در این مطلب، ویدئو تبدیل تصاویر RGB به تصویر خاکستری از ابتدا با استفاده از پایتون | پایتون برای مبتدیان 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: 00:06:20
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,080 –> 00:00:01,680
چه خبر است همه خوش آمدید امروز به این
2
00:00:01,680 –> 00:00:03,439
کانال یوتیوب بازگردید در این ویدیو
3
00:00:03,439 –> 00:00:05,600
ما قصد داریم تصاویر rgb را
4
00:00:05,600 –> 00:00:08,000
از ابتدا به تصاویر در مقیاس خاکستری تبدیل کنیم،
5
00:00:08,000 –> 00:00:09,840
می خواهیم الگوریتم و
6
00:00:09,840 –> 00:00:12,480
ریاضیات پشت این فرآیند را بررسی کنیم، بنابراین
7
00:00:12,480 –> 00:00:14,400
بدون اتلاف وقت بیشتر، بیایید مستقیماً
8
00:00:14,400 –> 00:00:16,640
به این موضوع بپردازیم. ویدیو، بنابراین همانطور که می توانید آن را روی
9
00:00:16,640 –> 00:00:19,119
صفحه نمایش من ببینید، من در حال وارد کردن i am read
10
00:00:19,119 –> 00:00:20,880
از matplotlib.image
11
00:00:20,880 –> 00:00:23,760
هستم و همچنین از نمودار pi به عنوان plt
12
00:00:23,760 –> 00:00:27,039
و numpy به عنوان np استفاده می کنم، به این دلیل است که به
13
00:00:27,039 –> 00:00:28,880
چیزی برای خواندن تصویر و
14
00:00:28,880 –> 00:00:30,480
چیزی برای نمایش تصویر نیاز دارم. و
15
00:00:30,480 –> 00:00:33,040
چیزی برای دستکاری پاک کردن، به
16
00:00:33,040 –> 00:00:35,600
همین دلیل است که من تمام این کتابخانه ها را وارد می کنم، در
17
00:00:35,600 –> 00:00:38,800
ادامه می توانید ببینید که من این
18
00:00:38,800 –> 00:00:39,840
تصویر
19
00:00:39,840 –> 00:00:41,360
sheep.jpg را دارم می خواهم از این تصویر استفاده کنم، شما می توانید از
20
00:00:41,360 –> 00:00:43,840
هر تصویر دیگری که دوست دارید استفاده کنید، بنابراین اکنون
21
00:00:43,840 –> 00:00:45,680
با تعریف شروع می کنیم
22
00:00:45,680 –> 00:00:48,800
یک تصویر زیر خط ورودی متغیر
23
00:00:48,800 –> 00:00:51,600
و من آن را برابر
24
00:00:51,600 –> 00:00:55,440
با مسیر تصویر خود قرار می دهم که sheep dot jbg است، بنابراین
25
00:00:55,440 –> 00:00:57,680
قبل از ادامه دادن باید
26
00:00:57,680 –> 00:01:00,800
بدانید که یک تصویر rgb تصویری است که
27
00:01:00,800 –> 00:01:02,879
دارای سه کانال است، یکی برای قرمز، یکی برای
28
00:01:02,879 –> 00:01:05,840
سبز و یکی برای آبی و قبل از انجام
29
00:01:05,840 –> 00:01:08,479
هر کاری باید همه این کانال ها را از هم جدا
30
00:01:08,479 –> 00:01:09,520
31
00:01:09,520 –> 00:01:11,520
کنیم، وقتی همه آن کانال ها را به
32
00:01:11,520 –> 00:01:14,640
طور جداگانه خواهیم داشت، کاری که می توانیم انجام دهیم این است که می توانیم
33
00:01:14,640 –> 00:01:16,880
مجموع وزنی همه آن کانال
34
00:01:16,880 –> 00:01:20,080
ها را انجام دهیم تا تصویر rgb خود را به یک تصویر مقیاس تبدیل کنیم
35
00:01:20,080 –> 00:01:21,280
36
00:01:21,280 –> 00:01:23,360
و برای انجام این کار که ما از این
37
