مع التطور السريع في مجالات الذكاء الاصطناعي وتحليل البيانات، أصبحت لغة Python من أكثر اللغات استخدامًا في التطبيقات العلمية والهندسية. ويرجع ذلك إلى توفر العديد من المكتبات القوية التي تسهّل معالجة البيانات وتنفيذ العمليات الرياضية المعقدة. من بين أهم هذه المكتبات تأتي مكتبة NumPy التي تُعد الأساس لمعظم التطبيقات العلمية في Python، خصوصًا في مجال الرؤية الحاسوبية (Computer Vision).

تعتمد العديد من مكتبات التعلم الآلي والرؤية الحاسوبية على NumPy في تمثيل البيانات وتنفيذ العمليات الرياضية بكفاءة عالية. ومن أبرز هذه المكتبات OpenCV المستخدمة لمعالجة الصور والفيديو، و TensorFlow و PyTorch المستخدمتين في بناء نماذج الذكاء الاصطناعي والتعلم العميق. لذلك فإن فهم مكتبة NumPy يعد خطوة أساسية لأي شخص يرغب في التخصص في مجال الرؤية الحاسوبية أو الذكاء الاصطناعي. 

أولاً: ما هي مكتبة NumPy

مكتبة NumPy هي اختصار لعبارة Numerical Python، وهي مكتبة مفتوحة المصدر توفر أدوات قوية لمعالجة البيانات الرقمية والقيام بالعمليات الحسابية المتقدمة في Python. تم تطوير هذه المكتبة بهدف توفير بيئة سريعة وفعالة للتعامل مع المصفوفات متعددة الأبعاد والعمليات الرياضية المرتبطة بها.

العنصر الأساسي في مكتبة NumPy هو المصفوفة متعددة الأبعاد (ndarray)، وهي بنية بيانات تسمح بتخزين كميات كبيرة من البيانات الرقمية بطريقة منظمة وفعالة. تختلف هذه المصفوفات عن القوائم التقليدية في Python بأنها أكثر سرعة وكفاءة في تنفيذ العمليات الحسابية، خاصة عند التعامل مع كميات كبيرة من البيانات.

توفر NumPy مجموعة كبيرة من الأدوات التي تشمل:

• إنشاء المصفوفات متعددة الأبعاد
• إجراء العمليات الرياضية والإحصائية
• تنفيذ عمليات الجبر الخطي
• إجراء التحويلات الرياضية
• توليد الأعداد العشوائية

كل هذه الميزات تجعل NumPy مكتبة أساسية في مجالات مثل تحليل البيانات، التعلم الآلي، والرؤية الحاسوبية.

ثانياً: المصفوفات في NumPy

المصفوفة هي العنصر الأساسي في NumPy. يمكن اعتبارها جدولًا من الأرقام مرتبة في صفوف وأعمدة. قد تكون المصفوفة ثنائية الأبعاد أو ثلاثية الأبعاد أو أكثر.

مثال بسيط على إنشاء مصفوفة 

كما يمكن إنشاء مصفوفات متعددة الأبعاد:  

توفر NumPy أيضًا دوال لإنشاء أنواع مختلفة من المصفوفات مثل:

• مصفوفة أصفار
• مصفوفة آحاد
• مصفوفة أعداد عشوائية

مثال: 

هذه العمليات تُستخدم كثيرًا في تطبيقات الذكاء الاصطناعي والرؤية الحاسوبية.  

ثالثاً: مفهوم الرؤية الحاسوبية

الرؤية الحاسوبية هي أحد فروع الذكاء الاصطناعي الذي يهدف إلى تمكين الحاسوب من فهم الصور والفيديو بطريقة مشابهة للرؤية البشرية. يشمل هذا المجال العديد من التطبيقات مثل:

• التعرف على الوجوه
• اكتشاف الأجسام
• تحليل الصور الطبية
• السيارات ذاتية القيادة
• الروبوتات الذكية

تستخدم الرؤية الحاسوبية تقنيات مختلفة مثل معالجة الصور والتعلم الآلي والتعلم العميق. وتعتمد هذه التقنيات بشكل كبير على العمليات الرياضية والمصفوفات، وهنا يأتي دور مكتبة NumPy. 

رابعاً: تمثيل الصور باستخدام NumPy

في الرؤية الحاسوبية يتم تمثيل الصورة على شكل مصفوفة من الأرقام. كل رقم يمثل قيمة بكسل (Pixel) في الصورة.

هناك نوعان رئيسيان من الصور:

• الصور الرمادية (Grayscale)
• تمثل الصورة كمصفوفة ثنائية الأبعاد، حيث يمثل كل عنصر قيمة شدة الضوء للبكسل.

