> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/datasets/hi/versions/dataset-versions/image-preprocessing.md). # इमेजें पूर्व-संसाधित करें मॉडलों के लिए डेटा तैयार करने हेतु इमेज पूर्व-संसाधन चरण। पूर्व-प्रसंस्करण यह सुनिश्चित करता है कि आपका डेटासेट एक मानक प्रारूप में हो (उदाहरण के लिए, सभी छवियाँ एक ही आकार की हों)। मॉडल को प्रशिक्षित करने से पहले यह सुनिश्चित करने के लिए यह चरण आवश्यक है कि आपका डेटासेट सुसंगत हो। पूर्व-प्रसंस्करण आपके प्रशिक्षण, मान्यकरण, और परीक्षण सेट की सभी छवियों पर लागू होता है (इसके विपरीत [ऑगमेंटेशन](/datasets/hi/versions/dataset-versions/image-augmentation.md), जो केवल प्रशिक्षण सेट पर लागू होते हैं)। Roboflow प्लेटफ़ॉर्म निम्नलिखित पूर्व-प्रसंस्करण विकल्प प्रदान करता है: * ऑटो-ओरिएंट * रीसाइज़ * ग्रेस्केल * कॉन्ट्रास्ट स्वतः समायोजित करें * वस्तुओं को अलग करें * स्थिर क्रॉप * टाइल * क्लास संशोधित करें * नल फ़िल्टर करें * टैग के अनुसार फ़िल्टर करें प्रत्येक विकल्प का वर्णन नीचे किया गया है। ### ऑटो-ओरिएंट ऑटो-ओरिएंट आपकी छवियों से उनका EXIF डेटा हटा देता है, ताकि आप छवियों को उसी तरह देखें जिस तरह वे डिस्क पर संग्रहीत हैं। EXIF डेटा किसी दी गई छवि के अभिविन्यास को निर्धारित करता है। अनुप्रयोग (जैसे Mac पर Preview) इस डेटा का उपयोग किसी छवि को एक विशिष्ट अभिविन्यास में प्रदर्शित करने के लिए करते हैं, भले ही डिस्क पर उसके संग्रहीत होने का अभिविन्यास अलग हो। * Roboflow अनुशंसा करता है कि डिफ़ॉल्ट रूप से इसे चालू ही रहने दें और जाँचें कि इनफ़ेरेंस के दौरान आपकी छवियाँ आपके मॉडल को कैसे दी जा रही हैं। * यदि आप यह और जानना चाहते हैं कि आपको अपनी छवियों को ऑटो-ओरिएंट करना चाहिए या नहीं, [हमारा ब्लॉग देखें](https://blog.roboflow.com/exif-auto-orientation/). ### रीसाइज़ रीसाइज़ आपकी छवियों का आकार बदलता है और, वैकल्पिक रूप से, उन्हें इच्छित आयामों के सेट के अनुसार स्केल करता है। एनोटेशन आनुपातिक रूप से समायोजित किए जाते हैं (नीचे दिए गए “fill” के मामले को छोड़कर)। वर्तमान में, हम केवल आकार घटाने का समर्थन करते हैं। हम इसके लिए कुछ मार्गदर्शन प्रदान करते हैं [कि आपके उपयोग-मामले के लिए कौन-सा रीसाइज़ विकल्प सबसे उपयुक्त हो सकता है](https://blog.roboflow.com/you-might-be-resizing-your-images-incorrectly/). * **तक खींचें:** अपनी छवियों को पसंदीदा पिक्सेल-से-पिक्सेल आयाम तक खींचें। एनोटेशन आनुपातिक रूप से स्केल किए जाते हैं। छवियाँ वर्गाकार होती हैं, विकृत होती हैं, लेकिन स्रोत छवि का कोई डेटा नहीं खोता। * **में भरें (केंद्र क्रॉप के साथ):** उत्पन्न छवि आपके इच्छित आउटपुट आयामों की केंद्रित क्रॉप होती है। उदाहरण के लिए, यदि स्रोत छवि 2600x2080 है और रीसाइज़ विकल्प 640x640 पर सेट है, तो आउटपुट रीसाइज़ स्रोत छवि का केंद्रीय 640x640 भाग होगा। आस्पेक्ट रेशियो बना रहता है, लेकिन स्रोत