> 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।

प्रीप्रोसेसिंग यह सुनिश्चित करती है कि आपका डेटासेट एक मानक फ़ॉर्मैट में हो (उदाहरण के लिए, सभी इमेज एक ही आकार की हों)। मॉडल को प्रशिक्षित करने से पहले डेटासेट में एकरूपता सुनिश्चित करने के लिए यह चरण आवश्यक है।

प्रीप्रोसेसिंग आपके Train, Valid और Test सेट की सभी इमेज पर लागू होती है (इसके विपरीत, [ऑगमेंटेशन](https://docs.roboflow.com/datasets/hi/versions/dataset-versions/image-augmentation.md), जो केवल Train सेट पर लागू होते हैं)।

Roboflow प्लेटफ़ॉर्म में प्रीप्रोसेसिंग के ये विकल्प उपलब्ध हैं:

* स्वतः ओरिएंट करें
* आकार बदलें
* ग्रेस्केल
* कंट्रास्ट स्वतः समायोजित करें
* ऑब्जेक्ट अलग करें
* स्थिर क्रॉप
* टाइल करें
* क्लास में बदलाव करें
* खाली इमेज फ़िल्टर करें
* टैग के अनुसार फ़िल्टर करें

हर विकल्प का विवरण नीचे दिया गया है।

### स्वतः ओरिएंट करें

स्वतः ओरिएंट करने पर आपकी इमेज से उनका EXIF डेटा हटा दिया जाता है, ताकि वे उसी तरह दिखाई दें जिस तरह डिस्क पर संग्रहीत हैं।

EXIF डेटा किसी इमेज का ओरिएंटेशन निर्धारित करता है। एप्लिकेशन (जैसे Mac पर Preview) इस डेटा का उपयोग इमेज को किसी विशिष्ट ओरिएंटेशन में दिखाने के लिए करते हैं, भले ही डिस्क पर उसका ओरिएंटेशन अलग हो।

* Roboflow सुझाव देता है कि इस विकल्प को डिफ़ॉल्ट रूप से चालू रखें और जाँचें कि इन्फ़रेंस के दौरान आपकी इमेज मॉडल को किस तरह दी जा रही हैं।
* अगर आप जानना चाहते हैं कि अपनी इमेज को स्वतः ओरिएंट करना चाहिए या नहीं, तो [हमारा ब्लॉग देखें](https://blog.roboflow.com/exif-auto-orientation/).

### आकार बदलें

आकार बदलने से आपकी इमेज का आकार बदलता है और, वैकल्पिक रूप से, उन्हें मनचाहे आयामों के अनुसार स्केल किया जा सकता है। एनोटेशन भी उसी अनुपात में समायोजित किए जाते हैं (नीचे दिए गए “fill” विकल्प को छोड़कर)।

फ़िलहाल, हम केवल आकार छोटा करने की सुविधा देते हैं। हम यह मार्गदर्शन देते हैं कि [आपके उपयोग के मामले के लिए आकार बदलने का कौन-सा विकल्प सबसे उपयुक्त हो सकता है](https://blog.roboflow.com/you-might-be-resizing-your-images-incorrectly/).

