Python é uma das linguagem de uso geral e uma das mais populares do momento. Bastante usada no meio acadêmico, científico e na ciência de dados.
Pode ser usada para uma diversa gama de aplicações e é totalmente escalável. Vem nativamente no Linux (e.g. Ubuntu >= 17 vem com python 3 nativo, também).
Vantagem
- Trabalhar e se familiarizar com a linguagem mais bem paga de 2018 (salário médio de $116.128 por ano)
- Full review em dos dados de QZ e TIOBE em: Link 1, Link 2.
- Transformar os seu projeto da disciplina em um produto e apresentar no seu portfolio (Github) :).
Se você for utilizar python para desenvolver seus projetos, recomendo a instalação da distribuição Anaconda. Essa é uma distribuição cientifica do python que já vem por default com quase todos os pacotes necessários para começar a programar. Faça o download aqui.
Importante:
Aceite o python do anaconda como principal (base). Isso será perguntando no início da instalação.
Para transformar o python um ambiente para processamento de imagens deve-se utilizar a biblioteca OpenCV.
NÃO instale a OpenCV pelo link: https://docs.opencv.org/master/da/df6/tutorial_py_table_of_contents_setup.html, pois irá instalar a biblioteca no Python 2 (se você tiver.)
Para instalar a OpenCV 3.xx no Python 3, instale a opencv-python, seguindo as instruções.
Há diversas opções. Cada uma possui vantagens e desvantagens. A escolha é muito pessoal e cabe ao programar testar e identificar qual lhe convém melhor. As principais opções são:
- JupyterLab ou Jupyter Notebook: já vem com a Anaconda. Para usar abra o terminal, ou cmd e digite:
jupyter laboujupyter notebook.
É de longe a opção mais escolhida por cientista de dados, pois oferece um ambiente iterativo para criar progrmas na forma de relatório e ótimo para exibir imagens e dados.
- Spyder: já vem com a Anaconda. Para usar abra o terminal, ou cmd e digite:
spyder.
É uma tentativa de criar uma ambiente do python parecido com o Matlab e Octave.
- Pycharm: Deve ser instalada depois do python.
IDE muito boa, com todos os recursos necessários já na versão free. Possui ferramentas para debug, visualização de variáveis, objetos, etc. Suporte para git e ambientes virtuais.
- Editores diversos: Sublime, Atom, Visual Code.
As simulações executadas na aula serão feitas no jupyter notebook, e os scripts estão na mesma pasta desse material.
As imagens utilizadas para as simulações estarão na pasta de Figuras
O notebook 01 contém as descrições exibidas a seguir.
Antes de iniciar qualquer script em python deve-se importar os módulos nécessários. Para os primeiros trabalhos de pdi os principais serão: OpenCV, Numpy e Matplotlib. Devem ser chamados da seguinte forma:
import cv2 #OpenCV
import numpy as np #biblioteca para trablahar com arrays de forme eficiente
import matplotlib.pyplot as plt # biblioteca para plotar gráficosSempre procurar a documentação das bibliotecas.
img = cv2.imread('../figs/lena_color_256.tif')cv2.imshow('Image', img)
plt.imshow(img)Para essa parte, use o notebook 02, pois conterá as simulações exibidas a seguir.
Arrays
np.shape- tamanho da array numpy.
O que é Docker?
- Docker engine: https://docs.docker.com/install/
- Docker compose: https://docs.docker.com/compose/
https://jupyter-docker-stacks.readthedocs.io/en/latest/using/selecting.html
docker run jupyter/base-notebook