Да бисмо визуелно идентификовали и истакли откривене објекте на слици помоћу библиотеке јастука, можемо да пратимо процес корак по корак. Библиотека јастука је моћна Питхон библиотека слика која пружа широк спектар могућности обраде слика. Комбиновањем могућности библиотеке јастука са функцијом откривања објеката Гоогле Висион АПИ-ја, можемо ефикасно да постигнемо овај задатак.
Ево корака за визуелну идентификацију и истицање откривених објеката на слици помоћу библиотеке јастука:
1. Инсталирајте потребне библиотеке: Почните тако што ћете инсталирати потребне библиотеке. Инсталирајте јастук користећи команду `пип инсталл пиллов`. Поред тога, мораћете да подесите Гоогле Висион АПИ и инсталирате Гоогле Цлоуд клијент библиотеку за Питхон.
2. Аутентификација помоћу Гоогле Висион АПИ-ја: Да бисте користили Гоогле Висион АПИ, потребно је да потврдите аутентичност своје апликације. Пратите документацију коју је обезбедио Гоогле да бисте добили потребне акредитиве.
3. Учитајте и анализирајте слику: Користите библиотеку јастука да учитате слику коју желите да анализирате. Можете користити метод `Имаге.опен()` да отворите датотеку слике. Када се слика учита, конвертујте је у формат компатибилан са Гоогле Висион АПИ-јем, као што је ЈПЕГ или ПНГ.
4. Пошаљите слику Гоогле Висион АПИ-ју: Користите библиотеку Гоогле Цлоуд клијента за Питхон да бисте послали слику Гоогле Висион АПИ-ју ради откривања објеката. Ово се може урадити креирањем објекта захтева са подацима слике и позивањем одговарајуће методе, као што је `имаге_аннотатор_цлиент.објецт_лоцализатион().аннотате_имаге()`.
5. Преузмите резултате откривања објеката: Извуците резултате откривања објеката из одговора примљеног од Гоогле Висион АПИ-ја. Одговор ће садржати информације о откривеним објектима, као што су њихове граничне кутије, ознаке и резултати поузданости.
6. Нацртајте граничне оквире на слици: Користите библиотеку јастука да нацртате граничне оквире око откривених објеката на слици. Можете користити метод `ИмагеДрав.Драв()` да креирате објекат за цртање, а затим користити метод `драв.рецтангле()` да нацртате граничне оквире.
7. Додајте ознаке и резултате на слику: Да бисте побољшали визуелизацију, можете додати ознаке и резултате поузданости слици. Користите метод `драв.тект()` из библиотеке јастука да бисте преклопили ознаке и резултате на слици.
8. Сачувајте и прикажите слику са коментарима: Сачувајте слику са коментарима користећи метод `Имаге.саве()` из библиотеке јастука. Можете одабрати жељени формат, као што је ЈПЕГ или ПНГ. Опционо, прикажите слику са коментарима помоћу методе `Имаге.схов()`.
Пратећи ове кораке, можете визуелно идентификовати и истаћи откривене објекте на слици помоћу библиотеке јастука. Комбинација моћних могућности обраде слика Пиллов-а и функције детекције објеката Гоогле Висион АПИ-ја омогућава ефикасну и тачну анализу слика.
primer:
python from PIL import Image, ImageDraw from google.cloud import vision # Load and analyze the image image_path = 'path/to/your/image.jpg' image = Image.open(image_path) image_data = image.tobytes() # Authenticate with the Google Vision API client = vision.ImageAnnotatorClient.from_service_account_json('path/to/your/credentials.json') # Send the image to the Google Vision API for object detection response = client.object_localization(image=vision.Image(content=image_data)) objects = response.localized_object_annotations # Draw bounding boxes on the image draw = ImageDraw.Draw(image) for obj in objects: bbox = obj.bounding_poly.normalized_vertices draw.rectangle([(bbox[0].x * image.width, bbox[0].y * image.height), (bbox[2].x * image.width, bbox[2].y * image.height)], outline='red', width=3) # Add labels and scores to the image label = obj.name score = obj.score draw.text((bbox[0].x * image.width, bbox[0].y * image.height - 15), f'{label} ({score:.2f})', fill='red') # Save and display the annotated image annotated_image_path = 'path/to/save/annotated_image.jpg' image.save(annotated_image_path) image.show()
У овом примеру прво учитавамо и анализирамо слику користећи библиотеку јастука. Затим се аутентификујемо помоћу Гоогле Висион АПИ-ја и шаљемо слику на откривање објеката. Добијамо резултате детекције објеката и користимо библиотеку јастука да нацртамо граничне оквире око откривених објеката на слици. Поред тога, слици додајемо ознаке и оцене поузданости. Коначно, чувамо и приказујемо слику са коментарима.
Остала недавна питања и одговори у вези Напредно разумевање слика:
- Које су неке унапред дефинисане категорије за препознавање објеката у Гоогле Висион АПИ-ју?
- Који је препоручени приступ за коришћење функције детекције безбедне претраге у комбинацији са другим техникама модерирања?
- Како можемо да приступимо и прикажемо вредности вероватноће за сваку категорију у напомени безбедне претраге?
- Како можемо да добијемо напомену о безбедној претрази користећи Гоогле Висион АПИ у Питхон-у?
- Којих је пет категорија укључених у функцију откривања безбедне претраге?
- Како функција безбедне претраге Гоогле Висион АПИ-ја открива експлицитан садржај у сликама?
- Како можемо организовати екстраховане информације о објекту у табеларном формату користећи оквир података пандас?
- Како можемо издвојити све коментаре објеката из одговора АПИ-ја?
- Које библиотеке и програмски језик се користе за демонстрирање функционалности Гоогле Висион АПИ-ја?
- Како Гоогле Висион АПИ врши откривање и локализацију објеката на сликама?
Погледајте више питања и одговора у Напредном разумевању слика