در این مطلب، ویدئو بارگذاری یک تصویر در پایتون به عنوان یک آرایه numpy 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: 00:10:01
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:02,580 –> 00:00:10,920
[موسیقی]
2
00:00:10,920 –> 00:00:14,200
سلام دوستان به cosas en خوش آمدید اکنون
3
00:00:14,200 –> 00:00:15,580
هر زمان که شروع به کار در
4
00:00:15,580 –> 00:00:17,710
زمینه بینایی کامپیوتری یا پردازش تصویر کنید،
5
00:00:17,710 –> 00:00:19,390
اولین و مهمترین کاری که باید
6
00:00:19,390 –> 00:00:22,450
انجام دهیم این است که یک تصویر را به آرایه ای
7
00:00:22,450 –> 00:00:24,970
از اعداد تبدیل کنیم زیرا کامپیوتر نمی
8
00:00:24,970 –> 00:00:27,040
تواند یک تصویر را درک کند. همانطور که ما آن را به عنوان انسان می بینیم
9
00:00:27,040 –> 00:00:29,410
، تمام چیزی که می فهمد اعداد هستند،
10
00:00:29,410 –> 00:00:30,099
11
00:00:30,099 –> 00:00:32,049
بنابراین به طور معمول کاری که انجام می شود این است که یک تصویر
12
00:00:32,049 –> 00:00:34,720
به صورت آرایه ای از اعداد یا
13
00:00:34,720 –> 00:00:36,700
مقادیری نشان داده می شود که با
14
00:00:36,700 –> 00:00:40,239
شدت هر پیکسل در این ویدئو مطابقت دارد،
15
00:00:40,239 –> 00:00:41,829
من به شما نشان می دهم که چگونه می توانیم وارد کنیم.
16
00:00:41,829 –> 00:00:44,079
یک تصویر در محیط پایتون به
17
00:00:44,079 –> 00:00:46,960
عنوان آرایهای از اعداد با استفاده از نه یک نه
18
00:00:46,960 –> 00:00:51,129
دو، بلکه سه API مختلف، اما قبل
19
00:00:51,129 –> 00:00:52,870
از ادامه، فراموش نکنید که
20
00:00:52,870 –> 00:00:54,730
اگر ویدیو را دوست داشتید، لایک کنید،
21
00:00:54,730 –> 00:00:56,289
اگر میخواهید ویدیوهای بیشتری ببینید، مشترک شوید.
22
00:00:56,289 –> 00:00:57,910
مانند این در آینده
23
00:00:57,910 –> 00:01:00,039
برای اطلاعیه ها روی نماد زنگ کلیک کنید
24
00:01:00,039 –> 00:01:01,660
ویدیو را با دوستان خود به اشتراک بگذارید و
25
00:01:01,660 –> 00:01:03,760
اگر شک دارید یا درخواستی دارید
26
00:01:03,760 –> 00:01:05,319
در نظرات بنویسید من تمام تلاش خود را خواهم
27
00:01:05,319 –> 00:01:07,480
کرد که همانطور که گفتم به همه آنها پاسخ دهم.
28
00:01:07,480 –> 00:01:09,610
به شما نشان میدهیم که چگونه
29
00:01:09,610 –> 00:01:11,260
با استفاده از سه کتابخانه مختلف،
30
00:01:11,260 –> 00:01:13,060
یعنی
31
00:01:13,060 –> 00:01:15,520
تصویر روانی کتابخانه تصویربرداری پایتون و بستهبندی
32
00:01:15,520 –> 00:01:18,520
opencv برای پایتون، یک تصویر را در پایتون وارد کنید، بنابراین برای اولین مورد،
33
00:01:18,520 –> 00:01:21,390
اجازه دهید به کتابخانه تصویربرداری پایتون برویم کتابخانه
34
00:01:21,390 –> 00:01:30,910
تصویربرداری پایتون، بنابراین کتابخانه تصویربرداری پایتون
35
00:01:30,910 –> 00:01:32,380
نیز نامیده میشود.
