Modul 1 — Representasi dan Klasifikasi Gambar

Bab 1 - Pengantar Computer Vision

Dengan artikel ini, saya memulai seri baru bagi mereka yang tertarik mempelajari Computer vision.

Mengapa Belajar CV?

Nah, visi komputer adalah seni dengan bantuan yang Anda berikan kepada komputer untuk memahami dunia visual. Ada banyak contoh kehidupan nyata dari visi komputer yang kita gunakan dalam kehidupan kita sehari-hari. Saat Anda mengklik foto selfie, mengapa ada kotak kecil di wajah Anda, Saat Anda memindai dokumen, tepi dokumen sudah terdeteksi, bagaimana streamer mengubah latar belakangnya, dan bagaimana tesla membuat mobil tanpa pengemudi? Itu semua berkat kemajuan dalam Computer Vision yang membuat semua hal ini menjadi mungkin.

Tujuan pembelajaran:

1. Bagaimana cara memuat gambar menggunakan pustaka cv2?
2. Sifat sebenarnya dari sebuah gambar
3. Bagaimana cara mengonversi gambar dari satu ruang warna ke ruang warna lainnya?
4. Bagaimana cara membandingkan saluran RGB dan BGR?
5. Bagaimana cara memplot gambar dengan membuat array?
6. Bagaimana cara membandingkan berbagai saluran dari satu ruang warna?

1. Impor

#Imports
import matplotlib.pyplot as plt
import numpy as np
import cv2

# load the image
img = cv2.imread('your desired image name')
# Change the image into desired colorspace
grayscale = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
rgb = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

f,(ax1,ax2,ax3) = plt.subplots(1,3,figsize=(30,8))
ax1.set_title('BGR')
ax1.imshow(img)
ax2.set_title('RGB')
ax2.imshow(rgb)
ax3.set_title('GRAY')
ax3.imshow(grayscale,cmap='gray')

      
                

                    
                    
                
            

Setiap gambar yang kita lihat di dunia ini tidak lain adalah deretan angka dengan berbagai rentang nilai tergantung pada ruang warna yang kita gunakan. Misalnya, untuk ruang warna RGB, setiap nilai perubahan memiliki rentang 0–255, sedangkan kanal rona pada kanal HSV memiliki rentang 0–180.

Untuk mengetahui bentuk gambar, jalankan perintah berikut:

print(img.shape)
>>(2160, 4096, 3)
print(img[:1,:1])
>>[[[55 24  1]]]

Untuk mengetahui nilai setiap piksel dalam gambar skala abu-abu gunakan

x,y = 1000,1000
at_1000 = grayscale[x,y]
print(at_1000)
>>60

grayscale[1000,1000,]
>>60

Mari kita buat alfabet S menggunakan array numpy.

Letter_S = np.array([[255, 0, 0, 0, 255],
                      [255, 0, 255, 255, 255],
                      [255, 0, 0, 0, 255],
                      [255, 255, 255, 0, 255],
                      [255, 0, 0, 0, 255]])
plt.imshow(Letter_S,cmap='gray')
# Exchange 0's and 255's to see the change

      
                

                    
                    
                
            

# Store values of each channel in different array
r = rgb[:,:,0]
g = rgb[:,:,1]
b = rgb[:,:,2]
fig, (ax1,ax2,ax3) = plt.subplots(1,3,figsize=(20,10))

ax1.set_title('R Channel')
ax1.imshow(r, cmap='gray')

ax2.set_title('G Channel')
ax2.imshow(g,cmap='gray')

ax3.set_title('B Channel')
ax3.imshow(b,cmap='gray')

      
                

                    
                    
                
            

Bungkus

Dengan ini, kami telah menyelesaikan tujuan pembelajaran kami untuk pelajaran ini.

Saya telah mengunggah kode di sini untuk referensi Anda, dan inilah buku catatannya .

Mendatang:

Streamer dalam streaming langsung menggunakan layar hijau untuk mengubah latar belakangnya, tetapi tahukah Anda mengapa layar hijau digunakan?

• Anda akan mendapatkan jawaban atas pertanyaan ini di buku catatan berikutnya, dan kami juga akan mengubah latar belakang dari gambar tersebut.

Sampai saat itu, Ikuti lebih banyak, dan jangan lupa untuk terhubung dengan saya di LinkedIn .❤❤❤