معالجة الصور باستخدام OpenCV

OpenCV (مكتبة الرؤية الحاسوبية مفتوحة المصدر) مكتبة قوية لمعالجة الصور ومهام الرؤية الحاسوبية. وهي توفر أدوات لتحميل الصور ومعالجتها وتحليلها بكفاءة.

تحميل صورة باستخدام OpenCV

يمكننا تحميل الصور باستخدام الدالة cv2.imread(). وهي تقرأ الصورة على شكل مصفوفة NumPy:

import cv2

# Load an image
image = cv2.imread('example.jpg')

# Display the image shape
print("Image Shape:", image.shape)

عرض صورة

لعرض صورة، استخدم الدالة cv2.imshow():

# Display the image
cv2.imshow('Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

تغيير حجم صورة

استخدم الدالة cv2.resize() لتغيير حجم صورة:

# Resize the image
resized_image = cv2.resize(image, (200, 200))
cv2.imshow('Resized Image', resized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

التحويل إلى التدرج الرمادي

حوّل صورة ملونة إلى التدرج الرمادي باستخدام cv2.cvtColor():

# Convert to grayscale
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.imshow('Grayscale Image', gray_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

رسم الأشكال على الصور

يمكننا رسم أشكال مثل الخطوط والمستطيلات والدوائر على الصور:

# Draw a rectangle
cv2.rectangle(image, (50, 50), (200, 200), (255, 0, 0), 2)
cv2.imshow('Image with Rectangle', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

اكتشاف الحواف

اكتشف الحواف في صورة باستخدام الدالة cv2.Canny():

# Perform edge detection
edges = cv2.Canny(image, 100, 200)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

تحديات معالجة الصور

تشمل التحديات الشائعة ما يلي:

• ظروف الإضاءة: قد يؤثر اختلاف الإضاءة في النتائج.
• الضوضاء: قد تحتوي الصور على تشوهات غير مرغوب فيها.
• قابلية التوسع: تتطلب معالجة الصور عالية الدقة موارد كبيرة.

الملخص والخطوات التالية

في هذا الدرس، قمنا بما يلي:

• استكشفنا OpenCV لمعالجة الصور.
• تعلمنا تحميل الصور وتغيير حجمها وتحويلها إلى التدرج الرمادي.
• نفذنا مهام مثل اكتشاف الحواف ورسم الأشكال.

بعد ذلك، سنتعمق في الشبكات العصبية الالتفافية (CNNs) لفهم كيفية معالجتها لبيانات الصور لتنفيذ مهام معقدة مثل تصنيف الصور.