در این مطلب، ویدئو 17 – خواندن تصاویر در پایتون با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:54:57
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,089 –> 00:00:02,490
سلام بچه ها این Trini است و شما در حال
2
00:00:02,490 –> 00:00:05,009
تماشای آموزش های پایه پایتون در
3
00:00:05,009 –> 00:00:07,680
کانال من Python برای میکروسکوپیست ها در
4
00:00:07,680 –> 00:00:11,370
یوتیوب هستید و این ویدیوها دوباره
5
00:00:11,370 –> 00:00:13,799
برای دانشجویان محققی
6
00:00:13,799 –> 00:00:15,750
که علاقه مند به پردازش تصویر هستند که مایلند پردازش
7
00:00:15,750 –> 00:00:18,720
تصویر در پایتون را اجرا کنند یا شروع به
8
00:00:18,720 –> 00:00:21,689
پردازش تصویر در پایتون کنند، در آموزش امروز در نظر گرفته شده است.
9
00:00:21,689 –> 00:00:22,980
ما قصد داریم در مورد
10
00:00:22,980 –> 00:00:26,580
خواندن تصاویر در vitam صحبت کنیم، بنابراین چگونه
11
00:00:26,580 –> 00:00:29,460
این تصاویر را در پایتون بارگذاری کنیم تا بتوانیم
12
00:00:29,460 –> 00:00:32,040
برخی از عملیات پردازش تصویر را
13
00:00:32,040 –> 00:00:35,010
روی این تصاویر انجام دهیم، اکنون راه های زیادی برای
14
00:00:35,010 –> 00:00:36,960
خواندن تصاویر در پایتون
15
00:00:36,960 –> 00:00:38,790
وجود دارد، زیرا کتابخانه های مختلفی وجود دارد که
16
00:00:38,790 –> 00:00:42,870
در واقع می توانند این تصاویر را مدیریت کنند. داده یا بودن و داده های سه بعدی و
17
00:00:42,870 –> 00:00:45,059
چند بعدی، بنابراین من
18
00:00:45,059 –> 00:00:47,100
در مورد سه یا چهار مورد از این
19
00:00:47,100 –> 00:00:49,430
کتابخانه ها صحبت خواهم کرد و نحوه باز کردن
20
00:00:49,430 –> 00:00:53,610
تصاویر را به شما نشان می دهم و همچنین در مورد اینکه چرا
21
00:00:53,610 –> 00:00:57,090
کتابخانه خاصی را می شناسید یا هدف اصلی آن چیست، توضیح خواهم داد.
22
00:00:57,090 –> 00:00:58,890
از یک کتابخانه خاص،
23
00:00:58,890 –> 00:01:02,129
بنابراین شما می توانید تصمیم بگیرید که کدام کتابخانه را
24
00:01:02,129 –> 00:01:04,920
برای ابزارهای خاص برای
25
00:01:04,920 –> 00:01:08,060
پردازش تصویر بیشتر کاوش کنید، بنابراین بیایید
26
00:01:08,060 –> 00:01:10,320
اکنون دوباره شروع کنیم.
27
00:01:10,320 –> 00:01:12,659
رابط کاربری بخشی از توزیع آناکوندا وجود دارد،
28
00:01:12,659 –> 00:01:14,850
این ایده بسیار خوبی است،
29
00:01:14,850 –> 00:01:17,909
زیرا با اکثر
30
00:01:17,909 –> 00:01:21,420
بستههایی که قرار است امروز صحبت کنم، از پیش بستهبندی شده است و بنابراین
31
00:01:21,420 –> 00:01:25,549
میتوانم بگویم که چهار کتابخانه اصلی
32
00:01:25,549 –> 00:01:27,990
در پایتون هستند که در واقع میتوانند
33
00:01:27,990 –> 00:01:31,350
پردازش تصویر یا در آن را مدیریت کنند. واقعیت
34
00:01:31,350 –> 00:01:34,020
امروز که فقط روی بارگذاری
35
00:01:34,020 –> 00:01:37,350
تصاویر یا خواندن تصاویر یا چیزی
36
00:01:37,350 –> 00:01:40,380
به نام بالش متمرکز است و وقتی آن را وارد میکنید
37
00:01:40,380 –> 00:01:43,350
pil است اما وقتی آن را نصب میکنید به آن بالش
38
00:01:43,350 –> 00:01:44,880
میگویند، من
39
00:01:44,880 –> 00:01:47,790
در عرض یک دقیقه در مورد آن صحبت خواهم کرد و دیگری mat
40
00:01:47,790 –> 00:01:53,040
plot lib خوب است. این دومین
41
00:01:53,040 –> 00:01:57,420
برنامه است و تصویر روانی یک برنامه دیگر است و در
42
00:01:57,420 –> 00:02:02,130
نهایت OpenCV چهارمین است و
43
00:02:02,130 –> 00:02:03,540
علاوه بر این
44
00:02:03,540 –> 00:02:06,390
کتابخانه های دیگری نیز وجود دارد، به عنوان مثال
45
00:02:06,390 –> 00:02:09,020
اگر مایلید تصاویر اختصاصی را
46
00:02:09,020 –> 00:02:11,580
به خصوص از نظر میکروسکوپی بارگذاری
47
00:02:11,580 –> 00:02:13,110
کنید. به عنوان مثال
48
00:02:13,110 –> 00:02:15,780
کار با تصویر czi این فرم تصویر
49
00:02:15,780 –> 00:02:20,310
است و Excise از
50
00:02:20,310 –> 00:02:23,250
تصاویر میکروسکوپی یا CGI آنها استفاده می کند و آنها حاوی تمام
51
00:02:23,250 –> 00:02:26,190
ابرداده هایی هستند که برای پردازش این
52
00:02:26,190 –> 00:02:27,960
تصاویر برای e. xample و به همین دلیل است
53
00:02:27,960 –> 00:02:29,610
که آنها فرمت اختصاصی خود را دارند
54
00:02:29,610 –> 00:02:32,670
اکنون فرمت دیگری به نام
55
00:02:32,670 –> 00:02:35,940
emotive om e tiff وجود دارد که مخفف
56
00:02:35,940 –> 00:02:40,110
محیط میکروسکوپی باز فرمت TIFF است،
57
00:02:40,110 –> 00:02:42,780
بنابراین چیزی نیست جز یک فایل tiff با
58
00:02:42,780 –> 00:02:45,150
یک XML تعبیه شده که تمام
59
00:02:45,150 –> 00:02:47,550
اطلاعات همه فراداده را دارد. در مورد آن
60
00:02:47,550 –> 00:02:51,300
تصویر خاص و ادامه و
61
00:02:51,300 –> 00:02:53,459
جستجوی omit اگر آنلاین است و این در واقع
62
00:02:53,459 –> 00:02:57,000
با فرمت های بیو است و اگر از تصویر a استفاده می کنید
63
00:02:57,000 –> 00:02:59,940
می دانید که در واقع می توانید هر
64
00:02:59,940 –> 00:03:01,920
تصویر انحصاری را بارگذاری کنید، خواه از
65
00:03:01,920 –> 00:03:04,140
Zeiss Olympus باشد، مانند نیکون، هر
66
00:03:04,140 –> 00:03:06,959
میکروسکوپی که دارید. یا فرمتهای DICOM که
67
00:03:06,959 –> 00:03:09,150
میدانید اگر با تصاویر CT اسکن
68
00:03:09,150 –> 00:03:12,660
بر اساس فرمتها کار میکنید، در واقع این
69
00:03:12,660 –> 00:03:17,910
ابزار همه کاره است که میدانید در
70
00:03:17,910 –> 00:03:20,580
واقع میتواند بارگیری شود و به شما امکان میدهد
71
00:03:20,580 –> 00:03:24,540
هر تصویری را با هر فرمتی بارگیری کنید و آن را در
72
00:03:24,540 –> 00:03:27,660
هر فرمت دیگری ذخیره کنید و فرمت آنها را
73
