🔻کار هست؛ کافی‌ست پیدایش کنید!🔻

🔷شاید اطرافیانتان به شما هم گفته باشند که کار نیست و بیهوده دنبالش می‌گردید. شاید هم خودتان از آن دسته افرادی هستید که فکر می‌کنند کار خوب با حقوق و شرایط مناسب، برای افراد معمولی پیدا نمی‌شود.

🔶اما نه‌تنها تعداد زیادی فرصت کاری با شرایط مناسب وجود دارد، بلکه استخدام شدن در آنها هم کار ساده‌ای است.

⬅️همین حالا در سایت جاب ویژن، بیشتر از 15000 آگهی استخدام فعال در شرکت های بزرگ و معتبری مانند کاله، ایرانسل، اسنپ، توسن،داروسازی دکتر عبیدی، بیمه سامان، کروز و ... وجود دارد که رایگان می‌توانید برای آنها رزومه بفرستید.

📣اگر دوست دارید هر روز جدیدترین آگهی‌های استخدام متناسب با رشته و علاقه‌تان را دریافت کنید، می‌توانید از طریق لینک زیر وارد ربات تلگرام جاب ویژن شوید و هر روز جدیدترین آگهی‌های استخدام در حوزه‌ی تخصصی‌تان را دریافت کنید.

برای عضویت کافی‌ست وارد لینک زیر شوید و روی دکمه‌ی start کلیک کنید:👇
t.me/job_visionbot

پردازش تصویر فرایند دستکاری یا انجام عملیات بر روی تصاویر برای دستیابی به یک اثر معین (ایجاد یک تصویر سیاه و سفید به عنوان مثال) یا گرفتن اطلاعاتی از یک تصویر توسط یک کامپیوتر (مانند شمارش تعداد حلقه ها در آن) است.

ما از cv2، numpy و کمی از matplotlib استفاده می کنیم (اغلب به عنوان یک روش راحت برای نمایش تصاویر).

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

❓❓Image format

بسيار خوب! بیا شروع کنیم. اولا، ما نیاز داریم تصاویر را بخوانیم تا فرمتی که انها نشان میدهند را بفهمیم(RGB OR BGR).
در مقابل، تصاویر به صورت زیر آرایه 3 بعدی ارائه می شوند. یک تصویر از ردیف های پیکسل تشکیل شده و هر پیکسل با آرایه ای از مقادیر رنگ نمایش داده می شود.
با ارائه یک تصویر، نمایش آرایه آن به صورت زیر خواهد بود:

تصویر نمونه
#BGR
#OpenCV
#شکل1

import numpy as np
import cv2
img = cv2.imread('test.jpg')
print(img)
#قسمت_اول
#شکل1
#BGR

[[[ 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...