چون من اینو دیدم حیفه شما نبینید😌 قیافه پایتون وقتی مینویسی print( 'Hi' ) #طنز | آموزش پایتون

Text To Speech In Python به دنیای تبدیل متن به گفتار خوش آمدید!✨ با این کد می‌توانید متن‌های خود را به صدا تبدیل کنید و لذت ببرید.🎙 #gtts | #ai | #text_to_speech | LearnPython | #بدانیم

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

کد تصویر بالا👆

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

def process_and_show_images(image_path):
    # خواندن تصویر
    image = cv2.imread(image_path)  
    # بررسی اینکه آیا تصویر به درستی خوانده شده است یا نه
    if image is None:
        print(f"Error: Could not read the image from path: {image_path}")
        return 
    # تبدیل تصویر به RGB برای نمایش با Matplotlib
    image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    # تبدیل تصویر به خاکستری 
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # اعمال فیلتر بلور
    blurred_image = cv2.GaussianBlur(image_rgb, (15, 15), 0)
    # استخراج لبه‌ها با استفاده از فیلتر کنی
    edges = cv2.Canny(gray_image, 100, 200)
    # تنظیمات نمایش تصاویر
    fig, axs = plt.subplots(2, 2, figsize=(10, 8))
    axs[0, 0].imshow(image_rgb)
    axs[0, 0].set_title("Original Image")
    axs[0, 0].axis('off')
    axs[0, 1].imshow(gray_image, cmap='gray')
    axs[0, 1].set_title("Gray Image")
    axs[0, 1].axis('off')
    axs[1, 0].imshow(blurred_image)
    axs[1, 0].set_title("Blurred Image")
    axs[1, 0].axis('off')
    axs[1, 1].imshow(edges, cmap='gray')
    axs[1, 1].set_title("Edges")
    axs[1, 1].axis('off')
    plt.show()
# مسیر کامل تصویر ورودی
image_path = 'path_to_your_image.jpg'
process_and_show_images(image_path)

🔘توجه شود که در قسمت image_path، باید آدرس عکس مورد نظر را قرار دهید.

📝 ثبت پیام‌های برنامه با استفاده از ماژول logging در پایتون این کد از ماژول logging برای ثبت پیام‌های اطلاعاتی (INFO)، هشدار (WARNING) و خطا (ERROR) استفاده می‌کند. با تنظیم سطح لاگ (level=logging.INFO)، فقط پیام‌های با اهمیت بالا ثبت می‌شوند. این روش برای نظارت بر اجرای برنامه، اشکال‌زدایی و بهبود پایداری بسیار مفید است. 🚀 #logging | LearnPython | #بدانیم

کد فوق دو روش برای شمارش تکرار هر حرف در جمله text را ارائه می‌دهد. 1. استفاده از دیکشنری: در این روش، با یک حلقه برای هر کاراکتر در متن، تعداد تکرارها در یک دیکشنری به‌روز می‌شود. 2. استفاده از ماژول Counter: این روش به طور مستقیم از ماژول collections استفاده می‌کند و شمارش تکرار هر کاراکتر را به صورت ساده و کارآمد انجام می‌دهد. این دو روش به شما این امکان را می‌دهند که به راحتی تعداد تکرار هر کاراکتر را در متن خود محاسبه کنید. #counter | #collections | #بدانیم | LearnPython

بنظرتون کد بالا به چه دردی می‌خوره اصلا؟ 🧐 کد فوق برای شمارش تعداد تکرار هر کاراکتر در یک رشته مناسب است. این کار می‌تواند در برنامه‌نویسی و تحلیل داده‌های متنی به چند دلیل مفید باشد: 1. تحلیل داده‌های متنی: به کاربر اجازه می‌دهد تا الگوها و فراوانی کاراکترها را در متون مختلف مشاهده کند. 2. فهم بهتر بازخوردهای کاربر: می‌توان از این تکنیک برای تحلیل بازخوردهای متنی و نظرات کاربران استفاده کرد و بفهمید چه کاراکترها یا کلمات بیشتری مورد استفاده قرار گرفته‌اند. 3. دستکاری متن: در پردازش داده‌ها، شمارش کاراکترها به درک بهتری از ساختار و جزئیات متن کمک می‌کند و می‌تواند در دستکاری‌های متنی نیز موثر باشد. #counter | #collections | #بدانیم

راه‌های مختلف برای ساخت دیکشنری با استفاده از لیست می‌توان گفت که دیکشنری‌ها یکی از مهم‌ترین ساختارهای داده‌ای در پایتون هستند که به ذخیره‌سازی و دسترسی سریع به اطلاعات کمک می‌کنند. #dict | #list | #بدانیم | LearnPython

خروجی؟😪 #تست_تایم | آموزش پایتون

📚«Hacking Secret Ciphers with Python» 📚کتاب "رمزنگاری سیفرهای مخفی با پایتون" ✅آیا به دنبال ورود به دنیای رمزنگاری و کدگذاری هستید؟ ✅این کتاب یک راهنمای اختصاصی برای یادگیری تکنیک‌های رمزنگاری با بهره‌گیری از زبان برنامه‌نویسی پایتون است. با رویکردی عملی، خوانندگان با روش‌های نوشتن و شکستن سیفرهای عرفی آشنا می‌شوند و مهارت‌های خود را در این حوزه تقویت می‌کنند. ✅خلاصه‌ای از کتاب کتاب با تمرکز بر پروژه‌ها و تمرینات جذاب، به شما کمک می‌کند تا به صورت گام به گام با مفاهیم رمزنگاری آشنا شوید و بتوانید کدهای مخفی خود را ایجاد و رمزگشایی کنید. #معرفی_کتاب | #بوک_تایم | آموزش پایتون