छवि का डेटा खो जाता है। * **के भीतर फ़िट करें:** स्रोत आयामों को स्रोत छवि के आस्पेक्ट रेशियो को बनाए रखते हुए आउटपुट छवि के आयामों तक स्केल किया जाता है। उदाहरण के लिए, यदि स्रोत छवि 2600x2080 है और रीसाइज़ विकल्प 640x640 पर सेट है, तो लंबे आयाम (2600) को 640 तक स्केल किया जाता है और द्वितीयक आयाम (2080) को लगभग 512 पिक्सेल तक स्केल किया जाता है। छवि के आस्पेक्ट रेशियो और मूल डेटा बने रहते हैं, लेकिन वे वर्गाकार नहीं होते। * **में फ़िट करें (किनारों को प्रतिबिंबित करें):** स्रोत आयामों को स्रोत छवि के आस्पेक्ट रेशियो को बनाए रखते हुए आउटपुट छवि के आयामों तक स्केल किया जाता है, और जो भी नया पैडिंग बनाया जाता है वह स्रोत छवि का प्रतिबिंब होता है। उदाहरण के लिए, यदि स्रोत छवि 2600x2080 है और रीसाइज़ विकल्प 416x416 पर सेट है, तो लंबे आयाम (2600) को 416 तक स्केल किया जाता है और द्वितीयक आयाम (2080) को लगभग 335.48 पिक्सेल तक स्केल किया जाता है। शेष पिक्सेल क्षेत्र (416-335.48, या 80.52 पिक्सेल) स्रोत छवि के प्रतिबिंबित पिक्सेल होते हैं। विशेष रूप से, Roboflow डिफ़ॉल्ट रूप से एनोटेशन को भी प्रतिबिंबित करता है। छवियाँ वर्गाकार होती हैं, पैडेड होती हैं, और आस्पेक्ट रेशियो तथा मूल डेटा बने रहते हैं। * **में फ़िट करें (काली किनारियाँ):** स्रोत आयामों को स्रोत छवि के आस्पेक्ट रेशियो को बनाए रखते हुए आउटपुट छवि के आयामों तक स्केल किया जाता है, और जो भी नया पैडिंग बनाया जाता है वह काला क्षेत्र होता है। उदाहरण के लिए, यदि स्रोत छवि 2600x2080 है और रीसाइज़ विकल्प 416x416 पर सेट है, तो लंबे आयाम (2600) को 416 तक स्केल किया जाता है और द्वितीयक आयाम (2080) को लगभग 335.48 पिक्सेल तक स्केल किया जाता है। शेष पिक्सेल क्षेत्र (416-335.48, या 80.52 पिक्सेल) काले पिक्सेल होते हैं। छवियाँ वर्गाकार होती हैं, काले पैडिंग वाली होती हैं, और आस्पेक्ट रेशियो तथा मूल डेटा बने रहते हैं। * **में फ़िट करें (सफेद किनारियाँ):** स्रोत आयामों को स्रोत छवि के आस्पेक्ट रेशियो को बनाए रखते हुए आउटपुट छवि के आयामों तक स्केल किया जाता है, और जो भी नया पैडिंग बनाया जाता है वह सफेद क्षेत्र होता है। उदाहरण के लिए, यदि स्रोत छवि 2600x2080 है और रीसाइज़ विकल्प 416x416 पर सेट है, तो लंबे आयाम (2600) को 416 तक स्केल किया जाता है और द्वितीयक आयाम (2080) को लगभग 335.48 पिक्सेल तक स्केल किया जाता है। शेष पिक्सेल क्षेत्र (416-335.48, या 80.52 पिक्सेल) सफेद पिक्सेल होते हैं। छवियाँ वर्गाकार होती हैं, सफेद पैडिंग वाली होती हैं, और आस्पेक्ट रेशियो तथा मूल डेटा बने रहते हैं। ### ग्रेस्केल RGB चैनलों वाली छवि को एकल ग्रेस्केल चैनल वाली छवि में परिवर्तित करता है, जिससे आपकी मेमोरी बच सकती है। प्रत्येक ग्रेस्केल पिक्सेल का मान संबंधित लाल, हरे और नीले पिक्सेलों के भारित योग के रूप में गणना किया जाता है: Y = 0.2125 R + 0.7154 G + 0.0721 B. इन वज़नों का उपयोग CRT फॉस्फ़र