BaşlayınÜcretsiz başlayın

Enterpolasyon

Bir görüntü dönüşümü uygulandığında yeni piksel yoğunluklarının nasıl tahmin edildiğine enterpolasyon denir. SciPy'da bu, splines fonksiyon kümeleri kullanılarak gerçekleştirilir.

ndi.zoom() gibi bir fonksiyonu kullanırken enterpolasyon order değerini değiştirmek, ortaya çıkan tahmini etkiler: daha yüksek dereceler daha esnek tahminler sunar ancak hesaplama süresi daha uzundur.

Bu egzersizde, im'i üst örnekle ve farklı enterpolasyon derecelerinin ortaya çıkan görüntü üzerindeki etkisini incele.

Bu egzersiz, kursun bir parçasıdır

Python ile Biyomedikal Görüntü Analizi

Kursa Göz Atın

Egzersiz talimatları

  • ndi.zoom() kullanarak im'i 128, 128 şeklinden iki kez 512, 512'ye üst örnekle. İlkinde enterpolasyon order değeri 0 olsun, sonra order'ı 5 yap.
  • im ve up0 dizilerinin şekillerini yazdır.
  • Görüntülerin yakın planlarını çiz. Her eksende 128:256 aralıklarını kullan.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Upsample "im" by a factor of 4
up0 = ndi.zoom(____, zoom=____, order=____)
up5 = ____

# Print original and new shape
print('Original shape:', ____)
print('Upsampled shape:', ____)

# Plot close-ups of the new images
fig, axes = plt.subplots(1, 2)
axes[0].imshow(up0[128:256, 128:256])
axes[1].imshow(____)
format_and_render_plots()
Kodu Düzenle ve Çalıştır