[PYTHON] Aufbau und Grundlagen der Bilderkennungsumgebung

Um den PC häufig zu initialisieren, überlasse ich die Umgebungskonstruktion für die Bilderkennung als Memorandum für mich selbst (dies kann ziemlich vergesslich sein, da ich normalerweise andere Arbeiten erledige). Verwenden Sie Miniconda, um eine Umgebung zu erstellen, die eine einfache Bilderkennungsverarbeitung mit OpenCV mit Python ermöglicht.

Überblick

• Erstellen Sie eine virtuelle Umgebung mit Miniconda
• Verwenden Sie ein Jupyter-Notebook
• Grundlegender Teil der Bilderkennung (über OpenCV)

Umweltbau mit Miniconda

Laden Sie miniconda herunter

Anaconda ist in Ordnung, aber wenn Sie einen Low-End-PC haben, empfehlen wir Miniconda. Da standardmäßig nur wenige Pakete installiert sind und kein Speicherplatz belegt wird. https://docs.conda.io/en/latest/miniconda.html Es ist in Ordnung, wenn Sie mit dem nächsten fortfahren. Es sind keine speziellen Einstellungen erforderlich.

Erstellen Sie eine virtuelle Umgebung für Python

AnacondaPronpt

(base) >conda create -n py36 python=3.6                          …(1)
(base) >conda env list                                           …(2)
# conda environments:
#
base                  *  C:\Users\XXXX\miniconda3
py36                     C:\Users\XXXX\miniconda3\envs\py36
(base) >activate py36                                            …(3)
(py36) >conda env list                                           …(4)
# conda environments:
#
base                     C:\Users\XXXX\miniconda3
py36                  *  C:\Users\XXXX\miniconda3\envs\py36
(py36) >conda install jupyter notebbok                           …(5)

(1) Erstellen Sie eine virtuelle Umgebung von Python3.6 mit dem Namen py36 (2) Überprüfen Sie, ob eine virtuelle Umgebung erstellt wurde (3) Wechseln Sie zu der zuvor erstellten virtuellen Umgebung (py36), da Sie sich derzeit in der Basisumgebung (Grundeinstellung) befinden. (4) Das Umschalten ist in Ordnung, wenn die Klammern durch (py36) und * durch py36 ersetzt werden. (5) Installieren Sie das Jupiter-Notebook

Vor kurzem benutze ich Jupiter Notebook. Ich denke, Sie können Spyder mit einem ähnlichen Gefühl erstellen. Für maschinelles Lernen denke ich, dass Python Ver ungefähr 3.6 ist. Es funktioniert oft nicht mit der neuesten Version. (Kann sich in Zukunft ändern)

Installation von Paketen zur Bilderkennung

AnacondaPronpt

(py36)　>conda install numpy
(py36)　>conda install matplotlib
(py36)　>conda install opencv
(py36)　>jupyter notebook

Starten Sie das Jupyter-Notebook und prüfen Sie, ob jedes Paket installiert ist

AnacondaPronpt

(py36) >jupyter notebook

JupyterNotebook

import cv2
import numpy  as np
import matplotlib as plt
print (cv2.__version__)
print (np.__version__)
print (plt.__version__)

Es ist in Ordnung, wenn jede Version zurückgegeben wird. (Pandas, Keras, Scikit-Learn, TensorFlor usw. werden ebenfalls empfohlen, wenn Sie persönlich an maschinellem Lernen und Analyse interessiert sind.)

Leises Gespräch: OpenCV-Geschichte

Installieren wir OpenCV, den De-facto-Standard für die Bilderkennung. Derzeit unterstützt OpenCV verschiedene Programmiersprachen wie C ++, Python und Java.

Zunächst gibt es eine Geschichte darüber, was Bilderkennung ist, aber der Einfachheit halber werden wir sie wie folgt betrachten.

• Verarbeiten von in Zeroichi ausgedrückten Bilddaten, so dass sie dem menschlichen Verständnis nahe kommen
• Was ermöglicht es Ihnen, die spezifischen Informationen zu erfassen, die Sie benötigen

Es ist leicht, Dinge nur nach Farbe und Form zu unterscheiden, aber wenn das Sonnenlicht unterschiedlich trifft, sind die sichtbaren Farben unterschiedlich, und selbst wenn Dinge abgeschnitten sind, warum können wir Dinge erkennen? Erfasst unwissentlich mehrere Funktionen und versteht sie gemäß dem Gesetz.

Wie andere Tools verfügt auch OpenCV über Tutorials. Offizielle Dokumentation ist wichtig, aber dieses Tutorial ist leicht zu verstehen. (Persönlich ist es um ein Vielfaches einfacher zu verstehen als das Django-Tutorial) </ font> http://labs.eecs.tottori-u.ac.jp/sd/Member/oyamada/OpenCV/html/py_tutorials/py_tutorials.html

import cv2
img = cv2.imread('./opencv-logo.png',1) 
#Das zweite Argument ist 0:Graustufen, 1:Farbbild-1:Farbe + Transparenz(α)
cv2.imshow('image',img)
#Bild im Fenster anzeigen
#Das erste Argument ist der Fenstername, der als Zeichenfolgentyp angegeben wird,Das zweite Argument ist das Bild, das Sie anzeigen möchten
cv2.waitKey(0)
#Warten Sie auf die Tasteneingabe
#Das Argument ist die Wartezeit für die Eingabe. 0 ist unbegrenzt
cv2.destroyAllWindows()
#schließe das Fenster

import cv2
import numpy as np
img= cv2.imread('RGB.png')
px = img[100,100]
#100,Daten bei 100 Pixel (BGR)
print (px)

blue =img[100,100,0]
#100,0 Kanal bei 100 Pixel(B)Daten von
print (blue)

#Es ist auch möglich, den Pixelwert damit zu ändern
img[100,100] = [255,255,255]