* **इस आकार तक खींचकर बड़ा करें:** अपनी इमेज को पिक्सेल-दर-पिक्सेल के मनचाहे आयामों तक खींचकर बड़ा करें। एनोटेशन भी उसी अनुपात में स्केल किए जाते हैं। इमेज वर्गाकार और विकृत हो जाती हैं, लेकिन स्रोत इमेज का कोई डेटा नहीं खोता।
* **इस आकार में फ़िट करें (केंद्र से क्रॉप करके):** बनाई गई इमेज आपके चुने हुए आउटपुट आयामों के अनुसार केंद्र से क्रॉप की जाती है। उदाहरण के लिए, यदि स्रोत इमेज 2600x2080 की है और आकार बदलने का विकल्प 640x640 पर सेट है, तो आउटपुट में स्रोत इमेज का बीच वाला 640x640 हिस्सा होगा। आस्पेक्ट रेशियो बना रहता है, लेकिन स्रोत इमेज का कुछ डेटा खो जाता है।
* **इस आकार के भीतर फ़िट करें:** स्रोत इमेज के आयामों को इस तरह स्केल किया जाता है कि स्रोत इमेज का आस्पेक्ट रेशियो बनाए रखते हुए वे आउटपुट इमेज के आयामों में फ़िट हो जाएँ। उदाहरण के लिए, यदि स्रोत इमेज 2600x2080 की है और आकार बदलने का विकल्प 640x640 पर सेट है, तो बड़ा आयाम (2600) घटकर 640 हो जाता है और दूसरा आयाम (2080) घटकर लगभग 512 पिक्सेल हो जाता है। इमेज का आस्पेक्ट रेशियो और मूल डेटा बना रहता है, लेकिन इमेज वर्गाकार नहीं होती।
* **इस आकार में फ़िट करें (किनारों को प्रतिबिंबित करके):** स्रोत इमेज के आयामों को इस तरह स्केल किया जाता है कि स्रोत इमेज का आस्पेक्ट रेशियो बनाए रखते हुए वे आउटपुट इमेज के आयामों में फ़िट हो जाएँ। नए बने पैडिंग में स्रोत इमेज का प्रतिबिंब होता है। उदाहरण के लिए, यदि स्रोत इमेज 2600x2080 की है और आकार बदलने का विकल्प 416x416 पर सेट है, तो बड़ा आयाम (2600) घटकर 416 हो जाता है और दूसरा आयाम (2080) घटकर लगभग 335.48 पिक्सेल हो जाता है। बचा हुआ पिक्सेल क्षेत्र (416-335.48, यानी 80.52 पिक्सेल) स्रोत इमेज के प्रतिबिंबित पिक्सेल से भरा जाता है। ध्यान दें कि Roboflow डिफ़ॉल्ट रूप से एनोटेशन का भी प्रतिबिंब बनाता है। इमेज वर्गाकार हो जाती हैं और उनमें पैडिंग जुड़ती है, जबकि आस्पेक्ट रेशियो और मूल डेटा बने रहते हैं।
* **इस आकार में फ़िट करें (काले किनारों के साथ):** स्रोत इमेज के आयामों को इस तरह स्केल किया जाता है कि स्रोत इमेज का आस्पेक्ट रेशियो बनाए रखते हुए वे आउटपुट इमेज के आयामों में फ़िट हो जाएँ। नए बने पैडिंग का क्षेत्र काला होता है। उदाहरण के लिए, यदि स्रोत इमेज 2600x2080 की है और आकार बदलने का विकल्प 416x416 पर सेट है, तो बड़ा आयाम (2600) घटकर 416 हो जाता है और दूसरा आयाम (2080) घटकर लगभग 335.48 पिक्सेल हो जाता है। बचा हुआ पिक्सेल क्षेत्र (416-335.48, यानी 80.52 पिक्सेल) काले पिक्सेल से भरा जाता है। इमेज वर्गाकार हो जाती हैं और उनमें काली पैडिंग जुड़ती है, जबकि आस्पेक्ट रेशियो और मूल डेटा बने रहते हैं।
* **इस आकार में फ़िट करें (सफ़ेद किनारों के साथ):** स्रोत इमेज के आयामों को इस तरह स्केल किया जाता है कि स्रोत इमेज का आस्पेक्ट रेशियो बनाए रखते हुए वे आउटपुट इमेज के आयामों में फ़िट हो जाएँ। नए बने पैडिंग का क्षेत्र सफ़ेद होता है। उदाहरण के लिए, यदि स्रोत इमेज 2600x2080 की है और आकार बदलने का विकल्प 416x416 पर सेट है, तो बड़ा आयाम (2600) घटकर 416 हो जाता है और दूसरा आयाम (2080) घटकर लगभग 335.48 पिक्सेल हो जाता है। बचा हुआ पिक्सेल क्षेत्र (416-335.48, यानी 80.52 पिक्सेल) सफ़ेद पिक्सेल से भरा जाता है। इमेज वर्गाकार हो जाती हैं और उनमें सफ़ेद पैडिंग जुड़ती है, जबकि आस्पेक्ट रेशियो और मूल डेटा बने रहते हैं।

### ग्रेस्केल

RGB चैनलों वाली इमेज को एकल ग्रेस्केल चैनल वाली इमेज में बदलता है, जिससे मेमोरी बच सकती है। प्रत्येक ग्रेस्केल पिक्सेल का मान संबंधित लाल, हरे और नीले पिक्सेल के भारित योग से निकाला जाता है: Y = 0.2125 R + 0.7154 G + 0.0721 B।

ये वज़न CRT फ़ॉस्फ़र में इस्तेमाल होते हैं, क्योंकि ये समान वज़न की तुलना में लाल, हरे और नीले रंगों की मानवीय अनुभूति को बेहतर ढंग से दर्शाते हैं। (स्रोत: [Scikit-Image](https://scikit-image.org/docs/dev/auto_examples/color_exposure/plot_rgb_to_gray.html).)

