پردازش تصویر با پایتون

در این آموزش ، ما می خواهیم درباره پردازش تصویر با پایتون مطالبی ارائه کنیم. ما نمی خواهیم خود را به یک کتابخانه یا چارچوب محدود کنیم. اما ، یک کتابخانه وجود دارد که ما بیشتر از همه از آن استفاده خواهیم کرد ، کتابخانه Open CV. ما با کمی صحبت در مورد پردازش تصویر کار خود را شروع خواهیم کرد و سپس به سناریوهای مختلف خواهیم پرداخت که در آن پردازش تصویر مفید است.

پردازش تصویر چیست؟

مهم است که بدانید پردازش تصویر دقیقاً چیست و چه نقشی در تصاویر دارد قبل از اینکه به نحوه انجام پردازش تصویر با پایتون بپردازید. پردازش تصویر معمولاً “پردازش تصویر دیجیتال” نامیده می شود و دامنه ای که در آن به طور مکرر استفاده می شود “دیدگاه رایانه” است. گیج نشوید، ما می خواهیم در مورد هر دو این اصطلاحات و نحوه اتصال آنها صحبت کنیم. هر دو الگوریتم پردازش تصویر و الگوریتم های Computer Vision (CV) یک تصویر را به عنوان ورودی می گیرند. با این حال ، در پردازش تصویر ، خروجی نیز یک تصویر است ، در حالی که در دید رایانه ، خروجی می تواند برخی از ویژگی ها اطلاعات مربوط به تصویر باشد.

چرا ما به داده ها احتیاج داریم؟

داده هایی که ما جمع آوری یا تولید می کنیم عمدتا داده های خام هستند ، به همین دلیل به دلایل زیادی امکان استفاده مستقیم در برنامه ها وجود ندارد. بنابراین ، ما باید ابتدا آن را تجزیه و تحلیل کنیم ، پیش پردازش لازم را انجام دهیم و سپس از آن استفاده کنیم.

به عنوان مثال ، بیایید فرض کنیم که ما در تلاشیم یک طبقه بندی از گربه ها بسازیم. برنامه ما یک تصویر به عنوان ورودی می گیرد و سپس به ما می گوید که آیا تصویر حاوی گربه است یا خیر. اولین قدم برای ساخت این طبقه بندی جمع آوری صدها عکس گربه است. یک مسئله مشترک این است که همه عکسهایی که ما ارائه می دهیم از ابعاد یکسانی برخوردار نیستند ، بنابراین قبل از پردازش روی آنها باید همه آنها را در اندازه استاندارد تغییر اندازه داده و پیش پردازش کنیم.

این تنها یکی از دلایل ضروری بودن پردازش تصویر در هر کاربرد بینایی رایانه است.

پردازش تصویر با پایتون و پیش نیازها

در مرحله اول ، شما باید دانش برنامه نویسی با پایتون را داشته باشید. در مرحله دوم ، شما باید بدانید که یادگیری ماشین چیست و اصول کار چگونه است.

نکته ای که باید بدانید این است که دقیقاً چگونه یک تصویر در حافظه نشان داده می شود. هر تصویر با مجموعه ای از پیکسل ها نشان داده می شود ، یعنی یک ماتریس از مقادیر پیکسل. برای یک تصویر در مقیاس خاکستری ، مقادیر پیکسل از 0 تا 255 است و آنها شدت آن پیکسل را نشان می دهند. به عنوان مثال ، اگر تصویری از ابعاد 20 20 20 داشته باشید ، با ماتریسی 20 20 20 (در کل مقادیر 400 پیکسل) نمایش داده می شود.

اگر با یک تصویر رنگی سر و کار دارید ، باید بدانید که سه کانال دارد – قرمز ، سبز و آبی (RGB). بنابراین ، سه ماتریس از این دست برای یک تصویر وجود دارد.

نصب و راه اندازی

توجه: از آنجا که ما قصد داریم از OpenCV از طریق پایتون استفاده کنیم ، این یک الزام ضمنی است که شما قبلاً پایتون (نسخه 3) را در سیستم کاری خود نصب کرده باشید.

کامندها

$ pip نصب opencv-python

سیستم عامل مکینتاش

$ brew نصب opencv3 – با مشارکت – با python3

لینوکس

$ sudo apt-get نصب libopencv-dev python-opencv

منبع