python_developer

💥#Convolution_Animation 🌐http://ufldl.stanford.edu/tutorial/supervised/FeatureExtractionUsingConvolution/

🌐http://setosa.io/ev/image-kernels/ 💢در این ادرس با وارد کردن عکس دلخواه انواع فیلتر ها را بر روی آن اعمال و مشاهد کنید.

input(img)*mask=output input(img)*mask=output http://machinelearninguru.com/computer_vision/basics/convolution/image_convolution_1.html

✅ خوب حالا میخواهیم ببینیم کار کانولوشن یا پیمایش در OpenCv چی هست و برای چی استفاده میشود . 🤔کونولوشن همراه است با ایجاد یک ماتریس به عنوان کرنل یا هسته یا ماسک یا فیلتر ، و پیمایش یا گام برداشتن بر روی تک تک عناصر تصویر ورودی . برای هر گام عناصر مربوطه در هر دو ماتریس را ضرب میکنیم سپس آنها را جمع کرده تا یک عنصر جدید بدست آوریم. این کار آنقدر میشود تا این ماتریس کوچک به عنوان ماسک ، تمام عناصر موجود در ماتریس ورودی یا تصویر را مرور کند. عناصرموجود درماتریس جدید حاصل کانولوشن است.

⬅️ دوستان در این مطلب اگر دقت کنید #کانولوشن را #پیچش معنی کردم . در واقع در دیکشنری و بسیاری از مقاله های فارسی هم به همین واژه معنی شده بود. خوب با این معنا من نمی تونستم کاربرد واضحی از کانولوشن را بفهمم . با جستجوی زیاد متوجه شدم کانولوشن را باید 💢#پیمایش💢 تعربف میکردم.

👆👆👆👆👆 فیلتر متوسط گیری یا حد وسط

فروش پکیج اموزش پایتون با تخفیف ویژه پیغام دهید. کانال اموزش پایتون @Real_developer

👏 به عنوان مثال ، یک فیلتر حد وسط بر روی یک تصویر اعمال میکنیم. هسته فیلتر حد وسط 5x5 به صورت شکل تعریف میشود:

💢2D Convolution ( Image Filtering ) ✅همانند سیگنالهای تک بعدی، تصاویر(سگنالهای دو بعدی) را هم میتوان با استفاده از فیلترهای پایین گذر(LPF)، بالا گذر (HPF)و ... فیلتر کرد. ⬅️ یک LPF در برطرف کردن نویز یا تارشدن تصویر کمک می کند. ⬅️ یک HPF در پیدا کردن لبه ها در یک تصویر کمک می کند. ⬅️ کتابخانه OpenCV با استفاده از تابع cv2.filter2D()، پیچش یک هسته با یک تصویر را فراهم میکند.

💢 #Smoothing_Images ✅ اهداف این بخش: ◀️ مات کردن تصاویر با استفاده از فیلتر های پایین گذر مختلف ◀️ اعمال فیلتر های سفارشی به تصاویر (2D convolution)

import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('face.png') kernel = np.ones((5,5),np.float32)/25 dst = cv2.filter2D(img,-1,kernel) plt.subplot(121),plt.imshow(img),plt.title('Original') plt.xticks([]), plt.yticks([]) plt.subplot(122),plt.imshow(dst),plt.title('Averaging') plt.xticks([]), plt.yticks([]) plt.show()

تصویر پیشنهادی برای این بخش

💢Concept of#Blurring ✅مفهوم #مات کردن Blurring در مات کردن یک تصویر ساده تار و مات میشود. فیلتر های دیجیتال برای مات کردن، لبه دار یا تیز کردن تصاویر دیجیتالی به کار میروند. تیز کردن یعنی جداسازی بین رنگها مشخص شود.

🌐https://docs.opencv.org/3.1.0/d6/d00/tutorial_py_root.html

🚀 دوره آموزشی علـــــم داده (Data Science) 🔥 نیاز روز بــــازار کــــار ایــــــران و خـــارج 🏙 مناسب برای تمام رشته‌ها 🖥 آموزش با نرم افزارها و زبــان‌های R، Python و SQL Server 🌟 با گواهینامه مورد تایید وزارت علوم و معتبر 🔬 آموزش #آنلاین و با موردکاوی‎های واقعی و پروژه 🚧 در خــــانه بمانید و آمـــــوزش ببینید 🔗 مشاهده جزئیات دوره و مشاوره رایگان: https://tihe.ac.ir/data-science-course/