เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแบ่งส่วนด้วย Superpixel

ในแบบฝึกหัดนี้ คุณจะนำ unsupervised segmentation มาใช้กับภาพเดิม ก่อนที่จะส่งต่อไปยังโมเดล machine learning สำหรับตรวจจับใบหน้า

โดยจะลดขนาดภาพจาก \(265 \times 191 = 50,615\) พิกเซล ให้เหลือเพียง \(400\) บริเวณ

Young woman
โหลดไว้ล่วงหน้าแล้วในชื่อ face_image

ฟังก์ชัน show_image() ก็ถูกโหลดไว้ให้แล้วเช่นกัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การประมวลผลภาพด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้าฟังก์ชัน slic() จากโมดูล segmentation
  • นำเข้าฟังก์ชัน label2rgb() จากโมดูล color
  • สร้าง segmentation ที่มี 400 บริเวณโดยใช้ slic()
  • วาง segments ทับบนภาพต้นฉบับเพื่อเปรียบเทียบด้วย label2rgb()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import the slic function from segmentation module
from skimage.____ import ____

# Import the label2rgb function from color module
from skimage.____ import ____

# Obtain the segmentation with 400 regions
segments = ____(____, ____= ____)

# Put segments on top of original image to compare
segmented_image = ____(____, ____, kind='avg')

# Show the segmented image
show_image(segmented_image, "Segmented image, 400 superpixels")
แก้ไขและรันโค้ด