[PYTHON] Construction et bases de l'environnement de reconnaissance d'image

Afin d'initialiser fréquemment le PC, je laisserai la construction d'environnement pour la reconnaissance d'image comme un mémorandum pour moi-même (cela peut être assez oublieux car je fais habituellement d'autres travaux). Utilisez miniconda pour créer un environnement qui permet un traitement de reconnaissance d'image simple avec OpenCV avec python.

Aperçu

• Créez un environnement virtuel avec miniconda
• Utilisez le notebook Jupyter
• Partie de base de la reconnaissance d'image (à propos d'OpenCV)

Construction de l'environnement avec miniconda

Télécharger miniconda

Anaconda est très bien, mais si vous avez un PC bas de gamme, nous vous recommandons miniconda. Parce qu'il y a peu de packages installés par défaut et que cela ne prend pas de place. https://docs.conda.io/en/latest/miniconda.html Ce n'est pas grave si vous passez au suivant. Aucun réglage spécial n'est requis.

Créer un environnement virtuel pour 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) Créez un environnement virtuel de python3.6 avec le nom py36 (2) Vérifiez si un environnement virtuel a été créé (3) Puisque vous êtes actuellement dans l'environnement de base (configuration initiale), passez à l'environnement virtuel (py36) créé précédemment. (4) La commutation est OK si les parenthèses sont remplacées par (py36) et * est remplacé par py36. (5) Installez le notebook jupyter

Récemment, j'utilise le notebook Jupter. Je pense que vous pouvez créer un spyder avec un sentiment similaire. Pour l'apprentissage automatique, je pense que python ver est d'environ 3,6. Cela ne fonctionne souvent pas avec la dernière version. (Peut changer dans le futur)

Installation des packages utilisés pour la reconnaissance d'images

AnacondaPronpt

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

Démarrez le notebook jupyter et vérifiez si chaque package est installé

AnacondaPronpt

(py36) >jupyter notebook

JupyterNotebook

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

C'est OK si chaque version est renvoyée. (Pandas, Keras, scikit-learn, TensorFlor, etc. sont également recommandés si vous êtes personnellement intéressé par l'apprentissage automatique et l'analyse)

Discours silencieux: histoire d'OpenCV

Installons OpenCV, qui est le standard de facto pour la reconnaissance d'images. Actuellement, OpenCV prend en charge divers langages de programmation tels que C ++, Python et Java.

En premier lieu, il y a une histoire sur ce qu'est la reconnaissance d'image, mais par souci de simplicité, nous la considérerons comme suit.

• Traitement des données d'image exprimées en Zeroichi afin qu'elles soient proches de la compréhension humaine
• Ce qui vous permet de saisir les informations spécifiques dont vous avez besoin

Il est facile de distinguer les choses uniquement par leur couleur et leur forme, mais si la lumière du soleil frappe différemment, les couleurs visibles seront différentes, et même si les choses sont coupées, pourquoi pouvons-nous reconnaître les choses? Capture inconsciemment de multiples fonctionnalités et comprend selon la loi.

Comme d'autres outils, OpenCV propose des tutoriels. La documentation officielle est importante, mais ce tutoriel est facile à comprendre. (Personnellement, c'est plusieurs fois plus facile à comprendre que le tutoriel Django) </ 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) 
#Le deuxième argument est 0:Échelle de gris, 1:Image couleur-1:Couleur + transparence(α)
cv2.imshow('image',img)
#Afficher l'image dans la fenêtre
#Le premier argument est le nom de la fenêtre spécifié comme type de chaîne de caractères,Le deuxième argument est l'image que vous souhaitez afficher
cv2.waitKey(0)
#Attendre la saisie de la clé
#L'argument est le temps d'attente d'entrée. 0 est illimité
cv2.destroyAllWindows()
#ferme la fenêtre

import cv2
import numpy as np
img= cv2.imread('RGB.png')
px = img[100,100]
#100,Données à 100 pixels (BGR)
print (px)

blue =img[100,100,0]
#100,0 canal à 100 pixels(B)données de
print (blue)

#Il est également possible de modifier la valeur du pixel en utilisant ce
img[100,100] = [255,255,255]