Premiers pas avec le seuillage

Create Your Free Account

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

Cet exercice fait partie du cours

Traitement d’images en Python

IntermédiaireNiveau de compétence

4.8+

Plongez dans les structures des images numériques et apprenez à les traiter ! Extrayez des données, transformez et analysez des images avec NumPy et scikit-image. En quelques lignes de code, vous convertirez des images RVB en niveaux de gris, récupérerez leurs données, obtiendrez des histogrammes riches en informations, et séparerez les objets de l’arrière-plan !

Exercise 1: Donnez vie aux images avec scikit-image Exercise 2: Niveaux de gris ou pleine couleur ?Exercise 3: De RGB à niveaux de gris Exercise 4: NumPy pour les images Exercise 5: On retourne tout Exercise 6: Histogrammes Exercise 7: Premiers pas avec le seuillage

Exercice en cours

Exercise 8: Appliquer un seuillage global Exercise 9: Quand l’arrière-plan n’est pas si évident Exercise 10: Essayer d’autres méthodes Exercise 11: Appliquer un seuillage

Vous apprendrez à détecter les formes d’objets à l’aide de filtres de détection de contours, à améliorer des images médicales par l’augmentation du contraste, et même à agrandir des images jusqu’à cinq fois leur taille d’origine ! Vous appliquerez aussi des opérations de morphologie pour rendre le seuillage plus précis lors de la segmentation, et passerez au niveau supérieur du traitement d’images avec Python.

Exercise 1: Plongez dans le filtrage Exercise 2: Détection de contours Exercise 3: Flouter pour réduire le bruit Exercise 4: Amélioration du contraste Exercise 5: Quel est le contraste de cette image ?Exercise 6: Images médicales Exercise 7: Image aérienne Exercise 8: Ajoutons de l’impact et du contraste Exercise 9: Transformations Exercise 10: Repliement du spectre, rotation et redimensionnement Exercise 11: Agrandir des images Exercise 12: Redimensionnement proportionnel Exercise 13: Morphologie Exercise 14: Lettres manuscrites Exercise 15: Améliorer une image seuillée

Jusqu’ici, vous avez réalisé des choses très convaincantes grâce à vos compétences en traitement d’images ! Dans ce chapitre, vous appliquerez la restauration d’images pour supprimer des objets, des logos, du texte ou des zones endommagées dans des photos ! Vous verrez aussi comment ajouter ou retirer du bruit, utiliser la segmentation pour accélérer le traitement et repérer des éléments dans les images grâce à leurs contours.

Exercise 1: Restauration d’images Exercise 2: Restaurez une image endommagée Exercise 3: Supprimer des logos Exercise 4: Bruit Exercise 5: Ajoutons un peu de bruit !Exercise 6: Réduction du bruit Exercise 7: Réduire le bruit tout en préservant les contours Exercise 8: Superpixels et segmentation Exercise 9: Nombre de pixels Exercise 10: Segmentation en superpixels Exercise 11: Détecter les contours Exercise 12: Contourner des formes Exercise 13: Trouver les contours d’une image qui n’est pas binaire Exercise 14: Compter les points sur l’image d’un dé

À la fin de ce chapitre, vous aurez des connaissances plus approfondies en traitement d’images : vous serez capable de détecter des arêtes, des coins, et même des visages ! Vous apprendrez à détecter non seulement des visages de face, mais aussi des profils, des chats ou des chiens. Vous appliquerez vos compétences à des cas d’usage concrets plus complexes. Apprenez à maîtriser plusieurs techniques courantes de traitement d’images avec très peu de code !

Exercise 1: Détecter les contours avec Canny Exercise 2: Contours Exercise 3: Moins d’arêtes Exercise 4: Juste au coin de la rue Exercise 5: Perspective Exercise 6: Moins d’angles Exercise 7: Détection de visages Exercise 8: Y a-t-il quelqu’un ?Exercise 9: Visages multiples Exercise 10: Segmentation et détection de visages Exercise 11: Applications concrètes Exercise 12: Protection de la vie privée Exercise 13: Aidez Sally à restaurer sa photo de remise de diplôme Exercise 14: Excellent travail !