no image

đinh khánh ly

Gia sư
Chia sẻ MXH: facebook.png twitter.png inner.png
Thông tin cơ bản
 Ngày sinh: 30/04/1987  Giới tính: Nữ  Kiểu gia sư:  Hôn nhân:  Ngày cập nhật: 21/09/2019  Lượt xem: 206
 Mức học phí:  Thỏa thuận
 Hình thức dạy: Gia sư tại nhà
 Địa chỉ: tạ quang bửu
 Khu vực nhận dạy: Hà Nội
  SĐT:    Xem liên hệ   Email: Xem liên hệ
Giới thiệu chung

nữ.cần tìm gs cho con

Chủ đề dạy
Kinh nghiệm dạy

Chưa cập nhật

Thành tích

Chưa cập nhật

Buổi có thể dạy
Thứ 2
Thứ 3
Thứ 4
Thứ 5
Thứ 6
Thứ 7
Chủ nhật
Có thể bạn quan tâm
Lê Thị Thùy Trâm
Lê Thị Thùy Trâm
 Từ 150,000 vnđ/buổi
 Hồ Chí Minh
Toán Tiếng Việt
Phan Duy Hải Sơn
Phan Duy Hải Sơn
Thỏa thuận
 Hà Nội
Toán
vo thi thuy diem
vo thi thuy diem
 Từ 120,000 vnđ/buổi
 Hồ Chí Minh
Toán Tiếng Việt Báo bài
Nguyễn Đình Nhàn
Nguyễn Đình Nhàn
Thỏa thuận
 Hồ Chí Minh
Nguyễn Thanh Nga
Nguyễn Thanh Nga
 Từ 120,000 vnđ/buổi
 Hà Nội
Toán Tiếng Việt
Nguyễn Anh Tuấn
Nguyễn Anh Tuấn
 Từ 120,000 vnđ/buổi
 Hà Nội
Toán Hóa
Thông tin cơ bản
Mức học phí: Thỏa thuận
Hình thức dạy: Gia sư tại nhà
Khu vực nhận dạy:Hà Nội
Địa chỉ: tạ quang bửu
 Số điện thoại:
 Email:
Có thể bạn quan tâm
Lê Thị Thùy Trâm
Toán Tiếng Việt
Từ: 150,000 vnđ/buổi  Hồ Chí Minh

