Python RGB IMAGE

Environnement

Tout d’abord , pour ce Tutorial  Python Image RGB voici l’environnement du travail :

• Logiciels utilisés : Python,Anaconda , Jupyter
• Type de projet : Jupyter Notebook (.ipynb)
• Library : Matplotlib , PIL , Numpy
• PC HP  Windows 10

Objectif

En outre , notre objectif est de comprendre comment on peut étudier une image  en couleur  avec Python 3.7 sous Jupyter Notebook .

Donc , on va essayez à répondre aux questions suivantes :

•  Comment ouvrir une image sous Jupyter Notebook ?
• Quel est le type d’une image  Python?
• Comment installer Numpy sous Anaconda ?
• Comment peut-on jouer avec les composantes ( RVB en Français) ( RGB en anglais )  des pixels en raison de modifier la couleur total d’une image et / ou éliminer des composantes . 

Certainement , on a besoin des bibliothèques ( Library ) donc on a utilisé MatplotLib , PIL  et Numpy .

 

Code Python Jupyter Notebook

Alors , pour simplifier les choses , chaque couleur d’un pixel est le résultat du mélange des valeurs des  3 composantes R ,  G et B .

Mais , il faut noter que chaque pixel est associé à 2 coordonnés comme exemple dans le schéma ci_dessous  » i  » et  » j  » pour marquer la position dans le plan de la figure .

De plus , pour le même exemple ci_dessous , vous avez la variante noté  » k  » qui prend la valeur  » k=0  » pour la composante  Rouge notée  » R « ,  » k=1  » pour la composante Verte noté  » G  »  ,  » k = 2  » pour la composante Bleue noté  » B  » . 

Donc , vous pouvez maintenant comprendre la signification du résultat affiché par Jupyter Notebook lors de la lecture d’une image sans difficulté .

 

Vous allez trouver dans la vidéo Code Python  permettant de mettre à zéro la composante  :

• Rouge (Red) 
• Verte (Green) 
• Bleue (Blue) 

 

De même Vous allez trouver dans la vidéo Code Python  permettant d’afficher seulement la composante  :

• rouge (Red) 
• verte (Green) 
• bleue (Blue)

 

En fait , cette figure nous montre les trois plans R , G et B de la décomposition de l’image originale . 

En conclusion , chaque œuf possède une composition différente de chaque degré de couleur , ce qui nous donne dans le résultat des œufs de couleurs différentes . 

PYTHON IMAGE

Alors , vous trouvez la réalisation des étapes citées ci-dessous avec la déclaration du temps de début de chaque étape dans la vidéo .

• 0:01:16.800,0:05:49.020

Création « New Notebook Python 3 »

• 0:05:49.120,0:07:00.160

Ajout d’une image sous Jupyter

• 0:07:00.160,0:09:02.720

Ouverture d’une image avec PIL

• 0:09:04.000,0:12:47.680

Ouverture d’une image avec Matplotlib

• 0:12:47.680,0:15:20.960

Type d’une image sous Python

• 0:15:21.600,0:17:04.640

Installation Numpy sous Anaconda

• 0:17:04.640,0:22:39.360

Les composantes d’une couleur

• 0:22:39.360,0:29:33.600

Comment lire une image  sous Jupyter Notebook Python

• 0:29:33.600,0:36:10.560

Explication du résultat d’une image Numpy.ndarray

• 0:36:10.880,0:59:33.760

Décomposition d’une image selon les plans couleur  R G B en Python

Vous voulez voir de plus sur Code Image ou Python ?

Afin d’avoir plus des détails sur le langage PYTHON et les logiciels utilisés ; veuillez visiter la page suivante  Introduction Python.

Enfin , si vous êtes intéressé par MATLAB vous pouvez voir Traitement d’image Matlab  .