Bagaimana untuk menggunakan perpustakaan penglihatan mesin dalam Python?

Dengan pembangunan berterusan dan aplikasi meluas teknologi penglihatan mesin, Python telah menjadi bahasa pengaturcaraan yang paling popular. Pustaka mesin penglihatan Python juga telah matang secara beransur-ansur, seperti OpenCV dan Pillow. Dalam artikel ini, anda akan belajar cara menggunakan perpustakaan penglihatan mesin dalam Python.

1. Pasang perpustakaan penglihatan mesin

Sebelum anda mula menggunakan perpustakaan penglihatan mesin, anda perlu memasang perpustakaan yang sepadan. Antaranya, OpenCV dan Pillow adalah perpustakaan penglihatan mesin yang paling biasa digunakan.

Sebelum memasang OpenCV, anda perlu memasang perpustakaan numpy terlebih dahulu, yang boleh dipasang melalui arahan berikut:

pip install numpy

Kemudian, anda boleh memasang OpenCV perpustakaan:

pip install opencv-python

Memasang perpustakaan Bantal agak mudah, cuma laksanakan arahan berikut:

pip install pillow

2. Baca imej

Membaca imej adalah salah satu operasi yang biasa digunakan dalam bidang penglihatan mesin. Imej boleh dibaca menggunakan perpustakaan OpenCV atau Pillow.

Kod untuk membaca imej menggunakan perpustakaan OpenCV adalah seperti berikut:

import cv2

# 读取图像
img = cv2.imread('image.jpg') 

# 显示图像
cv2.imshow('image', img) 
cv2.waitKey(0) 
cv2.destroyAllWindows() 

Kod untuk membaca imej menggunakan perpustakaan Bantal adalah seperti berikut:

from PIL import Image

# 读取图像
img = Image.open('image.jpg') 

# 显示图像
img.show() 

Dalam kod di atas, anda perlu menukar 'imej Gantikan jpg' dengan nama fail dan laluan imej sebenar.

3. Kendalian Imej

Selain membaca dan memaparkan imej, perpustakaan penglihatan mesin juga boleh melakukan pelbagai operasi imej. Berikut adalah beberapa operasi imej biasa:

3.1 Saiz semula imej

Kod untuk mengubah saiz imej menggunakan perpustakaan OpenCV adalah seperti berikut:

import cv2

# 读取图像
img = cv2.imread('image.jpg') 

# 缩小图像至一半大小
resized_img = cv2.resize(img, (0,0), fx=0.5, fy=0.5)

# 显示缩小后的图像
cv2.imshow('resized image', resized_img) 
cv2.waitKey(0) 
cv2.destroyAllWindows() 

Kod untuk mengubah saiz imej menggunakan perpustakaan Bantal adalah seperti berikut :

from PIL import Image

# 读取图像
img = Image.open('image.jpg') 

# 缩小图像至一半大小
resized_img = img.resize((img.size[0]//2, img.size[1]//2))

# 显示缩小后的图像
resized_img.show() 

3.2 Pemprosesan skala kelabu

Kod untuk pemprosesan skala kelabu menggunakan perpustakaan OpenCV adalah seperti berikut:

import cv2

# 读取图像
img = cv2.imread('image.jpg') 

# 转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 显示灰度图像
cv2.imshow('gray image', gray_img) 
cv2.waitKey(0) 
cv2.destroyAllWindows() 

Kod untuk pemprosesan skala kelabu menggunakan perpustakaan Bantal adalah seperti berikut:

from PIL import Image

# 读取图像
img = Image.open('image.jpg') 

# 转换为灰度图像
gray_img = img.convert('L')

# 显示灰度图像
gray_img.show() 

3.3 Pengesanan Tepi

Kod untuk pengesanan tepi menggunakan perpustakaan OpenCV adalah seperti berikut:

import cv2

# 读取图像
img = cv2.imread('image.jpg') 

# 进行边缘检测
edge_img = cv2.Canny(img, 100, 200)

# 显示边缘检测后的图像
cv2.imshow('edge image', edge_img) 
cv2.waitKey(0) 
cv2.destroyAllWindows() 

Kod untuk pengesanan tepi menggunakan perpustakaan Bantal adalah seperti berikut:

from PIL import Image, ImageFilter

# 读取图像
img = Image.open('image.jpg') 

# 进行边缘检测
edge_img = img.filter(ImageFilter.FIND_EDGES)

# 显示边缘检测后的图像
edge_img.show() 

4. Kesimpulan

Di atas memperkenalkan operasi asas menggunakan perpustakaan penglihatan mesin dalam Python Pembaca boleh memilih untuk menggunakan penglihatan mesin yang berbeza perpustakaan dan kaedah pengendalian imej mengikut keperluan mereka sendiri. Walau bagaimanapun, perlu diingatkan bahawa apabila menggunakan perpustakaan penglihatan mesin, anda mesti memberi perhatian kepada keselamatan dan kesahihan kod untuk mengelakkan suntikan kod dan isu keselamatan lain.

Atas ialah kandungan terperinci Bagaimana untuk menggunakan perpustakaan penglihatan mesin dalam Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!