### कंट्रास्ट स्वतः समायोजित करें

कम कंट्रास्ट वाली इमेज को बेहतर बनाता है। हमने इस बारे में जानकारी दी है कि [क्या आपको प्रीप्रोसेसिंग चरण के रूप में कंट्रास्ट का उपयोग करना चाहिए](https://blog.roboflow.com/when-to-use-contrast-as-a-preprocessing-step/).

* **कंट्रास्ट स्ट्रेचिंग**: इमेज को इस तरह रीस्केल किया जाता है कि उसमें दूसरा और 98वाँ पर्सेंटाइल के बीच आने वाली सभी तीव्रताएँ शामिल हों।
* **हिस्टोग्राम इक्वलाइज़ेशन**: किसी इमेज के “सबसे आम तीव्रता मानों को फैलाता है।” इक्वलाइज़ की गई इमेज का वितरण लगभग एकसमान होता है, जिसमें सभी रंगों के पिक्सेल लगभग समान रूप से दर्शाए जाते हैं। [और देखें](https://en.wikipedia.org/wiki/Histogram_equalization).
* **अनुकूली इक्वलाइज़ेशन**: कंट्रास्ट लिमिटेड अडैप्टिव हिस्टोग्राम इक्वलाइज़ेशन (CLAHE)। स्थानीय कंट्रास्ट को बेहतर बनाने वाला एक एल्गोरिदम, जो इमेज के अलग-अलग टाइल क्षेत्रों में गणना किए गए हिस्टोग्राम का उपयोग करता है। इसलिए, इमेज के अधिकांश हिस्से से अधिक गहरे या हल्के क्षेत्रों में भी बारीक विवरण बेहतर किए जा सकते हैं। (स्रोत: [Scikit-Image](https://scikit-image.org/docs/dev/api/skimage.exposure.html#skimage.exposure.equalize_adapthist).)

## उन्नत प्रीप्रोसेसिंग सुविधाएँ

### ऑब्जेक्ट अलग करें

Isolate Objects ट्रांसफ़ॉर्म प्रत्येक बाउंडिंग बॉक्स को काटकर अलग-अलग इमेज के रूप में निकालेगा। यह चरण Object Detection डेटासेट को Classification डेटासेट में बदलता है।

जब किसी डेटासेट में कई क्लास एक-दूसरे से मिलती-जुलती हों, तो अक्सर क्रम से दो मॉडल इस्तेमाल किए जाते हैं। पहला मॉडल (ऑब्जेक्ट डिटेक्शन) ऑब्जेक्ट ढूँढ़ता है और दूसरा मॉडल (क्लासिफ़िकेशन) पहचानता है कि वह ऑब्जेक्ट क्या है। दूसरे मॉडल को प्रशिक्षित करने के लिए ज़रूरी डेटासेट बनाने में Isolate Objects ट्रांसफ़ॉर्मेशन उपयोगी है।

### स्थिर क्रॉप

Static Crop आपके डेटासेट की हर इमेज पर एक निश्चित, प्रतिशत-आधारित क्रॉप क्षेत्र लागू करता है। आप न्यूनतम और अधिकतम चौड़ाई और ऊँचाई के प्रतिशत का उपयोग करके क्षेत्र तय करते हैं, और Roboflow हर इमेज को उसी सापेक्ष क्षेत्र तक क्रॉप करता है। इससे आप रुचि के एक सुसंगत क्षेत्र पर ज़ूम कर सकते हैं और प्रशिक्षण से पहले गैर-ज़रूरी किनारों या बैकग्राउंड को हटा सकते हैं, ताकि आपका मॉडल फ़्रेम के महत्वपूर्ण हिस्से पर ध्यान दे।

![Static Crop सुविधा और इसका 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 करें