tôi yêu gia đình, yêu trẻ con

Phan Duy Hải Sơn
Toán
Từ: Thỏa thuận  Hà Nội

Lễ phép lịch sự văn hóa

vo thi thuy diem
Toán Tiếng Việt Báo bài
Từ: 120,000 vnđ/buổi  Hồ Chí Minh

nhiệt tình, dễ gần, chịu khó và gần gũi

Nguyễn Đình Nhàn
Từ: Thỏa thuận  Hồ Chí Minh

giờ chúng tôi sẽ là kipalog.com ! Profile Picture Blog kỹ thuật máy tính kỹ thuật máy tính Blog Archives Cập nhật thông tin bài viết qua Facebook page hay link RSS dưới đây Facebook RSS Xử Lý ảnh Bằng Python và OpenCV: Mở đầu Do công việc, tôi đã có một thời gian tìm hiểu về OpenCV để xử lý ảnh và video. Phần lớn các tác vụ tôi thực hiện là code OpenCV trên C++ và giao tiếp với Android qua JNI. Và rồi tôi nhận ra mình chỉ làm theo những tutorial có sẵn trên mạng và mất nhiều thời gian hơn mức cần thiết để fix bug của compiler hoặc IDE. Bản thân tôi rất có hứng thú với Computer Vision và Image Processing nói chung, nhưng cách tiếp cận như trên có vẻ như quá chậm. Sẽ tốt hơn nếu có thể tập trung nắm được những khái niệm cơ bản cùa Computer Vision trước, không bị sa đà vào việc fix bug. Bản thân việc nhanh chóng tạo ra những ứng dụng hữu ích là một động lực không nhỏ đối với việc tiếp tục học Computer Vision and Image Processing. Đó là lý do tôi chuyển sang lập trình OpenCV với Python. Việc cài đặt, viết code, thử nghiệm đều trở nên đơn giản hơn rất nhiều. Thêm một lý do nữa, phải nói là Computer Vision và Image Processing là những lĩnh vực khó nếu xét về khía cạnh nghiên cứu, với rất nhiều công thức toán. Tôi không nói những công thức toán đó là không cần thiết, mà là đối với người bắt đầu học, sẽ tốt hơn nếu nhanh chóng nắm được tất cả những kĩ thuật cơ bản và bắt đầu áp dụng xây dựng ứng dụng hữu ích cho mình. Sau đó, tuỳ theo nhu cầu và sở thích, có thể tiếp tục đào sâu nghiên cứu, tối ưu, chạy thời gian thực… Kể cả lúc đó, khi đã có kiến thức cơ bản rồi, việc tiếp cận sẽ càng nhanh hơn. Xin lỗi vì phần giới thiệu hơi dài dòng :P Tôi xin bắt đầu luôn. Trong bài đầu tiên này, tôi sẽ trình bày cách cài đặt môi trường và một số tác vụ cơ bản khi làm việc với OpenCV trên Python. Bài viết này có thể sẽ khá cơ bản với một số độc giả, nhưng vì là bài đầu tiên trong loạt bài này, tôi vấn muốn trình bày để đảm bảo sự đầy đủ. Trong các bài sau, chúng ta sẽ cùng xây dựng những ứng dụng thú vị hơn. Cài đặt môi trường Có những thành phần sau cần phải cài đặt để làm việc với OpenCV trên : * Python 2.7 * NumPy và SciPy: Bằng cách sử dụng NumPy, chúng ta có thể biểu thị hình ảnh bằng mảng đa chiều. Ngoài ra, có rất nhiều thư viện xử lý ảnh và cả machine learning sử dụng cách biểu thị mảng của NumPy. NumPy cũng hỗ trợ rất nhiều hàm toán học chúng ta có thể thực hiện nhiều phân tích có ý nghĩa hơn trên ảnh. Bên cạnh NumPy còn có SciPy đi kèm, hỗ trợ thêm về các tính toán khoa học. Trên Windows, cách dễ nhất để có cả Python, NumPy và SciPy là cài đặt Enthought Canopy tại https://www.enthought.com/products/canopy/ Trên Mac từ 10.7 trở lên, NumPy và SciPy đã được cài đặt sẵn. * Matplotlib: là thư viện để plot. Khi xử lý ảnh, chúng ta sẽ sử dụng thư viện này để xem histogram của ảnh hoặc xem chính ảnh đó. * OpenCV: Về hướng dẫn cài đặt chi tiết, bạn có thể xem tại đây Mở và lưu file ảnh Hãy bắt đầu bằng tác vụ đơn giản nhất: mở một file ảnh thành một mảng NumPy, đọc các thông tin về kích cỡ, sau đó lưu mảng NumPy thành một file ảnh mới. getinfo.py 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 import argparse import cv2 ap = argparse.ArgumentParser() ap.add_argument("-i", "--image", required = True, help = "Path to the image") args = vars(ap.parse_args()) image = cv2.imread(args["image"]) print "width: %d pixels" % (image.shape[1]) print "height: %d pixels" % (image.shape[0]) print "channels: %d channels" % (image.shape[2]) cv2.imshow("Image", image) cv2.imwrite("new.jpg", image) cv2.waitKey(0) Đầu tiên, chúng ta import hai package cần thiết là argparse và cv2. argparse dùng để khai báo những parameter cần thiết cho chương trình của chúng ta, ở đây, chúng ta khai báo parameter là đường dẫn đến file ảnh ban đầu. Để đọc file ảnh thành một mảng NumPy, chúng ta sử dụng hàm cv2.imread() với parameter là tên file ảnh (đã được nhập vào từ command line). Sau bước này, ta nhận được một mảng NumPy là image. Tiếp theo ta in ra các thông số về file ảnh, gồm có chiều dài, chiều rộng và số channel. Ở đây, chúng ta có những điểm lưu ý về cách NumPy lưu các thông số về bức ảnh: * Một bưc ảnh có 2 chiều X và Y, gốc toạ độ tại pixel trên cùng bên trái của bức ảnh. Chiều X từ trái sang phải và chiều Y từ trên xuống dưới. NumPy lưu số pixel hơi ngược: image.shape[0] là số pixel theo chiều Y và image.shape[1] là số pixel theo chiều X. * Mỗi pixel trên bức ảnh được biểu thị dưới một trong 2 dạng: grayscale hoặc color. image.shape[2] lưu số channel biểu thị mỗi pixel. Với ảnh màu hiển thị trên RGB, số channel là 3, còn với ảnh đen trắng (grayscale), chúng ta chỉ có 1 channel duy nhất Để hiển thị bức ảnh trên một window mới, ta sử dụng hàm cv2.imshow(), với 2 đối số là tên của window và tên của mảng NumPy muốn hiển thị. Để lưu mảng NumPy thành một file ảnh mới, ta sử dụng hàm cv2.imwrite(), với 2 đối số là tên của file muốn lưu và tên của mảng NumPy. Trong ví dụ này, chúng ta lưu file mới giống hệt file cũ mà không có chỉnh sửa gì. Chạy đoạn code trên như sau: 1 % python getinfo.py -i obama_fun.jpg Ảnh gốc: Kết quả trả về 1 2 3 width: 475 pixels height: 356 pixels channels: 3 channels Tạo ảnh avatar bằng kĩ thuật mask Trong phần này, chúng ta sẽ tạo ra ảnh avatar từ một bức hình chân dung ban đầu, theo dạng như avatar picture của Google+: hình tròn bao quanh khuôn mặt. Đoạn code như sau: create_avatar_circle.py 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 import numpy as np import argparse import cv2 ap = argparse.ArgumentParser() ap.add_argument("-i", "--image", required = True, help = "Path to the image") args = vars(ap.parse_args()) image = cv2.imread(args["image"]) cv2.imshow("Original", image) (cX, cY) = (image.shape[1] / 2 , image.shape[0]/2) radius = 120 mask = np.zeros(image.shape[:2], dtype = "uint8") cv2.circle(mask, (cX, cY), radius, 255, -1) masked = cv2.bitwise_and(image, image, mask = mask) avatar = masked[ cY - radius : cY + radius, cX - radius : cX + radius] cv2.imshow("Mask", mask) cv2.imshow("Avatar", avatar) cv2.imwrite("avatar.jpg", avatar) cv2.waitKey(0)giờ chúng tôi sẽ là kipalog.com ! Profile Picture Blog kỹ thuật máy tính kỹ thuật máy tính Blog Archives Cập nhật thông tin bài viết qua Facebook page hay link RSS dưới đây Facebook RSS Xử Lý ảnh Bằng Python và OpenCV: Mở đầu Do công việc, tôi đã có một thời gian tìm hiểu về OpenCV để xử lý ảnh và video. Phần lớn các tác vụ tôi thực hiện là code OpenCV trên C++ và giao tiếp với Android qua JNI. Và rồi tôi nhận ra mình chỉ làm theo những tutorial có sẵn trên mạng và mất nhiều thời gian hơn mức cần thiết để fix bug của compiler hoặc IDE. Bản thân tôi rất có hứng thú với Computer Vision và Image Processing nói chung, nhưng cách tiếp cận như trên có vẻ như quá chậm. Sẽ tốt hơn nếu có thể tập trung nắm được những khái niệm cơ bản cùa Computer Vision trước, không