この画像に含まれるピクセルの総数を計算してみましょう。
face_image
総ピクセル数（解像度）は \(Height \times Width\) で表されます。
コンソールで、NumPy（np としてプリロード） の .shape を使って、画像の幅と高さを確認してください。
np
.shape
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
デジタル画像の構造に踏み込み、処理の基礎を学びましょう。NumPy と Scikit-image を使って、画像からデータを抽出し、変換し、分析します。 ほんの数行のコードで、RGB 画像をグレースケールに変換し、画像データを取得し、有用な情報を含むヒストグラムを得て、背景から物体を分離できるようになります。
この章では、エッジ検出フィルタで<strong>物体の形状を検出</strong>し、コントラスト強調で<strong>医用画像を改善</strong>し、<strong>元の5倍の大きさに拡大</strong>することまで行います。 また、しきい値処理の精度を高めるためにモルフォロジーを適用し、Python による画像処理を次のレベルへ進めます。
ここまでで、画像処理のスキルを使って多くの面白いことを達成してきました。 この章では、画像から<strong>物体、ロゴ、テキスト、損傷箇所を除去するための画像復元</strong>を実践します。 さらに、ノイズの付与、セグメンテーションによる処理の高速化、輪郭にもとづく要素の抽出方法も学びます。
現在の演習
この章を終えると、<strong>エッジ、コーナー、さらには顔の検出</strong>まで行えるようになり、画像処理への理解が一段と深まります。正面の顔だけでなく、横顔や猫・犬の検出方法も学びます。より複雑な<strong>実世界のアプリケーション</strong>にスキルを応用していきましょう。 ごく少ないコードで、広く使われる画像処理テクニックを自在に扱えるようになりましょう。
