صدوهشتاد درجه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

چرخش نود درجه پادساعتگرد ROTATE_90_CCW

پایا چرخش نود درجه پادساعتگرد: صحیح۳۲ = 2
چرخش نود درجه‌ی پادساعتگرد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

بازتاب عمودی FLIP_VERTICAL

پایا بازتاب عمودی: صحیح۳۲ = 0
بازتاب عمودی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

بازتاب افقی FLIP_HORIZONTAL

پایا بازتاب افقی: صحیح۳۲ = 1
بازتاب افقی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

بازتاب دوطرفه FLIP_BOTH

پایا بازتاب دوطرفه: صحیح۳۲ = 2
بازتاب هر دو جهت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

باز کردن ریختی MORPH_OPEN

پایا باز کردن ریختی: صحیح۳۲ = 0
باز کردن: فرسایش سپس اتساع؛ نقطه‌های ریز را حذف می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

بستن ریختی MORPH_CLOSE

پایا بستن ریختی: صحیح۳۲ = 1
بستن: اتساع سپس فرسایش؛ سوراخ‌های ریز را پر می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

گرادیان ریختی MORPH_GRADIENT

پایا گرادیان ریختی: صحیح۳۲ = 2
گرادیان: مرز شکل‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

کلاه بالایی ریختی MORPH_TOPHAT

پایا کلاه بالایی ریختی: صحیح۳۲ = 3
کلاه بالایی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

کلاه سیاه ریختی MORPH_BLACKHAT

پایا کلاه سیاه ریختی: صحیح۳۲ = 4
کلاه سیاه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

عطف بیتی BITWISE_AND

پایا عطف بیتی: صحیح۳۲ = 0
عطف بیتی، یعنی AND.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

فصل بیتی BITWISE_OR

پایا فصل بیتی: صحیح۳۲ = 1
فصل بیتی، یعنی OR.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

یای انحصاری بیتی BITWISE_XOR

پایا یای انحصاری بیتی: صحیح۳۲ = 2
یای انحصاری بیتی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Filters.salam

هنجار همینگ NORM_HAMMING

پایا هنجار همینگ: صحیح۳۲ = 0
فاصله‌ی همینگ؛ برای توصیف‌گرهای ORB.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

هنجار ال۲ NORM_L2

پایا هنجار ال۲: صحیح۳۲ = 1
فاصله‌ی اقلیدسی؛ برای SIFT.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

تابع‌ها

آر‌جی‌بی RGB

تابع آر‌جی‌بی(r: صحیح، g: صحیح، b: صحیح): رنگ
رنگ از قرمز، سبز و آبی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

سیاه Black

تابع سیاه(): رنگ
سیاه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

سفید White

تابع سفید(): رنگ
سفید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

قرمز Red

تابع قرمز(): رنگ
قرمز.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

سبز Green

تابع سبز(): رنگ
سبز.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

آبی Blue

تابع آبی(): رنگ
آبی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

خواندن Read

تابع خواندن(path: رشته): ماتریس
تصویر را از پرونده می‌خواند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

نوشتن Write

تابع نوشتن(path: رشته، m: ماتریس): منطقی
تصویر را در پرونده می‌نویسد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

بوم خالی NewBlank

تابع بوم خالی(width: صحیح، height: صحیح، channels: صحیح، fill: رنگ): ماتریس
بوم با رنگ.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

صفرها Zeros

تابع صفرها(width: صحیح، height: صحیح، channels: صحیح): ماتریس
بوم سیاه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

تطبیق توصیف‌گرها MatchDescriptors

تابع تطبیق توصیف‌گرها(desc1: ماتریس، desc2: ماتریس، max_matches: صحیح، norm: صحیح): وکتور<تطابق>
بهترین تطابق‌های دو مجموعه توصیف‌گر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Features.salam

از تصویر FromImage

تابع از تصویر(img: تصویر.تصویر): ماتریس
از تصویر بسته‌ی تصویر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

به تصویر ToImage

تابع به تصویر(m: ماتریس): تصویر.تصویر
به تصویر بسته‌ی تصویر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

نمایش تصویر Imshow

تابع نمایش تصویر(window: رشته، m: ماتریس)
تصویر را در پنجره نشان می‌دهد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

انتظار کلید WaitKey

تابع انتظار کلید(delay_ms: صحیح): صحیح
تا delay میلی‌ثانیه منتظر کلید می‌ماند؛ کد کلید یا ۱-.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

بستن پنجره DestroyWindow

تابع بستن پنجره(window: رشته)
پنجره را می‌بندد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

بستن همه پنجره‌ها DestroyAllWindows

تابع بستن همه پنجره‌ها()
همه‌ی پنجره‌ها را می‌بندد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

ایجاد نوار لغزنده CreateTrackbar

تابع ایجاد نوار لغزنده(name: رشته، window: رشته، initial: صحیح، max: صحیح): منطقی
نوار لغزنده در پنجره.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

موقعیت نوار لغزنده GetTrackbarPos

تابع موقعیت نوار لغزنده(name: رشته، window: رشته): صحیح
موقعیت نوار لغزنده.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

تنظیم موقعیت نوار لغزنده SetTrackbarPos

تابع تنظیم موقعیت نوار لغزنده(name: رشته، window: رشته، pos: صحیح)
موقعیت را تنظیم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

بارگذاری آبشار LoadCascade

تابع بارگذاری آبشار(path: رشته): طبقه‌بند آبشاری
طبقه‌بند را از پرونده‌ی XML بارگذاری می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

بازکردن ویدیو OpenVideo

تابع بازکردن ویدیو(path: رشته): ضبط ویدیو
پرونده‌ی ویدیو را باز می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

بازکردن دوربین OpenCamera

تابع بازکردن دوربین(index: صحیح): ضبط ویدیو
دوربین با شماره.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

نویسنده ویدیو جدید NewVideoWriter

تابع نویسنده ویدیو جدید(path: رشته، fourcc: رشته، fps: اعشار۶۴، width: صحیح، height: صحیح): نویسنده ویدیو
نویسنده با کدک چهارحرفی، فریم در ثانیه و اندازه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

بارگذاری شبکه LoadNet

تابع بارگذاری شبکه(model_path: رشته، config_path: رشته): شبکه
مدل و پیکربندی، مثل Caffe.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

بارگذاری شبکه تک‌فایل LoadNetSingleFile

تابع بارگذاری شبکه تک‌فایل(path: رشته): شبکه
مدل تک‌پرونده‌ای، مثل ONNX.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

تجزیه شناسایی‌های اس‌اس‌دی ParseSSDDetections

تابع تجزیه شناسایی‌های اس‌اس‌دی(output: ماتریس، img_width: صحیح، img_height: صحیح، confidence_threshold: اعشار۶۴): وکتور<شناسایی>
خروجی SSD را به شیءها با اطمینان بیشتر از آستانه تبدیل می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Detect.salam

آخرین خطا LastError

تابع آخرین خطا(): رشته
پیام آخرین خطا.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

در دسترس Available

تابع در دسترس(): منطقی
اگر OpenCV نسخه‌ای گزارش کند درست است. برنامه‌ای که کتابخانه‌ی واسطش نیست اصلا اجرا نمی‌شود، پس وقتی کد شما اجرا می‌شود این مقدار درست است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam

نسخه Version

تابع نسخه(): رشته
نسخه‌ی OpenCV.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: ai-opencv-Basics.salam