CC BY
119
ИЗОБРАЖЕНИЯ И ВИЗУАЛИЗАЦИЯ ДАННЫХ В PYTHON
Красочкин С.Г.
Красочкин Сергей Геннадьевич - ведущий разработчик, Компания SberCloud, г. Москва
Аннотация: в статье рассматривается целесообразность и особенности применения средств визуализации приложений в процессе обучения программированию на языке Python. Рассмотрены примеры применения онлайн-сервиса Pythontutor для визуализации особенностей синтаксиса языка. Ключевые слова: обучение, программирование, визуализация.
В последнее время объемы обрабатываемых данных в различных областях знаний стали очень большими и требуют различных методов обработки изображений в рамках инструментов Python для работы с изображениями.
Специалисты в сфере IT всегда ищут кроссплатформенный, бесплатный, простой в освоении язык, с отличной поддержкой сообщества разработчиков и хорошими встроенными функциями, которые могли бы помочь нам быстро разрабатывать свои приложения. Если задаться вопросом, существует ли такой язык?
Python - один из самых популярных языков программирования общего назначения. Он входит в число самых быстрорастущих языков программирования в мире и используется инженерами-программистами, математиками, аналитиками данных, учеными, сетевыми инженерами, студентами и бухгалтерами. Рассмотрим функции, которые делают Python таким мощным языком. Это интерпретируемый, объектно-ориентированный и высокоуровневый язык программирования. Python называется интерпретируемым языком, поскольку его исходный код компилируется в байт-код, который затем интерпретируется. CPython обычно компилирует код Python в байт-код перед его интерпретацией.
Он поддерживает динамическую типизацию и динамическую привязку. В таких языках, как Java, C и C++, вы не можете инициализировать строковое значение переменной int, и в таких случаях программа не будет компилироваться. Python не знает тип переменной до тех пор, пока код не будет выполнен.
В языке Python существует много различных библиотек и пакетов для работы с изображениями. Все они позволяют проводить множество самых различных преобразований с исходным изображением.
Целью данной работы является исследование и применение различных библиотек и алгоритмов обработки изображений на языке программирования Python.
Рассмотрим визуализацию некоторых алгоритмических конструкций и типов данных языка программирования Python, применив онлайн-приложение Pythontutor [2]. С помощью данного онлайн-приложения можно проиллюстрировать очерёдность выполнения команд и поток данных, которые изменяются в результате выполнения операторов. По мере пошагового выполнения программы, онлайн-приложение отображает значения переменных как базовых типов (int, float, str) так и ссылочных типов (list, diet, tuple и др.). Значения, хранящиеся в переменных последнего типа, показаны отдельно, а все переменные, которые ссылаются на эти данные, показаны стрелочками.
В языке Python такими библиотеками являются:
- Пакет skikit-image;
- Библиотека NumPy как инструмент работы с массивами;
- Модуль SkiPy для решения задач по обработке изображений;
- Библиотека PIL (PythonImageLibrary) и Pillow, поддерживающие базовый функционал по обработке изображений;
- Библиотека OpenCV (Open Source Computer Vision Library) для приложений по компьютерному зрению;
- Фреймворк SimpleCV с открытым кодом для создания приложений по компьютерному зрению [1].
Все библиотеки активно взаимодействуют с массивами NumPy, т.к. изображения представляются данным типом данных [2]. Библиотеки имеют функции открытия и записи в файл. Большинство библиотек имеет собственный набор тестовых изображений. Все библиотеки имеют методы обработки изображений.
Обработка изображения - метод изменения изображения для получения информации из изображения или улучшения качества изображения и выполнения над ним определённой заданной функции, например, фильтрации по определённому алгоритму и бинаризации изображения [3]. Обработка изображений использует математические алгоритмы работы с матрицами как способом представления точек на плоскости [4].
Библиотеки языка Python имеют встроенные методы работы с изображениями, рассматриваемыми как массив NumPy.
Выбор той или иной библиотеки зависит от решаемой задачи. Например, для задач компьютерного зрения используются библиотеки OpenCV и SimpleCV [5].
Viewer Простой графический пользовательский интерфейс для визуализации результатов и изучения
параметров Их использование обеспечивается вызовом соответствующей функции пакета [12]. В других библиотеках реализованы схожие функции. Вызов функций соответствующей библиотеки возможен после её указания в команде import.
Пакет skikit-image представляет собой пакет с открытым исходным кодом. Данный пакет работает с массивами NumPyPython. Используется в научно-исследовательских, промышленных и прикладных программах
Библиотека NumPy как инструмент работы с массивами. NumPy - мощная библиотека Python с поддержкой массивов [14]. В данной библиотеке реализовано множество возможностей, которые отсутствуют при работе с простыми списками [12]. В языке Python любое изображение представляется массивом NumPy, определяющим пиксели изображения.
