آموزش بهبود تصاویر با پایتون PYTHON (رایگان)، بخشی از آموزش پردازش تصویر در پایتون (Python) می باشد. دنیای امروز پر از داده است و تصاویر بخش قابل توجهی از این دادهها را تشکیل میدهند. با این حال، برای استفاده از آنها، این تصاویر باید پردازش شوند. پردازش تصویر نحوه تجزیه و تحلیل و دستکاری یک تصویر دیجیتال برای بهبود کیفیت آن یا استخراج اطلاعات از آن است.
وظایف معمول در پردازش تصویر شامل نمایش تصاویر، دستکاریهای اساسی مانند برش، چرخش، چرخش و غیره، تقسیمبندی تصویر، طبقهبندی و استخراج ویژگیها، بازیابی تصویر، و تشخیص تصویر است. با توجه به محبوبیت روزافزون پایتون به عنوان یک زبان برنامهنویسی علمی و در دسترس بودن رایگان بسیاری از ابزارهای پیشرفته پردازش تصویر در اکوسیستم آن، انتخاب مناسبی برای این وظایف پردازش تصویر است.
بیایید به برخی از کتابخانه های رایج پایتون برای کارهای دستکاری تصویر نگاه کنیم.
10 کتابخانه پردازش تصویر پایتون:
- Scikit-Image
- NumPy
- SciPy
- PIL/ Pillow
- OpenCV-Python
- SimpleCV
- Mahotas
- SimpleITK
- PgMagick
- PyCairo
چند نمونه از مفاهیم اولیه کتابخانه های پردازش تصویر پایتون:
Scikit-image
Scikit-image یک بسته منبع باز پایتون است که با آرایههای NumPy کار میکند. این الگوریتمها و ابزارهای کاربردی را در تحقیقات، آموزش و کاربردهای صنعتی پیادهسازی میکند. Scikit-image یک کتابخانه نسبتاً ساده است، حتی برای کسانی که تازه وارد اکوسیستم پایتون شدهاند. این کد با کیفیت بالا، بررسی شده و توسط یک جامعه فعال از داوطلبان نوشته شده است.
NumPy
NumPy یکی از کتابخانههای اصلی در برنامهنویسی پایتون است و از آرایهها پشتیبانی میکند. یک تصویر اساساً یک آرایه استاندارد NumPy است که حاوی پیکسلهایی از نقاط داده است. بنابراین، با استفاده از عملیات اصلی NumPy، مانند برش، ماسک کردن و نمایهسازی فانتزی، میتوانیم مقادیر پیکسل یک تصویر را تغییر دهیم. سپس میتوانید تصویر را با استفاده از skimage بارگذاری کنید و با استفاده از Matplotlib آن را نمایش دهید.
SciPy
SciPy یکی دیگر از ماژولهای علمی اصلی پایتون (مانند NumPy) است و میتواند برای کارهای اولیه دستکاری و پردازش تصویر استفاده شود. به طور خاص، زیر ماژول scipy. ndimage توابعی را ارائه میدهد که بر روی آرایههای NumPy n بعدی کار میکنند. این بسته در حال حاضر شامل توابع فیلتر خطی و غیر خطی، مورفولوژی باینری، درونیابی B-Spline و اندازهگیری شی است.
در آموزش بهبود تصاویر با پایتون PYTHON (رایگان)، به موارد ذیل با ذکر مثال های مفهومی پرداخته شده است:
- تبدیل Log Transform
- تبدیل Power Law