00:03:27,660 –> 00:03:30,300
توصیه میکند. فرمت بیش از om8 tiff Tiff است
74
00:03:30,300 –> 00:03:33,300
و این در واقع به این دلیل
75
00:03:33,300 –> 00:03:34,890
است که فقط یک تصویر را به یک فایل tiff تبدیل نمی کند
76
00:03:34,890 –> 00:03:38,400
که خوب است، منظورم این است که آن را
77
00:03:38,400 –> 00:03:40,650
تبدیل می کند اما زمانی که شما فقط
78
00:03:40,650 –> 00:03:42,810
هر چیزی را فقط به یک تصویر تبدیل کنید، تمام ابردادهها را از دست میدهید
79
00:03:42,810 –> 00:03:45,330
که اندازه پیکسل است، بنابراین
80
00:03:45,330 –> 00:03:48,870
20 پیکسل به این معنی است که آیا این یک تصویر ماهوارهای است
81
00:03:48,870 –> 00:03:50,640
و آیا 20 پیکسل به معنای 20
82
00:03:50,640 –> 00:03:52,920
کیلومتر است یا این همان تصویر میکروسکوپی است
83
00:03:52,920 –> 00:03:55,590
که در آن 20 پیکسل است، مثلاً 20
84
00:03:55,590 –> 00:03:56,790
میکرون یا چیزی مشابه
85
00:03:56,790 –> 00:03:59,730
بنابراین اندازه پیکسل بسیار مهم است و
86
00:03:59,730 –> 00:04:02,480
به همین دلیل است که OMA TIFF
87
00:04:02,480 –> 00:04:06,269
ببخشید میدانید که
88
00:04:06,269 –> 00:04:07,950
مزیت فاز شکلدهی در اینجاست، بنابراین
89
00:04:07,950 –> 00:04:10,470
کتابخانههای دیگری برای مدیریت
90
00:04:10,470 –> 00:04:12,450
این تصاویر وجود دارد و من در مورد آن صحبت خواهم کرد،
91
00:04:12,450 –> 00:04:14,670
اما اجازه دهید به تصویر اولیه JPEG بچسبیم.
92
00:04:14,670 –> 00:04:16,108
امروز قرار است با آن کار
93
00:04:16,108 –> 00:04:19,978
کنیم و بیایید شروع به کاوش
94
00:04:19,978 –> 00:04:22,740
اولین موردی کنیم که بالش است و در
95
00:04:22,740 –> 00:04:26,550
واقع بالش P I ll o W نامیده می شود
96
00:04:26,550 –> 00:04:30,569
و این یک دستکاری تصویر
97
00:04:30,569 –> 00:04:34,800
و کتابخانه پردازشی است که
98
00:04:34,800 –> 00:04:36,900
به شما امکان می دهد تصویر را بارگیری کنید، اما
99
00:04:36,900 –> 00:04:39,710
سپس ابزارهایی برای دستکاری و
100
00:04:39,710 –> 00:04:42,900
پردازش تصویر و به این معنی که می توانید از بالش استفاده کنید
101
00:04:42,900 –> 00:04:45,509
– برای مثال تصاویر را تغییر اندازه
102
00:04:45,509 –> 00:04:47,819
دهید و نوعی فیلتر اولیه را
103
00:04:47,819 –> 00:04:52,020
انجام دهید اما برای کارهای پیشرفته
104
00:04:52,020 –> 00:04:54,060
فرض کنید می خواهید شی را انجام دهید تشخیص مانند
105
00:04:54,060 –> 00:04:56,280
بینایی کامپیوتری به عنوان مثال یا استفاده از
106
00:04:56,280 –> 00:04:58,620
یادگیری ماشین
107
00:04:58,620 –> 00:05:01,530
بستههای دیگری مانند تصویر روانی OpenCV
108
00:05:01,530 –> 00:05:03,330
scikit-learn وجود دارد، بنابراین بستههای دیگری
109
00:05:03,330 –> 00:05:05,370
برای این کار اختصاص داده شده است، اما
110
00:05:05,370 –> 00:05:07,650
برای یک بالش پردازش تصویر ابتدایی برای پردازش تصویر اولیه
111
00:05:07,650 –> 00:05:10,259
، یک
112
00:05:10,259 –> 00:05:13,970
کتابخانه عالی برای نصب است.
113
00:05:13,970 –> 00:05:18,419
منظورم این است که اگر از spider IDE استفاده
114
00:05:18,419 –> 00:05:20,909
می کنید، احتمالاً قبلاً آن را دارید، اما اگر
115
00:05:20,909 –> 00:05:23,419
آن را ندارید، فقط pip install
116
00:05:23,419 –> 00:05:30,479
pip install را انجام دهید، اجازه دهید در واقع آن را
117
00:05:30,479 –> 00:05:33,240
کمی ساده تر زوم کنم، بنابراین شما فقط نصب pip را انجام دهید.
118
00:05:33,240 –> 00:05:36,349
وقتی آن را صدا
119
00:05:36,349 –> 00:05:40,259
میزنید، PIL را با حروف بزرگ وارد کنید، بنابراین به این صورت است
120
00:05:40,259 –> 00:05:43,110
که آن را از PIL فراخوانی میکنید یا فقط
121
00:05:43,110 –> 00:05:45,479
میتوانید کل کتابخانه را وارد کنید، من فقط
122
00:05:45,479 –> 00:05:48,990
یک تابع خاص یا یک ماژول را کامل
123
00:05:48,990 –> 00:05:50,130
میکنم که میخواهم
124
00:05:50,130 –> 00:05:53,610
از PIL I استفاده کنم. می خواهم تصویر را
125
00:05:53,610 –> 00:06:00,150
با حروف بزرگ I از تصویر واردات قرص وارد
126
00:06:00,150 –> 00:06:03,539
کنم و اکنون می توانم یک تصویر را بخوانم، بنابراین
127
00:06:03,539 –> 00:06:05,610
می توانم بگویم بله متغیری
128
00:06:05,610 –> 00:06:10,259
به نام تصویر IMG برابر است – من یک جنرال الکتریک هستم
129
00:06:10,259 –> 00:06:13,319
که به تازگی نقطه را وارد کرده ایم و در
130
00:06:13,319 –> 00:06:15,840
آن ماژول توابع زیادی وجود دارد
131
00:06:15,840 –> 00:06:18,779
که می توانید با دو مکعبی خطی ببینید
132
00:06:18,779 –> 00:06:20,250
و تعداد زیادی از آنها را می شناسید، اما
133
00:06:20,250 –> 00:06:23,069
در این مایل هستم که باز کنم، می
134
00:06:23,069 –> 00:06:26,849
خواهم از open استفاده کنم، می توانستم
135
00:06:26,849 –> 00:06:29,969
آن را در آنجا تایپ کنم، بنابراین می توانم فقط open را تایپ کنم
136
00:06:29,969 –> 00:06:30,870
بله
137
00:06:30,870 –> 00:06:33,479
نقطه تصویر باز می شود و چه تصویری را می
138
00:06:33,479 –> 00:06:35,130
خواهید باز کنید و این نام مسیر فایل محلی
139
00:06:35,130 –> 00:06:38,070
است چون دوباره در
140
00:06:38,070 –> 00:06:39,720
این پوشه کار می کنم همه
141
00:06:39,720 –> 00:06:41,910
تصاویر را در زیر تصاویر دارم پس اجازه دهید ادامه دهم
142
00:06:41,910 –> 00:06:46,410
و images را تایپ کنم / و تصویر من به نام
143
00:06:46,410 –> 00:06:50,010
test است تصویر زیر خط نقطه jpg و این
144
00:06:50,010 –> 00:06:53,370
تقریباً اشکالی ندارد، اکنون ما در حال خواندن
145
00:06:53,370 –> 00:06:56,450
یک تصویر هستیم، اکنون میتوانید
146
00:06:56,450 –> 00:07:00,240
نوع تصویر را چاپ
147
00:07:00,240 –> 00:07:04,200
کنید.
