Bagaimana untuk melakukan pemprosesan imej dalam Go?

Sebagai bahasa pengaturcaraan yang cekap, Go juga berprestasi baik dalam bidang pemprosesan imej. Walaupun perpustakaan standard Go sendiri tidak menyediakan API berkaitan pemprosesan imej khusus, terdapat beberapa perpustakaan pihak ketiga yang sangat baik untuk kami gunakan, seperti GoCV, ImageMagick dan GraphicsMagick. Artikel ini akan menumpukan pada penggunaan GoCV untuk pemprosesan imej.

GoCV ialah pustaka pengikat bahasa Go yang sangat bergantung pada OpenCV Reka bentuk APInya sangat serupa dengan opencv-python Python dan OpenCV C++, jadi ia mudah dipelajari dan digunakan untuk memproses imej. video, kamera dan tugasan lain. Di bawah ini kami akan memperkenalkan pelaksanaan beberapa tugas pemprosesan imej yang biasa digunakan.

1. Memuatkan dan menyimpan imej

Sebelum pemprosesan imej, anda perlu membaca imej dan menyimpan imej yang diproses. GoCV menyediakan banyak fungsi untuk membantu kami mencapai proses ini. Berikut ialah contoh memuatkan dan menyimpan imej:

package main

import (
    "fmt"
    "gocv.io/x/gocv"
)

func main() {
    img := gocv.IMRead("test.jpg", gocv.IMReadColor)

    if img.Empty() {
        fmt.Println("读取图像失败")
        return
    }

    gocv.IMWrite("out.jpg", img)
}

Dalam contoh ini, fungsi IMRead digunakan untuk membaca imej dalam format JPG Parameter kedua menentukan penukaran yang perlu dilakukan apabila kaedah membaca imej, di mana gocv.IMReadColor menunjukkan bahawa imej yang dibaca perlu ditukar kepada imej berwarna. Kemudian kita tentukan sama ada bacaan itu berjaya Jika imej yang dibaca kosong, maka bacaan itu gagal. Akhir sekali, gunakan fungsi IMWrite untuk menyimpan imej ke lokasi yang ditentukan. Imej yang disimpan di sini juga dalam format JPG.

2. Penskalaan imej

Penskalaan imej ialah tugas yang sangat biasa dalam pemprosesan imej. Mengecilkan imej boleh digunakan untuk mengurangkan saiz imej dan mempercepatkan pengiraan, manakala membesarkan imej boleh digunakan untuk meningkatkan butiran imej. GoCV menyediakan fungsi Resize untuk operasi penskalaan imej Berikut ialah contoh mudah penskalaan imej:

package main

import (
    "gocv.io/x/gocv"
)

func main() {
    img := gocv.IMRead("test.jpg", gocv.IMReadColor)
    dst := gocv.NewMat()

    gocv.Resize(img, &dst, image.Point{}, 0.5, 0.5, gocv.InterpolationDefault)

    gocv.IMWrite("out.jpg", dst)
}

Dalam contoh ini, kita mula-mula menggunakan fungsi IMRead untuk membaca imej , dan kemudian gunakan NewMat berfungsi untuk mencipta objek Mat dengan saiz yang sama dengan imej asal. Fungsi Resize digunakan untuk mengurangkan imej asal kepada separuh, dan akhirnya menggunakan IMWrite untuk menyimpan imej yang diproses ke lokasi yang ditentukan.

