computer-vision Tutoriel
Démarrer avec la vision par ordinateur

Remarques

                                        f : R² ⊃ Ω → R

Installation ou configuration

Instructions détaillées sur la configuration ou l'installation de la vision par ordinateur.

Pour cette série de vision par ordinateur et les suivantes, j'utiliserai Python 2 comme langage de programmation. Python est un choix courant pour la communauté scientifique, il est gratuit, il a beaucoup de bibliothèques gratuites et open-source, et si vous êtes novice en programmation, il est l'un des plus simples à apprendre et à commencer à programmer.

Maintenant installé, si vous utilisez Linux, vous avez probablement déjà python, ouvrez simplement le terminal et tapez "python" pour vérifier si tout fonctionne déjà. D'autres peuvent consulter ce lien et télécharger python 2.7.

Deuxièmement, nous devrons installer les bibliothèques que nous allons utiliser dans le code source. Maintenant, une note ici, cette configuration est conçue pour cet exemple, dans les étapes ultérieures, nous allons ajouter différentes bibliothèques, et, bien sûr, les différentes applications de vision par ordinateur peuvent nécessiter des bibliothèques spécifiques telles que OpenCV. Une seule bibliothèque sera installée sur notre système pour exécuter le code. Lors de l'utilisation de python, j'installe généralement des dépendances utilisant 'pip'. C'est un outil simple pour installer les modules python, vous pouvez aussi le vérifier via ce lien

Maintenant, nous sommes prêts à installer la bibliothèque dont nous avons besoin, PyPNG. Si vous utilisez pip, il vous suffit de

pip installer PyPNG

dans le terminal si vous utilisez Linux / Mac, en ligne de commande si vous utilisez Windows.

De plus, pour ces exercices, vous devez obtenir des images qui peuvent être trouvées dans le lien github avec le code source et les carnets d’ipython.

https://github.com/Skorkmaz88/compvis101

Maintenant, nous devrions être bons pour faire de l'exercice

Exemples

Il s'agit d'une série d'exercices Python de traitement d'images et de vision par ordinateur très simples, conçus pour introduire ces sujets avec peu de pratique. Je suis désolé par avance pour toute erreur de recrue, elle est encore en développement. Dans cette série, je limiterai les images numériques que nous pouvons utiliser aux fichiers PNG dans un souci de simplicité, dont je parlerai également de la compression des images.

Veuillez cloner le dépôt si vous ne l’avez pas déjà fait, ou simplement le télécharger ici via Github:

git clone https://github.com/Skorkmaz88/compvis101

Vous pouvez utiliser deux fichiers, tutorial0.py et readingImages.ipynb. Le second est un cahier ipython si vous préférez l'utiliser. Mais deux fichiers font la même chose.

Code a des explications dans les commentaires, je suis

 # libs
import png

# We create a greyscale image as described in our text.
# To do that simply, we create a 2D array in python. 
# x and y, x being horizontal and y being vertical directions.

x  = []
y = []
# Play around with these pixels values to get different grayscale images, they shoud be 
# in range of 0 - 255. 
white = 255
gray = 128
black = 0
width  = 100
height = 300

# Add 100 x 100 rectangle as just white(255) valued pixels
for i in range(0, 100):
    for j in range(0,100):
        y.append(white); # Pixel (i,j) is being set to a value, rest is coding trick to nest two lists 
    x.append(y)
    y = []
    
# Add 100 x 100 rectangle as just mid-gray(128) valued pixels
for i in range(0, 100):
    for j in range(0,100):
        y.append(gray);
    x.append(y)
    y = []

# Add 100 x 100 rectangle as just black(0) valued pixels
for i in range(0, 100):
    for j in range(0,100):
        y.append(black);
    x.append(y)
    y = []

# output image file 
f = open('out.png', 'wb')
w = png.Writer(width, height , greyscale=True, bitdepth=8)
w.write(f, x)
f.close()
# If everything went well, you should have 3 vertically aligned rectangles white, gray and black 
# Check your working folder

# PART 2
# Read a grayscale image and convert it to binary

# This time we will binarize a grayscale image, to do that we will read pixels and according to threshold we set
# we will decide if that pixel should be white or black 

# This file is originally 8 bit png image, can be found in github repository, you should use only this type of
# images if you want to change the image.
f = open('./img/lenaG.png', 'r')

r=png.Reader(file=f)
# You will the details about the image, for now pay attention to size and bitdepth only.
img = r.read()

width = img[0]
height = img[1]
# Threshold value for binarizing images, 
threshold = 128
print "Input image size is: "+ str(width)+ " pixels as  width, " + str(height) + " pixels as height"

f_out = open('lenaBinary.png', 'wb')
w = png.Writer(width, height , greyscale=True, bitdepth=1)

pixels = img[2]
 
x = []
y = []

# Let's traverse the Lena image 
for row in pixels:
    for pixel in row:
        p_value =  pixel
        # Now here we binarize image in pixel level
        if p_value > threshold:
            p_value = 1
        else:
            p_value = 0
            
        y.append(p_value);
    x.append(y)
    y = []

w.write(f_out, x)
f_out.close()

Si tout a bien fonctionné, félicitations! Vous avez créé une image à partir de zéro et effectué la première transformation du niveau de pixel sur une image existante. Vérifiez votre dossier de travail pour voir les nouvelles images