148
00:07:04,200 –> 00:07:06,540
149
00:07:06,540 –> 00:07:10,680
تصویر قرص نقطه باز
150
00:07:10,680 –> 00:07:12,930
تصویر در آرایه داور نیست، بنابراین
151
00:07:12,930 –> 00:07:14,760
اگر
152
00:07:14,760 –> 00:07:18,030
میخواهید از numpy برای دستکاری این
153
00:07:18,030 –> 00:07:20,160
تصاویر استفاده کنید، ابتدا باید آن
154
00:07:20,160 –> 00:07:22,680
را به عدد تبدیل کنید، اما اجازه دهید ابتدا
155
00:07:22,680 –> 00:07:26,820
ادامه دهیم و این را تایپ کنیم. و می بینید که
156
00:07:26,820 –> 00:07:29,490
می گوید تصویر کلاس JPEG فایل تصویری پلاگین و JPEG
157
00:07:29,490 –> 00:07:30,180
158
00:07:30,180 –> 00:07:32,669
نمیگوید numpy اگر یک
159
00:07:32,669 –> 00:07:34,320
تصویر داور باشد، در واقع میگفت
160
00:07:34,320 –> 00:07:38,760
بسیار خوب، پس این یک نکته کلیدی است
161
00:07:38,760 –> 00:07:40,980
که باید به خاطر داشته باشید
162
00:07:40,980 –> 00:07:44,280
که هنگام انجام تصویر قرص، آرایه داور نیست، اما اینطور نیست.
163
00:07:44,280 –> 00:07:46,110
یعنی شما نمی توانید پردازش تصویر را انجام دهید
164
00:07:46,110 –> 00:07:48,780
البته اگر از توابع درون بالش استفاده می کنید،
165
00:07:48,780 –> 00:07:51,360
166
00:07:51,360 –> 00:07:53,490
می دانید که ماژول های درون بالش
167
00:07:53,490 –> 00:07:55,740
می توانند این تصویر را به خوبی اداره
168
00:07:55,740 –> 00:07:57,120
کنند و سپس می توانید بسیاری از
169
00:07:57,120 –> 00:07:59,160
اینها را انجام دهید و در واقع در یکی از من
170
00:07:59,160 –> 00:08:01,440
آموزش های بعدی شاید فقط
171
00:08:01,440 –> 00:08:03,390
بالش را بپوشانم و سپس ببینم چه کاری می توانیم انجام دهیم،
172
00:08:03,390 –> 00:08:11,280
شما در داخل بالش می دانید، بنابراین اکنون برای
173
00:08:11,280 –> 00:08:13,620
نشان دادن تصویری مانند این که ما این را وارد کرده ایم، می
174
00:08:13,620 –> 00:08:16,919
توانید فقط نمایش نقطه ای IMG را انجام دهید و وقتی
175
00:08:16,919 –> 00:08:19,590
دوباره آن را اجرا کردم باید باز شود
176
00:08:19,590 –> 00:08:23,250
در واقع یک پنجره در صفحه دیگر من باز شد،
177
00:08:23,250 –> 00:08:24,810
بنابراین اجازه دهید من جلوتر بروم و آن
178
00:08:24,810 –> 00:08:27,780
را بکشم و این تصویری است که ما به
179
00:08:27,780 –> 00:08:32,729
تازگی بارگذاری کرده ایم یا آن را می خوانیم یا با استفاده از
180
00:08:32,729 –> 00:08:37,799
نقطه باز می کنیم، این یک تصویر رنگی است، اکنون
181
00:08:37,799 –> 00:08:40,349
دوباره یک تصویر JPEG است اگر فقط
182
00:08:40,349 –> 00:08:44,250
فرمت نقطه ای تصویر را انجام دهید باید به y بگوید شما
183
00:08:44,250 –> 00:08:48,060
دقیقاً بیایید به جلو برویم و این را اجرا کنیم،
184
00:08:48,060 –> 00:08:50,040
باید با پیامی
185
00:08:50,040 –> 00:08:52,230
مبنی بر این فرمت JPEG بیاید، بنابراین اجازه دهید
186
00:08:52,230 –> 00:08:53,040
جلوتر بروم و
187
00:08:53,040 –> 00:08:57,180
این پنجره شیء STR آنها قابل فراخوانی نیست،
188
00:08:57,180 –> 00:08:58,200
189
00:08:58,200 –> 00:09:04,530
بنابراین وقتی این کار را انجام دادم، دوباره متاسفم این اشتباه من است.
190
00:09:04,530 –> 00:09:06,570
در اینجا باید
191
00:09:06,570 –> 00:09:09,600
فرمت تصویر را چاپ کنید، بنابراین اگر این کار را
192
00:09:09,600 –> 00:09:11,610
هر روز انجام ندهید، به خاطر سپردن همه اینها بسیار دشوار است،
193
00:09:11,610 –> 00:09:13,410
اما اجازه دهید من ادامه دهم
194
00:09:13,410 –> 00:09:15,270
و نظر بدهم تصویر شروع نشان می دهد من نمی
195
00:09:15,270 –> 00:09:16,890
خواهم تصویری را نشان دهم که فقط می خواهم
196
00:09:16,890 –> 00:09:18,930
اجرا کنم و این همانطور که در اینجا می بینید یک تصویر JPEG
197
00:09:18,930 –> 00:09:23,160
است که می گوید من راه آسانی برای
198
00:09:23,160 –> 00:09:27,180
بزرگنمایی روی صفحه در
199
00:09:27,180 –> 00:09:29,910
سمت راست نمی دانم، بنابراین
200
00:09:29,910 –> 00:09:34,710
بعداً برای نشان دادن نتیجه به صورت دیجیتال بزرگنمایی می کنم تا
201
00:09:34,710 –> 00:09:36,980
بدانیم این یک تصویر JPEG است. و
202
00:09:36,980 –> 00:09:38,970
این تقریباً همین است، منظورم
203
00:09:38,970 –> 00:09:40,890
این است که شما یک تصویر را با استفاده از
204
00:09:40,890 –> 00:09:42,930
بالش وارد میکنید، اما از آنجایی که ما اشاره کردیم که این
205
00:09:42,930 –> 00:09:46,260
یک آرایه ناقص نیست، اجازه دهید ادامه دهم و به
206
00:09:46,260 –> 00:09:48,660
شما نشان دهم که چگونه این را تبدیل کنید، بنابراین اجازه
207
00:09:48,660 –> 00:09:51,570
دهید یک تصویر جدید به نام تصویر 1 بنویسم.
