صفر تا صد پردازش تصویر در پایتون | اپیزود 00
تاریخچه پردازش تصویر
پردازش تصویر(Image processing)، شاخه‌ای از علم پردازش سیگنال است که به پردازش سیگنال تصاویر و محتوای رایانه‌ای می‌پردازد.
پردازش تصویر شامل 2 هدف کلی است :
- پردازش برای بهبود تصویر
- پردازش برای درک تصویر
اگر با نگاه ریاضی به پردازش تصویر نگاه کنیم، تابعی است که به عنوان ورودی تصویری را دریافت می‌کند و با استفاده از فرمول‌ها و قواعد داده‌شده، مجموعه‌ای از علامت‌های ریاضی که مفاهیم خاصی را برای ماشین دارد؛ بر‌میگرداند.
در این‌دوره مباحث پردازش تصویر در زبان برنامه نویسی پایتون با استفاده از کتابخانه قدرتمند OpenCV بررسی می‌شود. در ابتدا با مبانی پردازش تصویر آشنا خواهیم شد و در ادامه چند پروژه ساده اما کاربردی را پیاده‌سازی خواهیم‌کرد.
نگاهی به OpenCV
کتابخانه OpenCV مجموعه گسترده و کاملی از الگوریتم های پردازشی برای مفاهیم بینایی کامپیوتر و یادگیری ماشین است که برای زبان های برنامه نویسی متعددی از جمله پایتون و جاوا طراحی شده‌است. این کتابخانه از پلتفرم‌های ویندوز، لینوکس و مک پشتیبانی می کند و یکی از قدرتمندترین ابزار برای پردازش تصویر است.
کتابخانه OpenCV با نام OpenCV-Python برای پایتون نیز قابل دسترسی است که در ادامه به نصب این کتابخانه می‌پردازیم.
نصب OpenCV-Python
برای نصب این کتابخانه CMD را اجرا میکنیم و کد زیر را وارد‌میکنیم. (توجه داشته‌باشید که برای نصب این بسته نیاز به دسترسی به اینترنت دارید)
1pip install opencv-python
پس از اجرای دستور بالا، کتابخانه قدتمند OpenCV بر روی سیستم شما نصب و آماده به کار خواهد‌شد.
چرا OpenCV-Python ؟
همانطور که در میکروبلاگ‌های قبلی در مورد مزایای استفاده از پایتون در هوش مصنوعی صحبت شد؛ یکی از فواید پایتون بسته‌های گسترده برای برنامه نویسی سریع‌تر، قدرتمند‌تر و راحت‌تر است.
بسته پردازشی NumPy یکی از بسته‌های موردنیاز برای انجام عملیات‌های ریاضی سنگین است و برای پردازش تصویر با OpenCV ما به این کتابخانه نیاز خواهیم‌داشت؛ زیرا تمامی داده‌هایی که در OpenCV استفاده می‌شوند در قالب آرایه‌های Numpy است.
برای نصب numpy دستور زیر را در CMD وارد میکنیم.
1pip install numpy
خب دوستان جلسه صفرم پردازش تصویر به پایان رسید در جلسات بعدی کم کم وارد مباحث جذاب کار با تصاویر خواهیم‌شد پس آموزش‌هارو از دست ندید 🙂
خیلی ممنون 🙂