Przetwarzanie obrazów za pomocą OpenCV

OpenCV (Open Source Computer Vision Library) to potężna biblioteka do przetwarzania obrazów i zadań związanych z widzeniem komputerowym. Udostępnia narzędzia do wydajnego wczytywania, modyfikowania i analizowania obrazów.

Wczytywanie obrazu za pomocą OpenCV

Obrazy możemy wczytywać za pomocą funkcji cv2.imread(). Wczytuje ona obraz jako tablicę NumPy:

import cv2

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

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

Wyświetlanie obrazu

Aby wyświetlić obraz, należy użyć funkcji cv2.imshow():

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

Zmiana rozmiaru obrazu

Użyj funkcji cv2.resize(), aby zmienić rozmiar obrazu:

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

Konwersja do odcieni szarości

Obraz kolorowy można przekonwertować do odcieni szarości za pomocą funkcji cv2.cvtColor():

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

Rysowanie kształtów na obrazach

Na obrazach można rysować takie kształty jak linie, prostokąty i okręgi:

# 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()

Wykrywanie krawędzi

Krawędzie obrazu można wykrywać za pomocą funkcji cv2.Canny():

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

Wyzwania związane z przetwarzaniem obrazów

Do typowych wyzwań należą:

• Warunki oświetleniowe: Zmienność oświetlenia może wpływać na wyniki.
• Szumy: Obrazy mogą zawierać niepożądane artefakty.
• Skalowalność: Przetwarzanie obrazów o wysokiej rozdzielczości wymaga znacznych zasobów.

Podsumowanie i następne kroki

W tej lekcji:

• Poznaliśmy bibliotekę OpenCV do przetwarzania obrazów.
• Nauczyliśmy się wczytywać i zmieniać rozmiar obrazów oraz konwertować je do odcieni szarości.
• Wykonaliśmy zadania takie jak wykrywanie krawędzi i rysowanie kształtów.

Następnie zagłębimy się w konwolucyjne sieci neuronowe (CNN), aby zrozumieć, jak przetwarzają dane obrazowe w złożonych zadaniach, takich jak klasyfikacja obrazów.