Bắt đầu với phép ngưỡng hóa

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.

Bài tập này là một phần của khóa học

Xử lý ảnh bằng Python

SkillTag.level.intermediateSkillTag.label

4.8+

215 reviews

Bắt đầu khóa học miễn phí

Bắt tay vào cấu trúc ảnh số và học cách xử lý chúng! Trích xuất dữ liệu, biến đổi và phân tích ảnh bằng NumPy và Scikit-image. Chỉ với vài dòng mã, bạn sẽ chuyển ảnh RGB sang thang xám, lấy dữ liệu từ ảnh, tạo biểu đồ tần suất chứa thông tin rất hữu ích, và tách đối tượng khỏi nền!

Exercise 1: Làm hình ảnh sống động với scikit-image Exercise 2: Ảnh này là xám hay đầy màu sắc?Exercise 3: Từ RGB sang mức xám Exercise 4: NumPy cho ảnh Exercise 5: Lật ảnh cho đúng Exercise 6: Histogram Exercise 7: Bắt đầu với phép ngưỡng hóa

Bài tập hiện tại

Exercise 8: Áp dụng ngưỡng toàn cục Exercise 9: Khi nền ảnh không rõ ràng Exercise 10: Thử các phương pháp khác Exercise 11: Áp dụng phân ngưỡng (thresholding)

Bạn sẽ học cách phát hiện hình dạng đối tượng bằng các bộ lọc phát hiện biên, cải thiện ảnh y khoa với tăng cường tương phản và thậm chí phóng to ảnh lên gấp năm lần kích thước gốc! Bạn cũng sẽ áp dụng hình thái học để giúp đặt ngưỡng chính xác hơn khi phân đoạn ảnh và nâng tầm kỹ năng xử lý ảnh với Python.

Exercise 1: Bắt đầu với lọc ảnh Exercise 2: Phát hiện biên Exercise 3: Làm mờ để giảm nhiễu Exercise 4: Tăng cường độ tương phản Exercise 5: Độ tương phản của ảnh này là bao nhiêu?Exercise 6: Ảnh y khoa Exercise 7: Ảnh chụp từ trên không Exercise 8: Hãy tăng độ nổi bật và độ tương phản Exercise 9: Biến đổi Exercise 10: Rỗ nhiễu (aliasing), xoay và đổi tỷ lệ Exercise 11: Phóng to ảnh Exercise 12: Thay đổi kích thước theo tỉ lệ Exercise 13: Hình thái học Exercise 14: Chữ viết tay Exercise 15: Cải thiện ảnh đã threshold

Đến giờ, bạn đã làm được nhiều điều rất thú vị với kỹ năng xử lý ảnh của mình! Trong chương này, bạn sẽ áp dụng khôi phục ảnh để loại bỏ vật thể, logo, văn bản hoặc vùng bị hỏng trong ảnh! Bạn cũng sẽ học cách thêm nhiễu, dùng phân đoạn để tăng tốc xử lý và tìm các phần tử trong ảnh dựa vào đường bao của chúng.

Exercise 1: Khôi phục ảnh Exercise 2: Khôi phục một ảnh bị hỏng Exercise 3: Xóa logo Exercise 4: Nhiễu Exercise 5: Tạo chút nhiễu nào!Exercise 6: Giảm nhiễu Exercise 7: Giảm nhiễu nhưng giữ được biên cạnh Exercise 8: Siêu điểm ảnh & phân đoạn Exercise 9: Số lượng pixel Exercise 10: Phân đoạn superpixel Exercise 11: Tìm đường biên (contour)Exercise 12: Vẽ đường bao (contour) cho hình dạng Exercise 13: Tìm đường viền của một ảnh không phải nhị phân Exercise 14: Đếm số chấm trên ảnh xúc xắc

Sau khi hoàn thành chương này, bạn sẽ hiểu sâu hơn về xử lý ảnh vì bạn có thể phát hiện biên, góc và thậm chí cả khuôn mặt! Bạn sẽ học cách phát hiện không chỉ mặt chính diện mà còn cả mặt nghiêng, mèo hoặc chó. Bạn sẽ áp dụng kỹ năng của mình cho các bài toán thực tế phức tạp hơn. Hãy làm chủ nhiều kỹ thuật xử lý ảnh được dùng rộng rãi chỉ với rất ít dòng mã!

Exercise 1: Tìm biên ảnh với Canny Exercise 2: Biên cạnh Exercise 3: Ít gắt cạnh hơn Exercise 4: Ngay ở góc kế bên Exercise 5: Góc nhìn phối cảnh Exercise 6: Ít góc hơn Exercise 7: Phát hiện khuôn mặt Exercise 8: Có ai ở đó không?Exercise 9: Nhiều khuôn mặt Exercise 10: Phân đoạn và nhận diện khuôn mặt Exercise 11: Ứng dụng trong thế giới thực Exercise 12: Bảo vệ quyền riêng tư Exercise 13: Giúp Sally khôi phục ảnh tốt nghiệp của cô ấy Exercise 14: Làm tuyệt lắm!