پردازش تصویر با پایتون: پیاده سازی با OpenCV

چکیده مقاله:
پردازش تصویر با پایتون یکی از حوزه های جذاب و پرکاربرد در دنیای برنامه نویسی و هوش مصنوعی می باشد. با استفاده از کتابخانه های متنوعی مانند OpenCV، Pillow و scikit‑image، می توان انواع عملیات از جمله بهبود کیفیت تصاویر، تشخیص الگو، شناسایی چهره، و حتی انجام پروژه های پیچیده تر مانند بینایی ماشین و یادگیری عمیق را پیاده سازی کرد. پایتون به دلیل سادگی در کدنویسی و پشتیبانی وسیع جامعه توسعه دهندگان، بستری مناسب برای ورود به دنیای پردازش تصویر فراهم کرده است.

کاربردهای پردازش تصویر در حوزه های مختلفی مانند پزشکی، امنیت، رباتیک، صنایع خودروسازی و حتی سرگرمی ها به چشم می خورد. برای مثال، در حوزه پزشکی می توان از آن برای تشخیص خودکار تومورها در تصاویر رادیولوژی استفاده کرد و در حوزه امنیت، تشخیص چهره برای کنترل دسترسی به سیستم ها پیاده سازی می شود. ترکیب پردازش تصویر با یادگیری ماشین در پایتون امکان ایجاد سیستم های هوشمندی را فراهم می کند که می توانند داده های بصری را تحلیل کرده و تصمیم گیری های دقیقی انجام دهند.

پردازش تصویر با پایتون، فرآیندی است که با استفاده از الگوریتم های کامپیوتری به تحلیل و تغییر تصاویر دیجیتال می پردازد. این حوزه به طور گسترده در زمینه هایی همچون بینایی ماشین، تصویر برداری پزشکی، امنیت و هوش مصنوعی مورد استفاده قرار می گیرد. زبان برنامه نویسی پایتون با داشتن کتابخانه های قدرتمند، این فرآیند را بسیار ساده تر کرده است. به همین دلیل، پردازش تصویر با پایتون به یکی از ابزارهای ارزشمند برای پژوهشگران و توسعه دهندگان تبدیل شده است. کتابخانه OpenCV که مخفف Open Source Computer Vision می باشد، یکی از شناخته شده ترین ابزار ها برای این کار است که قابلیت های گسترده ای برای کار با تصاویر و ویدیو ها فراهم می کند. در این مقاله به بررسی برخی از تکنیک های پرکاربرد پردازش تصویر خواهیم پرداخت.

• پردازش تصویر چیست؟

پردازش تصویر با استفاده از OpenCV

OpenCV یک کتابخانه متن باز برای بینایی کامپیوتری و پردازش تصویر است که از زبان های برنامه نویسی مختلفی از جمله پایتون، ++C و جاوا پشتیبانی می کند. این کتابخانه ابزارهای متنوعی برای دستکاری تصویر، استخراج ویژگی ها و شناسایی اشیاء فراهم می سازد. از آنجا که برای کار های بلادرنگ بهینه شده است، در پروژه های صنعتی، تحقیقاتی و دانشگاهی کاربرد فراوان دارد. در این بخش به بررسی عملیات مختلف در پردازش تصویر با استفاده از OpenCV می پردازیم. برای شروع از یک تصویر ورودی استفاده می کنیم.

• برنامه نویسی

1. تغییر اندازه تصویر (Image Resizing)

تغییر اندازه تصویر به معنای تغییر ابعاد یک تصویر است که می تواند شامل بزرگ کردن یا کوچک کردن اندازه آن باشد بدون آنکه محتوای آن دستخوش تغییر شود. این عملیات در بسیاری از پروژه های پردازش تصویر کاربرد دارد، به خصوص زمانی که تصویر باید در دستگاه های مختلف یا برای تحلیل های بعدی استفاده شود. در اینجا از تابع cv2.resize() استفاده می کنیم.

