Dengan perkembangan pesat kecerdasan buatan dan teknologi penglihatan komputer, pemprosesan imej telah menjadi salah satu hala tuju penyelidikan penting dalam bidang sains komputer dan kecerdasan buatan. Python ialah bahasa pengaturcaraan yang mudah dipelajari dan salah satu bahasa yang paling popular dalam bidang pemprosesan imej. Ungkapan biasa ialah alat yang berkuasa untuk memadankan dan memproses rentetan. Artikel ini akan memperkenalkan cara menggunakan ungkapan biasa Python untuk pemprosesan imej.
1. Pasang perpustakaan berkaitan
Sebelum menggunakan Python untuk pemprosesan imej, anda perlu memasang beberapa perpustakaan Python yang berkaitan. Antaranya, perpustakaan terpenting yang digunakan untuk pemprosesan imej ialah OpenCV. Ia boleh dipasang menggunakan arahan berikut:
pip install opencv-python
Selain OpenCV, anda juga perlu memasang perpustakaan Bantal, yang merupakan salah satu perpustakaan pemprosesan imej paling popular dalam Python. Ia boleh dipasang menggunakan arahan berikut:
pip install Pillow
Anda juga perlu memasang perpustakaan numpy, iaitu perpustakaan Python yang sangat popular digunakan untuk pengiraan berangka dan pengiraan saintifik. Anda boleh menggunakan arahan berikut untuk memasang:
pip install numpy
2 Buka dan simpan imej
Dalam Python, anda boleh menggunakan perpustakaan OpenCV untuk membuka dan menyimpan imej. Berikut ialah kod untuk membuka dan memaparkan imej:
import cv2 img = cv2.imread('image.jpg') cv2.imshow('image', img) cv2.waitKey(0) cv2.destroyAllWindows()
Dalam contoh ini, kita membaca imej bernama "image.jpg", gunakan kaedah cv2.imshow() untuk memaparkan imej dan gunakan cv2 .waitKey (0) untuk menunggu respons pengguna, dan akhirnya gunakan cv2.destroyAllWindows() untuk menutup semua tetingkap yang terbuka.
Berikut ialah kod untuk menyimpan imej:
import cv2 img = cv2.imread('image.jpg') cv2.imwrite('saved_image.jpg', img)
Dalam contoh ini, kita membaca imej bernama "image.jpg" ke dalam ingatan dan kemudian menggunakan kaedah cv2.imwrite() Simpan kepada fail yang dipanggil "saved_image.jpg".
3. Pemprosesan imej
Seterusnya, kami akan memperkenalkan cara menggunakan ungkapan biasa untuk pemprosesan imej. Dalam Python, anda boleh menggunakan ungkapan biasa menggunakan perpustakaan semula. Berikut ialah kod untuk menukar imej kepada hitam dan putih:
import cv2 import numpy as np img = cv2.imread('image.jpg') gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) cv2.imshow('gray image', gray_image) cv2.waitKey(0) cv2.destroyAllWindows()
Dalam contoh ini, kita mula-mula membaca imej itu. Kemudian, gunakan kaedah cv2.cvtColor() untuk menukarnya kepada imej skala kelabu. Akhir sekali, gunakan kaedah cv2.imshow() untuk memaparkan imej skala kelabu.
Berikut ialah kod untuk pemampatan imej menggunakan ungkapan biasa:
import cv2 import numpy as np import re img = cv2.imread('image.jpg') compressed_image = cv2.imencode('.jpg', img, [cv2.IMWRITE_JPEG_QUALITY, 50])[1].tobytes() cv2.imshow('compressed image', cv2.imdecode(np.frombuffer(compressed_image, dtype=np.uint8), 1)) cv2.waitKey(0) cv2.destroyAllWindows()
Dalam contoh ini, kita mula-mula membaca imej itu. Kemudian, gunakan kaedah cv2.imencode() untuk memampatkan imej kepada format jpeg dan tetapkan kualiti mampatan kepada 50. Akhir sekali, kami menggunakan ungkapan biasa untuk mengubah suai format fail termampat jpeg dan menggunakan kaedah cv2.imdecode() untuk menyahkod dan memaparkannya.
4. Ringkasan
Artikel ini memperkenalkan cara menggunakan ungkapan biasa Python untuk pemprosesan imej. Mula-mula, kami memasang perpustakaan Python yang diperlukan. Kemudian kami belajar cara membuka dan menyimpan imej. Akhir sekali, kami membincangkan cara menggunakan ungkapan biasa untuk pemprosesan imej, termasuk menukar imej kepada hitam dan putih dan memampatkan imej kepada format jpeg. Python dan ungkapan biasa adalah alat yang sangat diperlukan dalam pemprosesan imej Menguasainya boleh membantu kami melakukan pemprosesan imej yang lebih baik.
Atas ialah kandungan terperinci Cara menggunakan ungkapan biasa Python untuk pemprosesan imej. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!