প্রয়োজনীয় আভা পেতে 'R', 'G', এবং 'B'-এর মান পরিবর্তন করা হয় এবং আসল ছবিতে প্রয়োগ করা হয়।
নীচে একটি পাইথন প্রোগ্রাম রয়েছে যা একই বাস্তবায়ন করতে scikit-learn ব্যবহার করে। Scikit-learn, সাধারণত sklearn নামে পরিচিত পাইথনের একটি লাইব্রেরি যা মেশিন লার্নিং অ্যালগরিদম বাস্তবায়নের উদ্দেশ্যে ব্যবহৃত হয় -
উদাহরণ
matplotlib.pyplot আমদানি করুন 0, 0]yellow_multiplier =[1, 0.9, 0]fig, (ax1, ax2) =plt.subplots(ncols=2, figsize=(8, 4),sharex=True, sharey=True)ax1.imshow(red_multiplier) * image)ax1.set_title('অরিজিনাল ইমেজ')ax2.imshow(yellow_multiplier * image)ax2.set_title('টিন্টেড ইমেজ')আউটপুট
ব্যাখ্যা
প্রয়োজনীয় প্যাকেজ পরিবেশে আমদানি করা হয়।
-
যে পথটি চিত্রটি সংরক্ষণ করা হয়েছে তা সংজ্ঞায়িত করা হয়েছে৷
৷ -
'imread' ফাংশনটি পথ পরিদর্শন করতে এবং চিত্রটি পড়তে ব্যবহৃত হয়।
-
'imshow' ফাংশনটি কনসোলে ছবি প্রদর্শন করতে ব্যবহৃত হয়।
-
'rgb2gray' ফাংশনটি ছবিকে RGB কালার স্পেস থেকে গ্রেস্কেল কালার স্পেসে রূপান্তর করতে ব্যবহৃত হয়।
-
'gray2rgb' ফাংশনটি ইমেজকে গ্রেস্কেল থেকে RGB কালার স্পেসে রূপান্তর করতে ব্যবহৃত হয়।
-
matplotlib লাইব্রেরি কনসোলে এই ডেটা প্লট করতে ব্যবহৃত হয়।
-
গুণকগুলির জন্য R, G, B মানগুলি সংজ্ঞায়িত করা হয় এবং ছবিতে প্রয়োগ করা হয়৷
৷ -
আউটপুট কনসোলে প্রদর্শিত হয়।