208
00:09:51,570 –> 00:09:54,650
باید انجام دهید MP dot است به اعتقاد من یک s به عنوان
209
00:09:54,650 –> 00:09:58,950
آرایه و ما ما ar سعی
210
00:09:58,950 –> 00:10:03,870
میکنیم این تصویر را به یک P تبدیل کنیم، اما
211
00:10:03,870 –> 00:10:06,630
میگوییم NP تعریف نشده است،
212
00:10:06,630 –> 00:10:09,950
به این دلیل است که ما آن را
213
00:10:09,950 –> 00:10:12,690
بهعنوان NP وارد کردن numpy نمیدانیم،
214
00:10:12,690 –> 00:10:15,660
بله، اکنون numpy در این
215
00:10:15,660 –> 00:10:20,460
برنامه موجود است و MP MP dot به عنوان آرایه اکنون
216
00:10:20,460 –> 00:10:24,660
منطقی است. و ادامه دهید و در واقع
217
00:10:24,660 –> 00:10:28,020
نوع تصویر 1 را تایپ کنید و باید بگوید
218
00:10:28,020 –> 00:10:32,150
این یک آرایه numpy است خوب بله این یک
219
00:10:32,150 –> 00:10:35,250
آرایه numpy است بنابراین اینگونه می توانید
220
00:10:35,250 –> 00:10:40,080
تصویر وارداتی خود را با استفاده از بالش
221
00:10:40,080 –> 00:10:44,940
به یک آرایه numpy تبدیل کنید حالا منظورم این نیست
222
00:10:44,940 –> 00:10:46,110
اگر میدانید که قرار است با آن کار
223
00:10:46,110 –> 00:10:48,000
کنید، آرایههای numpy و
224
00:10:48,000 –> 00:10:49,470
هر چیز دیگری را میشناسید و
225
00:10:49,470 –> 00:10:52,410
اگر نمیخواهید پردازش تصویر را با استفاده از خود بالش انجام دهید،
226
00:10:52,410 –> 00:10:54,870
227
00:10:54,870 –> 00:10:57,960
میتوانید تصویر خود را با
228
00:10:57,960 –> 00:11:00,810
فرمت متفاوت وارد کنید. روشی که
229
00:11:00,810 –> 00:11:03,310
تصویر شما را بصورت بومی به عنوان داور وارد می کند،
230
00:11:03,310 –> 00:11:06,700
بنابراین روش انجام آن دوباره بیایید
231
00:11:06,700 –> 00:11:12,200
نظر بدهیم، بنابراین ما این را از هم جدا می کنیم، اکنون
232
00:11:12,200 –> 00:11:14,570
بسته بعدی را که به آن بالش اشاره کردیم، و اکنون
233
00:11:14,570 –> 00:11:16,970
اجازه دهید به matplotlib و نحوه
234
00:11:16,970 –> 00:11:21,200
نوشتن این اهرم طرح تشت نگاه کنیم،
235
00:11:21,200 –> 00:11:23,570
در واقع این یک اهرم نیست. تصویر pr ocessing library
236
00:11:23,570 –> 00:11:26,600
mat این یک کتابخانه رسم برای یک
237
00:11:26,600 –> 00:11:30,620
زبان برنامه نویسی پایتون است، بنابراین یک
238
00:11:30,620 –> 00:11:33,440
239
00:11:33,440 –> 00:11:36,260
ماژول رسم کتابخانه رسم بسیار مفیدی وجود دارد که به
240
00:11:36,260 –> 00:11:39,650
نام pi plot بله، آن را py PL o
241
00:11:39,650 –> 00:11:44,810
T می نامند، بنابراین بخش PI بسیار زیاد است و
242
00:11:44,810 –> 00:11:47,690
برای ایجاد 2 بعدی بسیار رایج است. نمودارهایی برای
243
00:11:47,690 –> 00:11:50,720
تولید نمودارها و نمودارها و در
244
00:11:50,720 –> 00:11:53,180
واقع اگر از متلب می آیید،
245
00:11:53,180 –> 00:11:55,700
بسیار شبیه به متلب به نظر می رسد، منظورم این است
246
00:11:55,700 –> 00:11:57,140
که می توانید نمودارهایی ایجاد کنید که بسیار
247
00:11:57,140 –> 00:12:00,170
شبیه به آنچه در
248
00:12:00,170 –> 00:12:02,690
متلب به نظر می رسند، با این تفاوت که واضح است که رایگان است
249
00:12:02,690 –> 00:12:05,030
و نیازی به آن ندارید. مجوزی مانند شما برای
250
00:12:05,030 –> 00:12:09,770
MATLAB در حال حاضر علاوه بر ایجاد
251
00:12:09,770 –> 00:12:11,690
این نمودارها مانند و نمودارهایی که در
252
00:12:11,690 –> 00:12:15,410
t 2d می شناسید، همچنین می توانید تصاویر را با استفاده
253
00:12:15,410 –> 00:12:17,630
از کتابخانه نمودار matplotlib PI تجسم کنید، می توانید
254
00:12:17,630 –> 00:12:21,470
تصاویر را تجسم کنید زیرا منظورم تجسم
255
00:12:21,470 –> 00:12:23,990
تصاویر چیزی نیست جز ترسیم در دو بعدی
256
00:12:23,990 –> 00:12:25,280
درست. شما فقط یک
257
00:12:25,280 –> 00:12:27,830
دسته از اعداد را به صورت 2 بعدی رسم می کنید، بنابراین matplotlib
258
00:12:27,830 –> 00:12:30,410
نیز دوباره چند ابزار برای
259
00:12:30,410 –> 00:12:33,950
وارد کردن تصاویر دارد و اول از همه اگر
260
00:12:33,950 –> 00:12:35,510
matplotlib
261
00:12:35,510 –> 00:12:38,420
با w ندارید. اگر
262
00:12:38,420 –> 00:12:41,000
قسمت نصب عنکبوتی آناکوندا
263
00:12:41,000 –> 00:12:44,060
را نصب کردید، اگر نه، می توانید این را با پیپ نصب
264
00:12:44,060 –> 00:12:48,520
کنید، IP را نصب کنید Matto matplotlib
265
00:12:48,520 –> 00:12:52,100
ok pip install matplotlib و این
266
00:12:52,100 –> 00:12:54,200
یکی از معدود پکیج هایی است که
267
00:12:54,200 –> 00:12:56,720
از همین نام برای نصب و فراخوانی
268
00:12:56,720 –> 00:12:58,760
و این نوع استفاده می کنید. در ابتدا وقتی داشتم مبارزه را یاد میگرفتم، من را ناامید کرد
269
00:12:58,760 –> 00:13:00,770
و من
270
00:13:00,770 –> 00:13:03,440
خوب هستم که دارم بالش را نصب میکنم، اما بعد شما
271
00:13:03,440 –> 00:13:06,380
قرص را وارد میکنم، من OpenCV Python را نصب میکنم،
272
00:13:06,380 –> 00:13:08,840
اما سپس آن را با فراخوانی CV وارد میکنید –
273
00:13:08,840 –> 00:13:10,910
مطمئنم دلیلی وجود دارد که این کار را انجام دهید.
