¡Un trabajo increíble!

Create Your Free Account

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Este ejercicio forma parte del curso

Procesado de imágenes en Python

IntermedioNivel de habilidad

4.8+

¡Lánzate a las estructuras de imágenes digitales y aprende a procesarlas! Extrae datos, transforma y analiza imágenes utilizando NumPy y Scikit-image. Con unas pocas líneas de código, convertirás las imágenes de RGB a escala de grises, obtendrás datos de ellas, obtendrás histogramas que contienen información muy útil, ¡y separarás los objetos del fondo!

Exercise 1: Haz que las imágenes cobren vida con scikit-image Exercise 2: ¿Es gris o está lleno de color?Exercise 3: RGB a escala de grises Exercise 4: NumPy para imágenes Exercise 5: Flipando Exercise 6: Histogramas Exercise 7: Empezar a utilizar el umbral Exercise 8: Aplicar umbral global Exercise 9: Cuando el fondo no es tan obvio Exercise 10: Probar otros métodos Exercise 11: Aplicar umbralización

Aprenderás a detectar formas de objetos utilizando filtros de detección de bordes, a mejorar imágenes médicas con realce de contraste e incluso a ampliar imágenes ¡hasta cinco veces su tamaño original! También aplicarás la morfología para que el umbralado sea más preciso al segmentar imágenes y pasarás al siguiente nivel de procesamiento de imágenes con Python.

Exercise 1: Saltar al filtrado Exercise 2: Detección de bordes Exercise 3: Desenfoque para reducir el ruido Exercise 4: Aumento del contraste Exercise 5: ¿Cuál es el contraste de esta imagen?Exercise 6: Imágenes médicas Exercise 7: Imagen aérea Exercise 8: Añadamos impacto y contraste Exercise 9: Transformaciones Exercise 10: Aliasing, rotación y reescalado Exercise 11: Ampliar imágenes Exercise 12: Redimensionar proporcionalmente Exercise 13: Morfología Exercise 14: Cartas manuscritas Exercise 15: Mejora de la imagen umbralizada

Hasta ahora, ¡has hecho cosas muy chulas con tus habilidades de procesamiento de imágenes! En este capítulo, ¡aplicarás la restauración de imágenes para eliminar objetos, logotipos, texto o zonas dañadas en las fotos! También aprenderás a aplicar ruido, a utilizar la segmentación para acelerar el procesamiento y a encontrar elementos en las imágenes por sus contornos.

Exercise 1: Restauración de imágenes Exercise 2: Restauremos una imagen dañada Exercise 3: Eliminar logotipos Exercise 4: Ruido Exercise 5: ¡Hagamos ruido!Exercise 6: Reducir el ruido Exercise 7: Reducir el ruido conservando los bordes Exercise 8: Superpíxeles y segmentación Exercise 9: Número de píxeles Exercise 10: Segmentación de superpíxeles Exercise 11: Encontrar contornos Exercise 12: Contornear formas Exercise 13: Encontrar los contornos de una imagen que no es binaria Exercise 14: Contar los puntos de la imagen de un dado

Después de completar este capítulo, tendrás un conocimiento más profundo del procesamiento de imágenes, ya que podrás detectar bordes, esquinas ¡e incluso caras! Aprenderás a detectar no sólo caras de frente, sino también perfiles de caras, gatos o perros. Aplicarás tus conocimientos a aplicaciones más complejas del mundo real. Aprende a dominar varias técnicas de procesamiento de imágenes muy utilizadas ¡con muy pocas líneas de código!

Exercise 1: Encontrar las aristas con Canny Exercise 2: Bordes Exercise 3: Menos nervioso Exercise 4: A la vuelta de la esquina Exercise 5: Perspectiva Exercise 6: Menos esquinas Exercise 7: Detección facial Exercise 8: ¿Hay alguien ahí?Exercise 9: Varias caras Exercise 10: Segmentación y detección de caras Exercise 11: Aplicaciones del mundo real Exercise 12: Protección de la intimidad Exercise 13: Ayuda a Sally a restaurar su foto de graduación Exercise 14: ¡Un trabajo increíble!

Ejercicio actual