تصویر بزرگتر

تصویر الگو

import cv2
import numpy as np
from matplotlib import pyplot as plt

img_rgb = cv2.imread('111.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('1111.PNG',0)
w, h = template.shape[::-1]

res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)
threshold = 0.8
loc = np.where( res >= threshold)
for pt in zip(*loc[::-1]):
cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)

cv2.imwrite('res.png',img_rgb)
💢💢💢💢

تصویر res.png را که داخل پوشه ایجاد شده را باز میکنیم:
💢💢💢

اصلش باید اینطوری باشه 🤔

💢اولین پروژه💢
1) تشخیص و شمردن سکه ها
💢

تصویر اصلی

💢💢💢💢💢💢💢💢💢
ادامه:👇🏻👇🏻👇🏻👇🏻👇🏻
1️⃣پیش پردازش:
✅مرحله اول :
تصویر را به حالت grayscale برده تا توسط Gaussian blur، تصویر مات و نویز ها حذف شود.
✅مرحله دوم:
سپس آستانه گذاری ساده بر روی تصویر پیش پردازش شده اعمال میکنیم.


💢💢💢💢💢

‍ import cv2

def sufra():
img = cv2.imread('coins.jpg')
coins_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
coins_preprocessed = cv2.GaussianBlur(coins_gray, (5, 5), 0)
_, coins_binary = cv2.threshold(coins_preprocessed, 130, 255, cv2.THRESH_BINARY)
coins_binary = cv2.bitwise_not(coins_binary)

cv2.imshow('image', coins_binary)
cv2.waitKey(0)
cv2.destroyAllWindows()
print ("waitkey")

if name == 'main':
sufra()
💢💢💢💢💢

2️⃣پیدا کردن کانتور ها(contours)
کانتورها ، نقاط دنباله دار، که یک منحنی بسته راتشکیل داده و در بر دارنده تصویر هستند.
💢کانتور ها ابزاری مفیدبرای تشخیص اشیا و ویژگیها، همچنینن تجزیه و تحلیل اشکال، هستند.
✅با استفاده از cv2.findContours ()، مرز یا لبه های هر سکه را پیدا خواهیم کرد.
✅انتخاب پرچم
cv2.RETR_EXTERNAL،
تنها خطوط خارجی را به تابع باز می گرداند. بنابراین جزئيات کوچکتر روی سطح سکه را انتخاب نمی کند.
✅ برای به دست آوردن محدوده کانتورها، ما از cv2.contourArea () استفاده می کنیم.


💢💢

https://docs.opencv.org/3.3.1/d4/d73/tutorial_py_contours_begin.html
🔎جهت مطالعه بیشتر
💢💢💢💢

https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_contours/py_contour_features/py_contour_features.html
🔎جهت مطالعه بیشتر

💢💢💢

‍ import cv2
import numpy as np

img = cv2.imread('coins.jpg')
coins_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

coins_preprocessed = cv2.GaussianBlur(coins_gray, (5, 5), 0)
_, coins_binary = cv2.threshold(coins_preprocessed, 130, 255, cv2.THRESH_BINARY)
coins_binary = cv2.bitwise_not(coins_binary)

_,coins_contours, _ = cv2.findContours(coins_binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# make copy of image
coins_and_contours = np.copy(img)

# find contours of large enough area
min_coin_area = 60
large_contours = [cnt for cnt in coins_contours if cv2.contourArea(cnt) > min_coin_area]

# draw contours
cv2.drawContours(coins_and_contours, large_contours, -1, (255,0,0))

# print number of contours

print('number of coins: %d' % len(large_contours))
# create copy of image to draw bounding boxes
bounding_img = np.copy(img)

# for each contour find bounding box and draw rectangle
for contour in large_contours:
x, y, w, h = cv2.boundingRect(contour)
cv2.rectangle(bounding_img, (x, y), (x + w, y + h), (0, 255, 0), 3)
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
cv2.imshow('image', bounding_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
💢💢💢💢💢

⁉️اگر کد منتخب ارر داد کد زیر را امتحان کنید:
import cv2


def sufra():
img = cv2.imread('coins.jpg')
coins_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
coins_preprocessed = cv2.GaussianBlur(coins_gray, (5, 5), 0)
_, coins_binary = cv2.threshold(coins_preprocessed, 130, 255, cv2.THRESH_BINARY)
coins_binary = cv2.bitwise_not(coins_binary)
cv2.namedWindow('image', cv2.WINDOW_NORMAL)
cv2.imshow('image', coins_binary)
cv2.waitKey(0)
cv2.destroyAllWindows()


if name == 'main':
sufra()

💢دومین پروژه💢
2) تشخیص چهره
تشخیص چهره یکی از داغترین موضوعات بینایی کامپیوتر در چند سال اخیر بوده است.
این تکنولوژی قابل استفاده و همه جا در دسترس است.
✅ در همین ابتدا سه مفهوم زیر را به خاطر بسپارید:
💡1️⃣:مفهموم Face detection: تشخیص چهره واینکه مورد مربوط به چهره یک فرد باشد.
💡2️⃣:مفهومFace recognition: تشخیص یا شناخت چهره یک فرد خاص مثلا علی.
💡3️⃣:مفهوم facial expression recignition:تشخیص حالت چهره ، اینکه یه فردی خوشحاله یا غمگینه و....

💢💢💢💢💢

✅احتمالا در این پروژه ، اول face detectionو سپس face recognition را با استفاده از opencv مورد بحث قرار دهیم.

💢💢💢