Відео

Procesos de Fotografia inicial. sites.google.com/view/fotolitografia

Fotolitografía sites.google.com/view/fotolitografia

Metal Foil Resistors, fotografia inicial 1 , ua-cam.com/video/1MY0lzH7TW0/v-deo.html

sites.google.com/view/metal-foil-resistor/home

Prefacio. Este documento representa la recopilación, el análisis y la organización de los métodos físicos y tecnológicos utilizados para la construcción y el desarrollo de métodos, instrumentos científicos o técnicos, para crear resistencia de film metálico, metal foil resistor, película delgada o una lámina de un material resistivo conductor de electricidad. sites.google.com/view/metal-foil-resistor/home

Electroerosión, etching. sites.google.com/view/metal-foil-resistor/electroerosi%C3%B3n-etching

Metal Foil Resistors, sites.google.com/view/metal-foil-resistor/home

Fotolitografía, proceso utilizado en la fabricacion del metal foil resistor. sites.google.com/view/metal-foil-resistor/fotolitograf%C3%ADa#h.t331l34uoek2

Ultratech Stepper. sites.google.com/view/metal-foil-resistor/ultratech-stepper

Codigo que combina dos archivos de fotos, que estan en las carpetas : ”bosque fotos” y “fotos del caballo” y que estan a su vez en “F:\Inteligencia artificial\fotos ordenadas del caballo y el bosque”, para crear un video denominado “ output.avi” que esta en la carpeta “F:\Inteligencia artificial” Code that combines two photo files, which are in the folders: “bosque fotos” and “fotos del caballo” and which are in turn in “F:\Inteligencia artificial\fotos ordenadas del caballo y el bosque”, to create a video called “output.avi” which is in the folder “F:\Inteligencia artificial” sites.google.com/view/creacionxvideo

import cv2 import os import glob # Crea una lista de las imágenes del caballo y del bosque caballo_imgs = glob.glob('F:/Inteligencia artificial/fotos ordenadas del caballo y el bosque/fotos del caballo/*.jpg') bosque_imgs = glob.glob('F:/Inteligencia artificial/fotos ordenadas del caballo y el bosque/bosque fotos/*.jpg') # Ordena las imágenes del caballo y del bosque caballo_imgs.sort() bosque_imgs.sort() # Crea una lista para almacenar las imágenes combinadas frames = [] # Crea un bucle para recorrer las imágenes del caballo y del bosque y combinarlas en un video for i in range(len(caballo_imgs)): caballo = cv2.imread(caballo_imgs[i]) bosque = cv2.imread(bosque_imgs[i % len(bosque_imgs)]) # Redimensiona la imagen del caballo para que se ajuste a la imagen del bosque caballo = cv2.resize(caballo, (bosque.shape[1], bosque.shape[0])) # Crea una máscara para la imagen del caballo mask = cv2.cvtColor(caballo, cv2.COLOR_BGR2GRAY) _, mask = cv2.threshold(mask, 220, 255, cv2.THRESH_BINARY_INV) # Crea una imagen del bosque con un agujero donde se colocará la imagen del caballo bosque_con_agujero = cv2.bitwise_and(bosque, bosque, mask=mask) # Combina la imagen del caballo con la imagen del bosque con agujero resultado = cv2.add(caballo, bosque_con_agujero) # Almacena el frame en la lista frames.append(resultado) # Guarda el video combinando los frames en un archivo de video output_video_path = 'F:/Inteligencia artificial/output.avi' height, width, _ = frames[0].shape out = cv2.VideoWriter(output_video_path, cv2.VideoWriter_fourcc(*'MJPG'), 30.0, (width, height)) for frame in frames: out.write(frame) # Libera los recursos y cierra las ventanas out.release() cv2.destroyAllWindows() # Imprime mensaje de finalización print(f'El video se ha guardado en: {output_video_path}')

Inicialmente este proyecto comenzó con crear un video a partir de un texto, no utilizando alguna aplicación, si no crear un codigo escrito en Python, pero parece que esto será algo muy largo

Esta muy bueno, gracias por compartirlo

codigo : from google.colab import files import os import cv2 # Sube tus imágenes a Colab uploaded = files.upload() # Crea un directorio para las imágenes os.makedirs('imagenes', exist_ok=True) # Mueve las imágenes cargadas al directorio for filename in uploaded.keys(): os.rename(filename, f'imagenes/{filename}') # Lista de imágenes en el directorio image_folder = 'imagenes' images = [img for img in os.listdir(image_folder) if img.endswith(".jpg")] # Ordena las imágenes alfabéticamente images.sort() # Abre la primera imagen para obtener las dimensiones frame = cv2.imread(os.path.join(image_folder, images[0])) height, width, layers = frame.shape # Nombre del video de salida video_name = 'output_video.avi' # Crea el objeto de video video = cv2.VideoWriter(video_name, cv2.VideoWriter_fourcc(*'DIVX'), 1, (width, height)) # Agrega cada imagen al video for image in images: img_path = os.path.join(image_folder, image) img = cv2.imread(img_path) video.write(img) # Libera los recursos cv2.destroyAllWindows() video.release() # Descarga el video resultante files.download(video_name)

El video presentado se realizo de la siguiente manera : a partir de la pelicula con el caballo corriendo ua-cam.com/users/shortsANzqqGabEgs? , se realizo un codigo del cual se extrajeron 395 fotos individuales, luego utlizando ChatGTP 3.5 se creo un codigo que a partir de una cantidad de imagenes : de la frame_108.jpg(image/jpeg) a la rame_170.jpg(image/jpeg) se las juntara y se hiciera un video que se descargo en Downloads de la PC, la pelicula generada tiene mucha discontinuidades, pero la misma forma parte de mi estidio de la IA y la meta es entregar estas fotografias a una capa de entrada de una neurona-capa oculta de 1000 neuronas---capa de salida de una neurona.

sites.google.com/view/flexpde

CRISPR Sitio creado en sites sites.google.com/view/crispr1