छोटी ऑब्जेक्ट का पता लगाने में टाइलिंग मददगार हो सकती है (खासकर हवाई इमेजरी और माइक्रोस्कोपी जैसे मामलों में)। डिफ़ॉल्ट सेटिंग 2x2 टाइलिंग है, हालाँकि आप इसे अपनी ज़रूरत के अनुसार बदल सकते हैं। टाइलिंग की जाती है *से पहले* प्रीप्रोसेसिंग पाइपलाइन में आकार बदलने की प्रक्रिया।

![टाइलिंग टूल और आउटपुट का एक प्रीव्यू ("grid" में दिखाया 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।

<table data-search="false"><thead><tr><th>मोड</th><th>यह क्या करता है</th><th>सेटिंग्स</th></tr></thead><tbody><tr><td>Grid</td><td>हर इमेज को बराबर पंक्तियों और कॉलम में बाँटता है। टाइल का आकार इमेज के आकार के अनुसार बदलता है।</td><td>पंक्तियाँ, कॉलम</td></tr><tr><td>Fixed Size</td><td>हर टाइल को आपके तय किए गए सटीक पिक्सेल आकार में काटता है, ताकि किसी टाइल का आकार बदला या वह विकृत न हो। इसे अपने मॉडल के इनपुट आकार पर सेट करें (जैसे: 640 x 640)।</td><td>चौड़ाई, ऊँचाई, ओवरलैप, पैडिंग का रंग</td></tr><tr><td>Fixed Aspect Ratio</td><td>ऐसी टाइलें काटता है जिनमें आपके तय किए गए चौड़ाई-ऊँचाई अनुपात को बनाए रखा जाता है। हर टाइल इमेज की पूरी चौड़ाई या पूरी ऊँचाई तक फैली होती है।</td><td>आस्पेक्ट रेशियो, विस्तार, ओवरलैप, पैडिंग का रंग</td></tr></tbody></table>

Fixed Size और Fixed Aspect Ratio में दो अतिरिक्त सेटिंग्स हैं। ओवरलैप बताता है कि प्रत्येक टाइल का कितना प्रतिशत हिस्सा अगली टाइल के साथ साझा होता है। इसका उपयोग तब करें जब ऑब्जेक्ट टाइल की सीमाओं पर हों। पैडिंग का रंग (काला या सफ़ेद) इमेज के दाएँ और नीचे किनारे पर बची जगह को भरता है, क्योंकि हर टाइल अपने पूरे आकार में बनती है।

हर तरफ़ से टाइल का आकार कम-से-कम 224 पिक्सेल होना चाहिए। Fixed Aspect Ratio मोड में, जो इमेज इस आकार की टाइल बनाने के लिए बहुत छोटी होती हैं, उन्हें बिना काटे रखा जाता है।

आप Fixed Size या Fixed Aspect Ratio को Isolate Objects या Dynamic Crop के साथ नहीं जोड़ सकते। ये चरण हर इमेज को अलग-अलग क्रॉप करते हैं, इसलिए तय आकार की टाइल इमेज से मेल नहीं खाती। इसके बजाय Grid का उपयोग करें।

Roboflow, Fixed Size और Fixed Aspect Ratio के लिए वर्शन के आकार का अनुमान नहीं लगाता, क्योंकि टाइलों की संख्या हर इमेज के आकार पर निर्भर करती है।

{% hint style="info" %}
चुने हुए वर्कस्पेस के लिए ऐप में Fixed Size और Fixed Aspect Ratio उपलब्ध हैं। [सेल्स से संपर्क करें](https://roboflow.com/sales) इन्हें चालू करवाने के लिए। API किसी भी वर्कस्पेस के लिए तीनों मोड स्वीकार करता है।
{% endhint %}

### क्लास में बदलाव करें

एक प्रीप्रोसेसिंग टूल, जिसका उपयोग आपके डेटासेट का नया वर्शन बनाते समय कुछ क्लास को हटाने या उनका रीमैप (नाम बदलने) के लिए किया जाता है। ये बदलाव केवल आपके बनाए गए वर्शन पर लागू होते हैं। आपके मूल डेटासेट में कोई बदलाव नहीं किया जाएगा।

Dataset Version builder में तीन से अधिक क्लास होने पर, और प्रशिक्षण सेटअप में क्लास की किसी भी संख्या के लिए, रेगुलर एक्सप्रेशन कंट्रोल दिखाई देते हैं। "By Regular Expression:" के नीचे खोज पैटर्न और प्रतिस्थापन दर्ज करें, फिर फ़ील्ड के बगल में "Apply" और डायलॉग में "Apply" पर क्लिक करें। रेगुलर एक्सप्रेशन मिटाने और सभी क्लास बहाल करने के लिए रीसेट आइकन का उपयोग करें।

