‍ با توجه به مقدار آستانه کم، شی دارای شکاف است.

ثبت نام چهارمین دوره MBA علم داده و معاملات الگوریتمی دانشگاه الزهرا (س) سال 1400 آغاز شد.

مزایای دوره:
1️⃣ ارائه گواهینامه دوره آزاد MBA دانشگاه الزهرا (س) با قابلیت ترجمه رسمی به پذیرفته شدگان
2️⃣ ارائه دروس به صورت کاربردی و مطابق با نیاز روز بازار سرمایه ایران
3️⃣ بهره گيري از اساتيد برجسته و مطرح بازار سرمایه ایران

شروع دوره: اسفندماه 1400

روزهای برگزاری: پنجشنبه و جمعه

بهره مندی از 10% تخفیف ثبت نام زودهنگام تا 10 دی ماه

اطلاعات بیشتر و ثبت نام:
t.me/Alzahra_MBA_DBA

http://sufra.ir/%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4-%D8%AA%D8%B5%D9%88%DB%8C%D8%B1-%D8%A8%D8%A7-%D9%BE%D8%A7%DB%8C%D8%AA%D9%88%D9%86-%D9%82%D8%B3%D9%85%D8%AA-%D8%A8%DB%8C%D8%B3%D8%AA-%D9%88-%D8%AF%D9%88%D9%85/

پردازش تصویر با پایتون قسمت بیستم و دوم

💢ادامه💢
👌👌برای حذف نویز از Opening استفاده میشود.

‍ 💢3.Opening💢
اگر بر روی تصویری ابتدا عمل فرسایش ،سپس عمل انبساط را انجام دهیم، Opening رخ میدهد.

‍ import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('morno.png',0)
kernel = np.ones((5,5),np.uint8)
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
plt.subplot(121),plt.imshow(img),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(opening),plt.title('Opening')
plt.xticks([]), plt.yticks([])
plt.show()

http://sufra.ir/%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4-%D8%AA%D8%B5%D9%88%DB%8C%D8%B1-%D8%A8%D8%A7-%D9%BE%D8%A7%DB%8C%D8%AA%D9%88%D9%86-%D9%82%D8%B3%D9%85%D8%AA-%D8%A8%DB%8C%D8%B3%D8%AA-%D9%88-%D8%B3%D9%88%D9%85/

پردازش تصویر با پایتون قسمت بیستم و سوم

💢ادامه💢
در بخش قبلی از Opening برای حذف نویز #پس زمینه استفاده شد. در این بخش قراره از Closing برای حذف نویز #شی استفاده کنیم.

‍ 💢4.Closing💢
اگر بر روی تصویری ابتدا عمل انبساط، سپس عمل فرسایش را انجام دهیم، Closing رخ میدهد.

‍ import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('object.png',0)
kernel = np.ones((5,5),np.uint8)
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
plt.subplot(121),plt.imshow(img),plt.title('Original')
plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(closing),plt.title('closing')
plt.xticks([]), plt.yticks([])
plt.show()