[[[ 45 64 223]
[ 45 63 224]
[ 45 63 224]
...,
[ 15 46 227]
[ 15 46 227]
[ 15 46 227]]

[[ 22 47 217]
[ 21 47 218]
[ 20 46 217]
...,
[ 15 46 229]
[ 15 46 229]
[ 15 46 229]]

[[ 15 47 230]
[ 15 47 230]
[ 12 46 229]
...,
[ 15 46 229]
[ 15 46 229]
[ 15 46 229]]

...,
[[ 15 46 233]
[ 14 45 232]
[ 14 44 233]
...,
[ 6 43 231]
[ 7 44 232]
[ 9 44 232]]

[[ 25 50 230]
[ 23 50 231]
[ 23 50 231]
...,
[ 16 47 232]
[ 16 47 232]
[ 16 47 232]]

[[ 25 50 230]
[ 23 50 230]
[ 23 50 231]
...,
[ 16 47 232]
[ 16 47 232]
[ 16 47 232]]]
»>

✅✅اینجا [ 45 64 223] و... ، مقادیر یک پیکسل، آبی، قرمز و سبز (BGR) هستند. توجه داشته باشید که OpenCV به طور پیش فرض یک تصویر را در قالب BGR بارگذاری می کندبا این حال،در Matplotlib، تصاویر با فرمت RGB خوانده می شوند. برای نمایش یک تصویر در matplotlib، ما باید فرمت BGR را به RGB تبدیل کنیم.
#حالا_با_هم_میبینیم وقتی که شما فراموش کردید که تبدیل را انجام دهید، چه اتفاقی می افتد
#قسمت_دوم

import numpy as np
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('test.jpg')
plt.imshow(img)
plt.show()
#شکل2
ذخیره تصویر ب#_ا_

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

img = cv2.imread('test.jpg')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)
print(img)

#حالا_با_هم_میبینیم

[[[223 64 45]
[224 63 45]
[224 63 45]
...,
[227 46 15]
[227 46 15]
[227 46 15]]

[[217 47 22]
[218 47 21]
[217 46 20]
...,
[229 46 15]
[229 46 15]
[229 46 15]]

[[230 47 15]
[230 47 15]
[229 46 12]
...,
[229 46 15]
[229 46 15]
[229 46 15]]

...,
[[233 46 15]
[232 45 14]
[233 44 14]
...,
[231 43 6]
[232 44 7]
[232 44 9]]

[[230 50 25]
[231 50 23]
[231 50 23]
...,
[232 47 16]
[232 47 16]
[232 47 16]]

[[230 50 25]
[230 50 23]
[231 50 23]
...,
[232 47 16]
[232 47 16]
[232 47 16]]]
»>

دلیل کار با BGR و RGB
چیست؟😉

💢Red, Green and Blue (RGB)💢
در دنیای دیجیتال، رنگ ها معمولا با استفاده از مدل رنگ RGB نمایان می شوند. با استفاده از این مدل رنگی، نور قرمز، سبز و آبی می تواند به طرق مختلف به منظور ایجاد یک طیف رنگی در طیف قابل مشاهده باشد. هر کدام از این رنگ ها به عنوان کانال معرفی می شوند.

Image from Wikipedia

مدل رنگ RGB
red + green = yellow
blue + green = cyan
red + blue = magenta
red + blue + green = white

در بیشتر سیستم ها، مقادیر RGB به عنوان مقادیر بین 0 تا 255 نمایش داده می شوند،با مقادیر بالاتر مربوط به شدت بیشتر آن کانال رنگ. به عنوان مثال می توان حدس زد که [0, 51, 255] احتمالا یک رنگ قرمز است و...

🎲 دوره آمار برای علم داده با R و Minitab (آنلاین)

🚦مناسب کلیه رشته‌های مهندسی و مدیریت و علوم پایه
🛫 مناسب برای مهاجرت شغلی یا تحصیلی به #آمریکا، #اروپا و #استرالیا
🔬 75 ساعت آموزش با مطالعات موردی (Case Study) واقعی و مختلف
🌟 با گواهینامه مورد تایید وزارت علوم، تحقیقات و فناوری

🔗 مشاهده جزئیات دوره و پیش‌ثبت نام رایگان:
https://tihe.ac.ir/preregistration-statistics-for-data-science

💢Hue, Saturation and Value (HSV)💢
یکی دیگر از مدل های رنگی مناسب مدل رنگی HSV است.
به جای نشان دادن رنگ توسط قرمز، سبز و آبی آن، ما آنها را با رنگ (که در محدوده رنگین کمان است)، اشباع (رنگی بودن رنگ) و ارزش (که همچنین به عنوان روشنایی شناخته می شود، نشان می دهد) یا میزان نور درک شده از آن خارج می شود).

Image from Wikipedia

💢Grayscale💢

ما همچنین با تصاویر سیاه و سفید کار خواهیم کرد. تصاویر خاکستری فقط دارای یک کانال رنگی در مقیاس 0 تا 255 هستند که نشان دهنده روشنایی آن پیکسل است، 0 کاملا تاریک (سیاه) و 255 کاملا روشن (سفید) است.
تبدیل تصویر به مقیاس خاکستری به ما آرایه ای دو بعدی از آن میدهد.

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

img = cv2.imread('test.jpg')
gray_img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
print(gray_img)

[[76 76 76 ..., 57 57 57]
[59 59 58 ..., 58 58 58]
[58 58 57 ..., 58 58 58]
...,
[58 57 57 ..., 53 54 55]
[63 63 63 ..., 59 59 59]
[63 62 63 ..., 59 59 59]]

import numpy as np
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('test.jpg')
gray_img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

plt.imshow(cv2.cvtColor(gray_img, cv2.COLOR_GRAY2RGB))
plt.show()