مقدمه

پردازش تصاویر یکی از حوزه‌های مهم در علم داده و یادگیری ماشین است. در پایتون، دو کتابخانه معروف برای پردازش تصاویر وجود دارد: PIL (Python Imaging Library) و OpenCV. در این مقاله، نحوه استفاده از این دو کتابخانه را برای پردازش تصاویر در پایتون بررسی می‌کنیم.

۱. نصب کتابخانه‌ها

برای شروع، ابتدا باید کتابخانه‌های مورد نیاز را نصب کنید. می‌توانید این کار را با استفاده از pip انجام دهید:

pip install Pillow opencv-python

۲. استفاده از PIL

کتابخانه PIL (که به عنوان Pillow نیز شناخته می‌شود) برای کار با تصاویر بسیار کاربرپسند است.

بارگذاری تصویر با PIL

برای بارگذاری یک تصویر از کتابخانه PIL می‌توانید از کد زیر استفاده کنید:

from PIL import Image

# بارگذاری تصویر
image = Image.open('path/to/your/image.jpg')
image.show()

پردازش تصویر

PIL امکاناتی برای پردازش تصویر ارائه می‌دهد، از جمله تغییر اندازه، چرخش، فیلتر و غیره.

تغییر اندازه تصویر
# تغییر اندازه تصویر
new_image = image.resize((200, 200))
new_image.show()
چرخش تصویر
# چرخش تصویر
rotated_image = image.rotate(90)
rotated_image.show()
ذخیره تصویر
# ذخیره تصویر
new_image.save('path/to/your/new_image.jpg')

آموزش مقدماتی پایتون

۳. استفاده از OpenCV

OpenCV (Open Source Computer Vision Library) یک کتابخانه قدرتمند برای پردازش تصویر و بینایی کامپیوتری است.

بارگذاری تصویر با OpenCV

بارگذاری تصویر با OpenCV به شکل زیر است:

import cv2

# بارگذاری تصویر
image = cv2.imread('path/to/your/image.jpg')

# نمایش تصویر
cv2.imshow('Image', image)
cv2.waitKey()
cv2.destroyAllWindows()

پردازش تصویر

OpenCV امکانات بسیار بیشتری نسبت به PIL برای پردازش تصویر در اختیار شما می‌گذارد.

تغییر اندازه تصویر
# تغییر اندازه تصویر
resized_image = cv2.resize(image, (200, 200))
cv2.imshow('Resized Image', resized_image)
cv2.waitKey()
cv2.destroyAllWindows()
تبدیل به خاکستری
# تبدیل تصویر به خاکستری
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.imshow('Gray Image', gray_image)
cv2.waitKey()
cv2.destroyAllWindows()
ذخیره تصویر
# ذخیره تصویر
cv2.imwrite('path/to/your/new_image.jpg', resized_image)

۴. مقایسه PIL و OpenCV

  • سادگی: PIL برای توسعه‌دهندگان مبتدی و برای کارهای ساده‌تر مناسب است.
  • قدرت: OpenCV قابلیت‌های بیشتری برای پردازش تصویر و بینایی کامپیوتری دارد و برای پروژه‌های پیشرفته‌تر پیشنهاد می‌شود.

نتیجه‌ گیری

در این مقاله، به نحوه استفاده از PIL و OpenCV برای پردازش تصاویر در پایتون پرداختیم. با یادگیری و استفاده از این دو کتابخانه، می‌توانید توانایی‌های خود را در پردازش تصویر گسترش دهید و پروژه‌های جالبی ایجاد کنید. اگر به یادگیری بیشتر و عمیق‌تر در این زمینه علاقه دارید، دوره‌های آموزشی مختلفی وجود دارد که می‌تواند کمک کند!

کانال یوتیوب کدیتی