โดยทั่วไปการประมวลผลข้อมูลล่วงหน้าหมายถึงงานในการรวบรวมข้อมูลทั้งหมด (ซึ่งรวบรวมจากแหล่งข้อมูลต่างๆ หรือทรัพยากรเดียว) ในรูปแบบทั่วไปหรือเป็นชุดข้อมูลเดียวกัน (ขึ้นอยู่กับประเภทของข้อมูล) เนื่องจากข้อมูลในโลกแห่งความเป็นจริงไม่เคยอยู่ในอุดมคติ จึงมีความเป็นไปได้ที่ข้อมูลจะไม่มีเซลล์ ข้อผิดพลาด ค่าผิดปกติ ความคลาดเคลื่อนในคอลัมน์ และอื่นๆ อีกมากมาย บางครั้ง รูปภาพอาจจัดแนวไม่ถูกต้อง หรืออาจไม่ชัดเจน หรืออาจมีขนาดใหญ่มาก เป้าหมายของการประมวลผลล่วงหน้าคือการขจัดความคลาดเคลื่อนและข้อผิดพลาดเหล่านี้
เพื่อให้ได้ความละเอียดของภาพ จะใช้ฟังก์ชันในตัวที่ชื่อว่า 'รูปร่าง' หลังจากที่อ่านรูปภาพแล้ว ค่าพิกเซลจะถูกเก็บไว้ในรูปแบบของอาร์เรย์ อาร์เรย์นี้ไม่มีอะไรเลยนอกจากอาร์เรย์ Numpy เมื่ออ่านและแปลงรูปภาพเป็นอาร์เรย์แล้ว คุณสามารถเรียกใช้ฟังก์ชันรูปร่างบนรูปภาพนี้เพื่อทำความเข้าใจความละเอียดของรูปภาพได้
ให้เรายกตัวอย่างการอัปโหลดรูปภาพและรับความละเอียดของรูปภาพบนคอนโซลโดยใช้ไลบรารี scikit-learn -
ตัวอย่าง
from skimage import io
path = "path to puppy.PNG"
img = io.imread(path)
print("Image being read")
io.imshow(img)
print("Image printed on console")
print("The image resolution is ")
print(img.shape) ผลลัพธ์
Image being read Image printed on console The image resolution is (397, 558, 4)
คำอธิบาย
- นำเข้าไลบรารีที่จำเป็น
- เส้นทางที่จัดเก็บภาพถูกกำหนดไว้
- ฟังก์ชัน 'imread' ใช้เพื่อเข้าชมเส้นทางและอ่านรูปภาพ
- ใช้ฟังก์ชัน 'imshow' เพื่อแสดงรูปภาพบนคอนโซล
- ใช้ฟังก์ชัน 'รูปร่าง' เพื่อให้ได้ความละเอียดของภาพ
- ค่าที่สามของเอาต์พุตแสดง 4 ซึ่งหมายความว่ามี 4 ช่อง ได้แก่ R, G, B และ alpha ค่า
- ข้อมูลจะแสดงบนคอนโซล