द्वारा किया जाता है क्योंकि ये समान वज़नों की तुलना में लाल, हरे और नीले रंग की मानवीय धारणा को बेहतर दर्शाते हैं। (द्वारा [Scikit-Image](https://scikit-image.org/docs/dev/auto_examples/color_exposure/plot_rgb_to_gray.html).) ### कॉन्ट्रास्ट स्वतः समायोजित करें कम कॉन्ट्रास्ट वाली छवि को बेहतर बनाता है। हमने यह अन्वेषण किया है [कि क्या आप कॉन्ट्रास्ट को पूर्व-प्रसंस्करण चरण के रूप में उपयोग करना चाहते हैं](https://blog.roboflow.com/when-to-use-contrast-as-a-preprocessing-step/). * **कॉन्ट्रास्ट स्ट्रेचिंग**: छवि को 2वें और 98वें परसेंटाइल के भीतर आने वाली सभी तीव्रताओं को शामिल करने के लिए पुनः स्केल किया जाता है। * **हिस्टोग्राम समानीकरण**: किसी छवि में “सबसे अधिक बार आने वाले तीव्रता मानों” को फैला देता है। समानीकृत छवि का वितरण लगभग समान होता है, जहाँ सभी पिक्सेल रंग लगभग समान रूप से प्रतिनिधित्वित होते हैं। [और देखें](https://en.wikipedia.org/wiki/Histogram_equalization). * **अनुकूली समानीकरण**: कॉन्ट्रास्ट लिमिटेड अनुकूली हिस्टोग्राम समानीकरण (CLAHE)। स्थानीय कॉन्ट्रास्ट बढ़ाने के लिए एक एल्गोरिद्म, जो छवि के विभिन्न टाइल क्षेत्रों पर गणना किए गए हिस्टोग्राम का उपयोग करता है। इस प्रकार स्थानीय विवरण उन क्षेत्रों में भी बेहतर किए जा सकते हैं जो छवि के अधिकांश भाग की तुलना में अधिक गहरे या हल्के हों। (द्वारा [Scikit-Image](https://scikit-image.org/docs/dev/api/skimage.exposure.html#skimage.exposure.equalize_adapthist).) ## उन्नत पूर्व-प्रसंस्करण सुविधाएँ ### वस्तुओं को अलग करें Isolate Objects रूपांतरण प्रत्येक बाउंडिंग बॉक्स को काटकर निकाल देता है और उसे एक अलग छवि में बदल देता है। यह चरण ऑब्जेक्ट डिटेक्शन डेटासेट को क्लासिफ़िकेशन डेटासेट में परिवर्तित करता है। उन मामलों में जहाँ डेटासेट में कई क्लासें समान हों, दो मॉडलों को क्रम में उपयोग करना आम बात है। पहला मॉडल (ऑब्जेक्ट डिटेक्शन) वस्तु को ढूँढता है और दूसरा मॉडल (क्लासिफ़िकेशन) पहचानता है कि वस्तु क्या है। Isolate Objects रूपांतरण दूसरे मॉडल के प्रशिक्षण के लिए आवश्यक डेटासेट बनाने में उपयोगी है। ### स्थिर क्रॉप Static Crop आपके डेटासेट की हर छवि पर एक निश्चित, प्रतिशत-आधारित क्रॉप क्षेत्र लागू करता है। आप न्यूनतम और अधिकतम चौड़ाई तथा ऊँचाई प्रतिशत का उपयोग करके क्षेत्र परिभाषित करते हैं, और Roboflow प्रत्येक छवि को उसी सापेक्ष क्षेत्र तक क्रॉप करता है। इससे आप रुचि के एक सुसंगत क्षेत्र पर ज़ूम कर सकते हैं, प्रशिक्षण से पहले अप्रासंगिक बॉर्डर या बैकग्राउंड को हटाकर ताकि आपका मॉडल फ़्रेम के उस हिस्से पर ध्यान केंद्रित करे जो महत्वपूर्ण है। ![स्थैतिक क्रॉप सुविधा, और एक उदाहरण आउटपुट।](https://2706998663-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-4f30e8b0a744bea04bcf0dadd480f55d4cb9a034%2FScreenshot%202025-05-20%20at%2009.44.47.png?alt=media) ### टाइल