بینایی کامپیوتر و پردازش تصویر در پایتون

پردازش تصویر و بینایی کامپیوتر

پردازش تصویر و بینایی کامپیوتر (Computer Vision) هر دو رشته های بسیار هیجان انگیز علوم کامپیوتر هستند.

دنیای روز پر از داده است و تصاویر بخش قابل توجهی از این داده ها را تشکیل می دهند. با این حال، برای استفاده از آنها، این تصاویر باید پردازش شوند. پردازش تصویر نحوه تجزیه و تحلیل و دستکاری یک تصویر دیجیتال برای بهبود کیفیت آن یا استخراج اطلاعات از آن است.

این اطلاعات را می توان با کمک تکنیکی به نام پردازش تصویر به دست آورد.

پردازش تصویر بخش اصلی بینایی کامپیوتری است که در بسیاری از نمونه‌های دنیای واقعی مانند روباتیک، ماشین‌های خودران و تشخیص اشیا نقش مهمی دارد.

بینایی کامپیوتر:

بینایی کامپیوتر (Computer Vision)شاخه‌ای از هوش مصنوعی (AI) است.
در Computer Vision، رایانه‌ها یا ماشین‌ها برای به دست آوردن درک سطح بالا از تصاویر یا فیلم‌های دیجیتال ورودی با هدف خودکارسازی وظایفی که سیستم بینایی انسان می‌تواند انجام دهد ساخته می‌شوند. به عبارتی به  رایانه‌ها و سیستم‌ها اجازه می‌دهند تا اطلاعات مفیدی را از عکس‌های دیجیتال، فیلم‌ها و سایر ورودی‌های بصری استخراج کنند و اقداماتی را آغاز کنند یا بر اساس آن داده‌ها توصیه‌هایی ارائه کنند.

(به عبارتی بینایی کامپیوتر ، رایانه‌ها را قادر می‌سازد که  ببینند و بفهمند.)

که برای این کار از تکنیک های زیادی استفاده می کنند و پردازش تصویر تنها یکی از آنهاست.

مهم است که بدانید پردازش تصویر دقیقاً چیست و چه نقشی در تصویر دارد قبل از اینکه به چگونگی آن بپردازید. پردازش تصویر معمولاً به عنوان “پردازش تصویر دیجیتال” نامیده می شود و دامنه ای که اغلب در آن استفاده می شود “Computer Vision” است.

پردازش تصویر:

به فرآیند تبدیل یک تصویر به شکل دیجیتال و انجام عملکردهای خاصی بر روی آن، به منظور دریافت یک تصویر پیشرفته یا استخراج اطلاعات مفید دیگر از آن پردازش تصویر می گویند.

بنابراین پردازش تصویر زیرمجموعه Computer Vision است.

همچنین به ما این امکان را می دهد که هزاران تصویر را در یک زمان تغییر دهیم و دستکاری کنیم و بینش مفیدی را از آنها استخراج کنیم.

امروزه پردازش تصویر یکی از فناوری‌هایی است که به سرعت در حال رشد است. این حوزه تحقیقاتی اصلی را در رشته های مهندسی و علوم کامپیوتر نیز تشکیل می دهد.

و تقریباً در هر زمینه ای طیف گسترده ای از کاربردها را دارد.

وظایف معمول در پردازش تصویر شامل نمایش تصاویر، دستکاری های اساسی مانند برش، چرخش، تقسیم بندی تصویر، طبقه بندی و استخراج ویژگی ها، بازیابی تصویر، و تشخیص تصویر و غیره است.

اکنون، از آنجایی که هر دو زمینه با کار در زمینه های بصری، یعنی تصاویر و ویدئوها سروکار دارند، به نظر می رسد سردرگمی زیادی در مورد تفاوت در مورد این رشته های علوم کامپیوتر وجود دارد. در این مقاله به تفاوت آنها خواهیم پرداخت.