توضیح کد:

1. سه کتابخانه ضروری برای پردازش تصویر با پایتون را وارد می کنیم:

•  cv2 برای کار با تصاویر کتابخانه (OpenCv)
•  numpy برای انجام محاسبات عددی و کار با آرایه ها
•  matplotlib.pyplot برای نمایش تصاویر به صورت بصری

2. ابتدا تصویر با نام ‘webp’ بارگذاری می شود.
3. سپس با استفاده از cvtColor فضای رنگی تصویر از BGR (که به صورت پیش‌فرض توسط OpenCV استفاده می شود) به RGB تبدیل می شود تا هنگام نمایش رنگ ها به درستی دیده شوند.
4. دو فاکتور برای تغییر مقیاس تصویر مشخص می کنیم

• 3 برای بزرگ ‌نمایی (زوم کردن)
• 3/1 برای کوچک کردن تصویر

5. تصویر با اندازه جدید بازسازی می شود:

• resize: تابع اصلی برای تغییر اندازه تصویر
• INTER_CUBIC: الگوریتمی با کیفیت بالا برای بزرگ‌نمایی

6. تصویر کوچک می شود:

• INTER_AREA: بهترین گزینه برای کاهش ابعاد تصویر

7. سه تصویر کنار هم (در یک ردیف) در پنجره نمایش داده می شوند. اندازه کل شکل نیز مشخص شده است.
8. در هر قسمت، یک تصویر با عنوان مناسب نشان داده می شود.
9. str(image.shape) برای نمایش ابعاد تصویر در عنوان استفاده می شود. و سپس محور های x و y حذف می شوند.

در مجموع، این کد یکی از کاربردی ترین مثال ها در پردازش تصویر با پایتون می باشد که برای تغییر ابعاد تصویر استفاده می شود؛ چیزی که در بسیاری از پروژه های بینایی ماشین و یادگیری ماشین ضروری است.

• مشاوره برنامه نویسی

یکی از قابلیت های کاربردی در پردازش تصویر با پایتون، همین امکان تغییر ابعاد با حفظ کیفیت تصویر می باشد که برای آموزش شبکه های عصبی و نمایش بهینه بسیار مفید است.

2. چرخش تصویر با استفاده از OpenCV

در پردازش تصویر با پایتون، چرخاندن تصویر یکی از عملیات های متداول هندسی می باشد. به کمک چرخش تصویر، می توان تصویر را به هر زاویه ای در جهت ساعتگرد یا پادساعتگرد چرخاند. برای این کار، باید ماتریس چرخش را مشخص کنیم که شامل نقطه چرخش، زاویه چرخش و ضریب مقیاس دهی است. در اینجا:

• getRotationMatrix2D() : برای تولید ماتریس تبدیل استفاده می شود.
• warpAffine() : چرخش را اعمال می کند.

زاویه مثبت باعث چرخش ساعتگرد تصویر می شود، در حالی که زاویه منفی آن را به صورت پاد ساعتگرد می چرخاند. ضریب مقیاس نیز اندازه تصویر را تغییر می دهد.

در این کد:

• ابتدا تصویر بارگذاری شده و از حالت BGR که فرمت پیش فرض OpenCV است به RGB تبدیل می شود.
• مرکز تصویر برای اعمال چرخش محاسبه می گردد.
• زاویه 30 درجه و مقیاس 1 به این معنی است که اندازه تصویر تغییری نخواهد کرد.
• warpAffine چرخش را بر اساس ماتریس اعمال می کند.

• هوش مصنوعی

سپس برای نمایش نتیجه:

در این بخش، تصویر اصلی و تصویر چرخانده شده در کنار هم نمایش داده می شوند تا تفاوت آن ها در پردازش تصویر با پایتون به خوبی مشخص شود.

• پردازش تصویر با آردوینو: راه اندازی، کاربرد و چالش ها

3. جابجایی تصویر (Image Translation)

جابجایی تصویر فرآیند انتقال تصویر از یک موقعیت به موقعیت دیگر در یک چارچوب مرجع مشخص است. این تغییر مکان می تواند در راستای محور x (حرکت افقی) یا محور y (حرکت عمودی) انجام شود، بدون این که محتوا یا جهت تصویر تغییر کند.

در اینجا:

• warpAffine(): تصویر را بر اساس مقادیر انتقال تغییر مکان می دهد.
• tx, ty: مقدار حرکت تصویر در محورهای x و y هستند.