274
00:13:10,910 –> 00:13:12,560
این اتفاق می افتد اما اگر شما یک
275
00:13:12,560 –> 00:13:13,850
برنامه نویس مبتدی هستید که ممکن است کمی گیج کننده باشد،
276
00:13:13,850 –> 00:13:16,560
بنابراین برای
277
00:13:16,560 –> 00:13:18,360
وارد کردن matplotlib، فقط
278
00:13:18,360 –> 00:13:22,639
matplotlib را وارد کنید و اجازه دهید در واقع matplotlib را وارد کنیم،
279
00:13:22,639 –> 00:13:26,660
اما در آن کتابخانه plot lib
280
00:13:26,660 –> 00:13:29,999
یک ماژول به نام تصویر وجود دارد
281
00:13:29,999 –> 00:13:33,930
و بله، پس بیایید ادامه دهیم و
282
00:13:33,930 –> 00:13:36,540
این را وارد کنیم. هر بار که
283
00:13:36,540 –> 00:13:39,019
تایپ تصویر matplotlib برای ما کمی سخت باشد،
284
00:13:39,019 –> 00:13:42,089
بنابراین میخواهم آن را
285
00:13:42,089 –> 00:13:46,410
به عنوان MP IMG وارد کنم، بسیار خوب، بنابراین یک
286
00:13:46,410 –> 00:13:48,720
نام مستعار ایجاد میکنم یا نام کوتاهی برای
287
00:13:48,720 –> 00:13:51,360
آن میگذارم تا بتوانم فقط تایپ کنید e تصویر MP به جای
288
00:13:51,360 –> 00:13:54,769
تصویر نقطه matplotlib هر بار خوب است و
289
00:13:54,769 –> 00:13:57,180
از آنجایی که میخواهیم تصویر را تجسم
290
00:13:57,180 –> 00:14:01,980
کنیم، بیایید جلوتر برویم و طرح پای را وارد کنیم،
291
00:14:01,980 –> 00:14:03,569
میتوانستم همه چیز را در یک خط انجام
292
00:14:03,569 –> 00:14:05,850
دهم، اما بیایید جلو برویم و این
293
00:14:05,850 –> 00:14:12,949
واردات را انجام دهیم که نمودار lib dot py PL o — به عنوان
294
00:14:12,949 –> 00:14:16,170
PLT این یک قرارداد بسیار رایج است،
295
00:14:16,170 –> 00:14:17,670
می بینید که بسیاری از افراد دقیقاً
296
00:14:17,670 –> 00:14:20,100
از همان اصطلاحاتی استفاده می کنند که شما می دانید، سپس می توانم ادامه دهم
297
00:14:20,100 –> 00:14:22,680
و برای استفاده از توابع، چیزی را که می دانید PL d dot تایپ کنم
298
00:14:22,680 –> 00:14:28,259
، بنابراین اکنون اجازه دهید در
299
00:14:28,259 –> 00:14:31,079
واقع جلو برویم و یک کلمه را وارد کنیم. تصویر
300
00:14:31,079 –> 00:14:34,199
و دوباره در این مورد تصویر من
301
00:14:34,199 –> 00:14:37,680
با استفاده از MPI IMG وارد می شود که
302
00:14:37,680 –> 00:14:41,069
چیزی نیست جز matplotlib dot image dot
303
00:14:41,069 –> 00:14:42,930
من خوانده شده ام می توانستم فقط وارد
304
00:14:42,930 –> 00:14:45,930
کنم فقط من خوانده شده ام و وقتی نقطه
305
00:14:45,930 –> 00:14:47,759
می گذارم همه چیزهایی را که می توانم
306
00:14:47,759 –> 00:14:50,160
در واقع استفاده کنم نشان می دهد. این مورد من است
307
00:14:50,160 –> 00:14:54,629
یا e ad ok matplotlib dot M H dot من
308
00:14:54,629 –> 00:14:57,240
خوانده شده ام و دوباره روشی که من این کار را انجام می دهم
309
00:14:57,240 –> 00:14:58,800
تقریباً یکسان است.
310
00:14:58,800 –> 00:15:01,379
311
00:15:01,379 –> 00:15:04,350
312
00:15:04,350 –> 00:15:09,240
حالا تصویر من برابر با ima است ge من
313
00:15:09,240 –> 00:15:11,399
فقط الان می نویسم بیایید در واقع ببینیم که آیا
314
00:15:11,399 –> 00:15:13,949
این نوع این
315
00:15:13,949 –> 00:15:19,529
تصویر است یا نه، بنابراین اگر من تصویر را تایپ کنم شما می دانید تایپ کنید
316
00:15:19,529 –> 00:15:21,929
و باید بگوید که این یک آرایه numpy است
317
00:15:21,929 –> 00:15:23,819
اکنون دوباره نمی خواهم روی
318
00:15:23,819 –> 00:15:25,470
دکمه سبز کلیک کنم زیرا سپس
319
00:15:25,470 –> 00:15:28,949
تمام کدها را در اینجا اجرا می کند و همینطور اینجا پایین،
320
00:15:28,949 –> 00:15:29,710
من فقط
321
00:15:29,710 –> 00:15:31,780
این خطوط را انتخاب می کنم، بنابراین می خواهم این را انتخاب
322
00:15:31,780 –> 00:15:35,290
کنم، حالا می توانم f9 را تایپ کنم یا در واقع می توانم اجرا
323
00:15:35,290 –> 00:15:36,940
کنم، می دانید روی این دکمه کلیک کنید تا
324
00:15:36,940 –> 00:15:40,120
فقط آن قسمت از کد اجرا شود و
325
00:15:40,120 –> 00:15:42,100
در سمت راست می بینید که می گوید این به
326
00:15:42,100 –> 00:15:44,970
طور پیش فرض یک آرایه numpy است، بنابراین به محض اینکه من
327
00:15:44,970 –> 00:15:47,920
تصویر را وارد می کنم، به عنوان داور اریک وارد می شود،
328
00:15:47,920 –> 00:15:48,850
329
00:15:48,850 –> 00:15:52,180
بر خلاف بالش که اگر قصد استفاده از ابزار را دارید، باید آن را
330
00:15:52,180 –> 00:15:54,160
به آرایه داور تبدیل کنید.
