آموزش سانسور کردن و بازگرداندن سانسور یک قسمت از عکس با پایتون
سانسور کردن (محو کردن) و بازگرداندن سانسور یک قسمت از عکس، یکی از تکنیکهای کاربردی در پردازش تصویر است که میتواند در بسیاری از پروژهها مفید باشد. در این آموزش، با استفاده از کتابخانهی محبوب OpenCV یاد میگیریم که چگونه این کار را انجام دهیم.
نصب کتابخانههای مورد نیاز
ابتدا باید کتابخانهی OpenCV را نصب کنید. اگر هنوز نصب نکردهاید، با اجرای دستور زیر در محیط ترمینال یا CMD میتوانید این کار را انجام دهید:
کد نمونه برای سانسور کردن یک قسمت از عکس
در این مثال، یک قسمت از عکس را محو (blur) میکنیم:
🔍 توضیحات:
- بارگذاری تصویر: تصویر مورد نظر را با
- تعیین ناحیه: ناحیهای که میخواهیم سانسور کنیم را با مختصات (x, y) و اندازه (عرض، ارتفاع) مشخص میکنیم.
- محو کردن ناحیه: از فیلتر Gaussian Blur برای محو کردن ناحیه استفاده میکنیم.
- ذخیره و نمایش تصویر: تصویر محو شده را ذخیره و نمایش میدهیم.
کد نمونه برای بازگرداندن ناحیه اصلی
در این مثال، ناحیه سانسور شده را با ناحیه اصلی جایگزین میکنیم:
🔍 توضیحات:
- بارگذاری تصاویر: تصویر اصلی و تصویر سانسور شده را بارگذاری میکنیم.
- بازگرداندن ناحیه اصلی: ناحیه محو شده را با ناحیه اصلی از تصویر اصلی جایگزین میکنیم.
- ذخیره و نمایش تصویر: تصویر بازگردانده شده را ذخیره و نمایش میدهیم.
#Python #OpenCV
#کتابخانه
✔️ کانال آموزش پایتون برای همه
🆔 @Python4all_pro
سانسور کردن (محو کردن) و بازگرداندن سانسور یک قسمت از عکس، یکی از تکنیکهای کاربردی در پردازش تصویر است که میتواند در بسیاری از پروژهها مفید باشد. در این آموزش، با استفاده از کتابخانهی محبوب OpenCV یاد میگیریم که چگونه این کار را انجام دهیم.
نصب کتابخانههای مورد نیاز
ابتدا باید کتابخانهی OpenCV را نصب کنید. اگر هنوز نصب نکردهاید، با اجرای دستور زیر در محیط ترمینال یا CMD میتوانید این کار را انجام دهید:
pip install opencv-python
کد نمونه برای سانسور کردن یک قسمت از عکس
در این مثال، یک قسمت از عکس را محو (blur) میکنیم:
import cv2
# بارگذاری تصویر
image = cv2.imread('input_image.jpg')
# تعیین ناحیهای که میخواهیم سانسور کنیم (x, y, عرض، ارتفاع)
x, y, w, h = 100, 100, 200, 200
roi = image[y:y+h, x:x+w]
# محو کردن ناحیه
blurred_roi = cv2.GaussianBlur(roi, (23, 23), 30)
# جایگزین کردن ناحیه محو شده در تصویر اصلی
image[y:y+h, x:x+w] = blurred_roi
# ذخیره تصویر خروجی
cv2.imwrite('censored_image.jpg', image)
# نمایش تصویر
cv2.imshow('Censored Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
🔍 توضیحات:
- بارگذاری تصویر: تصویر مورد نظر را با
cv2.imread
بارگذاری میکنیم.- تعیین ناحیه: ناحیهای که میخواهیم سانسور کنیم را با مختصات (x, y) و اندازه (عرض، ارتفاع) مشخص میکنیم.
- محو کردن ناحیه: از فیلتر Gaussian Blur برای محو کردن ناحیه استفاده میکنیم.
- ذخیره و نمایش تصویر: تصویر محو شده را ذخیره و نمایش میدهیم.
کد نمونه برای بازگرداندن ناحیه اصلی
در این مثال، ناحیه سانسور شده را با ناحیه اصلی جایگزین میکنیم:
import cv2
import numpy as np
# بارگذاری تصویر اصلی و تصویر سانسور شده
original_image = cv2.imread('input_image.jpg')
censored_image = cv2.imread('censored_image.jpg')
# تعیین ناحیهای که سانسور شده (x, y, عرض، ارتفاع)
x, y, w, h = 100, 100, 200, 200
# بازگرداندن ناحیه اصلی
censored_image[y:y+h, x:x+w] = original_image[y:y+h, x:x+w]
# ذخیره تصویر خروجی
cv2.imwrite('restored_image.jpg', censored_image)
# نمایش تصویر
cv2.imshow('Restored Image', censored_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
🔍 توضیحات:
- بارگذاری تصاویر: تصویر اصلی و تصویر سانسور شده را بارگذاری میکنیم.
- بازگرداندن ناحیه اصلی: ناحیه محو شده را با ناحیه اصلی از تصویر اصلی جایگزین میکنیم.
- ذخیره و نمایش تصویر: تصویر بازگردانده شده را ذخیره و نمایش میدهیم.
#Python #OpenCV
#کتابخانه
✔️ کانال آموزش پایتون برای همه
🆔 @Python4all_pro