این کد تصویر را به اندازه 100 پیکسل به راست و 70 پیکسل به پایین منتقل می کند.

• بهترین هوش مصنوعی برای برنامه نویسی

نمایش نتایج:

جابجایی تصویر یکی از روش های پایه ای در پردازش تصویر با پایتون محسوب می شود، به ویژه زمانی که بخواهیم تصویر را در جای خاصی از فریم قرار دهیم.

• پردازش تصویر به روش هیستوگرام

4. تغییر شکل تصویر با روش Shearing (برش زاویه دار)

Shearing یا برش زاویه دار یکی از تبدیلات هندسی در پردازش تصویر می باشد که باعث کج شدن یا کشیدگی تصویر در امتداد محور افقی یا عمودی می شود. در این روش، تصویر طوری تغییر شکل می یابد که انگار از زاویه ای خاص در حال کشیده شدن یا فشرده شدن است، اما بدون اینکه مساحت یا شکل کلی تصویر تغییر کند. این تکنیک در مواردی استفاده می شود که نیاز است تصویر حالتی مورب و شیب دار پیدا کند.

در این روش دو پارامتر shear_x و shear_y میزان کج شدن تصویر در راستای محور افقی و عمودی را کنترل می کنند. برای اعمال این تغییر، از تابع cv2.warpAffine() استفاده می شود که وظیفه اعمال ماتریس تبدیل به تصویر اصلی را بر عهده دارد.

• شبیه سازی با پایتون: انواع، کاربرد، مثال با کد

کد پایتون و توضیح خط به خط:

در ابتدا کتابخانه های مورد نیاز را وارد می کنیم. cv2 برای خواندن و تغییر تصویر، numpy برای محاسبات ماتریسی و matplotlib برای نمایش تصویر استفاده می شود.

در این بخش، تصویر از فایل خوانده می شود. چون OpenCV به طور پیش فرض تصویر را با فرمت BGR می خواند، آن را به RGB تبدیل می کنیم تا هنگام نمایش، رنگ ها به صورت طبیعی دیده شوند. سپس عرض و ارتفاع تصویر را برای استفاده در مراحل بعد ذخیره می کنیم.

در این قسمت، مقادیر برش افقی (shearX) و برش عمودی (shearY) تعیین شده اند. سپس با استفاده از این مقادیر، یک ماتریس تبدیل ساخته می شود که برای تغییر شکل تصویر استفاده می گردد.

اینجا ماتریس تبدیل به تصویر اعمال می شود و نتیجه آن تصویری کج شده (شیب دار) خواهد بود.

در نهایت، با استفاده از matplotlib هر دو تصویر اصلی و تغییر یافته به صورت کنار هم نمایش داده می شوند تا کاربر بتواند تفاوت را به وضوح مشاهده کند.

در بسیاری از کاربردهای پیشرفته مانند یادگیری ماشین، داده های تصویری نیاز به تغییر شکل دارند. در اینجا پردازش تصویر با پایتون امکان اعمال چنین تبدیلات هندسی را به سادگی فراهم کرده است.

• پردازش زبان طبیعی با پایتون

• بینایی کامپیوتری

5. نرمال سازی تصویر یا Image Normalization

نرمال سازی تصویر به معنای تغییر مقادیر پیکسلی تصویر به یک بازه مشخص می باشد، که اغلب بین ۰ تا ۱ تنظیم می شود. این کار باعث می شود عملیات پردازش بعدی مانند تشخیص ویژگی ها، بهینه تر و دقیق تر انجام شود. به طور خاص، نرمال سازی اختلافات نوری موجود در تصاویر را کاهش می دهد و مقایسه و تحلیل آن ها را ساده تر می کند.

در این روش از تابع  cv2.normalize() برای نرمال کردن مقادیر پیکسل ها استفاده می شود. همچنین cv2.NORM_MINMAX مقادیر را به بازه ۰ تا ۱ تبدیل می کند. در پایان نیز با استفاده از cv2.merge() کانال های نرمال شده تصویر دوباره با هم ترکیب می شوند.