331
00:15:54,160 –> 00:15:59,230
در numpy، بنابراین اکنون می
332
00:15:59,230 –> 00:16:02,290
دانیم که اکنون می
333
00:16:02,290 –> 00:16:05,590
توانید به عنوان مثال به اندازه تصویر نگاه کنید، بله
334
00:16:05,590 –> 00:16:07,720
، این کار را چند بار در ویدیوهای قبلی انجام داده ایم،
335
00:16:07,720 –> 00:16:09,100
اما
336
00:16:09,100 –> 00:16:12,730
بیایید ادامه دهیم و شکل نقطه را انجام دهیم و شکل را به
337
00:16:12,730 –> 00:16:14,830
شما می گوید زیرا مجدداً این یک
338
00:16:14,830 –> 00:16:17,110
آرایه ناقص
339
00:16:17,110 –> 00:16:19,870
است باید بگوییم که این تعداد 513
340
00:16:19,870 –> 00:16:25,270
ردیف 639 ستون است و 3
341
00:16:25,270 –> 00:16:28,240
تعداد چنین تصاویری است، زیرا این یک تصویر
342
00:16:28,240 –> 00:16:30,550
RGB است، میدانید که تصویر قرمز سبز آبی است،
343
00:16:30,550 –> 00:16:37,030
اکنون سه تصویر از این قبیل داریم، دلیلی وجود دارد
344
00:16:37,030 –> 00:16:39,490
که ما PLT را درست وارد کردیم، بنابراین
345
00:16:39,490 –> 00:16:41,500
میخواهیم تصویر را نشان دهید تا روشی که شما انجام می دهید
346
00:16:41,500 –> 00:16:45,700
نشان دادن نقطه PLT است و اکنون من فقط باید
347
00:16:45,700 –> 00:16:48,010
IMG را تایپ کنم تا این در واقع تصویر را نشان دهد
348
00:16:48,010 –> 00:16:51,100
و اجازه دهید این دو عبارت را نظر بدهم
349
00:16:51,100 –> 00:16:53,250
ما متوجه می شویم که آنها چیست،
350
00:16:53,250 –> 00:16:55,660
بنابراین اجازه دهید ادامه دهم و این را نظر بدهم و
351
00:16:55,660 –> 00:16:58,060
این را اجرا کنم. بخشی از کد اینجاست، بنابراین اکنون
352
00:16:58,060 –> 00:17:01,000
باید ببینیم که ارزش صدق یک آرایه
353
00:17:01,000 –> 00:17:02,740
با بیش از یک عنصر مبهم است
354
00:17:02,740 –> 00:17:07,839
استفاده از هر یک یا همه، بنابراین بیایید ببینیم چرا
355
00:17:07,839 –> 00:17:10,680
این واقعاً به
356
00:17:10,680 –> 00:17:15,160
ما این خطا را می
357
00:17:15,160 –> 00:17:18,730
دهد. یک آرایه numpy امپراتوری است دوباره
358
00:17:18,730 –> 00:17:20,440
این اشتباهی است که من معمولا انجام می
359
00:17:20,440 –> 00:17:24,130
دهم. نقطه PLT نیست نشان می دهد که نقطه PLT
360
00:17:24,130 –> 00:17:26,380
361
00:17:26,380 –> 00:17:32,230
362
00:17:32,230 –> 00:17:34,090
363
00:17:34,090 –> 00:17:37,960
است. درست در اینجا و می توانید اسکا را ببینید
364
00:17:37,960 –> 00:17:40,090
در اینجا در تعداد سطرها می دانید که
365
00:17:40,090 –> 00:17:42,130
تعداد سطرها چیزی نیست جز محور y
366
00:17:42,130 –> 00:17:43,210
درست منظورم این است که
367
00:17:43,210 –> 00:17:45,809
afros باید حدود 500 باشد، چیزی
368
00:17:45,809 –> 00:17:50,980
که هفته گذشته بررسی شد 513
369
00:17:50,980 –> 00:17:54,159
و تعداد ستون ها 639 است
370
00:17:54,159 –> 00:17:56,320
که چیزی نیست جز بعد X خوب است.
371
00:17:56,320 –> 00:17:57,880
این یک تصویر رنگی است، بنابراین ما سه
372
00:17:57,880 –> 00:17:59,770
کانال مختلف داریم که میتوانیم کانالها را تقسیم
373
00:17:59,770 –> 00:18:01,630
کنیم و میتوانیم همه آنها را انجام دهیم و من
374
00:18:01,630 –> 00:18:03,159
آن را در یک آموزش متفاوت در حال حاضر پوشش میدهم،
375
00:18:03,159 –> 00:18:05,740
اجازه دهید روی نحوه باز کردن تصاویر با
376
00:18:05,740 –> 00:18:11,529
استفاده از این کتابخانههای مختلف و
377
00:18:11,529 –> 00:18:15,340
لوله تمرکز کنیم. خود lot می تواند به معنای واقعی کلمه یک سخنرانی باشد که می
378
00:18:15,340 –> 00:18:18,520
دانید چند ساعت یا چند روز سخنرانی به
379
00:18:18,520 –> 00:18:21,970
خودی خود می دانید و من به شما اجازه می دهم که بروید و
380
00:18:21,970 –> 00:18:24,309
مستندات مربوط به قسمت لوله را بخوانید. کارهای زیادی وجود دارد
381
00:18:24,309 –> 00:18:26,529
که می توانید انجام دهید به عنوان مثال یک
382
00:18:26,529 –> 00:18:30,370
چیز نوار رنگی نقطه PLT است.
383
00:18:30,370 –> 00:18:33,299
نوار رنگی و وقتی این کار را انجام میدهم در واقع
384
00:18:33,299 –> 00:18:35,919
یک نوار رنگی درست در کنار این
385
00:18:35,919 –> 00:18:38,140
تصویر قرار میدهد که میتواند بسیار مفید باشد، بله،
386
00:18:38,140 –> 00:18:40,539
مقیاسی است که میگوید خوب روشنترین
387
00:18:40,539 –> 00:18:43,059
سبز مانند 250 پیکسل یا چیزی شبیه
388
00:18:43,059 –> 00:18:45,909
به این است، بنابراین گاهی اوقات اینها میتوانند بسیار
389
00:18:45,909 –> 00:18:47,559
مفید باشند. بسیاری وجود دارد کارهای بیشتری را که می
390
00:18:47,559 –> 00:18:50,169
توانید با Pipe lot انجام دهید، اما بیایید
391
00:18:50,169 –> 00:18:52,000
فعلاً روی
392
00:18:52,000 –> 00:18:54,549
درک نحوه باز کردن تصاویر تمرکز کنیم تا
393
00:18:54,549 –> 00:18:58,899
matplotlib باشد و اکنون مورد بعدی
394
00:18:58,899 –> 00:19:01,480
ما می توانیم CV باز انجام دهیم، اما من می خواهم
395
00:19:01,480 –> 00:19:03,250
زمان بیشتری را روی CV باز بگذارم، پس بیایید
396
00:19:03,250 –> 00:19:06,659
ادامه دهید و آن را روان انجام دهید، پس اجازه دهید
397
00:19:06,659 –> 00:19:12,880
این را اسکرول کنم و حالا بیایید جلوتر برویم
398
00:19:12,880 –> 00:19:16,980
و تصویر روانی و تصویر روانی
399
00:19:16,980 –> 00:19:21,820
دوباره یک کتابخانه پردازش تصویر در
400
00:19:21,820 –> 00:19:25,929
پایتون است و همین است که می توانید از آن
401
00:19:25,929 –> 00:19:28,149
برای تقسیم بندی تصویر استفاده کنید، به عنوان مثال می توانید
402
00:19:28,149 –> 00:19:31,299
از آن برای هندسی استفاده کنید. تغییر
403
00:19:31,299 –> 00:19:34,090
رنگ، دستکاری فضای رنگی، می توانید
404
00:19:34,090 –> 00:19:37,470
تجزیه و تحلیل انجام دهید، می توانید فیلتر و تشخیص ویژگی را انجام دهید،
405
00:19:37,470 –> 00:19:39,909
به عنوان مثال اگر می
406
00:19:39,909 –> 00:19:41,620
خواهید یک دسته کامل از
407
00:19:41,620 –> 00:19:43,630
ویژگی ها را برای یادگیری ماشین خود استخراج کنید،
408
