Aprimoramento de contraste

Create Your Free Account

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

Este exercício faz parte do curso

Processamento de imagens em Python

IntermediárioNível de habilidade

4.9+

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!

Exercise 1: Dê vida às imagens com o scikit-image Exercise 2: É cinza ou cheio de cores?Exercise 3: RGB para escala de cinza Exercise 4: NumPy para imagens Exercise 5: Flipping out Exercise 6: Histogramas Exercise 7: Como começar a usar o thresholding Exercise 8: Aplicar limiarização global Exercise 9: Quando o plano de fundo não é tão óbvio Exercise 10: Tentar outros métodos Exercise 11: Aplicar limiarização

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.

Exercise 1: Saltar para a filtragem Exercise 2: Detecção de bordas Exercise 3: Desfoque para reduzir o ruído Exercise 4: Aprimoramento de contraste

Exercício atual

Exercise 5: Qual é o contraste dessa imagem?Exercise 6: Imagens médicas Exercise 7: Imagem aérea Exercise 8: Vamos adicionar um pouco de impacto e contraste Exercise 9: Transformações Exercise 10: Aliasing, rotação e redimensionamento Exercise 11: Ampliação de imagens Exercise 12: Redimensionamento proporcional Exercise 13: Morfologia Exercise 14: Cartas escritas à mão Exercise 15: Aprimoramento da imagem com limiar

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.

Exercise 1: Restauração de imagens Exercise 2: Vamos restaurar uma imagem danificada Exercise 3: Remoção de logotipos Exercise 4: Ruído Exercise 5: Vamos fazer barulho!Exercise 6: Redução de ruído Exercise 7: Redução de ruído e preservação das bordas Exercise 8: Superpixels e segmentação Exercise 9: Número de pixels Exercise 10: Segmentação de superpixel Exercise 11: Localização de contornos Exercise 12: Formas de contorno Exercise 13: Encontre contornos de uma imagem que não seja binária Exercise 14: Contar os pontos na imagem de um dado

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!

Exercise 1: Encontrando as bordas com o Canny Exercise 2: Bordas Exercise 3: Menos ousado Exercise 4: Você está na esquina Exercise 5: Perspectiva Exercise 6: Menos cantos Exercise 7: Detecção de rosto Exercise 8: Há alguém aí?Exercise 9: Múltiplas faces Exercise 10: Segmentação e detecção de faces Exercise 11: Aplicativos do mundo real Exercise 12: Proteção da privacidade Exercise 13: Ajude Sally a restaurar sua foto de formatura Exercise 14: Trabalho incrível!