Hướng dẫn python find image in image - trăn tìm hình ảnh trong hình ảnh

Trong bài viết này, chúng tôi sẽ nghiên cứu các cách khác nhau về cách bạn có thể đọc và hiển thị hình ảnh trong Python. Chúng ta có thể đạt được điều này theo nhiều cách. Lý do là do hỗ trợ thư viện phong phú. Chúng tôi cũng sẽ khám phá cách chúng tôi có thể sử dụng chúng trong việc lai tạo với nhau.how you can read and display images in Python. We can achieve this in numerous ways. The reason is due to the abundant library support. We will also explore how we can use them in crossbreeding with each other.

Sau đây là danh sách các thư viện của Python cho phép chúng tôi xử lý hình ảnh và thực hiện các tác vụ tương ứng.

1. OpenCV
2. Matplotlib
3. Cái gối
4. Scikit-Image
5. Tensorflow

Bây giờ, hãy xem cách hiển thị một hình ảnh trong cửa sổ GUI Python một cách dễ dàng. Có thể có nhiều mô -đun và/hoặc hack khác để xem hình ảnh, vì vậy, don giới hạn bản thân chỉ là 5 mô -đun này!

1. OpenCV để hiển thị hình ảnh trong Python

Đây là một gói rất nổi tiếng, thân thiện với người mới bắt đầu và nguồn mở, và chịu trách nhiệm xử lý hình ảnh. Với một bộ lệnh nhỏ, chúng tôi có thể đưa hành trình về tầm nhìn máy tính của chúng tôi lên một tầm cao mới. Có hai chức năng chính cung cấp để đọc và hiển thị hình ảnh.Computer Vision journey to next level. There are two main functions OpenCV provides to read and display images.

1. cv2.imread()
2. cv2.imshow()

Code:

import sys # to access the system
import cv2
img = cv2.imread("sheep.png", cv2.IMREAD_ANYCOLOR)

while True:
    cv2.imshow("Sheep", img)
    cv2.waitKey(0)
    sys.exit() # to exit from all the processes

cv2.destroyAllWindows() # destroy all windows

Đầu ra:

Explanation:

1. Nhập gói & nbsp; opencv & nbsp; để truy cập các chức năng. Ngoài ra, nhập mô -đun & nbsp; sys & nbsp; cho các gói bổ sung.OpenCV package to access the functions. Also, import the sys module for additional packages.
2. Tạo một biến AS & nbsp; img & nbsp; giữ hình ảnh của chúng tôi. Gọi & nbsp; cv2.Imread () & nbsp; function và cung cấp & nbsp; đường dẫn/hình ảnh & nbsp; tên dưới dạng tham số đầu tiên. Sau đó, đặt & nbsp; cv2.imread_anycolor & nbsp; là tham số tiếp theo để đọc mọi màu của hình ảnh.img that holds our image. Call the cv2.imread() function and deliver the image path/image name as a first parameter. Then set the cv2.IMREAD_ANYCOLOR is the next parameter to read every color of the image.
3. Sau đó đặt a & nbsp; trong khi loop & nbsp; và điều đó sẽ giúp chúng tôi hiển thị hình ảnh số lần vô hạn cho đến khi chúng tôi thoát khỏi hệ thống.while loop and that will help us render the image an infinite number of times till we exit the system.
4. Sau đó sử dụng chức năng & nbsp; cv2.imshow () & nbsp; bên trong vòng lặp trong khi. Nó lấy hai tham số, tiêu đề hình ảnh và biến đường dẫn hình ảnh & nbsp; img.cv2.imshow() function inside the while loop. It takes two parameters, the image title and the image path variable img.
5. & Nbsp; cv2.waitkey () & nbsp; phương thức chờ cho đến khi chúng tôi thoát hoặc nhấp vào nút Đóng.cv2.waitkey() method waits till we exit or click on the close button.
6. Sau đó gọi phương thức sys.exit () để thoát khỏi kỹ thuật một cách an toàn.
7. Cuối cùng, chúng tôi phá hủy tất cả các cửa sổ được tạo bằng cách sử dụng & nbsp; cv2.destroyallwindows ().cv2.destroyAllWindows().