3. Pemotongan imej

Pemotongan imej boleh digunakan untuk memproses imej secara setempat, dan boleh memainkan peranan yang sangat penting dalam mengekstrak kawasan yang diminati, memotong maklumat yang tidak berguna dan mengekstrak sasaran objek penting. GoCV menyediakan fungsi ROI untuk melaksanakan operasi pemangkasan imej Berikut ialah contoh pemangkasan imej yang mudah:

package main

import (
    "gocv.io/x/gocv"
)

func main() {
    img := gocv.IMRead("test.jpg", gocv.IMReadColor)
    dst := img.Region(gocv.NewRect(50, 50, 200, 200))

    gocv.IMWrite("out.jpg", dst)
}

Dalam contoh ini, kita mula-mula menggunakan fungsi IMRead untuk membaca imej > berfungsi untuk mengeluarkan kawasan yang diminati daripadanya. Region di sini bermaksud kawasan yang dipangkas minat ialah segi empat tepat dengan panjang 200 piksel, lebar 200 piksel dan koordinat sudut kiri atas ialah (50, 50). Akhir sekali, gunakan gocv.NewRect(50, 50, 200, 200) untuk menyimpan imej yang diproses ke lokasi yang ditentukan. IMWrite

Penapisan imej

Penapisan imej boleh digunakan untuk mengalih keluar hingar imej, imej lancar dan operasi lain. GoCV juga menyediakan banyak fungsi penapis untuk kami gunakan, termasuk

, GaussianBlur, MedianBlur, dll. Berikut ialah contoh penggunaan penapisan Gaussian: BilateralFilter

package main

import (
    "gocv.io/x/gocv"
)

func main() {
    img := gocv.IMRead("test.jpg", gocv.IMReadGrayScale)
    dst := gocv.NewMat()

    gocv.GaussianBlur(img, &dst, image.Point{X: 5, Y: 5}, 0, 0, gocv.BorderDefault)

    gocv.IMWrite("out.jpg", dst)
}

Dalam contoh ini, kami menggunakan fungsi

untuk memuatkan imej skala kelabu, dan kemudian menggunakan fungsi IMRead untuk mencipta Mat dengan saiz yang sama sebagai objek imej asal. Fungsi penapis Gaussian NewMat digunakan di sini, dan parameter kedua ialah objek Mat hasil keluaran. Parameter ketiga GaussianBlur mewakili saiz templat yang digunakan semasa menapis, berikut ialah segi empat tepat dengan panjang 5 piksel dan lebar 5 piksel. Akhir sekali, gunakan image.Point{X: 5, Y:5} untuk menyimpan imej yang diproses ke lokasi yang ditentukan. IMWrite

Pembahagian imej

Pembahagian imej ialah tugas pemprosesan imej yang penting, yang boleh digunakan untuk memisahkan objek sasaran, praproses data untuk menjana ciri khusus, dsb. GoCV menyediakan fungsi

untuk pengesanan tepi, yang boleh digunakan untuk melaksanakan pembahagian imej yang mudah. Berikut ialah contoh penggunaan fungsi Canny: Canny

package main

import (
    "gocv.io/x/gocv"
)

func main() {
    img := gocv.IMRead("test.jpg", gocv.IMReadGrayScale)
    dst := gocv.NewMat()

    gocv.Canny(img, &dst, 100, 200)

    gocv.IMWrite("out.jpg", dst)
}

Dalam contoh ini, kami menggunakan fungsi

untuk memuatkan imej skala kelabu, dan kemudian menggunakan fungsi IMRead untuk mencipta Mat dengan perkara yang sama saiz sebagai objek imej asal. Fungsi pengesanan tepi Canny NewMat digunakan di sini, dan parameter kedua ialah objek Mat hasil output. Parameter ketiga dan keempat Canny masing-masing mewakili ambang minimum dan maksimum, yang boleh dilaraskan mengikut masalah sebenar. Akhir sekali, gunakan 100, 200 untuk menyimpan imej yang diproses ke lokasi yang ditentukan. IMWrite

Di atas ialah cara beberapa tugas pemprosesan imej biasa dilaksanakan dalam bahasa Go. GoCV menyediakan banyak fungsi pemprosesan imej yang sangat baik, dan disatukan dengan baik dengan perpustakaan lain dalam medan Python dan C++ Halangan kemasukan adalah rendah, jadi ia sangat sesuai untuk dipelajari dan digunakan oleh pemula.

Atas ialah kandungan terperinci Bagaimana untuk melakukan pemprosesan imej dalam Go?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!