پیڈنگ تصویر کے ارد گرد اضافی جگہ شامل کرنے کا ایک طریقہ ہے۔ PyTorch میں، 'torchvision.transforms' ماڈیول ایک تصویر کو ہر طرف پیڈ کرنے کے لیے 'Pad()' ٹرانسفارم/طریقہ فراہم کرتا ہے۔ صارف تصویر کے اوپری، نیچے، بائیں اور دائیں جانب مختلف پیڈنگز سیٹ/لاگو کر سکتے ہیں۔ یہ طریقہ ایک مخصوص سائز کی نئی پیڈڈ امیج تیار کرتا ہے۔
یہ مضمون PyTorch میں تمام اطراف میں ایک مخصوص تصویر کو پیڈ کرنے کا طریقہ دکھائے گا۔
PyTorch میں تمام اطراف میں ایک مخصوص تصویر کو کیسے پیڈ کیا جائے؟
PyTorch میں تمام اطراف میں ایک مخصوص تصویر کو پیڈ کرنے کے لیے، فراہم کردہ مراحل کو چیک کریں:
مرحلہ 1: Google Colab پر ایک تصویر اپ لوڈ کریں۔
سب سے پہلے، Google Colab کھولیں اور نیچے نمایاں کردہ آئیکنز پر کلک کریں۔ پھر، کمپیوٹر سے مخصوص تصویر کا انتخاب کریں اور اسے اپ لوڈ کریں:
ایسا کرنے پر، تصویر Google Colab پر اپ لوڈ ہو جائے گی:
یہاں، ہم نے مندرجہ ذیل تصویر اپ لوڈ کی ہے اور ہم اس کے چاروں طرف پیڈنگ لگائیں گے۔
مرحلہ 2: ضروری لائبریری درآمد کریں۔
اگلا، مطلوبہ لائبریریاں درآمد کریں۔ مثال کے طور پر، ہم نے درج ذیل لائبریریوں کو درآمد کیا ہے:
ٹارچ درآمد کریں۔torchvision.transforms درآمد کریں۔ کے طور پر تبدیل کرتا ہے
PIL امپورٹ امیج سے
یہاں:
-
- ' ٹارچ درآمد کریں۔ ' PyTorch لائبریری درآمد کرتا ہے۔
- ' torchvision.transforms کو ٹرانسفارمز کے طور پر درآمد کریں۔ ٹارچ ویژن سے ٹرانسفارمز ماڈیول درآمد کرتا ہے جو تصویری ڈیٹا کو نیورل نیٹ ورک میں فیڈ کرنے سے پہلے اسے پری پروسیس کرنے کے لیے استعمال کیا جاتا ہے۔
- ' PIL امپورٹ امیج سے مختلف امیج فائل فارمیٹس کو کھولنے اور محفوظ کرنے کے لیے استعمال کیا جاتا ہے:
مرحلہ 3: ان پٹ امیج کو پڑھیں
اس کے بعد کمپیوٹر سے ان پٹ امیج کو پڑھیں۔ یہاں، ہم پڑھ رہے ہیں ' my_img.jpg 'اور اسے' میں ذخیرہ کرنا input_img متغیر:
input_img = تصویر کھولیں۔ ( 'my_img.jpg' )
مرحلہ 4: ان پٹ امیج کی چوڑائی اور اونچائی کا حساب لگائیں۔
اگلا، ان پٹ امیج کی چوڑائی اور اونچائی کی گنتی/حاصل کریں:
میں , h = input_img.size
مرحلہ 5: ایک تبدیلی کی وضاحت کریں۔
اب، ان پٹ امیج کو چاروں طرف سے پیڈ کرنے کے لیے ٹرانسفارم کی وضاحت کریں۔ یہاں، ہم نے پیڈنگ سائیڈ کی وضاحت کی ہے۔ پچاس ” جو تصویر کے تمام اطراف یعنی بائیں، دائیں، اوپر اور نیچے پر ایک ہی پیڈنگ کا اطلاق کرے گا:
