تکرار گرها یا iterator ها در زبان های برنامه نویسی استفاده های زیادی دارند. برنامه نویسان در هنگام استفاده از ساختمان داده های آماده مکرراً از تکرارگرها استفاده میکنند. به عبارت ساده تر، با وجود iterator هاست که میتوانیم یک لیست، آرایه یا ساختمان داده خاص دیگری را پیمایش کرده و تک تک عناصر آنرا درون یک حلقه بررسی کنیم.
تشخیص چهره انسان در تصویر یکی از موضوعات قدیمی و جذاب در حوزه پردازش تصویر است که همواره توجه بسیاری از مخاطبان و پژوهشگران را به خود جذب کرده است. تکنیک های مختلفی برای تشخیص چهره و بهبود عملکرد الگوریتم ها معرفی شدند که هر کدام از آنها دارای محاسن و معایبی بوده اند. از الگوریتم های تشخیص چهره برای کاربردهای مختلفی همچون تشخیص چهره در دوربین ها، تشخیص چهره برای سیستم حضور و غیاب و غیره استفاده می شود.
کلمه ROI مخفف region of interest هستش یعنی ناحیه مد نظر شما .تصور کنید که شما میخاید تصاویر درب ورودی یک پارکنیک را بررسی کنید تصویر ابعاد خیلی بزرگه ولی عرض آن
قسمتی که خودرو ها ازش عبور می کنند خیلی محدوده شما از این قضیه آگاه هستید آیا بهتر نیست بجای پردازش کل تصویر و موقعیت یابی پلاک در این تصویر بزرگ در ابتدا ناحیه
تقریبی محل عبور خودورو را مشخص کنید و پردازش را فقط در آن ناحیه خاص انجام بدید که تعریف ناحیه ROI باعث میشه که برنامه شما کارایی آن افزایش پیدا کنه .
توی OpenCV هم می تونید به صورت زیر عمل کنید.
Mat a=imread("test.jpg");
Mat B(Rect(10,10,49,49));
با اینکار B یک ماتریس 40*40 هستش که از نقطه 10,10 تصویر a در آن قرار داده شده.
قسمتی که خودرو ها ازش عبور می کنند خیلی محدوده شما از این قضیه آگاه هستید آیا بهتر نیست بجای پردازش کل تصویر و موقعیت یابی پلاک در این تصویر بزرگ در ابتدا ناحیه
تقریبی محل عبور خودورو را مشخص کنید و پردازش را فقط در آن ناحیه خاص انجام بدید که تعریف ناحیه ROI باعث میشه که برنامه شما کارایی آن افزایش پیدا کنه .
توی OpenCV هم می تونید به صورت زیر عمل کنید.
Mat a=imread("test.jpg");
Mat B(Rect(10,10,49,49));
با اینکار B یک ماتریس 40*40 هستش که از نقطه 10,10 تصویر a در آن قرار داده شده.
https://bit.ly/2RLx0yL دوره پایتون به روزرسانی شد ادامه اموزش پردازش تصویر
در این ابزار شما امکانات بسیاری را دارید مثل Pandas ،Jupyter Notebook و غیره را به راحتی در اختیار دارید.در واقع این دلیلی است که شما را ترغیب میکند که از آناکوندا استفاده کنید.
