بررسی صحت واصلاح کد پایتون

شرح پروژه

سلام وقت بخیر دوتا کد از هوش مصنوعی گرفتممیخوام ببینم سالم هستن و اگر سالم هستن میخوام انسانی بشه و از حالت مشخص بودن هوش مصنوعی در بیاد

# image SVD compression - my own implementation for Exercise 10
# (trying to keep it simple & readable)

import numpy as np
from PIL import Image
import os

def cmsvd():

    # گرفتن مسیر تصویر از کاربر
    img_path = input("Image path (grayscale): ").strip()

    # باز کردن تصویر – اگر رنگی باشد خودم خاکستری‌اش می‌کنم
    try:
        img = Image.open(img_path).convert("L")
    except:
        print("Could not open the image. Check the path again.")
        return

    # تبدیل تصویر به آرایه
    A = np.array(img).astype(float)

    # کاربر خودش k را انتخاب کند (میزان فشرده سازی)
    print("Enter compression rank (k). Smaller = more compression.")
    k = int(input("k = "))

    # انجام SVD - با full_matrices=False چون ماتریس ها کوچک تر می شوند
    U, S, VT = np.linalg.svd(A, full_matrices=False)

    # فقط k مولفه اول را نگه می‌دارم، بقیه حذف می‌شوند
    U_k = U[:, :k]
    S_k = np.diag(S[:k])
    VT_k = VT[:k, :]

    # ذخیره کردن ماتریس‌ها کنار تصویر اصلی
    folder = os.path.dirname(img_path)
    name = os.path.splitext(os.path.basename(img_path))[0]

    np.save(os.path.join(folder, f"{name}_U_k.npy"), U_k)
    np.save(os.path.join(folder, f"{name}_S_k.npy"), S_k)
    np.save(os.path.join(folder, f"{name}_VT_k.npy"), VT_k)

    print("Saved U_k, S_k, VT_k.")

    # بازسازی تصویر با استفاده از جزءهای فشرده‌شده
    A_rec = U_k @ S_k @ VT_k
    A_rec = np.clip(A_rec, 0, 255).astype(np.uint8)

    # ذخیره تصویر نهایی
    out_path = os.path.join(folder, f"{name}_compressed_{k}.png")
    Image.fromarray(A_rec).save(out_path)

    print("Compressed image saved at:", out_path)

--------------------------------------------------------------------------------------------------------------

import numpy as np
from PIL import Image
import os

def cmsvd():

    # گرفتن مسیر تصویر
    path = input("Enter image path: ")

    # باز کردن تصویر و تبدیل به grayscale
    img = Image.open(path).convert("L")
    A = np.array(img)

    # گرفتن مقدار k از کاربر
    k = int(input("Enter k (rank for compression): "))

    # انجام SVD
    U, S, VT = np.linalg.svd(A, full_matrices=False)

    # انتخاب k مقدار اول
    U_k = U[:, :k]
    S_k = np.diag(S[:k])
    VT_k = VT[:k, :]

    # بازسازی تصویر
    A_new = U_k @ S_k @ VT_k

    # محدود کردن مقدار پیکسل‌ها
    A_new = np.clip(A_new, 0, 255)

    # تبدیل به تصویر
    new_img = Image.fromarray(A_new.astype(np.uint8))

    # ساخت نام فایل خروجی
    folder = os.path.dirname(path)
    name = os.path.splitext(os.path.basename(path))[0]
    out = os.path.join(folder, name + "_compressed.png")

    # ذخیره تصویر
    new_img.save(out)

    print("Compressed image saved.")

if __name__ == "__main__":
    cmsvd()

این پروژه شامل 1 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

درباره کارفرما

shayan.z

عضویت دو سال پیش

49 پروژه ثبت شده ،

1 پروژه در حال انجام ،

1 پروژه آماده دریافت پیشنهاد ،

نرخ پذیرش پیشنهاد 71%