Детекција објеката је важан аспект компјутерског вида, где је циљ да се идентификују и лоцирају објекти на слици. Један од метода за означавање локације објекта на слици је гранична кутија. Ограничавајућа кутија је правоугаона кутија која се може израчунати једноставним механизмом који укључује основну математичку функцију минимизације и максимизације.
Кутија, штавише, може бити представљена са две координате, (к, и) у горњем левом углу и (к, и) у доњем десном углу. Ове информације се показују као кључне у различитим апликацијама у стварном животу, служећи професионалцима од оних који надгледају до индустрије аутомобила који се самостално возе.
Изјава о проблему и решење
Главни проблем са којим се суочавамо у детекцији слика и објеката је како тачно идентификовати локацију објекта на слици. Решење је да се користи гранични оквир, који се може израчунати коришћењем једноставног механизма који укључује различите питхон библиотеке.
Питон је одличан избор за овај задатак јер има богате библиотеке и алате који поједностављују процес, чинећи га ефикасним и једноставним. Обично се користе две главне библиотеке – ОпенЦВ и Матплотлиб.
ОпенЦВ и Матплотлиб приступ
ОпенЦВ је скраћеница од Опен Соурце Цомпутер Висион библиотека и укључује неколико стотина алгоритама компјутерског вида. Матплотлиб је, с друге стране, библиотека за цртање за програмски језик Питхон и његово проширење нумеричке математике НумПи. Пружа и веома брз начин за визуелизацију података из Питхон-а и бројки квалитета публикације у многим форматима.
import cv2
import matplotlib.pyplot as plt
# read image
image = cv2.imread('input.jpg')
# our bounding box coordinates
box = (x1, y1, x2, y2)
# Draw rectangle (bounding box)
cv2.rectangle(image, (box[0], box[1]), (box[2], box[3]), (0, 255, 0), 2)
# Display the image with bounding box
plt.imshow(image)
plt.show()
Слика се учитава помоћу методе имреад из цв2, а затим се црта гранични оквир помоћу функције цв2.рецтангле која узима слику и две координате представљене 'кутијом'. Последња два параметра су боја и дебљина. Овај код ће приказати објекте на вашој слици у потпуности везане кутијом.
Коришћење граничних кутија
У закључку, граничне кутије играју виталну улогу у задацима компјутерског вида, укључујући детекцију објеката, компјутерски вид и обраду слике. Они нуде ефикасно и ефикасно решење за лоцирање објеката и информација о метаподацима унутар слика. Учење да се прецизно имплементирају гранични оквири у Питхон-у може од велике користи свима који су укључени у развој софтвера, машинско учење или АИ у каријери. Не само да је користан у безбедности и надзору, већ такође у великој мери помаже у апликацијама као што су детекција и препознавање лица, детекција пешака и напредни системи за помоћ возачу (АДАС) у аутомобилима који се сами возе.