به عبارتی مهم ترین تفاوت آن ها در این است که هر دو الگوریتم پردازش تصویر و الگوریتم های بینایی کامپیوتری (CV) یک تصویر را به عنوان ورودی می گیرند. با این حال، در پردازش تصویر، خروجی نیز یک تصویر است، در حالی که در بینایی کامپیوتر خروجی می تواند برخی از ویژگی ها/اطلاعات مربوط به تصویر باشد.

چرا ما به پردازش تصویر احتیاج داریم؟

داده‌هایی که ما جمع‌آوری می‌کنیم یا تولید می‌کنیم عمدتاً داده‌های خام هستند، یعنی به دلایل احتمالی برای استفاده مستقیم در برنامه‌ها مناسب نیستند. بنابراین لازم است ابتدا آن را تحلیل کنیم، پیش پردازش های لازم را انجام دهیم و سپس از آن استفاده کنیم.

به عنوان مثال، بیایید فرض کنیم که ما در حال تلاش برای ساختن یک طبقه بندی گربه بودیم. برنامه ما یک تصویر را به عنوان ورودی می گیرد و سپس به ما می گوید که آیا تصویر حاوی گربه است یا خیر. اولین گام برای ساخت این طبقه بندی ، جمع آوری صدها عکس گربه است. یکی از مشکلات رایج این است که تمام تصاویری که ما جمع آوری کردیم اندازه/ابعاد یکسانی ندارند، بنابراین قبل از اینکه آنها را برای آموزش به مدل بفرستیم، باید همه آنها را به اندازه استاندارد تغییر اندازه دهیم/از قبل پردازش کنیم.

این تنها یکی از دلایلی است که چرا پردازش تصویر برای هر برنامه بینایی کامپیوتری ضروری است.

یکی از پیش نیاز هایی که شما باید قبل از کار با پردازش تصویر داشته باشد در مرحله اول،  دانش برنامه نویسی اولیه در هر زبانی است.

که با توجه به محبوبیت روزافزون پایتون به عنوان یک زبان برنامه نویسی علمی و در دسترس بودن رایگان بسیاری از ابزارهای پیشرفته پردازش تصویر در اکوسیستم آن، انتخاب مناسبی برای  پردازش تصویر است.

6 تا از بهترین ابزارهای پردازش تصویر در پایتون

1. OpenCV

OpenCV (Open Source Computer Vision Library) یکی از سریع ترین و پرکاربردترین کتابخانه ها برای پردازش تصویر و برنامه های بینایی کامپیوتری است. توسط Github پشتیبانی می شود و بیش از هزار مشارکت کننده در توسعه کتابخانه مشارکت دارند. این برنامه که توسط اینتل در سال 1999 ایجاد شد، از زبان های زیادی مانند C، C++، جاوا و محبوب ترین زبان یعنی پایتون پشتیبانی می کند. OpenCV حدود 2500 الگوریتم را برای کمک به ساخت مدل هایی برای تشخیص چهره، تشخیص اشیا، تقسیم بندی تصویر و غیره ارائه می دهد.

مثال ⇓⇓

ترکیب تصویر
در اینجا یک مثال داریم که قابلیت های OpenCV-Python را در ترکیب تصاویر با استفاده از اهرام برای ایجاد میوه جدیدی به نام اوراپل نشان می دهد.

2. Scikit-Image

یکی دیگر از بهترین کتابخانه های پردازش تصویر موجود در بازار Scikit-Image است که تقریباً برای هر کار بینایی رایانه ای استفاده می شود. Scikit-Image تا حدودی به زبان Cython نوشته شده است، که یک زبان برنامه نویسی است که ابر مجموعه ای از Python است. این ساختار منحصر به فرد به آن کمک می کند تا عملکرد خوبی داشته باشد.

Scikit-Image که از آرایه های NumPy به عنوان اشیاء تصویر استفاده می کند، الگوریتم های مختلفی را برای تقسیم بندی، دستکاری فضای رنگی، تبدیل هندسی، تحلیل، مورفولوژی، تشخیص ویژگی و موارد دیگر ارائه می دهد.

