📸Taking photos using your system's webcam in Python
📸گرفتن عکس در پایتون با وبکم سیستم
#opencv_python | #cv2
Image Processing Using OpenCV & MATPLOTLIB In Python
کد فوق به پردازش تصاویر با استفاده از OpenCV و Matplotlib پرداخته است.
برای مشاهده کد کلیک کنید👩💻
پردازش تصویر با استفاده از OpenCV، خواندن یک تصویر، تبدیل آن به فرمتهای مختلف و نمایش نتایج شامل تصویر اصلی، تصویر خاکستری، تصویر بلور شده و لبهها.💫
کد شامل مراحل زیر میباشد:
1. خواندن تصویر: تصویر از مسیر مشخصشده خوانده میشود.
2. بررسی خطا: اگر تصویر نتواند خوانده شود، پیغام خطا چاپ میشود.
3. تبدیل به RGB: تصویر از فرمت BGR به RGB تبدیل میشود تا در Matplotlib بهدرستی نمایش یابد.
4. تبدیل به خاکستری: تصویر به صورت خاکستری تبدیل میشود.
5. اعمال فیلتر بلور: یک فیلتر بلور Gaussian به تصویر RGB اعمال میشود.
6. استخراج لبهها: با استفاده از فیلتر Canny، لبهها از تصویر خاکستری استخراج میشود.
7. نمایش تصاویر: در نهایت، چهار تصویر (اصل، خاکستری، بلور شده و لبهها) در یک شکل به نمایش در میآید.
#cv2 | #numpy | #matplotlib | #opencv | LearnPython
#بدانیم | #پردازش_تصویر | آموزش پایتون
2.2M حجم رسانه بالاست
مشاهده در ایتا
⭕️ شناسایی و اندازهگیری خودکار دانههای برنج با OpenCV
در این آموزش یاد میگیری چطور:
✔️ بخشهای سفید تصویر را استخراج کنی
✔️ نویز پسزمینه را حذف کنی
✔️ دانههای واقعی را فیلتر کنی
✔️ اندازه دقیق هر دانه را روی تصویر بنویسی
این یک مثال عالی برای پروژههای Machine Vision است.
#opencv | #cv2 | #numpy
🌟@LearnPythonIcy
2.4M حجم رسانه بالاست
مشاهده در ایتا
🎯 پیدا کردن دانه برنج با اندازه دلخواه
سیستم هوشمند ما
1️⃣ شناسایی تمام دانههای برنج در تصویر
2️⃣ دریافت عدد ورودی از کاربر
3️⃣ پیدا کردن دانهای که مساحتش به عدد شما نزدیکتر است
4️⃣ مشخص کردن دانه انتخابی با کادر و نمایش اندازه دقیق
ویژگیها
تشخیص خودکار دانهها
جستجوی هوشمند نزدیکترین اندازه
حذف نویز و ذرات ریز
نمایش واضح دانه انتخابی
📊 کاربرد
کنترل کیفیت، جداسازی دانههای خارج از سایز، پروژههای دانشگاهی، سیستمهای درجهبندی کشاورزی
#opencv | #cv2 | #numpy
🌟@LearnPythonIcy