This media is not supported in your browser
VIEW IN TELEGRAM
فیلم معرفی pandas
تبدیل هاف چیست؟
در واقع میتوان تبدیل هاف را یک شیوه «استخراج ویژگی» (Feature Extraction) دانست که به وسیله آن شکلهای ساده مانند خط و دایره در یک تصویر تشخیص داده میشوند. توجه کنید که منظور از یک شکل ساده، شکلی است که بتوان آن را تنها با استفاده از تعداد کمی پارامتر نشان داد. به عنوان مثال، یک خط را میتوان فقط به کمک دو پارامتر شیب و عرض از مبدا نشان داد. همچنین دایره با کمک ۳ پارامتر قابل نشان دادن است که عبارتند از مختصات X و Y و نیز شعاع R دایره. تبدیل هاف در یافتن این شکلها در یک تصویر به صورت فوقالعاده عمل میکند. یکی از مهمترین مزایای تبدیل هاف در یافتن خط و دایره در تصویر این است که نسبت به همپوشانی حساس نیست
در واقع میتوان تبدیل هاف را یک شیوه «استخراج ویژگی» (Feature Extraction) دانست که به وسیله آن شکلهای ساده مانند خط و دایره در یک تصویر تشخیص داده میشوند. توجه کنید که منظور از یک شکل ساده، شکلی است که بتوان آن را تنها با استفاده از تعداد کمی پارامتر نشان داد. به عنوان مثال، یک خط را میتوان فقط به کمک دو پارامتر شیب و عرض از مبدا نشان داد. همچنین دایره با کمک ۳ پارامتر قابل نشان دادن است که عبارتند از مختصات X و Y و نیز شعاع R دایره. تبدیل هاف در یافتن این شکلها در یک تصویر به صورت فوقالعاده عمل میکند. یکی از مهمترین مزایای تبدیل هاف در یافتن خط و دایره در تصویر این است که نسبت به همپوشانی حساس نیست
کاربردهای پردازش تصویر
از جمله کاربردهای پردازش تصویر میتوان به حوزههای نظامی، صنعتی، هواشناسی، رباتیک، کنترل ترافیک، شهرسازی، و … اشاره کرد. همانطور که میدانید در عصر جدید انسان تمایل دارد که هر آن چیزی که در دنیای هستی وجود دارد را به سمت هوشمندی ببرد. و پردازش تصویر هم جز لاینفک و جدانشدنی این حوزهی هوشمندی در اکثر موارد میباشد. پس آموزش پردازش تصویر و فراگیری این مهارت که روز به روز هم گستردهتر میشود، میتواند برای شما در آیندهای نه چندان دور بسیار مفید باشد.
از جمله کاربردهای پردازش تصویر میتوان به حوزههای نظامی، صنعتی، هواشناسی، رباتیک، کنترل ترافیک، شهرسازی، و … اشاره کرد. همانطور که میدانید در عصر جدید انسان تمایل دارد که هر آن چیزی که در دنیای هستی وجود دارد را به سمت هوشمندی ببرد. و پردازش تصویر هم جز لاینفک و جدانشدنی این حوزهی هوشمندی در اکثر موارد میباشد. پس آموزش پردازش تصویر و فراگیری این مهارت که روز به روز هم گستردهتر میشود، میتواند برای شما در آیندهای نه چندان دور بسیار مفید باشد.
امروزه پلاک خودرو یکی از مناسب ترین ابزار احراز هویت خودرو می باشد رشد بی رویه خودروها باعث بروز مشکلاتی از جمله کنترل ترافیک عوارض بزرگراهها، مدیریت پارکینگها و غیره شده است. سامانه تشخیص پلاک خودرویک سیستم کامپیوتری است که با استفاده از پردازش تصویر پلاک خودروی مورد نظر را تشخیص میدهد. با استفاده از این سیستم میتوان بر بسیاری از این مشکلات فائق آمد. تشخیص محل پلاک خودرو مهمترین مرحله در تشخیصِ پلاک خودرو، در سیستمهای حمل و نقل هوشمند است در مفهوم پردازش تصویر همواره روشهای جستجو میشود که با کمترین خطا اطلاعات پلاک خودروبهطور کامل بازیابی شود باتوجه به گستردگی مفاهیمی پردازش تصاویر قابل استفاده در تشخیص پلاک خودرو روشهای کاربردی متعددی مطرح شده است.
آشکارساز لبه کنی یک عملگر لبه یابی است که از یک الگوریتم چند مرحله ای برای یافتن دامنه وسیعی از لبه در تصویر استفاده میکند. این روش در سال ۱۹۸۶ توسط John F. Canny توسعه یافت. همچنین Canny یک تئوری محاسباتی لبه یابی ایجاد کرد که توضیح میدهد روش چگونه کار میکند.
روش های فشرده سازی تصاویر در پردازش تصویر فشرده سازی تصویر به معنی کنارگذاشتن بخش هایی از اطلاعات و داده ها است. که سبب کاهش پهنای باند و فرکانس مورد نیاز می شود و ذخیره کردن و انتقال آن ها را آسان تر می کند. ضریب یا نسبت فشرده سازی عددی است که میزان کنارگذاشتن اطلاعات را نشان می دهد. روش JPEG این نام مخفف Joint Photographic Expert Group است که در فشرده سازی عکس های گرافیکی ساکن استفاده می شود. JPEG اولین و ساده ترین روش فشرده سازی تصویر است که سعی شد برای تصاویر متحرک به صورت فریم به فریم فشرده شوند و برای ارتباط دادن این عکس ها به هم از Motion JPEG استفاده می شد که مشکلاتی داشت.