Spaces:
No application file
No application file
File size: 4,941 Bytes
138a175 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 |
"""
Data Scientist.: Dr.Eddy Giusepe Chirinos Isidro
Links de estudo:
================
* https://machinelearningmastery.com/how-to-read-write-display-images-in-opencv-and-converting-color-spaces/?utm_source=drip&utm_medium=email&utm_campaign=A+gentle+introduction+to+OpenCV&utm_content=A+gentle+introduction+to+OpenCV
* https://machinelearningmastery.com/how-to-read-and-display-videos-using-opencv/?utm_source=drip&utm_medium=email&utm_campaign=A+gentle+introduction+to+OpenCV&utm_content=A+gentle+introduction+to+OpenCV
"""
"""
Como ler, escrever, exibir imagens em OpenCV e converter espaços de cores
=========================================================================
Ao trabalhar com imagens, algumas das operações mais básicas que são essenciais para dominar
incluem ler as imagens do disco, exibi-las, acessar seus valores de pixel e convertê-las de
um espaço de cores para outro.
Este tutorial explica essas operações básicas, começando primeiro com uma descrição de como
uma imagem digital é formulada em termos de suas coordenadas espaciais e valores de intensidade.
Neste tutorial, você se familiarizará com as operações mais básicas do 🤗 OpenCV 🤗, essenciais ao trabalhar com imagens.
Depois de concluir este tutorial, você saberá:
* Como uma imagem digital é formulada em termos de suas coordenadas espaciais e valores de intensidade.
* Como uma imagem é lida e exibida no OpenCV.
* Como os valores de pixel de uma imagem podem ser acessados.
* Como uma imagem pode ser convertida de um espaço de cores para outro
NOTA:
=====
* As intensidades de pixel são comumente representadas por valores inteiros no intervalo [0, 255],
o que significa que cada pixel pode assumir qualquer um dos 256 valores discretos.
* Uma imagem RGB, por outro lado, é composta por três canais, nomeadamente o Vermelho , o Verde e o Azul .
* O modelo de cores RGB não é o único que existe, mas é possivelmente o mais comumente usado em muitas
aplicações de visão computacional. É um modelo de cor aditivo, que se refere ao processo de criação
de cor misturando (ou adicionando) espectros de luz de fontes de cores diferentes.
"""
from cv2 import imread
# Aqui o link para baixar IMAGENS de graça --> https://unsplash.com/pt-br
img = imread('Images/Dog.jpg') # Método 'imread()' retorna uma matriz NumPy. img --> contém os valores de pixel da Imagem
print('Tipo de Dados:', img.dtype, '\nDimensões:', img.shape)
"""
Isso significa que os pixels em cada canal da imagem podem assumir qualquer um dos 2^8 = 256 valores,
dentro de um intervalo de 0 a 255. Aprendemos também que as dimensões do array são 4000 × 6000 × 3,
que correspondem ao número de linhas, colunas e canais da imagem, respectivamente.
"""
print("Primeiro pixel situado no canto superior esquerdo da imagem BGR: ", img[0, 0])
# Usando Matplotlib:
import matplotlib.pyplot as plt
plt.imshow(img)
plt.title('Exibindo imagem do Dog, usando Matplotlib')
plt.show()
# Usando OpenCV: (A imagem fica muito Grane !!!)
from cv2 import imshow, waitKey
imshow('Exibindo imagem do Dog, usando OpenCV', img)
waitKey(0) # Pressione 'esc' para sair
# Com OpenCV, você também pode escrever um array NumPy como uma imagem em um arquivo, como segue:
from cv2 import imwrite
imwrite("output.jpg", img)
"""
Convertendo entre espaços de cores
==================================
"""
# Para converter entre os espaços de cores BGR e RGB, podemos usar o seguinte código:
from cv2 import cvtColor, COLOR_BGR2RGB
img_rgb = cvtColor(img, COLOR_BGR2RGB)
# Exibir, novamente, usando Matplotlib, agora podemos ver que ela é exibida corretamente:
plt.imshow(img_rgb)
plt.title('Exibindo imagem do Dog, usando Matplotlib e com cor RGB')
plt.grid(True)
plt.show()
print("Primeiro pixel situado no canto superior esquerdo da imagem RGB recém-convertida: ", img_rgb[0, 0])
"""
BGR para RGB não é a única conversão de cores que pode ser obtida por este método. Na verdade,
existem muitos códigos de conversão de espaço de cores para escolher, como COLOR_RGB2HSV que converte
entre os espaços de cores RGB e HSV (Hue, Saturation, Value)=(matiz, saturação, valor).
Outra conversão popular é de RGB para escala de cinza onde, como mencionamos anteriormente,
espera-se que a saída resultante seja uma imagem de canal único. Vamos experimentar:
"""
from cv2 import COLOR_RGB2GRAY
img_gray = cvtColor(img_rgb, COLOR_RGB2GRAY)
imshow('Grayscale Image', img_gray)
waitKey(0)
# Como esperado, é impresso apenas um único número que corresponde ao valor de intensidade do pixel:
print("Primeiro pixel nas coordenadas (0, 0) da Imagem Cinza: ", img_gray[0, 0])
"""
🤗🤗 Podemos trabalhar com a Imagem em escala de cinza imediatamente 🤗🤗:
"""
from cv2 import IMREAD_GRAYSCALE
img_gray = imread('Images/Dog.jpg', IMREAD_GRAYSCALE)
imshow('Grayscale Image', img_gray)
waitKey(0)
|