معالجة الصور باستخدام OpenCV

OpenCV (Open Source Computer Vision Library) هي مكتبة قوية لمعالجة الصور ومهام الرؤية الحاسوبية. وتوفر أدوات لتحميل الصور ومعالجتها وتحليلها بكفاءة.

تحميل صورة باستخدام OpenCV

يمكننا تحميل الصور باستخدام الدالة cv2.imread(). وهي تقرأ الصورة على هيئة 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 الصورة:

# 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 الصورة الملوّنة 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 الصورة باستخدام الدالة cv2.Canny():

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

التحديات في معالجة الصور

تشمل التحديات الشائعة ما يلي:

• ظروف الإضاءة: يمكن أن يؤثر تباين الإضاءة في النتائج.
• التشويش: قد تحتوي الصور على آثار رقمية غير مرغوب فيها.
• قابلية التوسّع: تتطلب معالجة الصور عالية الدقة موارد كبيرة.

الملخص والخطوات التالية

في هذا الدرس، قمنا بما يلي:

• استكشفنا استخدام OpenCV في معالجة الصور.
• تعلّمنا تحميل الصور وتغيير حجمها وتحويلها إلى التدرج الرمادي.
• نفّذنا 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.