Python berenang dalam lautan penglihatan komputer: perjalanan yang indah daripada pengelasan imej kepada pengesanan sasaran

Penglihatan komputer ialah cabang kecerdasan buatan yang bertujuan untuk menggunakan komputer untuk mensimulasikan sistem visual manusia untuk mengekstrak maklumat yang bermakna daripada imej atau video. pythonDengan perpustakaan saintifik yang mudah dipelajari dan berkuasa, ia telah menjadi bahasa pengaturcaraan yang popular dalam bidang penglihatan komputer. Artikel ini akan menumpukan pada aplikasi Python dalam dua tugas klasifikasi imej dan pengesanan sasaran, serta menyediakan kod tunjuk cara yang jelas dan mudah difahami untuk membantu anda menguasai kemahiran pemprosesan imej Python dengan cepat.

Klasifikasi Imej

Pengkelasan imej ialah tugas asas dalam penglihatan komputer yang melibatkan penugasan imej kepada kategori yang telah ditetapkan. Python menyediakan pembelajaran mesinperpustakaan dan penglihatan komputer alat untuk melaksanakan tugas pengelasan imej dengan mudah.

# 导入必要的库
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LoGISticRegression

# 加载和预处理图像数据
data = np.load("data.npy")
labels = np.load("labels.npy")
data = data.reshape((data.shape[0], -1))
data = data.astype("float32") / 255.0

# 将数据分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data, labels, test_size=0.2)

# 训练逻辑回归分类器
classifier = LogisticRegression(max_iter=1000)
classifier.fit(X_train, y_train)

# 评估分类器
score = classifier.score(X_test, y_test)
print("准确率：", score)

# 预测新图像
image = np.load("new_image.npy")
image = image.reshape((1, -1))
image = image.astype("float32") / 255.0
prediction = classifier.predict(image)
print("预测标签：", prediction)

Kod di atas menunjukkan proses lengkap klasifikasi imej menggunakan Python, daripada pemuatan data dan prapemprosesan kepada latihan model dan penilaian, dan akhirnya ramalan imej baharu.

Pengesanan objek

Pengesanan objek ialah satu lagi tugas penting dalam penglihatan komputer yang melibatkan mengenal pasti dan mengesan objek tertentu dalam imej. Python juga mempunyai alat dan perpustakaan pengesanan objek yang berkuasa yang boleh mencapai tugas ini dengan mudah.

import numpy as np
import cv2

# 加载并预处理图像
image = cv2.imread("image.png")
image = cv2.resize(image, (640, 480))

# 创建目标检测器
detector = cv2.dnn.readNetFromCaffe("deploy.prototxt.txt", "res10_300x300_ssd_iter_140000.caffemodel")

# 检测图像中的对象
blob = cv2.dnn.blobFromImage(image, 0.007843, (300, 300), 127.5)
detector.setInput(blob)
detections = detector.forward()

# 绘制检测结果
for i in range(0, detections.shape[2]):
confidence = detections[0, 0, i, 2]
if confidence > 0.5:
x1 = int(detections[0, 0, i, 3] * image.shape[1])
y1 = int(detections[0, 0, i, 4] * image.shape[0])
x2 = int(detections[0, 0, i, 5] * image.shape[1])
y2 = int(detections[0, 0, i, 6] * image.shape[0])
cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)

# 显示结果图像
cv2.imshow("检测结果", image)
cv2.waiTKEy(0)
cv2.destroyAllwindows()

Kod di atas menunjukkan proses lengkap pengesanan sasaran menggunakan Python, daripada pemuatan imej, prapemprosesan, kepada penggunaan pengesan sasaran, dan akhirnya melukis hasil pengesanan.

Kesimpulan:

Dengan perpustakaan saintifik yang berkuasa dan alat penglihatan komputer, Python ialah pilihan yang ideal untuk dua tugas pengelasan imej dan pengesanan objek. Artikel ini menunjukkan aplikasi Python dalam bidang penglihatan komputer dan kaedah pelaksanaannya melalui kod demonstrasi yang jelas dan mudah difahami. Saya harap anda akan mendapat manfaat daripadanya dan meneroka lagi kuasa Python dalam bidang penglihatan komputer.

Atas ialah kandungan terperinci Python berenang dalam lautan penglihatan komputer: perjalanan yang indah daripada pengelasan imej kepada pengesanan sasaran. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!