or
Deze oefening maakt deel uit van de cursus
Duik in digitale beeldstructuren en leer ze te verwerken! Haal data uit afbeeldingen, transformeer en analyseer ze met NumPy en scikit-image. Met slechts een paar regels code zet je RGB-afbeeldingen om naar grijswaarden, haal je gegevens eruit, maak je histogrammen met heel bruikbare informatie en scheid je objecten van de achtergrond!
Je leert <strong>objectvormen te detecteren</strong> met randdetectiefilters, <strong>medische beelden te verbeteren</strong> met contrastering <strong>en zelfs foto’s tot vijf keer hun oorspronkelijke grootte te vergroten!</strong> Je past ook morfologie toe om thresholding nauwkeuriger te maken bij het segmenteren van afbeeldingen en tilt het verwerken van beelden met Python naar een hoger niveau.
Tot nu toe heb je al heel wat gave dingen gedaan met je beeldverwerkingsskills! In dit hoofdstuk pas je <strong>beeldherstel toe om objecten, logo’s, tekst of beschadigde delen</strong> in afbeeldingen te verwijderen! Je leert ook hoe je ruis toevoegt, segmentatie gebruikt om verwerking te versnellen en elementen in beelden vindt op basis van hun contouren.
Huidige oefening
Na dit hoofdstuk heb je een diepere kennis van beeldverwerking, omdat je in staat bent om <strong>randen, hoeken en zelfs gezichten te detecteren!</strong> Je leert niet alleen frontale gezichten te detecteren, maar ook profielgezichten, katten en honden. Je past je skills toe op meer complexe <strong>realistische toepassingen.</strong> Leer meerdere veelgebruikte beeldverwerkingstechnieken te beheersen met heel weinig code!