or
Den här övningen är en del av kursen
Utforska digitala bildstrukturer och lär dig att bearbeta dem! Extrahera data, transformera och analysera bilder med NumPy och scikit-image. Med bara några få rader kod konverterar du RGB-bilder till gråskala, hämtar data från dem, skapar histogram med värdefull information och separerar objekt från bakgrunden!
Du lär dig att <strong>detektera objektformer</strong> med kantdetekteringsfilter, <strong>förbättra medicinska bilder</strong> med kontrastförstärkning <strong>och till och med förstora bilder till fem gånger sin ursprungliga storlek! </strong> Du tillämpar också morfologi för att göra tröskling mer träffsäker vid bildsegmentering och tar din bildbehandling i Python till nästa nivå.
Hittills har du gjort imponerande saker med dina bildbehandlingsfärdigheter! I det här kapitlet tillämpar du <strong>bildåterställning för att ta bort objekt, logotyper, text eller skadade områden</strong> i bilder! Du lär dig också att lägga till brus, använda segmentering för att snabba upp bearbetningen och hitta element i bilder med hjälp av deras konturer.
Aktuell övning
Efter det här kapitlet har du en fördjupad förståelse för bildbehandling – du kan <strong>detektera kanter, hörn och till och med ansikten! </strong> Du lär dig att detektera inte bara frontalansikten utan även ansiktsprofiler, katter och hundar. Du tillämpar dina färdigheter på mer komplexa <strong>verkliga tillämpningar.</strong> Bemästra flera vanliga bildbehandlingstekniker med mycket få rader kod!