1. Aprender
    2. /
  2. Cursos
    3. /
  3. Processamento de imagens em Python
  • 1

    Introdução ao processamento de imagens e ao scikit-image

    Gratuito

    Você pode usar estruturas de imagens digitais e aprender a processá-las! Extraia dados, transforme e analise imagens usando o NumPy e o Scikit-image. Com apenas algumas linhas de código, você converterá imagens RGB em escala de cinza, obterá dados delas, obterá histogramas com informações muito úteis e separará objetos do plano de fundo!

  • 2

    Filtros, contraste, transformação e morfologia

    Você aprenderá a detectar formas de objetos usando filtros de detecção de bordas, melhorar imagens médicas com aprimoramento de contraste e até mesmo ampliar imagens para cinco vezes o tamanho original! Você também aplicará a morfologia para tornar o limiar mais preciso ao segmentar imagens e passará para o próximo nível de processamento de imagens com Python.

  • 3

    Restauração de imagens, ruído, segmentação e contornos

    Até agora, você fez algumas coisas muito legais com suas habilidades de processamento de imagens! Neste capítulo, você aplicará a restauração de imagens para remover objetos, logotipos, textos ou áreas danificadas nas fotos! Você também aprenderá a aplicar ruído, usar a segmentação para acelerar o processamento e encontrar elementos em imagens por seus contornos.

  • 4

    Operações avançadas, detecção de rostos e recursos

    Após concluir este capítulo, você terá um conhecimento mais profundo de processamento de imagens, pois poderá detectar bordas, cantos e até mesmo rostos! Você aprenderá a detectar não apenas faces frontais, mas também perfis de faces, gatos ou cães. Você aplicará suas habilidades em aplicativos mais complexos do mundo real. Aprenda a dominar várias técnicas de processamento de imagens amplamente usadas com pouquíssimas linhas de código!

Initializing

Exercício

Cartas escritas à mão

Um uso muito interessante da visão computacional em soluções reais é a realização do reconhecimento óptico de caracteres (OCR) para distinguir caracteres de texto impressos ou manuscritos em imagens digitais de documentos físicos.

Vamos tentar melhorar a definição dessa carta manuscrita para que ela seja mais fácil de classificar.

Como você pode ver, é a letra R, já binária, com algum ruído. Ele já está carregado como upper_r_image.

Aplique a operação morfológica que descartará os pixels próximos aos limites das letras.

Instruções

100 XP
  • Importe o módulo do scikit-image.
  • Aplique a operação morfológica para eliminar os limites das regiões de pixels de primeiro plano.