bị sa đà vào việc fix bug. Bản thân việc nhanh chóng tạo ra những ứng dụng hữu ích là một động lực không nhỏ đối với việc tiếp tục học Computer Vision and Image Processing. Đó là lý do tôi chuyển sang lập trình OpenCV với Python. Việc cài đặt, viết code, thử nghiệm đều trở nên đơn giản hơn rất nhiều. Thêm một lý do nữa, phải nói là Computer Vision và Image Processing là những lĩnh vực khó nếu xét về khía cạnh nghiên cứu, với rất nhiều công thức toán. Tôi không nói những công thức toán đó là không cần thiết, mà là đối với người bắt đầu học, sẽ tốt hơn nếu nhanh chóng nắm được tất cả những kĩ thuật cơ bản và bắt đầu áp dụng xây dựng ứng dụng hữu ích cho mình. Sau đó, tuỳ theo nhu cầu và sở thích, có thể tiếp tục đào sâu nghiên cứu, tối ưu, chạy thời gian thực… Kể cả lúc đó, khi đã có kiến thức cơ bản rồi, việc tiếp cận sẽ càng nhanh hơn. Xin lỗi vì phần giới thiệu hơi dài dòng :P Tôi xin bắt đầu luôn. Trong bài đầu tiên này, tôi sẽ trình bày cách cài đặt môi trường và một số tác vụ cơ bản khi làm việc với OpenCV trên Python. Bài viết này có thể sẽ khá cơ bản với một số độc giả, nhưng vì là bài đầu tiên trong loạt bài này, tôi vấn muốn trình bày để đảm bảo sự đầy đủ. Trong các bài sau, chúng ta sẽ cùng xây dựng những ứng dụng thú vị hơn. Cài đặt môi trường Có những thành phần sau cần phải cài đặt để làm việc với OpenCV trên : * Python 2.7 * NumPy và SciPy: Bằng cách sử dụng NumPy, chúng ta có thể biểu thị hình ảnh bằng mảng đa chiều. Ngoài ra, có rất nhiều thư viện xử lý ảnh và cả machine learning sử dụng cách biểu thị mảng của NumPy. NumPy cũng hỗ trợ rất nhiều hàm toán học chúng ta có thể thực hiện nhiều phân tích có ý nghĩa hơn trên ảnh. Bên cạnh NumPy còn có SciPy đi kèm, hỗ trợ thêm về các tính toán khoa học. Trên Windows, cách dễ nhất để có cả Python, NumPy và SciPy là cài đặt Enthought Canopy tại https://www.enthought.com/products/canopy/ Trên Mac từ 10.7 trở lên, NumPy và SciPy đã được cài đặt sẵn. * Matplotlib: là thư viện để plot. Khi xử lý ảnh, chúng ta sẽ sử dụng thư viện này để xem histogram của ảnh hoặc xem chính ảnh đó. * OpenCV: Về hướng dẫn cài đặt chi tiết, bạn có thể xem tại đây Mở và lưu file ảnh Hãy bắt đầu bằng tác vụ đơn giản nhất: mở một file ảnh thành một mảng NumPy, đọc các thông tin về kích cỡ, sau đó lưu mảng NumPy thành một file ảnh mới. getinfo.py 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 import argparse import cv2 ap = argparse.ArgumentParser() ap.add_argument("-i", "--image", required = True, help = "Path to the image") args = vars(ap.parse_args()) image = cv2.imread(args["image"]) print "width: %d pixels" % (image.shape[1]) print "height: %d pixels" % (image.shape[0]) print "channels: %d channels" % (image.shape[2]) cv2.imshow("Image", image) cv2.imwrite("new.jpg", image) cv2.waitKey(0) Đầu tiên, chúng ta import hai package cần thiết là argparse và cv2. argparse dùng để khai báo những parameter cần thiết cho chương trình của chúng ta, ở đây, chúng ta khai báo parameter là đường dẫn đến file ảnh ban đầu. Để đọc file ảnh thành một mảng NumPy, chúng ta sử dụng hàm cv2.imread() với parameter là tên file ảnh (đã được nhậ

Nguyễn Thanh Nga
Toán Tiếng Việt
Từ: 120,000 vnđ/buổi  Hà Nội

Học sinh c3 Chuyên Văn Chuyên Hạ Long, từng đạt giải cao trong kì thi HSG Văn cấp Tỉnh, Thành phố. Có kinh nghiệm trong việc dạy kèm, đặc biệt là đối với học sinh tiểu học.

Nguyễn Anh Tuấn
Toán Hóa
Từ: 120,000 vnđ/buổi  Hà Nội

Tên: Nguyễn Anh Tuấn Năm sinh: 1999 Giới tính: Nam

Xem thêm

Lọc theo môn


Lọc theo lớp

Lọc theo tỉnh thành

Hotline

0869.154.226