python_developer

اگر بگم من یک نسخه از یک تصویر از یک منظره در فضای باز را که آسمان و دریا را منع می کند دوست دارم. ابتدا می توانیم پیکسل های موجود در محدوده رنگ آبی را پیدا کنیم که قسمت های آبی آسمان و دریا ی تصویر را شناسایی می کند. برای دریافت بخش هایی از تصویر که آسمان و دریا نیستند، ما می توانیم مقادیر با bitwise_not را معکوس کنیم، که قطعاتی را که آبی نیستند به ما می دهد و به ما ماسک می دهد.

💢Masking with a binary threshold💢 حالا که میتوانیم رنگها را شناسایی کنیم، کارهای جالبی مثل استفاده از تصویر باینری به عنوان ماسک میتوانیم انجام دهیم. یک ماسک معمولا یک ماتریس از صفرها (برای قطعاتی است که باید حذف شوند) و غیر صفر (برای قطعاتی که میخواهیم نگهداریم).

#تشخیص_رنگ_آبی #آبی #blue

import numpy as np import cv2 import matplotlib.pyplot as plt img = cv2.imread('test.jpg') img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # threshold for hue channel in blue range blue_min = np.array([100, 100, 100], np.uint8) blue_max = np.array([140, 255, 255], np.uint8) threshold_blue_img = cv2.inRange(img_hsv, blue_min, blue_max) threshold_blue_img = cv2.cvtColor(threshold_blue_img, cv2.COLOR_GRAY2RGB) plt.imshow(threshold_blue_img) plt.show()

به جای یافتن مقدار که تحت یک آستانه است، ما می توانیم بخشی از تصویر را با رنگ هایی که در یک محدوده هستند پیدا کنیم با cv2.inRange ().

این کار باعث میشود تصویر به راحتی به روشناییهای مختلف تقسیم شود. و این تنها مربوط به عکسهای خاکستری نیست و ما میتوانیم بخشهایی از عکسهای رنگی را با کانالهای رنگی تقسیم کنیم. آستانه رنگ با HSV بهترین کار را می کند.

import numpy as np import cv2 import matplotlib.pyplot as plt img = cv2.imread('test.jpg') gray_img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) _, threshold_img = cv2.threshold(gray_img, 60, 255, cv2.THRESH_BINARY) threshold_img = cv2.cvtColor(threshold_img, cv2.COLOR_GRAY2RGB) plt.figure(figsize=(10,10)) plt.imshow(threshold_img) plt.show()

💢تقسیم بندی💢 هنگامی که ما در حال تلاش برای جمع آوری اطلاعات در مورد یک تصویر هستیم، ابتدا باید آن را به ویژگی هایی که علاقه مند هستنم تقسیم کنیم. این تقسیم بندی نامیده می شود. تقسیم بندی تصویر فرآیند نمایش یک تصویر در بخش ها است تا آن را برای تجزیه و تحلیل آسان تر کند

🚀 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/

🇨🇦 دریافت اقامت دائم کشور کانادا با ورود به پروژه استارتاپ در حوزه سلامت روان 📣 مهم: آگهی دهنده، بنیانگذار استارتاپ میباشد و شرکت مهاجرتی نیست که هزینه اضافه داشته باشید 💢 متقاضی میتواند همزمان برای خود و اعضای خانواده درخواست اقامت دائم را ارائه دهد و این هزینه برای کل افراد میباشد نه به ازای هر نفر . 🔹 همچنین باید بتواند در مدت زمان 2-3 ماه آیلتس جنرال 5 را ارائه دهد. -------------------------------- ✳️ برای اطلاعات بیشتر با شماره زیر در واتساپ در ارتباط باشید: 📞 https://wa.me/989900300824

import numpy as np import cv2 import matplotlib.pyplot as plt img = cv2.imread('test.jpg') average_color_per_row = np.average(img, axis=0) average_color = np.average(average_color_per_row, axis=0) average_color = np.uint8(average_color) average_color_img = np.array([[average_color]*100]*100, np.uint8) plt.imshow(average_color_img) plt.show()

import numpy as np import cv2 import matplotlib.pyplot as plt img = cv2.imread('test.jpg') gray_img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) plt.imshow(cv2.cvtColor(gray_img, cv2.COLOR_GRAY2RGB)) plt.show()

[[76 76 76 ..., 57 57 57] [59 59 58 ..., 58 58 58] [58 58 57 ..., 58 58 58] ..., [58 57 57 ..., 53 54 55] [63 63 63 ..., 59 59 59] [63 62 63 ..., 59 59 59]]

import numpy as np import cv2 import matplotlib.pyplot as plt img = cv2.imread('test.jpg') gray_img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) print(gray_img)

💢Grayscale💢 ما همچنین با تصاویر سیاه و سفید کار خواهیم کرد. تصاویر خاکستری فقط دارای یک کانال رنگی در مقیاس 0 تا 255 هستند که نشان دهنده روشنایی آن پیکسل است، 0 کاملا تاریک (سیاه) و 255 کاملا روشن (سفید) است. تبدیل تصویر به مقیاس خاکستری به ما آرایه ای دو بعدی از آن میدهد.