تکیہ لائبریری کا استعمال کرتے ہوئے کسی تصویر میں دریافت شدہ اشیاء کو بصری طور پر شناخت کرنے اور نمایاں کرنے کے لیے، ہم مرحلہ وار عمل کی پیروی کر سکتے ہیں۔ Pillow لائبریری ایک طاقتور Python امیجنگ لائبریری ہے جو امیج پروسیسنگ کی صلاحیتوں کی ایک وسیع رینج فراہم کرتی ہے۔ تکیہ لائبریری کی صلاحیتوں کو گوگل ویژن API کی آبجیکٹ ڈیٹیکشن فنکشنلٹی کے ساتھ ملا کر، ہم اس کام کو مؤثر طریقے سے حاصل کر سکتے ہیں۔
تکیے کی لائبریری کا استعمال کرتے ہوئے تصویر میں دریافت شدہ اشیاء کو بصری طور پر شناخت کرنے اور ان کو نمایاں کرنے کے اقدامات یہ ہیں:
1. ضروری لائبریریاں انسٹال کریں: مطلوبہ لائبریریاں انسٹال کر کے شروع کریں۔ 'pip install pillow' کمانڈ کا استعمال کرتے ہوئے تکیہ انسٹال کریں۔ مزید برآں، آپ کو گوگل ویژن API سیٹ اپ کرنے اور ازگر کے لیے گوگل کلاؤڈ کلائنٹ لائبریری کو انسٹال کرنے کی ضرورت ہوگی۔
2. Google Vision API کے ساتھ تصدیق کریں: Google Vision API استعمال کرنے کے لیے، آپ کو اپنی درخواست کی تصدیق کرنی ہوگی۔ ضروری اسناد حاصل کرنے کے لیے گوگل کی فراہم کردہ دستاویزات پر عمل کریں۔
3۔ تصویر کو لوڈ اور تجزیہ کریں: آپ جس تصویر کا تجزیہ کرنا چاہتے ہیں اسے لوڈ کرنے کے لیے تکیہ لائبریری کا استعمال کریں۔ آپ امیج فائل کو کھولنے کے لیے `Image.open()` طریقہ استعمال کر سکتے ہیں۔ تصویر کے لوڈ ہونے کے بعد، اسے Google Vision API کے ساتھ مطابقت رکھنے والے فارمیٹ میں تبدیل کریں، جیسے JPEG یا PNG۔
4. تصویر کو Google Vision API کو بھیجیں: آبجیکٹ کا پتہ لگانے کے لیے تصویر کو Google Vision API کو بھیجنے کے لیے Python کے لیے گوگل کلاؤڈ کلائنٹ لائبریری کا استعمال کریں۔ یہ تصویری ڈیٹا کے ساتھ درخواست آبجیکٹ بنا کر اور مناسب طریقہ، جیسے `image_annotator_client.object_localization().annotate_image()` کو کال کرکے کیا جا سکتا ہے۔
5. آبجیکٹ کا پتہ لگانے کے نتائج بازیافت کریں: گوگل ویژن API سے موصول ہونے والے جواب سے آبجیکٹ کا پتہ لگانے کے نتائج نکالیں۔ جواب میں دریافت شدہ اشیاء کے بارے میں معلومات شامل ہوں گی، جیسے کہ ان کے باؤنڈنگ بکس، لیبلز، اور اعتماد کے اسکور۔
6. تصویر پر باؤنڈنگ باکسز بنائیں: تصویر پر پائے جانے والے اشیا کے گرد باؤنڈنگ بکس بنانے کے لیے تکیہ لائبریری کا استعمال کریں۔ آپ ایک ڈرائنگ آبجیکٹ بنانے کے لیے `ImageDraw.Draw()` طریقہ استعمال کر سکتے ہیں، اور پھر باؤنڈنگ باکسز بنانے کے لیے `draw.rectangle()` طریقہ استعمال کر سکتے ہیں۔