Наследование, наряду с композицией является основой построения комплексных приложений. В примере, представленном на рисунке 1, описаны два класса - Point и его класс-наследник LabeledPoint [5]. На изображении показан один из шагов создания экземпляра класса LabeledPoint и последовательность вызовов конструкторов классов (методы init ). При пошаговом выполнении примера, можно проследить за тем, как с помощью функции super происходит обращение к методам родительского класса и на какие объекты ссылается параметр self в каждый момент времени.
Globd 1 frame
Polrvt L ■abe-lerlPol i>t
_init_
self InltX 7 initV 6 label "tovmc. class
_Init_ _init_(self, initX, initV)
_str_ _str-_< self >
dlstanceFromOrlflln di stancef roi»Origin{self )
init
str
_init:_(self, initx, initV, label)
str (self)
init
self •
InltX 7 InitV ©
Norte
* 7
v e
Рис. 1. Пример наследования классов
В случае с композицией, одно из полей класса ссылается на экземпляр другого класса. Помимо иллюстрации основных синтаксических конструкций Python, визуализацию работы программы можно применить в ряде других случаев: демонстрация рекурсии, визуализация алгоритмов (нахождение НОД, численных методов и т.д.), визуализация различных структур данных (стек, очередь, и др.), демонстрация более сложных синтаксических конструкций (исключения, lambda- функции, декораторы, генераторы и т. д.).
Модуль SCiPy для решения задач по обработке изображений. SciPy - это очень часто используемый модуль в языке Python, как и NumPy [16]. Он используется для решения задач по обработке изображений.
Например, в подмодуле scipy.ndimage есть функции, работающие в многомерных массивах NumPy. Пакет включает в себя функции длябинарной морфологии, линейной и нелинейной фильтрации, интерполяции.
Таким образом, инструмент визуализации Python, помимо иллюстрации основных синтаксических конструкций Python, визуализацию работы программы можно применить в ряде других случаев: демонстрация рекурсии, визуализация алгоритмов (нахождение НОД, численных методов и т.д.), визуализация различных структур данных (стек, очередь, и др.), демонстрация более сложных синтаксических конструкций (исключения, lambda- функции, декораторы, генераторы и т.д.).
Список литературы /References
1. Чорна А., Таганова Д. Використання алгоритмшрозв' язуванняграфшних задач засобамиРуШоп // 1нформацшштехнологи в освт та науцк зб. наук.пр., 2018. № 10. С. 310—315.
2. Кабаков Р. R в действии. Анализ и визуализация данных на языке R. Litres, 2017. С. 209—213.
3. Маккинни У. Python и анализ данных/УэсМаккинни; [пер. с англ. А. Слинкин] // М.: ДМК Пресс, 2015. С. 482.
4. Бэрри П. Изучаем программирование на Python. Litres, 2019. С. 332.
5. Васильев А. Python на примерах. Практический курс по программированию, 2016.
6. Цифровая обработка сигналов и изображений в радиофизических приложениях / М. Басараб, В. Волосюк, О. Горячкин, А. Зеленский, В. Кравченко, А. Ксендзук, Б. Кутуза, В. Лукин // Кравченко ВФ-М.: ФИЗМАТЛИТ. — 2007.
7. Васильев А. Python на примерах, практический курс // [Электронный ресурс]. Режим доступа:https://pythonworld. ru/bookshop/61. ЫшЦдата обращения: 20.04.2021), 2017.
8. Гуриков С. Основы алгоритмизации и программирования на Python // М.: «Форум», 2018. Т. 343.
9. Златопольский Д. Основы программирования на языке Python. Litres, 2019.
10. Гэддис Т. Начинаем программировать на Python.-4-е изд. // Пер. с англ./ Т. Гэддис-СПб.: БХВ-Петербург, 2019.
11. Свейгарт Э. Автоматизация рутинных задач с помощью Python: практическое руководство для начинающих // М.: ООО «ИД Вильямс, 2017.
12. Беляев Е.А., Сухов Т.М., Шостацкий Н.Н. Сжатие видеоинформации на основе трехмерного дискретного псевдо-косинусного преобразования для энергоэффективных систем видеонаблюдения // Компьютерная оптика, 2010. Т. 34, № 2.
13. Любанович Б. Простой Python. Современный стиль программирования. "Издательский дом Питер", 2016.
14.Акулич В. Инструменты работы с Bigdata в социальных науках: учебная программа учреждения высшего образования по учебной дисциплине для специальности 1-25 80 01 «Экономика» (профилизация «Экономическая социология»), 2021.
