Mavzu: Biometrik identifikatsiyalash texnologiyalari Ishdan maqsad

Boshqa o'zgarishlardan ushbu yangi versiyada taqdim etilgan:

• 
  PyrDown funktsiyasining ko'p qirrali bajarilishi qo'shildi.
  
• 
  FFmpeg-ga asoslangan video backend yordamida media-konteynerlardan (demuxing) video oqimlarni chiqarish qobiliyati qo'shildi.
  
• 
  Buzilgan FSR (Frequency Selective Recovery) tasvirlarini tez chastotali selektiv qayta qurish algoritmi qo'shildi.
  
• 
  Odatda bo'sh joylarni interpolatsiya qilish uchun RIC usuli qo'shildi.
  
• 
  LOGOS og'ishini normallashtirish usuli qo'shildi.
  

Amaliy qism:


Rasmni 4 xil holatda chiqarish
Foydalanilgan adabiyotlar

1. 
   https://blog.desdelinux.net/uz/tasvir-va-kameralarda-ob%27ektni-aniqlash-uchun-kutubxona/
   
2. 
   https://github.com/opencv/opencv/archive/4.2.0.zip
   
3. 
   http://kompy.info/muhammad-al-xorazmiy-nomidagi-toshkent-axborot-texnologiyalari-v275.html?page=6
   

5- Amaliy mashg‘ulot.

Mavzu: Numpy kutubxonasidan foydalanish va qo‘llash
Ishni bajarishdan maqsad: Numpy kutubxonasi yordamida dastur yozish
Kerakli johozlar: kompyuter hamda internet.
Nazariy ma’lumotlar
Numpy Python dasturlash tilining kutubxonasi bo‘lib, fan va sohalarning deyarli barchasida qo‘llaniladi. Numpy kutubxonasi Pythonda raqamli ma’lumotlar bilan ishlash uchun universal standart hisoblanadi. Numpy foydalanuvchilari boshlang‘ich kodlovchilardan tortib, eng zamonaviy ilmiy sanoat tadqiqotlari va ishlanmalari bilan shug‘ullanuvchi tajribali tadqiqotchilargacha bo‘lgan barchani o‘z ichiga oladi. Numpy kutubxonasi ko‘p o‘lchovli massiv va matrisali ma’lumotlar bilan ishlashni o‘z ichiga oladi. U bir xil n o‘lchovli massiv obyekti bo‘lgan ndarray ni samarali ishlash usullari bilan ta’minlaydi. NumPydan massivlarda turli xil matematik amallarni yuqori tezlikda bajarish mumkin. Bu Python kutubxonasi boʻlib, u koʻp oʻlchovli massiv obyekti, turli hosila obyektlari hamda massivlar ustida tezkor operatsiyalar, jumladan, matematik, mantiqiy, shakllarni manipulyatsiya qilish, saralash, tanlash, kiritish/chiqarish uchun tartiblar assortimentini taqdim etadi. NumPy paketining o‘zagida ndarray obyekti joylashgan. Bu bir xil ma’lumotlar turlarining n o‘lchovli massivlarini qamrab oladi, ko‘plab operatsiyalar ishlash uchun kompilyatsiya qilingan kodda bajariladi. NumPy massivlari va standart Python ketma-ketliklari o‘rtasida bir nechta muhim farqlar mavjud: • NumPy massivlari Python ro‘yxatlaridan farqli o‘laroq (dinamik ravishda o‘sishi mumkin) yaratilayotganda qat’iy belgilangan hajmga ega. Ndarray o‘lchamini o‘zgartirish yangi massivni yaratadi va asl nusxasini o‘chiradi. • NumPy massividagi elementlarning barchasi bir xil turdagi ma’lumotlarga ega bo‘lishi kerak va shuning uchun xotirada bir xil o‘lchamda bo‘ladi. Istisno: (Python, shu jumladan NumPy) obyektlar massivlariga ega bo‘lishi mumkin, bu esa turli o‘lchamdagi elementlarning massivlarini yaratishga imkon beradi. • NumPy massivlari katta miqdordagi ma’lumotlar bilan ilg‘or matematik va boshqa turdagi operatsiyalarni osonlashtiradi. Odatda, bunday operatsiyalar Pythonning o‘rnatilgan ketma-ketliklaridan foydalanish mumkin bo‘lganidan ko‘ra samaraliroq va kamroq kod bilan amalga oshiriladi. • Pythonga asoslangan ilmiy va matematik paketlarning ko‘pligi NumPy massivlaridan foydalanmoqda; Ular odatda Python-ketma-ket kiritishni qo‘llabquvvatlasa ham, ular qayta ishlashdan oldin bunday kirishni NumPy massivlariga aylantiradi va ko‘pincha NumPy massivlarini chiqaradi. Boshqacha qilib aytganda, Python-ga asoslangan bugungi ilmiy/matematik dasturiy ta’minotning ko‘p qismini (ehtimol ko‘pini) samarali ishlatish uchun Pythonning o‘rnatilgan ketma-ketlik turlaridan qanday foydalanishni bilish yetarli emas - NumPy massivlaridan qanday foydalanishni ham bilish kerak.