<figure><img src="https://2706998663-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-c24153101f752dda61db3be434bc2dda8db317cd%2Fpreprocessing-modify-classes.png?alt=media" alt="Modify Classes in training setup, with a regular expression remapping circle to part and a reset button"><figcaption><p>लागू करने से पहले प्रशिक्षण सेटअप में क्लास रीमैप का प्रीव्यू देखें।</p></figcaption></figure>

### खाली इमेज फ़िल्टर करें

Filter Null ट्रांसफ़ॉर्मेशन उपयोगकर्ताओं को यह निर्धारित करने देता है कि डेटासेट की कितनी इमेज पर एनोटेशन होना आवश्यक है। Filter Null का उपयोग करते समय केवल null annotation के रूप में चिह्नित इमेज, या Modify Classes टूल लागू करने के बाद "unannotated" के रूप में चिह्नित इमेज ही प्रभावित होती हैं।

यह ट्रांसफ़ॉर्मेशन तब उपयोगी है, जब डेटासेट की बड़ी संख्या में रुचि की ऑब्जेक्ट मौजूद न हों।

![Filter Null प्रीप्रोसेसिंग 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 इमेज पर सही ढंग से एनोटेशन किया है, उपयुक्त इमेज को null annotation के रूप में चिह्नित किया है, और/या अनावश्यक क्लास हटा दी हैं।
{% endhint %}

{% hint style="info" %}
[गुम और Null एनोटेशन के बीच का अंतर](https://blog.roboflow.com/missing-and-null-image-annotations/)

"Missing Annotations" तब होते हैं, जब इमेज पर एनोटेशन नहीं किया जाता (इमेज को बिना एनोटेशन छोड़ने से प्रशिक्षित डेटासेट के प्रदर्शन में समस्याएँ आएँगी और प्रशिक्षण विफल हो सकता है)। Null एनोटेशन केवल तभी लागू किए जाने चाहिए, जब उस इमेज में ऐसा *कुछ भी नहीं* हो जिसे आप अपने मॉडल से पहचानवाना चाहते हों।
{% endhint %}

### टैग के अनुसार फ़िल्टर करें

Filter by Tag ट्रांसफ़ॉर्मेशन उपयोगकर्ताओं को यह फ़िल्टर करने देता है कि किसी वर्शन में कौन-सी इमेज शामिल होनी चाहिए या नहीं, यह इस आधार पर तय करके कि कौन-से [टैग](https://docs.roboflow.com/datasets/hi/manage/manage-datasets/add-tags-to-images.md) लागू किए गए हैं। यह ट्रांसफ़ॉर्मेशन डेटा के नए उपसमुच्चय पर मॉडल प्रशिक्षित करने या प्रशिक्षण से अनचाही इमेज हटाने के लिए उपयोगी है।

हर टैग के लिए तीन विकल्प उपलब्ध हैं:

* **आवश्यक:** वर्शन में केवल Required टैग वाली इमेज शामिल होंगी।
* **बहिष्कृत करें**: Excluded टैग वाली इमेज वर्शन में शामिल नहीं होंगी।
* **अनुमति दें:** Allowed टैग वाली इमेज वर्शन में शामिल होंगी, बशर्ते वे Exclude और Require नियमों के अनुरूप हों।

Dataset Version builder में, हर टैग पर विकल्प लागू करने के लिए "Exclude", "Allow" या "Require" कॉलम शीर्षक पर क्लिक करें। प्रशिक्षण सेटअप में "Exclude All", "Allow All" या "Require All" चुनें और पुष्टि करें। सहेजने के लिए "Apply" पर क्लिक करें।

<figure><img src="https://2706998663-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FNVfRxNsvCh4GOyqrjmzX%2Fuploads%2Fgit-blob-0d57d1ad34de9a2a1cf0871c2d2682cfa6f2438e%2Fpreprocessing-filter-tags.png?alt=media" alt="Filter by Tag in training setup with reviewed required and Exclude All, Allow All, Require All, and Reset controls"><figcaption><p>इस फ़िल्टर में समीक्षा किए गए टैग वाली इमेज शामिल हैं।</p></figcaption></figure>
