Script Completo em Python - Interagindo com a IA em ChatGPT

Atividade 5 – Aula 3 do curso “Análise e Classificação de Faces: Visão Computacional com OpenCV”

Nesta etapa do curso, coloquei em prática o pré-processamento de imagens de faces, redimensionando-as para um tamanho padrão (100x100 pixels), etapa fundamental antes de treinar um classificador.

Com o apoio do ChatGPT, consegui não apenas entender o propósito da atividade, como também montar um script completo em Python com visualização das imagens antes e depois do redimensionamento.

Estou compartilhando o código completo como forma de reforçar meu aprendizado e interagir com a comunidade:

Essa interação entre o conteúdo da Alura e o apoio inteligente do ChatGPT tem sido essencial para meu progresso no aprendizado de Visão Computacional e Inteligência Artificial aplicada à área médica — meu foco principal de estudos. Fico à disposição para trocas! Quem mais está usando OpenCV ou aplicando IA na saúde?

#Alura #VisaoComputacional #OpenCV #Python #MachineLearning #Medicina #IA #ChatGPT #AprendizadoAtivo

# Salvando o código completo como um script .py para que o usuário possa postar sua solução da atividade

codigo = '''
import cv2
import os
import matplotlib.pyplot as plt

# Configurações de entrada e saída
pasta_entrada = 'imagens_originais/'          # Pasta com as imagens brutas
pasta_saida = 'imagens_redimensionadas/'      # Pasta onde serão salvas as imagens processadas
tamanho_alvo = (100, 100)                      # Tamanho desejado para todas as imagens

# Cria a pasta de saída se ainda não existir
os.makedirs(pasta_saida, exist_ok=True)

# Lista de arquivos de imagem
arquivos = [arq for arq in os.listdir(pasta_entrada) if arq.lower().endswith(('.png', '.jpg', '.jpeg'))]

# Processamento das imagens
for i, arquivo in enumerate(arquivos):
    caminho_img = os.path.join(pasta_entrada, arquivo)
    imagem = cv2.imread(caminho_img)

    if imagem is not None:
        imagem_rgb = cv2.cvtColor(imagem, cv2.COLOR_BGR2RGB)  # Converte para RGB para exibir no matplotlib
        imagem_redimensionada = cv2.resize(imagem_rgb, tamanho_alvo)

        # Salvar imagem redimensionada
        caminho_saida = os.path.join(pasta_saida, arquivo)
        cv2.imwrite(caminho_saida, cv2.cvtColor(imagem_redimensionada, cv2.COLOR_RGB2BGR))  # Volta para BGR

        # Visualização antes e depois (apenas para as 3 primeiras imagens)
        if i < 3:
            plt.figure(figsize=(8, 4))
            plt.subplot(1, 2, 1)
            plt.imshow(imagem_rgb)
            plt.title('Original')
            plt.axis('off')

            plt.subplot(1, 2, 2)
            plt.imshow(imagem_redimensionada)
            plt.title('Redimensionada (100x100)')
            plt.axis('off')

            plt.suptitle(f'Imagem {arquivo}')
            plt.tight_layout()
            plt.show()

        print(f"[OK] {arquivo} redimensionada e salva em {pasta_saida}")
    else:
        print(f"[ERRO] Falha ao ler {arquivo}")


# Salvar em arquivo
caminho_arquivo = "/mnt/data/atividade_redimensionar_faces_alura.py"
with open(caminho_arquivo, "w") as f:
    f.write(codigo)

caminho_arquivo

Result
'/mnt/data/atividade_redimensionar_faces_alura.py'