टाइलिंग छोटी वस्तुओं का पता लगाने में सहायक हो सकती है (विशेषकर हवाई इमेजरी और माइक्रोस्कोपी जैसी स्थितियों में)। डिफ़ॉल्ट सेटिंग 2x2 टाइलिंग है, हालांकि आप इसे अपनी आवश्यकता के अनुसार समायोजित कर सकते हैं। टाइलिंग की जाती है *पहले* पूर्व-प्रसंस्करण पाइपलाइन में रीसाइज़िंग से। ![टाइलिंग टूल और आउटपुट का पूर्वावलोकन ("ग्रिड" में दर्शाया गया)।](https://2706998663-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-7a09d308f703e2805c36bee439ee95451f05ca8b%2FScreenshot%202025-05-20%20at%2009.45.19.png?alt=media) टाइलिंग के तीन मोड हैं।
मोडयह क्या करता हैसेटिंग्स
ग्रिडप्रत्येक छवि को समान पंक्तियों और स्तंभों में विभाजित करता है। टाइल का आकार छवि के आकार के साथ बदलता है।पंक्तियाँ, स्तंभ
नियत आकारप्रत्येक टाइल को ठीक उसी पिक्सेल आकार पर काटता है जो आपने सेट किया है, इसलिए कोई टाइल रीसाइज़ या विकृत नहीं होती। इसे अपने मॉडल इनपुट आकार पर सेट करें (उदाहरण: 640 x 640)।चौड़ाई, ऊँचाई, ओवरलैप, पैडिंग रंग
नियत आस्पेक्ट रेशियोऐसी टाइलें काटता है जो आपके द्वारा सेट किए गए चौड़ाई-से-ऊँचाई अनुपात को बनाए रखती हैं। प्रत्येक टाइल छवि की पूरी चौड़ाई या पूरी ऊँचाई तक फैली होती है।आस्पेक्ट रेशियो, स्पैन, ओवरलैप, पैडिंग रंग
Fixed Size और Fixed Aspect Ratio में दो अतिरिक्त सेटिंग्स होती हैं। ओवरलैप वह प्रतिशत है जितना प्रत्येक टाइल अगली टाइल के साथ साझा करती है। जब वस्तुएँ टाइल सीमाओं पर हों तब इसका उपयोग करें। पैडिंग रंग (काला या सफेद) छवि के दाएँ और निचले किनारे पर बची हुई जगह को भरता है, क्योंकि हर टाइल पूर्ण आकार में निकलती है। टाइलें प्रत्येक तरफ कम से कम 224 पिक्सेल की होनी चाहिए। Fixed Aspect Ratio मोड में, जो छवियाँ उस आकार की टाइल बनाने के लिए बहुत छोटी होती हैं, उन्हें संपूर्ण रखा जाता है। आप Fixed Size या Fixed Aspect Ratio को Isolate Objects या Dynamic Crop के साथ संयोजित नहीं कर सकते। वे चरण प्रत्येक छवि को अपने-आप क्रॉप करते हैं, इसलिए निश्चित आकार की टाइल अब छवि से मेल नहीं खाती। इसके बजाय Grid का उपयोग करें। Roboflow Fixed Size और Fixed Aspect Ratio के लिए संस्करण का आकार अनुमानित नहीं करता, क्योंकि टाइलों की संख्या प्रत्येक छवि के आकार पर निर्भर करती है। {% hint style="info" %} Fixed Size और Fixed Aspect Ratio ऐप में चयनित वर्कस्पेस के लिए उपलब्ध हैं। [सेल्स से संपर्क करें](https://roboflow.com/sales) इन्हें चालू कराने के लिए। API किसी भी वर्कस्पेस के लिए तीनों मोड स्वीकार करता है। {% endhint %} ### क्लास संशोधित करें आपके डेटासेट का नया संस्करण बनाते समय विशिष्ट क्लासों को हटाने या क्लासों को पुनः मैप (पुनः नामित) करने के लिए उपयोग किया जाने वाला एक पूर्व-प्रसंस्करण उपकरण। ये परिवर्तन केवल आपके द्वारा बनाए गए संस्करण पर लागू होते हैं। आपके मूल डेटासेट में कोई परिवर्तन नहीं किया जाएगा। !