transform = transforms.Pad ( پچاس )
مرحلہ 6: تصویر پر ٹرانسفارم لگائیں۔
پھر، مندرجہ بالا ٹرانسفارم کو مطلوبہ ان پٹ امیج پر پیڈنگ لگانے کے لیے لگائیں:
padded_img = تبدیلی ( input_img )
مرحلہ 7: ابتدائی جہت میں تصویر کا سائز تبدیل کریں۔
اس کے بعد، پیڈڈ امیج کو اس کی اصل جہت میں تبدیل کریں:
padded_img = padded_img.resize ( ( میں , h ) )
مرحلہ 8: پیڈڈ امیج ڈسپلے کریں۔
آخر میں، بولڈ تصویر کو ڈسپلے کرکے دیکھیں:
padded_img
مندرجہ بالا آؤٹ پٹ سے پتہ چلتا ہے کہ ان پٹ امیج کو کامیابی کے ساتھ ہر طرف سے پیڈ کیا گیا ہے۔
اسی طرح، صارفین دوسرے پیڈنگ سائز بھی ' پیڈ() مختلف پیڈنگ سائز کے ساتھ تصویر کو پیڈ کرنے کا طریقہ۔ یہاں، ہم بائیں/دائیں پیڈنگ '20' اور اوپر/نیچے کی پیڈنگ '60' کی وضاحت کر رہے ہیں:
transform = transforms.Pad ( ( بیس ، 60 ) )
یہ تصویر کے بائیں اور دائیں جانب پیڈنگ کے 20 یونٹ اور تصویر کے اوپر اور نیچے پیڈنگ کے 60 یونٹ لاگو کرے گا:
مزید برآں، صارف تصویر کے بائیں، اوپر، دائیں اور نیچے کے اطراف کے لیے مختلف پیڈنگ بھی بتا سکتے ہیں:
یہ بائیں جانب پیڈنگ کے 20 یونٹ، اوپر پیڈنگ کے 40 یونٹ، دائیں جانب پیڈنگ کے 60 یونٹ، اور تصویر کے نیچے پیڈنگ کے 80 یونٹ لاگو ہوں گے:
موازنہ
مختلف سائز کے ساتھ اصل تصویر اور بولڈ امیجز کے درمیان موازنہ ذیل میں دیکھا جا سکتا ہے:
|
اصل تصویر |
پیڈڈ تصویر (50) |
پیڈ تصویر (20, 60) |
پیڈ تصویر(20, 40, 60, 80) |
نوٹ : آپ اس پر ہماری گوگل کولاب نوٹ بک تک رسائی حاصل کر سکتے ہیں۔ لنک .
یہ سب PyTorch میں ایک مخصوص تصویر کو ہر طرف پیڈ کرنے کے بارے میں تھا۔
نتیجہ
PyTorch میں تمام اطراف میں ایک مخصوص تصویر کو پیڈ کرنے کے لیے، پہلے مطلوبہ تصویر کو Google Colab پر اپ لوڈ کریں۔ پھر، ضروری لائبریریوں کو درآمد کریں اور ان پٹ امیج کو پڑھیں۔ اس کے بعد، ان پٹ امیج کی چوڑائی اور اونچائی کو ختم کریں۔ اس کے بعد، 'Pad()' طریقہ کا استعمال کرتے ہوئے ایک تبدیلی کی وضاحت کریں اور اسے ہر طرف پیڈ کرنے کے لیے مطلوبہ ان پٹ امیج پر لگائیں۔ آخر میں، پیڈڈ امیج کو اس کی اصل جہت میں تبدیل کریں اور اسے ڈسپلے کریں۔ اس مضمون نے PyTorch میں تمام اطراف میں ایک مخصوص تصویر کو پیڈ کرنے کا طریقہ دکھایا ہے۔