1. Learn
    2. /
  2. Courses
    3. /
  3. Procesado de imágenes en Python
  • 1

    Introducción al procesamiento de imágenes y scikit-image

    Free

    ¡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!

  • 2

    Filtros, Contraste, Transformación y Morfología

    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.

  • 3

    Restauración de imágenes, Ruido, Segmentación y Contornos

    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.

  • 4

    Operaciones avanzadas, detección de rostros y rasgos

    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!

Initializing

Exercise

Histogramas

En este ejercicio, analizarás la cantidad de rojo de la imagen. Para ello, se calculará el histograma del canal rojo de la imagen que se muestra a continuación:

Mujer sonriendo


Imagen cargada como imagen.

Extraer información de las imágenes es una parte fundamental de la mejora de la imagen. De esta forma puedes equilibrar el rojo y el azul para que la imagen parezca más fría o más cálida.

Utilizarás hist() para mostrar las 256 intensidades diferentes del color rojo. Y ravel() para hacer de estos valores de color una matriz de una dimensión plana.

Matplotlib está precargado como plt y Numpy como np.

Recuerda que si queremos obtener el color verde de una imagen haríamos lo siguiente:

green = image[:, :, 1]

Instructions

100 XP
  • Obtén el canal rojo mediante el corte.
  • Traza el histograma y los intervalos en un rango de 256. No olvides .ravel() para el canal de color.