00:01:23,360 –> 00:01:25,600
فرمول استفاده خواهیم کرد، می توانید ببینید که ما
38
00:01:25,600 –> 00:01:28,159
در آنجا ثابت هایی داریم و هر ثابت
39
00:01:28,159 –> 00:01:30,159
وزن
40
00:01:30,159 –> 00:01:32,560
کانال مربوطه و تأثیر آن را بر خروجی نهایی ما مشخص می
41
00:01:32,560 –> 00:01:34,400
کند، بنابراین
42
00:01:34,400 –> 00:01:38,000
بیایید ابتدا تصویر را باز کنیم که باید
43
00:01:38,000 –> 00:01:41,680
بگوییم خوانده شده ام و آن را به دور این
44
00:01:41,680 –> 00:01:44,640
شکل بپیچیم. jpg درست مثل این در مورد شما
45
00:01:44,640 –> 00:01:46,479
ممکن است چیز دیگری باشد که من از
46
00:01:46,479 –> 00:01:48,439
sheep.jpg استفاده میکنم، به همین دلیل است که
47
00:01:48,439 –> 00:01:51,119
در اینجا نوشتهام cheap.jpg شما باید
48
00:01:51,119 –> 00:01:53,600
بخشی را در فایل تصویری خود به عنوان یک آرگومان
49
00:01:53,600 –> 00:01:56,399
برای این تابع i am read تعیین کنید تا حرکت کند. حالا
50
00:01:56,399 –> 00:01:57,600
51
00:01:57,600 –> 00:01:59,520
بیایید همه آن کانال ها را از این
52
00:01:59,520 –> 00:02:02,159
تصویر ورودی جدا کنیم تا بتوانیم دستور g
53
00:02:02,159 –> 00:02:05,759
کاما p را بگوییم و یک آرایه ساده را برش دهیم
54
00:02:05,759 –> 00:02:09,119
تا همه آن کانال ها را به دست آوریم، بنابراین من می گویم
55
00:02:09,119 –> 00:02:11,599
تصویر زیر خط ورودی و من می خواهم بگویم
56
00:02:11,599 –> 00:02:14,480
کاما کولون کاما. 0 این w تصویر قرمز را به
57
00:02:14,480 –> 00:02:17,440
من بدهید، کانال قرمز، سپس
58
00:02:17,440 –> 00:02:20,879
تصویر زیر خط را وارد کنید، سپس تصویر زیر خط را وارد کنید، سپس
59
00:02:20,879 –> 00:02:23,120
کاما کولون، کاما 1، کانال سبز را به
60
00:02:23,120 –> 00:02:24,000
من میدهد
61
00:02:24,000 –> 00:02:26,560
و
62
00:02:26,560 –> 00:02:29,760
سپس دوباره تصویر زیر خط را وارد میکنم، سپس دوباره کاما دو نقطه،
63
00:02:29,760 –> 00:02:32,160
کاما 2. بنابراین
64
00:02:32,160 –> 00:02:34,560
این خط کد در اینجا همه را از هم جدا کرده است.
65
00:02:34,560 –> 00:02:37,360
کانالهای تصویر اصلیمان اکنون
66
00:02:37,360 –> 00:02:40,000
باید گاما را تعریف کنیم، بنابراین من
67
00:02:40,000 –> 00:02:43,840
گاما را برابر با 1.4 یا 0 4 تعریف میکنم،
68
00:02:43,840 –> 00:02:44,800
69
00:02:44,800 –> 00:02:46,800
آنگاه کاری که باید انجام دهیم این است که باید
70
00:02:46,800 –> 00:02:49,200
تمام ثابتهایی را که در آن فرمول دیدیم تعریف کنیم.
71
00:02:49,200 –> 00:02:51,599
72
00:02:51,599 –> 00:02:53,360
73
00:02:53,360 –> 00:02:56,560
وزن هر کانال UH مربوطه، بنابراین
74
00:02:56,560 –> 00:02:58,720
این برای کانال قرمز است، این یکی برای
75
00:02:58,720 –> 00:03:00,480
کانال سبز و این یکی برای
76
00:03:00,480 –> 00:03:03,519
کانال آبی است، بنابراین اکنون
77
00:03:03,519 –> 00:03:07,599
آن فرمول را در اینجا اعمال می کنیم، بنابراین می گویم
78
00:03:07,599 –> 00:03:10,400
تصویر