• شبیه سازی

کد پایتون و توضیح خط به خط:

وارد کردن کتابخانه ها مانند قبل انجام می شود.

در این بخش، تصویر خوانده شده و به RGB تبدیل می شود. سپس کانال های آبی (blue)، سبز (green) و قرمز (red) به صورت جداگانه از هم جدا می شوند تا هر کدام به صورت مستقل نرمال سازی شوند.

در اینجا کانال های رنگی به نوع  float تبدیل می شوند و با استفاده از تابع نرمال سازی، مقادیر پیکسلی هر کانال به بازه ۰ تا ۱ تبدیل می شوند. این گام بسیار مهمی در پردازش تصویر با پایتون محسوب می شود، زیرا بسیاری از الگوریتم های یادگیری عمیق نیاز دارند که ورودی ها در همین بازه باشند.

در این خط کانال های نرمال شده دوباره با هم ترکیب می شوند تا تصویر کامل نرمال شده به دست آید. همچنین مقدار کانال آبی تصویر نهایی به صورت ماتریس چاپ می شود.

در نهایت تصویر نرمال شده با استفاده از matplotlib نمایش داده می شود.

• یادگیری ماشین

مقدار پیکسلی  0.0745098 نشان دهنده این است که مقدار پیکسلی اصلی حدودا برابر با ۱۹ بوده (۰.۰۷۴۵۰۹۸ ضرب در ۲۵۵). این مقدار نشان دهنده روشنایی کم ولی نه کاملا تاریک است. مقدار  0.00392157 نیز معادل مقدار پیکسلی ۱ می باشد که تقریبا سیاه کامل یا بدون رنگ در نظر گرفته می شود.

همان طور که مشاهده می شود، در پردازش تصویر با پایتون امکان نرمال سازی دقیق تصاویر وجود دارد و این گام در بسیاری از پروژه های بینایی ماشین ضروری و حیاتی است.

• اینترنت اشیا چیست؟ انواع، کاربردها، مزایا و ویژگی ها

6. تشخیص لبه های تصویر یا Edge Detection

تشخیص لبه ها یکی از مهم ترین مراحل در پردازش تصویر می باشد. این فرآیند برای یافتن مرز اشیای مختلف موجود در تصویر به کار می رود. لبه ها، مکان هایی هستند که شدت نور به سرعت تغییر می کند. یکی از متداول ترین روش های تشخیص لبه، الگوریتم Canny می باشد که لبه های تیز و مشخص را استخراج می کند.

مراحل اصلی تشخیص لبه با الگوریتم Canny عبارتند از:

• فیلتر کردن نویز با استفاده از GaussianBlur()
• محاسبه گرادیان تصویر با Sobel()
• تشخیص نهایی لبه ها با Canny() که شامل آستانه گذاری و نازک سازی لبه ها می باشد.

• پردازش تصویر با متلب

کد پایتون و توضیح:

در ابتدای کد، کتابخانه های لازم برای پردازش تصویر و نمایش نتایج وارد می شوند.

در این بخش تصویر خوانده شده و به RGB تبدیل می شود. سپس با استفاده از تابع  cv2.Canny() لبه های تصویر شناسایی می شوند. آستانه پایین ۱۰۰ و آستانه بالا ۷۰۰ تعیین کننده حساسیت الگوریتم به تغییرات شدت نور هستند.

در نهایت تصویر اصلی و تصویر حاوی لبه ها به صورت مقایسه ای نمایش داده می شوند.

در کاربردهای بینایی ماشین مانند تشخیص اشیا یا تقسیم بندی تصاویر، تشخیص لبه نقش بسیار مهمی دارد. در این میان، استفاده از تکنیک های مختلف پردازش تصویر با پایتون به دلیل سادگی و قدرت بالا بسیار رایج شده است.

• پردازش زبان طبیعی (NLP)

7. محو کردن تصویر یا Blurring

محو کردن تصویر فرآیندی است که باعث کاهش جزئیات تصویر می شود. این کار با میانگین گیری از مقادیر پیکسل های اطراف انجام می شود و می تواند به کاهش نویز، ساده سازی تصویر و آماده سازی آن برای پردازش های بعدی کمک کند.