36
00:01:32,380 –> 00:01:34,690
بالش شما به راحتی می توانید
37
00:01:34,690 –> 00:01:36,790
این را با استفاده از pip نصب کنید یا در
38
00:01:36,790 –> 00:01:38,830
محیط آناکوندا به طور پیش فرض نصب شده است،
39
00:01:38,830 –> 00:01:41,980
می توانید
40
00:01:41,980 –> 00:01:45,880
مستندات پروژه را در مورد تمام
41
00:01:45,880 –> 00:01:49,350
امکاناتی که این API در اختیار شما قرار می دهد
42
00:01:49,350 –> 00:01:51,820
برای این ویدیو که من فقط
43
00:01:51,820 –> 00:01:53,320
می روم را بررسی کنید. به شما نشان می دهد که چگونه می توانید یک
44
00:01:53,320 –> 00:01:57,610
تصویر را با استفاده از ماژول تصویر در PIL وارد کنید و
45
00:01:57,610 –> 00:02:01,930
آن را به یک آرایه غیر P تبدیل کنید، بنابراین اگر
46
00:02:01,930 –> 00:02:03,250
به ماژول تصویر بروید خواهید دید که
47
00:02:03,250 –> 00:02:04,990
یک تابع ساده به نام نقطه تصویر وجود
48
00:02:04,990 –> 00:02:07,210
دارد که در آن اگر مسیر را بدهید
49
00:02:07,210 –> 00:02:08,949
تصویری که
50
00:02:08,949 –> 00:02:11,379
شی تصویر را از آن شی تصویر به شما می دهد، ما
51
00:02:11,379 –> 00:02:14,980
به راحتی می توانیم با استفاده از
52
00:02:14,980 –> 00:02:18,120
تابع داخلی از numpy یک آرایه numpy بدست آوریم،
53
00:02:21,570 –> 00:02:25,150
بنابراین برای این پروژه من از قبل
54
00:02:25,150 –> 00:02:30,700
مقداری im را انتخاب کرده ام. این در واقع
55
00:02:30,700 –> 00:02:32,560
لوگوی کانال است که می خواهم به
56
00:02:32,560 –> 00:02:36,550
شما نشان دهم که چگونه می توانم این تصویر را در
57
00:02:36,550 –> 00:02:39,040
داخل این محیط پایتون با استفاده از
58
00:02:39,040 –> 00:02:43,540
PIL وارد کنم و سپس آن را به Narae تبدیل کنم، بنابراین
59
00:02:43,540 –> 00:02:49,120
برای این کار باید ماژول تصویر را وارد کنیم
60
00:02:49,120 –> 00:02:58,570
و شما می توانید
61
00:02:58,570 –> 00:03:02,280
با استفاده از تابع open و
62
00:03:02,280 –> 00:03:05,290
دادن نشانگر فایل یا مسیر فایل به آن شیء تصویر را با استفاده از تابع open ایجاد کنید
63
00:03:05,290 –> 00:03:11,740
و برای تبدیل آن به یک آرایه داور،
64
00:03:11,740 –> 00:03:17,860
به سادگی میتوانیم از
65
00:03:17,860 –> 00:03:21,280
روش داخلی numpy استفاده کنیم که باید
66
00:03:21,280 –> 00:03:27,430
numpy را وارد کنیم. از
67
00:03:27,430 –> 00:03:35,350
آرایه نقطهای NP و داخل آن IMG استفاده کنید، بنابراین اگر
68
00:03:35,350 –> 00:03:38,580
این برنامه را اجرا کنیم چیزی که میبینیم این است که
69
00:03:38,580 –> 00:03:43,150
ابتدا یک شیء تصویری دریافت میکنیم، بنابراین نوع
70
00:03:43,150 –> 00:03:44,890
تصویر همانطور که میبینید یک شی
71
00:03:44,890 –> 00:03:48,000
در زیر PIL است، یک پلاگین تصویر jpg است و
72
00:03:48,000 –> 00:03:54,100
اگر ببینیم آرایه تصویر آرایه ای
73
00:03:54,100 –> 00:03:57,040
از اعداد است که مقادیر شدت
74
00:03:57,040 –> 00:04:01,240
تصاویر را نشان می دهد اگر
75
00:04:01,240 –> 00:04:03,870
شکل این آرایه را
76
00:04:05,840 –> 00:04:08,990
ببینیم متوجه می شویم که شکل 256 cross
77
00:04:08,990 –> 00:04:12,980
256 cross 3 است که این دو مقدار اول
78
00:04:12,980 –> 00:04:14,420
نشان دهنده ارتفاع و عرض
79
00:04:14,420 –> 00:04:17,060
تصویر است. و این آخرین مقدار در اینجا آن
80
00:04:17,060 –> 00:04:18,680
r است این تعداد کانال را
81
00:04:18,680 –> 00:04:21,350
در تصویر نشان میدهد، بنابراین معمولاً یک تصویر میتواند تعداد کانالهای متفاوتی داشته باشد،
82
00:04:21,350 –> 00:04:24,380
مثلاً برای یک
83
00:04:24,380 –> 00:04:26,570
تصویر سیاه و سفید فقط یک کانال وجود دارد،
84
00:04:26,570 –> 00:04:29,419
حتی برای یک تصویر در مقیاس خاکستری، شما
85
00:04:29,419 –> 00:04:31,370
فقط یک کانال خواهید داشت، اکنون میتوانید
86
00:04:31,370 –> 00:04:32,630
بپرسید تفاوت بین یک تصویر چیست.
87
00:04:32,630 –> 00:04:33,889
تصویر سیاه و سفید در یک تصویر در مقیاس خاکستری
88
00:04:33,889 –> 00:04:36,430
یک تصویر سیاه و سفید
89
00:04:36,430 –> 00:04:39,290
که مقادیری را نشان می دهد که فقط به یکی
90
00:04:39,290 –> 00:04:42,010
از دو کلاس تعلق دارد که 0 یا 1 برای
91
00:04:42,010 –> 00:04:44,480
تصویر در مقیاس خاکستری است. طیف بسیار بزرگ تری دارد
92
00:04:44,480 –> 00:04:46,910
که معمولاً مقدار آن از 0
93
00:04:46,910 –> 00:04:50,600
تا 255 که 256 است باز می شود.
94
00:04:50,600 –> 00:04:53,600
مقادیر شدت متفاوتی که در پیکسل ها نشان داده می
95
00:04:53,600 –