Aprender OpenCV Aplicaciones avanzadas de visión por computador

Las aplicaciones avanzadas integran las técnicas vistas a lo largo del curso para construir sistemas completos de visión por computador.

El reconocimiento facial con cv2.face.LBPHFaceRecognizer_create() entrena un modelo a partir de imágenes etiquetadas y lo usa para identificar personas. LBPH es flexible y funciona bien con cambios de iluminación. Eigenfaces y Fisherfaces son alternativas basadas en PCA y LDA respectivamente. El modelo se guarda y carga con save() y read().

El escáner de documentos detecta el contorno cuadrangular del documento con findContours() + approxPolyDP(), ordena las cuatro esquinas y aplica cv2.getPerspectiveTransform() + cv2.warpPerspective() para rectificar la perspectiva. cv2.adaptiveThreshold() mejora la legibilidad del texto en la imagen resultante.

Los panoramas se crean automáticamente con cv2.Stitcher_create(), que gestiona la detección de características, el emparejamiento y la mezcla de imágenes. Para mayor control, el proceso manual usa SIFT + homografía + warpPerspective.

La realidad aumentada con marcadores ArUco detecta marcadores en tiempo real y proyecta imágenes o modelos 3D sobre ellos usando homografía y estimación de pose (cv2.aruco.estimatePoseSingleMarkers()).

La calibración de cámara con el tablero de ajedrez determina la matriz intrínseca y los coeficientes de distorsión. cv2.undistort() o cv2.remap() corrigen las imágenes capturadas, imprescindible para aplicaciones de medida o realidad aumentada precisas.