["Apple leaf" क्लास को हटाना।](https://2706998663-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-37b01b8cc97b0d694bed8bf5d7a445fce3dbd8c9%2FScreenshot%202025-05-20%20at%2009.45.43.png?alt=media) !["scratches" क्लास को "scratch" में पुनः मैप करना।](https://2706998663-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-6c39656c789b92a25f4a7775bb027f33382c706c%2FScreenshot%202025-05-20%20at%2009.46.57.png?alt=media) ### नल फ़िल्टर करें Filter Null रूपांतरण उपयोगकर्ताओं को यह आवश्यक करने की अनुमति देता है कि डेटासेट की एक निश्चित हिस्सेदारी की छवियाँ एनोटेटेड हों। जो छवियाँ null annotation के रूप में चिह्नित हैं, या Modify Classes टूल लागू करने के बाद "unannotated" हैं, केवल वही Filter Null का उपयोग करते समय प्रभावित होती हैं। यह रूपांतरण उस स्थिति में उपयोगी है जहाँ डेटासेट का एक बड़ा हिस्सा रुचि की वस्तुएँ नहीं रखता। ![Filter Null पूर्व-प्रसंस्करण चरण लागू करना।](https://2706998663-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-438a722d13a06de4d81a8508b0f1204e3e61fc30%2FScreenshot%202025-05-20%20at%2009.47.41.png?alt=media) {% hint style="warning" %} इस टूल का उपयोग करने से पहले सुनिश्चित करें कि आपने अपने डेटासेट की सभी छवियों को ठीक से एनोटेट किया है, उपयुक्त छवियों को null annotation के रूप में निर्दिष्ट किया है, और/या किसी भी अनावश्यक क्लास को हटा दिया है। {% endhint %} {% hint style="info" %} [Missing और Null Annotations के बीच अंतर](https://blog.roboflow.com/missing-and-null-image-annotations/) "Missing Annotations" तब होते हैं जब छवियाँ एनोटेटेड नहीं होतीं (छवियों को अनएनोटेटेड छोड़ने से आपके प्रशिक्षित डेटासेट के प्रदर्शन में समस्याएँ आएँगी, और प्रशिक्षण विफल भी हो सकता है)। Null annotations केवल तब लागू की जानी चाहिए जब *कुछ भी* उस छवि में ऐसा कुछ न हो जिसे आप अपने मॉडल से डिटेक्ट करवाना चाहते हैं। {% endhint %} ### टैग के अनुसार फ़िल्टर करें Filter by Tag रूपांतरण उपयोगकर्ताओं को यह फ़िल्टर करने की अनुमति देता है कि संस्करण में कौन-सी छवियाँ शामिल की जानी चाहिए या नहीं, इस आधार पर कि कौन-से [टैग](/datasets/hi/manage/manage-datasets/add-tags-to-images.md) लागू किए गए हैं। यह रूपांतरण किसी मॉडल को डेटा के नए उपसमुच्चय पर प्रशिक्षित करने या प्रशिक्षण से अवांछित छवियों को बाहर करने में उपयोगी है। प्रत्येक टैग के लिए तीन विकल्प उपलब्ध हैं: * **आवश्यक करें:** केवल Required टैग वाली छवियाँ ही संस्करण में शामिल की जाएँगी। * **बहिष्कृत करें**: Excluded टैग वाली छवियाँ संस्करण में शामिल नहीं की जाएँगी। * **अनुमति दें:** Allowed टैग वाली छवियाँ Exclude और Require नियमों के अधीन संस्करण में शामिल की जाएँगी।

इस उदाहरण में, परिणामी संस्करण में केवल वे छवियाँ होंगी जिनमें do-not-include टैग नहीं है।