이미지 처리 파이프라인
동료가 Machine Learning 모델의 정확도를 높이기 위해 American Sign Language 이미지에 사용할 전처리 함수를 작성했어요. 이 함수는 그레이스케일 이미지를 입력으로 받아 Canny 에지 검출을 수행합니다. Canny 에지 검출은 고전적인 컴퓨터 비전에서 널리 쓰이며 이미지에서 물체의 윤곽선을 강조해요. 이 처리를 데이터셋의 모든 이미지에 적용하려고 합니다.
동료가 작성한 함수는 compute_edges()라는 이름으로 환경에 준비되어 있으며, 높이 h와 너비 w가 임의의 정수인 이미지 (1, h, w) 형태를 입력으로 받습니다.
이미지들의 Dask 배열은 image_array로 환경에 제공되어 있어요. 이 배열의 모양은 (N, h, w, 3)이며, N은 이미지 개수이고 빨강, 파랑, 초록 3개 채널을 갖습니다.
dask.array는 da로 임포트되어 있습니다.
이 연습은 강의의 일부입니다
Python에서 Dask로 병렬 프로그래밍
연습 안내
- 마지막 차원을 따라 평균을 내서 컬러 이미지를 그레이스케일로 변환하세요.
- 그레이스케일 이미지 배열의
.map_blocks()메서드를 사용해compute_edges()함수를 각 이미지에 적용하세요. - 0번째 에지 이미지만 선택해 계산하세요.
plt.imshow()로 에지를 시각화하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Convert the color photos to grayscale
grayscale_images = ____
# Apply the edge detection function
edge_images = ____.____(____)
# Select the zeroth image and compute its values
sample_image = ____
# Show the result
____(____, cmap='gray')
plt.show()