در پایتون و کتابخانه OpenCV سه روش اصلی برای محو کردن تصویر وجود دارد:

• GaussianBlur() : اعمال محو کردن به کمک هسته گاوسی
• medianBlur() : استفاده از مقدار میانه در ناحیه پیکسلی اطراف
• bilateralFilter() : محو کردن تصویر بدون آسیب رساندن به لبه ها

کد و توضیح:

وارد کردن کتابخانه ها.

ابتدا تصویر اصلی خوانده و به RGB تبدیل می شود. سپس با استفاده از فیلتر گاوسی محو می شود. اندازه هسته فیلتر (۳×۳) انتخاب شده که تأثیر متوسطی در محو کردن دارد.

ابتدا تصویر اصلی خوانده و به RGB تبدیل می شود. سپس با استفاده از فیلتر گاوسی محو می شود. اندازه هسته فیلتر (۳×۳) انتخاب شده که تأثیر متوسطی در محو کردن دارد.

در این قسمت نیز نمایش تصویری از تصویر اصلی و تصویر محو شده انجام می شود.

• شبیه سازی با پایتون

در بسیاری از پروژه ها، محو کردن تصویر پیش نیازی برای حذف نویز و تشخیص بهتر لبه ها می باشد. به ویژه در پردازش تصویر با پایتون، این مرحله به عنوان یک گام پایه ای بسیار مؤثر می باشد که بر کیفیت مراحل بعدی تأثیر مستقیم دارد.

• برنامه نویسی شی گرا در پایتون همراه با کد

8. پردازش مورفولوژیکی تصویر

پردازش مورفولوژیکی بر پایه شکل و ساختار اجسام موجود در تصویر عمل می کند. هدف اصلی آن تغییر ویژگی های هندسی تصویر مانند گسترش یا کوچک سازی مرزها، حذف نویزها و پر کردن سوراخ های کوچک می باشد. این عملیات با استفاده از هسته هایی کوچک به نام kernel انجام می شود.

عملیات اصلی مورفولوژیکی عبارتند از:

• dilate(): بزرگ کردن مرزهای اشیا
• erode(): کوچک کردن مرزها
• morphologyEx() همراه با cv2.MORPH_OPEN: حذف نویزهای کوچک
• morphologyEx() همراه با cv2.MORPH_CLOSE: پر کردن حفره ها

کد و توضیح:

در اینجا تصویر خوانده شده و به خاکستری تبدیل می شود تا عملیات مورفولوژیکی تنها بر اساس شدت روشنایی انجام گیرد. سپس یک هسته ۳×۳ از عدد ۱ ساخته می شود.

در این بخش، چهار عملیات مختلف مورفولوژیکی اجرا می شود dilate. مرزها را گسترش می دهد،  erode آنها را کوچک می کند، open  نویزها را حذف می کند و  close سوراخ های کوچک را پر می کند.

در این مرحله، نتیجه تمام عملیات ها به صورت چهار تصویر نمایش داده می شود.

• توسعه وب با پایتون

پردازش مورفولوژیکی یکی از ارکان اصلی در پیش پردازش تصاویر برای کاربردهای صنعتی، پزشکی و یادگیری ماشین محسوب می شود. به کارگیری دقیق این تکنیک ها با استفاده از پردازش تصویر با پایتون می تواند کیفیت تشخیص اشیا و آنالیز تصویر را تا حد زیادی افزایش دهد.

در این مقاله، با استفاده از کتابخانه OpenCV در پایتون، تکنیک های مهمی از جمله نرمال سازی، تشخیص لبه، محو کردن و عملیات مورفولوژیکی بررسی شد. این روش ها، پایه های اصلی در بسیاری از پروژه های مرتبط با پردازش تصویر می باشند. هرچند OpenCV ابزار قدرتمندی برای این پردازش ها می باشد، اما ترکیب آن با روش های یادگیری عمیق مانند شبکه های عصبی پیچشی (CNN) می تواند دقت و کارایی پردازش تصویر با پایتون را به سطح بسیار بالاتری برساند.

• زبان برنامه نویسی پایتون چیست؟