Ponte manos a la obra con los filtros

Create Your Free Account

or

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

Procesamiento de Imágenes en Python

IntermedioNivel de habilidad

4.8+

152 reviews

Comienza el curso gratis

¡Sumérgete en las estructuras de imágenes digitales y aprende a procesarlas! Extrae datos, transforma y analiza imágenes usando NumPy y Scikit-image. Con solo unas pocas líneas de código, convertirás imágenes RGB a escala de grises, obtendrás datos de ellas, generarás histogramas con información muy útil y separarás objetos del fondo.

Exercise 1: Da vida a las imágenes con scikit-image Exercise 2: ¿Es en gris o a todo color?Exercise 3: De RGB a escala de grises Exercise 4: NumPy para imágenes Exercise 5: Dale la vuelta Exercise 6: Histogramas Exercise 7: Primeros pasos con el umbralizado Exercise 8: Aplica un umbral global Exercise 9: Cuando el fondo no es tan evidente Exercise 10: Probando otros métodos Exercise 11: Aplica umbralización

Aprenderás a detectar formas de objetos usando filtros de detección de bordes, mejorar imágenes médicas con realce de contraste e incluso ampliar imágenes hasta cinco veces su tamaño original. También aplicarás morfología para hacer que el umbral sea más preciso al segmentar imágenes y dar el siguiente paso en el procesamiento de imágenes con Python.

Exercise 1: Ponte manos a la obra con los filtros

Ejercicio actual

Exercise 2: Detección de bordes Exercise 3: Desenfoque para reducir el ruido Exercise 4: Mejora 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: Redimensionado proporcional Exercise 13: Morfología Exercise 14: Letras manuscritas Exercise 15: Mejorar la imagen umbralizada

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

Exercise 1: Restauración de imágenes Exercise 2: Vamos a restaurar una imagen dañada Exercise 3: Eliminar logotipos Exercise 4: Ruido Exercise 5: ¡Vamos a meter ruido!Exercise 6: Reducción de ruido Exercise 7: Reducir el ruido preservando los bordes Exercise 8: Súperpíxeles y segmentación Exercise 9: Número de píxeles Exercise 10: Segmentación en superpíxeles Exercise 11: Buscar contornos Exercise 12: Trazado de contornos Exercise 13: Encuentra los contornos de una imagen que no es binaria Exercise 14: Cuenta los puntos en la imagen de un dado

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

Exercise 1: Detectar bordes con Canny Exercise 2: Bordes Exercise 3: Menos marcados Exercise 4: Justo a la vuelta de la esquina Exercise 5: Perspectiva Exercise 6: Menos esquinas Exercise 7: Detección de rostros Exercise 8: ¿Hay alguien ahí?Exercise 9: Múltiples caras Exercise 10: Segmentación y detección de rostros Exercise 11: Aplicaciones del mundo real Exercise 12: Protección de la privacidad Exercise 13: Ayuda a Sally a restaurar su foto de graduación Exercise 14: ¡Trabajo increíble!