Avec votre éditeur d'images préféré, vous pouvez créer une image et la sauvegarder sous un certain format, c'est à dire une manière d'encoder l'image. Ici on prendra l'exemple du format .png
Lorsque que vous sauvegardez, faites-attention au nombre de pixels de l'image, on veut ici des images qui ont toutes la meme taille (dans notre exemple 50x50).
Voici un exemple d'image:
Vous trouverez 8 exemples d'images dans le dossier training_set_perceptron, que vous pouvez télécharger. Je vous encourage à créer les votres.
In [3]:
from pylab import * #Pour tranformer python en une calculette scientifique
from scipy import misc #Pour lire les images
In [9]:
def cv_image_vers_vecteur(image): #Pour convertir une image en vecteur, cela servira pour les opérations suivantes
return ravel(image)
def charge_l_image(nom_de_fichier):
return misc.imread(nom_de_fichier, flatten=True, mode = "L")/255. #avec cela on convertit l'image en suite de 0 et de 1
def charge_l_image_sous_forme_de_vecteur(nom_de_fichier):
return cv_image_vers_vecteur(charge_l_image(nom_de_fichier))
def charge_l_image_et_trace(nom_de_fichier_complet):
imshow(charge_l_image(nom_de_fichier_complet))
show()
In [5]:
charge_l_image("training_set_perceptron/A1.png")
Out[5]:
In [11]:
shape(charge_l_image("training_set_perceptron/A1.png"))
Out[11]:
On voit qu'une image est constituée de 50x50 = 2500 valeurs qui peuvent etre égales à 0 ou à 1.
In [12]:
charge_l_image_sous_forme_de_vecteur("training_set_perceptron/A1.png")
Out[12]:
In [13]:
shape(charge_l_image_sous_forme_de_vecteur("training_set_perceptron/A1.png"))
Out[13]:
In [10]:
charge_l_image_et_trace("training_set_perceptron/A1.png")