Bagaimana cara mengirim data dalam bentuk file yang tidak terstruktur

File data terstruktur terdiri dari serangkaian bit. File tidak memisahkan bit satu sama lain dengan cara apa pun. Anda tidak bisa hanya melihat ke dalam file dan melihat struktur apapun karena tidak ada yang bisa dilihat. Format file yang tidak terstruktur bergantung pada pengguna file untuk mengetahui bagaimana menafsirkan data.

Sebagai contoh, setiap piksel dari file gambar bisa terdiri dari tiga bidang 32-bit. Mengetahui bahwa setiap bidang adalah 32-bit terserah Anda. Sebuah header pada awal file mungkin memberi petunjuk tentang menafsirkan file, namun demikian, terserah Anda untuk mengetahui bagaimana cara berinteraksi dengan file tersebut.

Contoh ini menunjukkan bagaimana bekerja dengan gambar sebagai file tidak terstruktur. Contoh gambar adalah penawaran domain publik dari commons. wikimedia org. Untuk bekerja dengan gambar, Anda perlu mengakses perpustakaan gambar scikit-gambar, yang merupakan koleksi algoritme gratis yang digunakan untuk pemrosesan gambar. Berikut adalah tutorial untuk perpustakaan ini.

Tugas pertama adalah dapat menampilkan gambar di layar menggunakan kode berikut. (Kode ini bisa memerlukan sedikit waktu untuk berjalan. Gambar siap saat indikator sibuk menghilang dari tab Notebook IPython.)

dari skimage. io import imread

dari skimage. ubah import resize

dari matplotlib import pyplot sebagai plt

import matplotlib. cm_seprint_file = (" // upload wikimedia. org /" +

"wikipedia / commons / 7 / 7d / Dog_face.png")

image = imread (example_file, as_grey = Benar)

plt. imshow (gambar, cmap = cm abu-abu)

plt. show ()

Kode dimulai dengan mengimpor sejumlah perpustakaan. Ini kemudian menciptakan sebuah string yang menunjuk ke file contoh secara online dan menempatkannya di

example_file . String ini adalah bagian dari pemanggilan metode imread () , bersama dengan as_grey , yang diatur ke True . Argumen as_grey memberitahu Python untuk mengubah gambar berwarna menjadi grayscale. Setiap gambar yang sudah dalam skala abu-abu tetap seperti itu. Sekarang Anda memiliki gambar yang terisi, saatnya untuk membuatnya (siapkan untuk ditampilkan di layar. Fungsi

imshow () melakukan rendering dan menggunakan peta warna grayscale. > show () berfungsi benar-benar menampilkan gambar untuk Anda. Gambar muncul di layar setelah Anda merender dan menampilkannya. Tutup gambar saat Anda selesai melihatnya. (Tanda bintang di entri

In [*]:

memberitahu Anda bahwa kode tersebut masih berjalan dan Anda tidak dapat melanjutkan ke langkah berikutnya.) Tindakan untuk menutup gambar mengakhiri segmen kode. sekarang memiliki gambar di memori, dan Anda mungkin ingin mengetahui lebih banyak tentang hal itu.Saat Anda menjalankan kode berikut, Anda menemukan jenis dan ukuran gambar: print ("tipe data:% s, shape:% s"% (tipe (gambar), gambar bentuk))

Keluaran dari panggilan ini memberi tahu Anda bahwa jenis gambarnya adalah

numpy. ndarray

dan ukuran gambarnya 90 piksel dengan 90 piksel. Gambar sebenarnya adalah array dari piksel yang dapat Anda manipulasi dengan berbagai cara. Misalnya, jika Anda ingin memotong gambar, Anda dapat menggunakan kode berikut untuk memanipulasi gambar array: image2 = image [5: 70, 0: 70] plt. imshow (image2, cmap = cm abu-abu)

plt. show ()

The

numpy. ndarray

dalam image2 lebih kecil dari gambar gambar , jadi hasilnya lebih kecil juga. Hasil tipikal ditunjukkan di bawah ini. Tujuan cropping image adalah untuk membuatnya menjadi ukuran yang spesifik. Kedua gambar itu harus sama ukurannya untuk dianalisis. Tanam adalah salah satu cara untuk memastikan bahwa gambar adalah ukuran yang benar untuk dianalisis. Memotong gambar membuatnya lebih kecil. Metode lain yang dapat Anda gunakan untuk mengubah ukuran gambar adalah mengubah ukurannya. Kode berikut mengubah ukuran gambar menjadi ukuran tertentu untuk analisis:

image3 = resize (image2, (30, 30), mode = "terdekat")

plt. imshow (image3, cmap = cm abu-abu)

print ("tipe data:% s, shape:% s"%

(tipe (image3), image3. shape))

Keluaran dari < print ()

berfungsi memberi tahu Anda bahwa gambarnya sekarang berukuran 30 piksel per 30 piksel. Anda bisa membandingkannya dengan gambar dengan dimensi yang sama.

Setelah Anda memiliki semua gambar dengan ukuran yang tepat, Anda perlu meratakannya. Baris kumpulan data selalu dimensi tunggal, bukan dua dimensi. Gambar saat ini adalah array 30 piksel dengan 30 piksel, sehingga Anda tidak dapat menjadikannya bagian dari kumpulan data. Kode berikut merata image3 sehingga menjadi sebuah array dari 900 elemen yang tersimpan di

image_row : image_row = image3. ratakan () print ("tipe data:% s, shape:% s"% (tipe (image_row), image_row. shape))

Perhatikan bahwa jenisnya masih

numpy. ndarray

. Anda dapat menambahkan array ini ke kumpulan data dan kemudian menggunakan kumpulan data untuk tujuan analisis. Ukurannya 900 unsur, seperti yang diantisipasi.