Bir görüntü işleme ardışık düzeni
İş arkadaşın, Machine Learning modelinin doğruluğunu artırmak için Amerikan işaret dili görüntülerinde kullanılacak bir ön işleme fonksiyonu yazdı. Bu fonksiyon, gri tonlamalı bir görüntüyü alıp üzerinde Canny kenar algılama çalıştırıyor. Canny kenar algılama, klasik bilgisayarlı görüde yaygın olarak kullanılır ve bir görüntüdeki nesnelerin kenarlarını öne çıkarır. Sen de bunu veri kümandeki tüm görüntülere uygulamak istiyorsun.
İş arkadaşının yazdığı fonksiyon, çalışma ortamında compute_edges() adıyla mevcut ve boyutları (1, h, w) olan bir görüntü alıyor; burada yükseklik h ve genişlik w herhangi bir tamsayı olabilir.
Görüntülerinin Dask dizisi çalışma ortamında image_array olarak mevcut. Bu dizinin şekli (N, h, w, 3); burada N görüntü sayısı ve 3 kanal kırmızı, mavi ve yeşildir.
dask.array senin için da kısaltmasıyla içe aktarıldı.
Bu egzersiz
Python ile Dask ile Paralel Programlama
kursunun bir parçasıdırEgzersiz talimatları
- Renkli görüntüyü son boyut boyunca ortalama alarak gri tonlamaya çevir.
- Gri tonlamalı görüntü dizilerinin
.map_blocks()metodunu kullanarakcompute_edges()fonksiyonunu her görüntüye uygula. - Yalnızca sıfırıncı kenar görüntüsünü seç ve hesapla.
- Kenarları çizdirmek için
plt.imshow()kullan.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Convert the color photos to grayscale
grayscale_images = ____
# Apply the edge detection function
edge_images = ____.____(____)
# Select the zeroth image and compute its values
sample_image = ____
# Show the result
____(____, cmap='gray')
plt.show()