مثال ⇓⇓

تطبیق الگو با استفاده از تابع match_template:

3. NumPy

در حالی که NumPy یک کتابخانه منبع باز پایتون است که برای تجزیه و تحلیل عددی استفاده می شود، همچنین می تواند برای کارهای پردازش تصویر مانند برش تصویر، دستکاری پیکسل ها، پوشاندن مقادیر پیکسل و موارد دیگر استفاده شود. NumPy شامل یک ماتریس و آرایه های چند بعدی به عنوان ساختار داده است.

NumPy همچنین می تواند برای کمک به کاهش رنگ، باینریزه کردن، چسباندن با برش، وارونگی مثبت یا منفی و بسیاری از قابلیت های دیگر استفاده شود. تصاویر را همچنین می توان به عنوان متشکل از آرایه ها در نظر گرفت، که NumPy را قادر می سازد تا وظایف مختلف پردازش تصویر را انجام دهد.

مثال ⇓⇓

ماسک کردن یک تصویر در NumPy:

4. SciPy

SciPy که در اصل برای محاسبات ریاضی و علمی طراحی شده بود، همچنین یک کتابخانه برتر برای انجام پردازش تصویر چند بعدی با وارد کردن زیر ماژول scipy.ndimage است.

اگر به دنبال طیف گسترده ای از برنامه ها مانند تقسیم بندی تصویر، کانولوشن، خواندن تصاویر، تشخیص چهره، استخراج ویژگی و موارد دیگر هستید، این کتابخانه پردازش تصویر گزینه عالی دیگری است.

مثال ⇓⇓

استفاده از SciPy برای محو کردن با استفاده از فیلتر گاوسی:

5. Pillow/PIL

یکی دیگر از کتابخانه های منبع باز برای کارهای پردازش تصویر، Pillow یک نسخه پیشرفته از PIL (کتابخانه تصویربرداری پایتون) است. با Pillow می توانید بسیاری از فرآیندها را در پردازش تصویر مانند عملیات نقطه ای، فیلتر کردن و دستکاری انجام دهید.

Pillow به دلیل پشتیبانی از طیف گسترده ای از فرمت های تصویر، یکی از بهترین کتابخانه ها برای مدیریت تصاویر است. استفاده از کتابخانه پردازش تصویر آسان است و روی همه سیستم‌عامل‌های اصلی اجرا می‌شود و از Python 3 پشتیبانی می‌کند. و  آن را به یکی از رایج ترین ابزار برای دانشمندان داده که با تصاویر کار می کنند تبدیل می کند.

مثال ⇓⇓

برگرداندن تصویر در Pillow با استفاده از تابع transpose:

6. SimpleCV

آخرین کتابخانه پردازش تصویر در پایتون در لیست ما SimpleCV است که یک چارچوب منبع باز محبوب برای ایجاد برنامه های بینایی کامپیوتری با پردازش تصویر است.

با استفاده از آن، به چندین کتابخانه بینایی کامپیوتری با قدرت بالا مانند OpenCV دسترسی پیدا می‌کنید ، بدون اینکه ابتدا در مورد عمق بیت، فرمت‌های فایل، فضاهای رنگی، مدیریت بافر، مقادیر ویژه یا ماتریس در مقابل ذخیره‌سازی بیت مپ اطلاعاتی کسب کنید. این بینایی کامپیوتری است که به راحتی ساخته شده است.

و با آن حتی برنامه نویسان مبتدی نیز می توانند تست های بینایی ماشین ساده بنویسند.

مثال ⇓⇓

سیاه و سفید کردن تصویر با استفاده از تابع threshold درSimpleCV:

(هر پیکسل در یک تصویر را بسته به روشنایی آن، سیاه یا سفید می کند)

اینها برخی از کتابخانه های پردازش تصویر مفید و رایگان پایتون هستند. برخی از آنها نسبتاً شناخته شده هستند و برخی ممکن است برای شما جدید باشند. هر یک از آنها را امتحان کنید تا ببینید چه چیزی برای پروژه شما بهتر عمل می کند.