7. تصویر میں لیبل اور اسکور شامل کریں: تصور کو بہتر بنانے کے لیے، آپ تصویر میں لیبلز اور اعتماد کے اسکورز شامل کر سکتے ہیں۔ تصویر پر لیبلز اور اسکورز کو اوورلے کرنے کے لیے Pillow لائبریری سے `draw.text()` طریقہ استعمال کریں۔
8. تشریح شدہ تصویر کو محفوظ کریں اور ڈسپلے کریں: تکیہ لائبریری سے `Image.save()` طریقہ استعمال کرتے ہوئے تشریح شدہ تصویر کو محفوظ کریں۔ آپ مطلوبہ فارمیٹ کا انتخاب کر سکتے ہیں، جیسے JPEG یا PNG۔ اختیاری طور پر، `Image.show()` طریقہ استعمال کرتے ہوئے تشریح شدہ تصویر ڈسپلے کریں۔
ان اقدامات پر عمل کرتے ہوئے، آپ تکیے کی لائبریری کا استعمال کرتے ہوئے کسی تصویر میں پائی جانے والی اشیاء کو بصری طور پر شناخت اور نمایاں کر سکتے ہیں۔ تکیہ کی طاقتور امیج پروسیسنگ صلاحیتوں اور گوگل ویژن API کی آبجیکٹ کا پتہ لگانے کی فعالیت کا امتزاج تصاویر کے موثر اور درست تجزیہ کی اجازت دیتا ہے۔
: مثال کے طور پر
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()
اس مثال میں، ہم پہلے تکیہ لائبریری کا استعمال کرتے ہوئے تصویر کو لوڈ اور تجزیہ کرتے ہیں۔ پھر، ہم Google Vision API کے ساتھ تصدیق کرتے ہیں اور تصویر کو آبجیکٹ کا پتہ لگانے کے لیے بھیجتے ہیں۔ ہم آبجیکٹ کا پتہ لگانے کے نتائج بازیافت کرتے ہیں اور تصویر پر پائے جانے والے اشیا کے گرد باؤنڈنگ بکس کھینچنے کے لیے تکیہ لائبریری کا استعمال کرتے ہیں۔ مزید برآں، ہم تصویر میں لیبلز اور اعتماد کے اسکور شامل کرتے ہیں۔ آخر میں، ہم تشریح شدہ تصویر کو محفوظ اور ڈسپلے کرتے ہیں۔
سے متعلق دیگر حالیہ سوالات اور جوابات اعلی درجے کی تصاویر کی تفہیم:
- گوگل ویژن API میں آبجیکٹ کی شناخت کے لیے کچھ پہلے سے طے شدہ زمرے کیا ہیں؟
- دیگر اعتدال کی تکنیکوں کے ساتھ مل کر محفوظ تلاش کا پتہ لگانے کی خصوصیت کو استعمال کرنے کے لیے تجویز کردہ طریقہ کیا ہے؟
- ہم محفوظ تلاش تشریح میں ہر زمرے کے لیے امکانات کی قدروں تک کیسے رسائی اور ڈسپلے کر سکتے ہیں؟
- ہم Python میں Google Vision API کا استعمال کرتے ہوئے محفوظ تلاش کی تشریح کیسے حاصل کر سکتے ہیں؟
- محفوظ تلاش کا پتہ لگانے کی خصوصیت میں شامل پانچ زمرے کیا ہیں؟
- گوگل ویژن API کی محفوظ تلاش کی خصوصیت تصاویر کے اندر واضح مواد کا کیسے پتہ لگاتی ہے؟
- پانڈا ڈیٹا فریم کا استعمال کرتے ہوئے ہم نکالی گئی آبجیکٹ کی معلومات کو ٹیبلر فارمیٹ میں کیسے ترتیب دے سکتے ہیں؟
- ہم API کے جواب سے تمام آبجیکٹ تشریحات کیسے نکال سکتے ہیں؟
- گوگل ویژن API کی فعالیت کو ظاہر کرنے کے لیے کون سی لائبریری اور پروگرامنگ زبان استعمال کی جاتی ہے؟
- گوگل ویژن API تصویروں میں آبجیکٹ کا پتہ لگانے اور لوکلائزیشن کو کیسے انجام دیتا ہے؟
ایڈوانسڈ امیجز کی سمجھ میں مزید سوالات اور جوابات دیکھیں