2. Matplotlib

Gói này chủ yếu để trực quan hóa dữ liệu. Nhưng, thông qua các kỹ thuật âm mưu, chúng ta có thể xem hình ảnh ở định dạng đồ họa trong đó mỗi pixel nằm trên trục 2D X-Y.graphical format where each pixel lies on 2D x-y axes.

Thư viện Thie cũng có các chức năng tương đương như của CV mở. Chỉ là tên gói thay đổi.

1. matplotlib.image.imread()
2. matplotlib.pyplot.imshow()

Code:

from matplotlib import pyplot as plt
from matplotlib import image as mpimg

plt.title("Sheep Image")
plt.xlabel("X pixel scaling")
plt.ylabel("Y pixels scaling")

image = mpimg.imread("sheep.png")
plt.imshow(image)
plt.show()

Output:

Explanation:

1. Nhập & nbsp; matplotlib & nbsp; gói, & nbsp; pylot & nbsp; và & nbsp; hình ảnh & nbsp; mô -đun.Matplotlib packages’ pylot and image modules.
2. Đặt tiêu đề của hình ảnh AS & nbsp; hình ảnh cừu & nbsp; sử dụng & nbsp; plt.title () & nbsp; phương thức.Sheep Image using plt.title() method.
3. Khi matplotlib đọc hình ảnh trong mặt phẳng & nbsp; x-y. Chúng tôi cần nhãn & nbsp; xlabel () & nbsp; và & nbsp; ylabel () & nbsp; các chức năng để đề cập đến các trục và pixel.x-y plane. We need labels xlabel() and ylabel() functions to mention the axes and the pixels.
4. Tạo một biến AS & nbsp; một hình ảnh & nbsp; giữ hình ảnh của chúng tôi. Gọi & nbsp; mpimg.imread () & nbsp; function và đưa ra & nbsp; đường dẫn/hình ảnh & nbsp; name & nbsp; làm tham số đầu tiên.an image that holds our image. Call the mpimg.imread() function and give the image path/image name as a first parameter.
5. Sau đó đặt a & nbsp; trong khi loop & nbsp; và điều đó sẽ giúp chúng tôi hiển thị hình ảnh số lần vô hạn cho đến khi chúng tôi thoát khỏi hệ thống.while loop and that will help us render the image an infinite number of times till we exit the system.
6. Sau đó sử dụng chức năng & nbsp; plt.imshow () & nbsp; lấy biến hình ảnh & nbsp; img. Nhưng nó sẽ hiển thị nó trong & nbsp; phần phụ trợ.plt.imshow() function that takes image variable img. But it will show it in the backend.
7. Để xem nó trên màn hình, hãy sử dụng phương thức & nbsp; plt.show () & nbsp; và chúng tôi có hình ảnh của chúng tôi với các tham số được chia tỷ lệ đúng trên màn hình.plt.show() method and we have our image with properly scaled parameters on the screen.

3. Gối

Thư viện này thường cung cấp các phương pháp đơn giản để thao tác hình ảnh. Chúng ta có thể nói rằng đó là một thư viện chỉ dành cho hình ảnh vì tính đơn giản và khả năng thích ứng của nó. Các chức năng chúng tôi sẽ sử dụng được mở () và hiển thị () từ mô -đun hình ảnh Pillow. Hành động này chỉ trong ba dòng mã.open() and show() from PILLOW’s Image module. This action is just within three lines of code.

Code:

from PIL import Image
img = Image.open("sheep.png")
img.show()

Output:

Explanation:

1. Nhập mô -đun & nbsp; hình ảnh & nbsp; từ & nbsp; pil.Image from PIL.
2. Tạo một biến & nbsp; img & nbsp; và sau đó gọi hàm mở () trong đó. Đưa ra đường dẫn có tệp hình ảnh.img and then call the function open() in it. Give the path that has the image file.
3. Gọi & nbsp; show () & nbsp; hàm trong khớp với & nbsp; iMg & nbsp; biến thông qua toán tử & nbsp; dot.show() function in joint with img variable through the dot operator “.”.
4. Nó hiển thị hình ảnh thông qua ứng dụng ảnh tích hợp trong hệ điều hành tương ứng của bạn.

