مرور عکسهای JPEG با هوش مصنوعی
برای پوشه عکسهای خروجی، فهرست شمارهدار و صفحههای پیشنمایش بگیرید. مشخصات فایل و چند اندازهگیری ساده کنار عکسها برای بازبینی شما ثبت میشه.
مرور عکسهای JPEG با هوش مصنوعی وقتی وقتتون رو آزاد میکنه که یک پوشه بزرگ از خروجیهای یک پروژه دارید و میخواید درباره چند قاب مشخص حرف بزنید. اسکیل photo-review برای هر فایل یک شماره میذاره، نسخه کوچکش رو کنار بقیه میچینه و اسم فایل رو در یک فهرست ثبت میکنه. بعد میتونید بگید «شماره ۲۲ رو کنار ۲۶ ببینیم» و برای باز کردن اصل هر دو هم اسم درست رو دارید.
کنار شمارهها، اندازه و حجم فایل و در صورت وجود تاریخ ثبت عکس هم میاد. دو شاخص ساده درباره جزییات لبهها و سهم پیکسلهای نزدیک به سفید به شما سرنخ میدن که کدوم عکس رو بزرگتر بررسی کنید. مثلا پسزمینه سفید آتلیه ممکنه عمدی باشه. انتخاب نهایی قاب همچنان کار خود شماست.
کاربردها
- ساخت فهرست عکسهای پوشه با شماره، اسم فایل و ابعاد برای مرور خروجی یک پروژه.
- مقایسه عکسهای خروجی کنار هم برای پیدا کردن دو قاب نزدیک که میخواید در اندازه کامل ببینید.
- داشتن برگه تماس عکس با شمارههایی که به ردیفهای همون فایل CSV برمیگردن.
- بررسی فوکوس عکس با یک نشانه عددی اولیه، قبل از قضاوت درباره وضوح سوژه در فایل اصلی.
- پیدا کردن عکسی که خوانده نشده تا دوباره خود فایل رو باز کنید یا خروجی تازه بگیرید.
نصب و استفاده
- پایتون ۳٫۱۰ یا بالاتر، Pillow و NumPy رو روی دستگاه آماده کنید. یک پوشه از عکسهای JPEG خروجی بدید که اجازه مرورش رو دارید.
- بگید «برای این پوشه برگههای شمارهدار بساز و اگر فایلی خونده نشد، اسمش رو جدا بگو.» اگر عکسها در زیرپوشه هستن، مشخص کنید اونها رو هم میخواید.
- خروجی رو در پوشه تازه خارج از مسیر عکسها بگیرید. با شماره دلخواه از برگه تماس به فایل اصلی برگردید و انتخابتون رو ثبت کنید.
سوالات متداول
منبع
ساخته Noah Gallagher. نام اصلی: photo-review، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub