Miglioramento del contrasto

Create Your Free Account

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

Questo esercizio fa parte del corso

Elaborazione di immagini in Python

IntermediárioNível de habilidade

4.8+

Tuffati nelle strutture delle immagini digitali e impara a elaborarle! Estrai dati, trasforma e analizza immagini usando NumPy e Scikit-image. Con poche righe di codice, convertirai immagini RGB in scala di grigi, estrarrai dati, otterrai istogrammi ricchi di informazioni utili e separerai gli oggetti dallo sfondo!

Exercise 1: Dai vita alle immagini con scikit-image Exercise 2: È in scala di grigi o piena di colori?Exercise 3: Da RGB a scala di grigi Exercise 4: NumPy per le immagini Exercise 5: Giro di flip Exercise 6: Istogrammi Exercise 7: Primi passi con la sogliatura Exercise 8: Applica la sogliatura globale Exercise 9: Quando lo sfondo non è così evidente Exercise 10: Provare altri metodi Exercise 11: Applica la sogliatura

Imparerai a rilevare le forme degli oggetti usando filtri di rilevamento dei bordi, a migliorare le immagini medicali con l'aumento del contrasto e persino a ingrandire le immagini fino a cinque volte la loro dimensione originale! Applicherai anche la morfologia per rendere il thresholding più accurato durante la segmentazione e passerai al livello successivo nell'elaborazione di immagini con Python.

Exercise 1: Tuffati nei filtri Exercise 2: Rilevamento dei bordi Exercise 3: Sfocatura per ridurre il rumore Exercise 4: Miglioramento del contrasto

Esercizio attuale

Exercise 5: Qual è il contrasto di questa immagine?Exercise 6: Immagini mediche Exercise 7: Immagine aerea Exercise 8: Aggiungiamo impatto e contrasto Exercise 9: Trasformazioni Exercise 10: Aliasing, rotazione e ricampionamento Exercise 11: Ingrandire le immagini Exercise 12: Ridimensionamento proporzionale Exercise 13: Morfologia Exercise 14: Lettere scritte a mano Exercise 15: Migliorare l'immagine dopo la sogliatura

Finora hai fatto cose davvero interessanti con le tue competenze di image processing! In questo capitolo applicherai il ripristino delle immagini per rimuovere oggetti, loghi, testo o aree danneggiate dalle foto! Imparerai anche come applicare il rumore, usare la segmentazione per velocizzare l'elaborazione e trovare elementi nelle immagini tramite i loro contorni.

Exercise 1: Ripristino dell'immagine Exercise 2: Ripristiniamo un'immagine danneggiata Exercise 3: Rimozione di loghi Exercise 4: Rumore Exercise 5: Facciamo un po' di rumore!Exercise 6: Riduzione del rumore Exercise 7: Ridurre il rumore preservando i bordi Exercise 8: Superpixel e segmentazione Exercise 9: Numero di pixel Exercise 10: Segmentazione in superpixel Exercise 11: Trovare i contorni Exercise 12: Contorni delle forme Exercise 13: Trova i contorni di un'immagine che non è binaria Exercise 14: Conta i puntini nell'immagine di un dado

Al termine di questo capitolo, avrai una conoscenza più approfondita dell'elaborazione di immagini perché sarai in grado di rilevare bordi, angoli e persino volti! Imparerai a rilevare non solo i volti frontali ma anche i profili, oltre a gatti o cani. Metterai in pratica le tue competenze in applicazioni reali più complesse. Impara a padroneggiare diverse tecniche di elaborazione di immagini ampiamente utilizzate con pochissime righe di codice!

Exercise 1: Trovare i bordi con Canny Exercise 2: Bordi Exercise 3: Meno spigoloso Exercise 4: Proprio dietro l'angolo Exercise 5: Prospettiva Exercise 6: Meno angoli Exercise 7: Rilevamento del volto Exercise 8: C'è qualcuno là?Exercise 9: Volti multipli Exercise 10: Segmentazione e rilevamento facciale Exercise 11: Applicazioni reali Exercise 12: Protezione della privacy Exercise 13: Aiuta Sally a restaurare la foto di laurea Exercise 14: Ottimo lavoro!