مثال

[120 125 130]

[118 123 129]

[110 115 120]

الصور الملونة

تمثل الصورة كمصفوفة ثلاثية الأبعاد تتكون من:

• الارتفاع
• العرض
• قنوات اللون

عادة تحتوي الصورة الملونة على ثلاث قنوات:

• الأحمر (R)
• الأخضر (G)
• الأزرق (B)

عند قراءة صورة باستخدام مكتبة OpenCV يتم تخزينها في شكل مصفوفة NumPy.

مثال: 

 النتيجة قد تكون مثل:

(480, 640, 3)

أي أن الصورة تحتوي على:

• 480 بكسل ارتفاع
• 640 بكسل عرض
• 3 قنوات لونية

خامساً: أهمية NumPy في معالجة الصور

تلعب NumPy دورًا مهمًا في تنفيذ العمليات المختلفة على الصور، مثل:

1. تعديل السطوع

يمكن زيادة سطوع الصورة بإضافة قيمة إلى جميع البكسلات:

2. تعديل التباين  

3. قص جزء من الصورة  

4. تغيير حجم الصورة

يتم ذلك باستخدام مكتبات مثل OpenCV لكن البيانات تبقى مخزنة كمصفوفة NumPy.

سادساً: العمليات المصفوفية في NumPy

تعتمد العديد من خوارزميات الرؤية الحاسوبية على الجبر الخطي (Linear Algebra)، مثل:

الضرب المصفوفي

التحويلات الهندسية

المصفوفات الدورانية

التحويلات الإسقاطية

توفر NumPy أدوات قوية لتنفيذ هذه العمليات.

مثال: 

هذه العمليات تستخدم في العديد من التطبيقات مثل:

• معالجة الصور
• تحليل الفيديو
• التعرف على الأنماط 

سابعاً: سرعة الأداء في NumPy

أحد أهم أسباب استخدام NumPy هو السرعة العالية في تنفيذ العمليات الحسابية. السبب في ذلك أن NumPy مكتوبة بلغة C في الخلفية، مما يجعل العمليات الحسابية أسرع بكثير مقارنة بالقوائم التقليدية في Python.

على سبيل المثال، عند معالجة فيديو يحتوي على 30 إطارًا في الثانية، وكل إطار يحتوي على ملايين البكسلات، فإن تنفيذ العمليات على كل بكسل باستخدام Python فقط سيكون بطيئًا جدًا. لكن باستخدام NumPy يمكن تنفيذ العملية على جميع البكسلات مرة واحدة. 

ثامناً: التكامل مع مكتبات الذكاء الاصطناعي

تعد NumPy أساسًا لمعظم مكتبات التعلم الآلي والتعلم العميق. فالكثير من هذه المكتبات تعتمد على المصفوفات التي توفرها NumPy.

من أهم هذه المكتبات:

• TensorFlow
• PyTorch
• Keras

تستخدم هذه المكتبات المصفوفات لتنفيذ العمليات الرياضية داخل الشبكات العصبية.

تاسعاً: تطبيقات NumPy في الرؤية الحاسوبية

تستخدم NumPy في العديد من تطبيقات الرؤية الحاسوبية مثل:

التعرف على الوجوه

يتم تحليل الصورة واستخراج ملامح الوجه باستخدام المصفوفات.

اكتشاف الأجسام

مثل اكتشاف السيارات أو الأشخاص في الصور والفيديو.

تحليل الفيديو

حيث يتم معالجة كل إطار من الفيديو كمصفوفة.

الروبوتات الذكية

تستخدم الكاميرات لتحليل البيئة المحيطة واتخاذ القرارات. 

عاشراً: مثال عملي بسيط

في المثال التالي نقوم بتحويل صورة ملونة إلى صورة رمادية باستخدام NumPy  

في هذا المثال تم حساب متوسط القنوات اللونية الثلاث لكل بكسل باستخدام NumPy.  

تعد مكتبة NumPy واحدة من أهم المكتبات في لغة Python، حيث توفر أدوات قوية وسريعة لمعالجة البيانات الرقمية والمصفوفات. في مجال الرؤية الحاسوبية تلعب NumPy دورًا أساسيًا في تمثيل الصور ومعالجة البيانات وتنفيذ العمليات الرياضية بكفاءة عالية.

تعتمد معظم مكتبات الذكاء الاصطناعي مثل OpenCV و TensorFlow و PyTorch على NumPy كأساس لمعالجة البيانات. لذلك فإن تعلم هذه المكتبة وفهمها يعد خطوة مهمة لأي شخص يرغب في التخصص في مجال الرؤية الحاسوبية أو الذكاء الاصطناعي.

وبسبب سرعتها وكفاءتها العالية، أصبحت NumPy أداة لا غنى عنها في تطوير الأنظمة الذكية والتطبيقات الحديثة التي تعتمد على تحليل الصور والفيديو.