長條圖會告訴我們答案。
就像先前看到的一樣,你可以透過計算像素強度的「範圍」來得到對比度,也就是用長條圖中的最大像素強度減去最小像素強度。
你可以在「主控台」使用 NumPy 的 np.max() 取得影像的最大像素強度,並用 np.min() 取得最小值。
np.max()
np.min()
影像已載入為 clock_image,NumPy 已匯入為 np,並提供 show_image() 函式。
clock_image
np
show_image()
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
動手探索數位影像的結構並學習如何處理它們!使用 NumPy 與 Scikit-image 擷取資料、轉換並分析影像。 只要幾行程式碼,你就能把 RGB 影像轉成灰階、從中取得資料、產生含有重要資訊的長條圖,並將物體從背景中分離出來!
你將學會使用邊緣偵測濾波器<strong>偵測物體形狀</strong>,以對比增強<strong>改善醫學影像</strong>,<strong>甚至把圖片放大到原始大小的 5 倍!</strong> 你也會應用形態學,讓分割影像時的閾值化更精準,並把使用 Python 處理影像的能力再提升一個層級。
當前練習
到目前為止,你已經用影像處理技巧完成了不少很酷的事情! 在本章中,你將應用<strong>影像修復,移除圖片中的物體、商標、文字或受損區域</strong>! 你也會學到如何加入雜訊、用分割來加速處理,並透過輪廓在影像中找出特定元素。
完成本章後,你將更深入掌握影像處理,因為你能<strong>偵測邊緣、角點,甚至人臉!</strong>你會學到不只正面人臉,還能偵測側臉、貓或狗。你也會把技能應用到更複雜的<strong>真實世界情境</strong>。 用極少的程式碼就能熟悉多種廣泛使用的影像處理技術!