4. Hình ảnh Scikit

SCIKIT-IMAGE là một mô-đun phụ của scikit-learn. Nó được xây dựng trên Python và thư viện hỗ trợ matplotlib do đó nó có được một số chức năng của nó. Các phương thức tương tự như các gói trước mà chúng tôi đã thấy trước đây.Scikit-Learn. It is built upon Python and supportive library Matplotlib thus it derives some of its functionalities. Methods are similar to that of the previous packages we saw before.

Code:

from skimage import io

img = io.imread("sheep.png")
io.imshow(img)

Output:

5. Tensorflow

Đây là một thư viện máy học mạnh mẽ, đặc biệt là từ Google.inc. Nó hoạt động trên các khía cạnh khác nhau của học máy, học sâu và các khái niệm liên quan. Nó cũng có các bộ dữ liệu tích hợp để bắt đầu một hành trình không rắc rối của khoa học dữ liệu và kỹ thuật ML. Nó hoạt động cụ thể trên các lõi CUDA GPU của máy tính. Điều này làm cho việc đào tạo mô hình hiệu quả hơn và ít căng thẳng hơn cho CPU.Machine Learning library especially from Google.Inc. It works on different aspects of Machine Learning, Deep Learning, and related concepts. It also has built-in datasets to start a hassle-free journey of Data Science and ML engineering. It works specifically on the computer’s GPU CUDA cores. This makes the model training more efficient and gives less stress to the CPU.

Chúng tôi sẽ sử dụng thư viện này trong khớp với mô -đun matplotlib. Bởi vì điều này làm cho âm mưu hình ảnh và hiển thị dễ dàng hơn nhiều.

Code:

from warnings import filterwarnings
import tensorflow as tf
from tensorflow import io
from tensorflow import image
from matplotlib import pyplot as plt

filterwarnings("ignore") 
tf_img = io.read_file("sheep.png")
tf_img = image.decode_png(tf_img, channels=3)
print(tf_img.dtype)
plt.imshow(tf_img)
# plt.show()

Explanation:

1. Nhập khẩu tenorflow. Sau đó từ TensorFlow & nbsp; cũng nhập IO và Image. & Nbsp; also import io and image. 
2. Nhập khẩu & nbsp; Matplotlib từ & nbsp; mô -đun pyplot cho mục đích vẽ đồ thị.matplotlib’s pyplot module for plotting purposes.
3. (Tùy chọn) & NBSP; Ngoài ra, hãy sử dụng gói cảnh báo để tránh các cảnh báo không cần thiết. also, use the warnings package to avoid unnecessary warnings.
4. Tạo một biến hình ảnh tenorflow, tf_img và gọi phương thức io.Read_file (). Cho đường dẫn hình ảnh bên trong nó.
5. Nó được đọc dưới dạng tệp mặc định & nbsp; Để xem nó là hình ảnh chúng ta cần sử dụng & nbsp; decode_png () & nbsp; hàm từ & nbsp; hình ảnh & nbsp; để được hệ thống công nhận. Hãy chắc chắn rằng bạn sử dụng chức năng quyết định chính xác. Chúng khác nhau cho từng loại hình ảnh. & NBSP; Sử dụng kênh = 3. Để sử dụng GPU mặc định.file. To view it as the image we need to use the decode_png() function from the image to get recognized by the system. Make sure you use the correct decider function. They are different for each image type. Use channels = 3. for default GPU usage.
6. Cuối cùng, hiển thị hình ảnh đã chụp thông qua phương thức & nbsp; plt.imshow () & nbsp;plt.imshow() method.

Output:

Sự kết luận

Vì vậy, đây là những cách khác nhau đáng kể thông qua đó chúng ta có thể thực hiện xử lý hình ảnh. Python có rất nhiều tùy chọn cho mỗi nhiệm vụ duy nhất. Nhận xét xuống phương thức và thư viện nào bạn thích nhiều nhất chúng tôi đã thực hiện trong bài viết này.