00:19:43,630 –> 00:19:45,850
بنابراین تصویر در واقع یک
409
00:19:45,850 –> 00:19:48,190
بسته سنتی بسیار خوب است اگر می خواهید
410
00:19:48,190 –> 00:19:50,500
این کار را انجام دهید. اگر
411
00:19:50,500 –> 00:19:52,389
میخواهید کارهای سنتی یادگیری ماشین
412
00:19:52,389 –> 00:19:53,660
413
00:19:53,660 –> 00:19:56,180
را انجام دهید، برای مثال اگر میخواهید
414
00:19:56,180 –> 00:19:58,550
از جنگلهای تصادفی یا ماشینهای برداری پشتیبانی کنید، یک بسته بسیار خوب است
415
00:19:58,550 –> 00:19:59,870
و اگر
416
00:19:59,870 –> 00:20:02,870
هیچ یک از آنها را نمیدانید، نگران نباشید. اینها به
417
00:20:02,870 –> 00:20:05,090
معنای واقعی کلمه چند خط کد
418
00:20:05,090 –> 00:20:08,660
در تصویر روانی هستند، بنابراین
419
00:20:08,660 –> 00:20:10,730
برای درک آنها وقت بگذارید و اگر وقت
420
00:20:10,730 –> 00:20:13,390
داشته باشم در نهایت آن موضوعات را نیز پوشش خواهم داد،
421
00:20:13,390 –> 00:20:16,640
بنابراین به هر حال، بنابراین تصویر روانی طبیعتاً
422
00:20:16,640 –> 00:20:21,230
ابزارهایی برای وارد کردن تصاویر دارد، بنابراین مانند
423
00:20:21,230 –> 00:20:25,750
شما. نصب این پیپ نصب است
424
00:20:25,750 –> 00:20:27,980
، اگر پیپ Spyder را نصب کرده اید، باید آن را دوباره داشته باشید
425
00:20:27,980 –> 00:20:30,890
، من معتقدم که
426
00:20:30,890 –> 00:20:38,240
این یک تصویر CI کی است – آن را دوست دارم – یا یکی
427
00:20:38,240 –> 00:20:42,200
و برای وارد کردن این، فقط کافی است دوباره تصویر SK را انجام دهید،
428
00:20:42,200 –> 00:20:43,310
این یکی از مواردی است که
429
00:20:43,310 –> 00:20:45,290
با شما متفاوت است. بین نصب
430
00:20:45,290 –> 00:20:47,690
و نحوه نامگذاری آن بدانید، بنابراین اجازه دهید فقط
431
00:20:47,690 –> 00:20:51,560
از تصویر SK بگویم، بیایید فقط چند
432
00:20:51,560 –> 00:20:53,890
چیز را وارد کنیم، مثلاً بگوییم میخواهم i/o را وارد کنم،
433
00:20:53,890 –> 00:20:58,790
بسیار خوب، بنابراین روشی است که میتوانید واقعاً
434
00:20:58,790 –> 00:21:03,080
تصاویر را بخوانید و بیایید IO را وارد کنیم
435
00:21:03,080 –> 00:21:05,930
و حالا فقط می توانم بگویم تصویر برابر
436
00:21:05,930 –> 00:21:09,590
با IO dot است، بله، حالا دوباره من واقعاً
437
00:21:09,590 –> 00:21:12,740
بسیار رایج هستم، همانطور که استفاده کرده ایم،
438
00:21:12,740 –> 00:21:15,350
در matplotlib خوانده شده است، تقریباً
439
00:21:15,350 –> 00:21:19,040
همان تابعی است که در اینجا من خوانده می شوم و من
440
00:21:19,040 –> 00:21:22,700
می خواهم ادامه دهم و این کلاه را در آن قرار دهم.
441
00:21:22,700 –> 00:21:26,530
اینجا و این دقیقاً همان چیزی است که شما درک می کنید d
442
00:21:26,530 –> 00:21:29,420
و به هر حال اکنون می توانید
443
00:21:29,420 –> 00:21:34,520
ادامه دهید و نوع چاپ IMG را انجام دهید یا ما
444
00:21:34,520 –> 00:21:36,710
آن را تصویر می نامیم، بنابراین بیایید آن را به همین صورت نگه داریم
445
00:21:36,710 –> 00:21:38,960
و اجازه دهید فقط این قسمت از کد
446
00:21:38,960 –> 00:21:42,980
و پایان غیرمنتظره فایل را در حین تجزیه
447
00:21:42,980 –> 00:21:46,130
دوباره اجرا کنیم، ممکن است مقداری ساخته باشم. نوعی
448
00:21:46,130 –> 00:21:51,200
اشتباه در اینجا چاپ کنید بله بیایید دوباره این را اجرا کنیم
449
00:21:51,200 –> 00:21:54,860
و باید بگوییم که این کمی
450
00:21:54,860 –> 00:21:57,980
کند است همانطور که می بینید و امیدواریم
451
00:21:57,980 –> 00:22:01,700
بگویم که این یک آرایه ناقص است و می
452
00:22:01,700 –> 00:22:03,770
بینید که یک ناحیه داور است درست در آنجا
453
00:22:03,770 –> 00:22:06,290
بسیار خوب است. matplotlib
454
00:22:06,290 –> 00:22:07,130
در
455
00:22:07,130 –> 00:22:10,460
تصویر روانی طبیعتاً وقتی
456
00:22:10,460 –> 00:22:13,400
تصویری را وارد میکنید، به آرایه داور تبدیل میشود
457
00:22:13,400 –> 00:22:17,090
و دوباره میتوانید این تصاویر را تجسم
458
00:22:17,090 –> 00:22:22,480
کنید، بنابراین بیایید
459
00:22:22,480 –> 00:22:27,140
دقیقاً همان چیزی را اینجا وارد کنیم، بسیار خوب
460
00:22:27,140 –> 00:22:31,610
و حالا بیایید جلوتر برویم و TDOT را حذف کنیم
461
00:22:31,610 –> 00:22:35,170
imshow شاید تایپ کردن سریعتر باشد. اما
462
00:22:35,170 –> 00:22:39,230
بیایید فقط بگوییم تصویر خوب است، بنابراین بیایید
463
00:22:39,230 –> 00:22:41,210
جلو برویم و به تصویر نگاه کنیم که فقط این خطوط را اجرا می
464
00:22:41,210 –> 00:22:43,040
کنند و شما باید
465
00:22:43,040 –> 00:22:45,950
دقیقاً همان چیزی را ببینید خوب است، بنابراین
466
00:22:45,950 –> 00:22:49,240
این تصویر چرخه ای است، فقط راه دیگری برای
467
00:22:49,240 –> 00:22:51,680
وارد کردن یک تصویر است، اما دقیقاً به نظر می رسد.
468
00:22:51,680 –> 00:22:53,780
مانند زندگی Matlock بنابراین شما می توانید استفاده
469
00:22:53,780 –> 00:22:55,340
کنید مهم نیست
470
00:22:55,340 –> 00:23:00,440
من تصویر یا matplotlib را دریافت کنم اکنون یک چیز
471
00:23:00,440 –> 00:23:02,840
که احتمالاً من در واقع به این فکر می کنم
472
00:23:02,840 –> 00:23:05,090
که آیا باید در مورد
473
00:23:05,090 –> 00:23:07,010
474
00:23:07,010 –> 00:23:09,020
این موضوع صحبت کنیم زیرا ما در مورد
475
00:23:09,020 –> 00:23:12,650
numpy صحبت می کنیم که در واقع می توانید آن را تبدیل کنید. یا در حین
476
00:23:12,650 –> 00:23:14,630
وارد کردن میتوانید تصاویر را بهعنوان
477
00:23:14,630 –> 00:23:17,180
انواع دادههای مختلف وارد کنید، میتوانید
478
00:23:17,180 –> 00:23:21,890
تصویر را بهعنوان یک شناور به عنوان مثال بهعنوان
479
00:23:21,890 –> 00:23:24,170
عدد صحیح بدون علامت هشت یا چیزی دیگر وارد کنید و
480
00:23:24,170 –> 00:23:26,780
اینها همه توابع ماژولهایی هستند که
481
00:23:26,780 –> 00:23:28,730
در کتابخانه تصویر کیت Sai در دسترس هستند،
482
00:23:28,730 –> 00:23:31,760
بنابراین میتوانید ابتدا آنها را تبدیل کنید.
