Este projeto implementa técnicas de processamento de imagens para redução de dimensionalidade, visando a preparação de dados para redes neurais. O código realiza a conversão de imagens coloridas para escalas de cinza e binarização, utilizando Python e bibliotecas de processamento de imagem.

• Converte imagens RGB para escala de cinza (0 a 255)
• Utiliza o método de luminosidade com a fórmula: 0.299R + 0.587G + 0.114B
• Mantém as dimensões originais da imagem
• Reduz a complexidade da imagem de 3 canais para 1 canal

• Converte imagens em escala de cinza para formato binário (preto e branco)
• Utiliza um valor de limiar (threshold) padrão de 128
• Pixels acima do limiar se tornam brancos (255)
• Pixels abaixo do limiar se tornam pretos (0)

• Python 3.x
• Bibliotecas:
  • PIL (Python Imaging Library)
  • OpenCV (cv2)

1. Clone o repositório:

git clone (https://github.com/jeanjeferson/dio-reducao-de-dimensionalidade)

2. Instale as bibliotecas necessárias:

pip install pillow
pip install opencv-python

from PIL import Image

# Converter imagem para escala de cinza
imagem_cinza = to_grayscale("caminho/da/imagem.jpg")
imagem_cinza.save("dataset/grayscale_imagem.jpg")

# Converter imagem para preto e branco
imagem_binaria = binarize_image("caminho/da/imagem.jpg", threshold=128)
imagem_binaria.save("dataset/binarized_imagem.jpg")

Converte uma imagem RGB para escala de cinza.

Parâmetros:

• image_path: Caminho da imagem de entrada

Retorno:

• Objeto PIL Image em formato grayscale

Converte uma imagem para formato binário.

Parâmetros:

• image_path: Caminho da imagem de entrada
• threshold: Valor de limiar (0-255) para conversão binária (padrão: 128)

Retorno:

• Objeto PIL Image em formato binário

As funções incluem tratamento para:

• FileNotFoundError: Quando o arquivo de imagem não é encontrado
• Exceções gerais: Para outros erros potenciais durante o processamento

As imagens processadas são salvas no diretório especificado:

• Imagens em escala de cinza:
• Imagens binarizadas:

Sinta-se à vontade para sugerir melhorias, criar issues ou enviar pull requests.

Este projeto foi desenvolvido como resposta ao seguinte desafio:

Redução de Dimensionalidade em Imagens para Redes Neurais

Seguindo o exemplo do algoritmo de binarização apresentado em aula, realize a implementação em Python para transformar uma imagem colorida para níveis de cinza (0 a 255) e para binarizada (0 e 255), preto e branco.