Cílem této práce je vyvinout aplikaci pro detekci a rozpoznávání mincí v obraze. Práce je rozdělena na dvě hlavní části: teoretickou a praktickou. Každá část je rozdělena do kapitol a podkapitol. První část je teoretická část. Zdůrazňuje některé důležité pojmy, aby se předešlo nedorozumění v praktické části. Přestože je jeho hlavní obsah teoretický, pro lepší pochopení je přidáno mnoho příkladů s kódy. Druhá část je pak praktická část. Obsahuje důležité kroky k vytvoření aplikace, testování a vyhodnocení výsledků.
Annotation in English
The aim of this work is to develop an application for detection and recognition coins in image. The thesis is divided into two main parts: theoretical and practical. Each part is divided into chapters and subchapters. The first part is the theoretical part. It underlines some important concepts in order to prevent misunderstanding in the practical part. Although its main contents are theoretical, many examples with codes are added for better understanding. The second part then is the practical part. It contains important steps that are used to create the application, testing and results accuracy.
Keywords
Strojové vidění, OpenCV, Python, Mince
Keywords in English
Machine vision, OpenCV, Python, Coins
Length of the covering note
77 s. (96311 znaků)
Language
AN
Annotation
Cílem této práce je vyvinout aplikaci pro detekci a rozpoznávání mincí v obraze. Práce je rozdělena na dvě hlavní části: teoretickou a praktickou. Každá část je rozdělena do kapitol a podkapitol. První část je teoretická část. Zdůrazňuje některé důležité pojmy, aby se předešlo nedorozumění v praktické části. Přestože je jeho hlavní obsah teoretický, pro lepší pochopení je přidáno mnoho příkladů s kódy. Druhá část je pak praktická část. Obsahuje důležité kroky k vytvoření aplikace, testování a vyhodnocení výsledků.
Annotation in English
The aim of this work is to develop an application for detection and recognition coins in image. The thesis is divided into two main parts: theoretical and practical. Each part is divided into chapters and subchapters. The first part is the theoretical part. It underlines some important concepts in order to prevent misunderstanding in the practical part. Although its main contents are theoretical, many examples with codes are added for better understanding. The second part then is the practical part. It contains important steps that are used to create the application, testing and results accuracy.
Keywords
Strojové vidění, OpenCV, Python, Mince
Keywords in English
Machine vision, OpenCV, Python, Coins
Research Plan
1. Study methods of image processing suitable for detection of coins.
2. Analyze methods of machine learning suitable for classification of detected coin.
3. Develop an application in Python for detection and recognition of coins in image.
4. Analyze the effectivity of the proposed application on test images.
Research Plan
1. Study methods of image processing suitable for detection of coins.
2. Analyze methods of machine learning suitable for classification of detected coin.
3. Develop an application in Python for detection and recognition of coins in image.
4. Analyze the effectivity of the proposed application on test images.
Recommended resources
1. KAEHLER, Adrian a Gary R. BRADSKI, 2017. Learning OpenCV 3: computer vision in C with the OpenCV library. Sebastopol, CA: O'Reilly Media. ISBN 14-919-3799-8.
2. HOWSE, Joseph a Joe MINICHINO, 2015. Learning opencv 3 computer vision with python. 2nd edition. Birmingham, UK: Packt Publishing Limited. ISBN 978-1-78528-384-0.
3. FORSYTH, David a Jean PONCE, 2011. Computer Vision: A Modern Approach. 2nd Edition. London: Pearson. ISBN 9780273764144.
4. SZELINSKI, Richard, 2010. Computer Vision: Algorithms and Applications. Berlin Heidelberg: Springer. ISBN 978-1848829343.
5. DAVIES, E.R., 2012. Computer and machine vision: Theory, algorithms, practicalities. 4th Edition. Boston: Elsevier. ISBN ISBN 978-01-2386-908-1.
Recommended resources
1. KAEHLER, Adrian a Gary R. BRADSKI, 2017. Learning OpenCV 3: computer vision in C with the OpenCV library. Sebastopol, CA: O'Reilly Media. ISBN 14-919-3799-8.
2. HOWSE, Joseph a Joe MINICHINO, 2015. Learning opencv 3 computer vision with python. 2nd edition. Birmingham, UK: Packt Publishing Limited. ISBN 978-1-78528-384-0.
3. FORSYTH, David a Jean PONCE, 2011. Computer Vision: A Modern Approach. 2nd Edition. London: Pearson. ISBN 9780273764144.
4. SZELINSKI, Richard, 2010. Computer Vision: Algorithms and Applications. Berlin Heidelberg: Springer. ISBN 978-1848829343.
5. DAVIES, E.R., 2012. Computer and machine vision: Theory, algorithms, practicalities. 4th Edition. Boston: Elsevier. ISBN ISBN 978-01-2386-908-1.