483
00:23:31,760 –> 00:23:34,370
اجازه دهید در واقع به فرمت
484
00:23:34,370 –> 00:23:38,870
در اینجا نگاه کنیم، بنابراین روشی که انجام میدهیم این است که اجازه
485
00:23:38,870 –> 00:23:43,580
دهید در واقع
486
00:23:43,580 –> 00:23:45,740
io را وارد کنیم و بیایید چیزی
487
00:23:45,740 –> 00:23:49,430
به نام تصویر را به عنوان float وارد کنیم، همانطور که از نام
488
00:23:49,430 –> 00:23:51,080
نشان میدهد که تصویر شما را تبدیل میکند،
489
00:23:51,080 –> 00:23:53,600
تصویر شما را به عنوان float وارد میکند و شما میتوانید
490
00:23:53,600 –> 00:23:57,890
همچنین تصویر را همانطور که هستید انجام دهید این
491
00:23:57,890 –> 00:24:00,890
تصویر به عنوان یک عدد صحیح بدون علامت است، بنابراین
492
00:24:00,890 –> 00:24:03,880
اکنون که در واقع اجازه دهید به جلو برویم و
493
00:24:03,880 –> 00:24:08,810
تصویر را چاپ کنیم تا بتوانید ببینید تصویری
494
00:24:08,810 –> 00:24:11,260
که می دانید چگونه به نظر می رسد و اینها آیا همه
495
00:24:11,260 –> 00:24:14,660
شما می دانید اعدادی بین 0 تا 255 هستند، بنابراین
496
00:24:14,660 –> 00:24:17,900
این همه 8 بیتی بدون علامت هستند، در
497
00:24:17,900 –> 00:24:20,060
واقع اگر من به اکسپلورر متغیر بروم، تصویر من
498
00:24:20,060 –> 00:24:20,960
499
00:24:20,960 –> 00:24:24,380
در آن بالا همانطور که می بینید یک عدد صحیح بدون علامت است
500
00:24:24,380 –> 00:24:27,260
و این ابعاد
501
00:24:27,260 –> 00:24:28,040
در آنجا هستند،
502
00:24:28,040 –> 00:24:30,470
بنابراین حالا بیایید آن را تبدیل کنیم. بیایید در واقع
503
00:24:30,470 –> 00:24:34,940
تبدیل را بهبود بخشیم، این تصویر را به عنوان
504
00:24:34,940 –> 00:24:40,000
شناور قرار دهید، بنابراین یک راه برای انجام این کار این است که فرض کنید
505
00:24:40,000 –> 00:24:43,790
من فکر میکنم که آیا باید فقط
506
00:24:43,790 –> 00:24:46,220
به عنوان نوع و P float عمل کنیم، زیرا شما
507
00:24:46,220 –> 00:24:49,730
واقعاً میتوانید NP را وارد کنید یا من واقعاً میتوانم
508
00:24:49,730 –> 00:24:52,100
تبدیل کنم.
509
00:24:52,100 –> 00:24:56,960
برابر است با دو خوب
510
00:24:56,960 –> 00:25:07,700
تصویر ما شناور IMG به عنوان بار و بیایید این
511
00:25:07,700 –> 00:25:13,310
کار را انجام دهیم یا تصویر خوب حالا بیایید جلو برویم
512
00:25:13,310 –> 00:25:20,900
و تصویر زیر خط را چاپ کنیم، بنابراین بیایید
513
00:25:20,900 –> 00:25:23,960
این خطوط را اجرا کنیم و ببینیم چه اتفاقی می افتد و اکنون
514
00:25:23,960 –> 00:25:25,670
می توانید ببینید همه اعداد بین
515
00:25:25,670 –> 00:25:29,630
0 و 1 هستند و تصویر من زیر خط شناور یک
516
00:25:29,630 –> 00:25:34,130
نوع شناور 64 است بنابراین من می توانم این را تبدیل
517
00:25:34,130 –> 00:25:38,120
کنم یا واقعاً می توانم انجام دهم. Oh dot من خوانده شده ام
518
00:25:38,120 –> 00:25:42,250
و در واقع می توانم به عنوان تایپ نقطه به عنوان
519
00:25:42,250 –> 00:25:49,430
نوع و P نقطه شناور، بنابراین آنچه این
520
00:25:49,430 –> 00:25:51,260
کار انجام می دهد تقریباً من معتقدم این کار
521
00:25:51,260 –> 00:25:52,640
تقریباً انجام می دهد. همان چیز بنابراین اگر من
522
00:25:52,640 –> 00:25:55,310
به جای تصویر نقطه شناور، نظر بدهم
523
00:25:55,310 –> 00:26:00,050
و سپس خود تصویر
524
00:26:00,050 –> 00:26:03,310
را در اینجا چاپ کنیم و این خطوط را اجرا کنیم و
525
00:26:03,310 –> 00:26:06,470
خوب تفاوت در اینجاست، آیا تفاوت را
526
00:26:06,470 –> 00:26:08,180
می بینید، بنابراین وقتی
527
00:26:08,180 –> 00:26:13,220
تصویر را به صورت n P نقطه شناور انجام می دهم، پس شما چه می کنید فکر می
528
00:26:13,220 –> 00:26:16,220
کنم منظور من به طور شهودی است وقتی ما
529
00:26:16,220 –> 00:26:18,140
float را می بینیم فکر می کنیم که
530
00:26:18,140 –> 00:26:21,590
اعداد بین 0 و 1 هستند و
531
00:26:21,590 –> 00:26:23,690
محدوده نوع D که می دانید بین 0 و
532
00:26:23,690 –> 00:26:26,840
زمان است، اما اگر از نوع برای تبدیل
533
00:26:26,840 –> 00:26:28,460
مقادیر به شناور استفاده کنید، آنها این کار را نمی کنند.
534
00:26:28,460 –> 00:26:30,260
بین 0 و 1 قرار بگیرید، بنابراین اگر قصد انجام نوعی ریاضی را دارید، باید کمی
535
00:26:30,260 –> 00:26:32,090
مراقب این موضوع باشید،
536
00:26:32,090 –> 00:26:33,860
خوشحالم
537
00:26:33,860 –> 00:26:35,529
که این XS را بررسی
538
00:26:35,529 –> 00:26:39,350
کردیم، زیرا تازه متوجه شدیم که
539
00:26:39,350 –> 00:26:42,080
اگر از نقطه و MP نقطه شناور به عنوان نوع استفاده کنید، مشکلی نیست.
540
00:26:42,080 –> 00:26:45,139
این دقیقاً از همان عدد 92 استفاده می کند،
541
00:26:45,139 –> 00:26:47,720
به جز اینکه به جای یک عدد صحیح، فقط
542
00