Оживляем изображения с помощью scikit-image

Create Your Free Account

or

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

Это упражнение является частью курса

Обработка изображений в Python

SkillTag.level.intermediateSkillTag.label

4.8+

215 reviews

Начать курс бесплатно

Погрузитесь в структуру цифровых изображений и научитесь их обрабатывать! Извлекайте данные, преобразовывайте и анализируйте изображения с помощью NumPy и scikit-image. Всего несколькими строками кода вы научитесь переводить цветные RGB-изображения в оттенки серого, извлекать данные из них, строить информативные гистограммы и отделять объекты от фона!

Exercise 1: Оживляем изображения с помощью scikit-image

Текущее упражнение

Exercise 2: Цветное или в оттенках серого?Exercise 3: Из RGB в оттенки серого Exercise 4: NumPy для работы с изображениями Exercise 5: Переворот Exercise 6: Гистограммы Exercise 7: Введение в пороговую обработку Exercise 8: Глобальная пороговая обработка Exercise 9: Когда фон не так очевиден Exercise 10: Пробуем другие методы Exercise 11: Применение пороговой обработки

Вы научитесь определять форму объектов с помощью фильтров выделения границ, улучшать медицинские снимки за счёт повышения контраста и даже увеличивать изображения до пятикратного размера! Вы также примените методы морфологии, чтобы повысить точность пороговой сегментации, и перейдёте на новый уровень обработки изображений в Python.

Exercise 1: Погружение в фильтрацию Exercise 2: Выделение границ Exercise 3: Размытие для уменьшения шума Exercise 4: Улучшение контрастности Exercise 5: Какой контраст у этого изображения?Exercise 6: Медицинские снимки Exercise 7: Аэрофотоснимок Exercise 8: Добавим выразительности и контраста Exercise 9: Преобразования Exercise 10: Алиасинг, поворот и масштабирование Exercise 11: Увеличение изображений Exercise 12: Пропорциональное изменение размера Exercise 13: Морфология Exercise 14: Рукописные буквы Exercise 15: Улучшение бинаризованного изображения

К этому моменту вы уже освоили немало полезных техник обработки изображений! В этой главе вы примените восстановление изображений, чтобы удалять объекты, логотипы, текст или повреждённые участки на фотографиях! Вы также узнаете, как добавлять шум, использовать сегментацию для ускорения обработки и находить элементы на изображениях по их контурам.

Exercise 1: Восстановление изображений Exercise 2: Восстановим повреждённое изображение Exercise 3: Удаление логотипов Exercise 4: Шум Exercise 5: Добавляем шум!Exercise 6: Снижение уровня шума Exercise 7: Уменьшение шума с сохранением границ Exercise 8: Суперпиксели и сегментация Exercise 9: Количество пикселей Exercise 10: Сегментация на суперпиксели Exercise 11: Поиск контуров Exercise 12: Выделение контуров фигур Exercise 13: Поиск контуров на изображении, не являющемся бинарным Exercise 14: Подсчёт точек на изображении кубика

После изучения этой главы ваши знания в области обработки изображений выйдут на новый уровень: вы сможете обнаруживать границы, угловые точки и даже лица! Вы научитесь распознавать не только фронтальные лица, но и профили, кошек и собак. Полученные навыки вы применёте в более сложных задачах из реальной практики. Освойте несколько широко используемых методов обработки изображений — и всё это с минимальным количеством кода!

Exercise 1: Обнаружение границ с помощью Canny Exercise 2: Границы Exercise 3: Меньше границ Exercise 4: Совсем рядом за углом Exercise 5: Перспектива Exercise 6: Меньше углов Exercise 7: Обнаружение лиц Exercise 8: Есть ли кто-нибудь здесь?Exercise 9: Несколько лиц Exercise 10: Сегментация и обнаружение лиц Exercise 11: Применение на практике Exercise 12: Защита персональных данных Exercise 13: Помогите Салли восстановить выпускное фото Exercise 14: Отличная работа!