Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Les images sont partout ! À notre époque, elles contiennent une multitude d’informations, parfois difficiles à exploiter. C’est pourquoi le prétraitement d’images est devenu une compétence très recherchée, utile dans de nombreux cas d’usage. Dans ce cours, vous apprendrez à traiter, transformer et manipuler des images à votre guise, même par milliers. Vous verrez aussi comment restaurer des images abîmées, réduire le bruit, redimensionner intelligemment, compter le nombre de points sur un dé, appliquer la détection de visages, et bien plus encore, avec scikit-image. Une fois le cours terminé, vous pourrez appliquer vos connaissances à différents domaines comme le machine learning et l’intelligence artificielle, la vision pour machines et robots, l’analyse d’images spatiales et médicales, le commerce de détail, et bien d’autres. Lancez-vous et plongez dans le formidable univers de la vision par ordinateur !
Prérequis
Programme de formation
Plan du cours
1
Introduction au traitement d’images et à scikit-image
Plongez dans les structures des images numériques et apprenez à les traiter ! Extrayez des données, transformez et analysez des images avec NumPy et scikit-image.
En quelques lignes de code, vous convertirez des images RVB en niveaux de gris, récupérerez leurs données, obtiendrez des histogrammes riches en informations, et séparerez les objets de l’arrière-plan !
- Donnez vie aux images avec scikit-image50 XP
- Niveaux de gris ou pleine couleur ?50 XP
- De RGB à niveaux de gris100 XP
- NumPy pour les images50 XP
- On retourne tout100 XP
- Histogrammes100 XP
- Premiers pas avec le seuillage50 XP
- Appliquer un seuillage global100 XP
- Quand l’arrière-plan n’est pas si évident100 XP
- Essayer d’autres méthodes100 XP
- Appliquer un seuillage100 XP
2
Filtres, contraste, transformations et morphologie
Vous apprendrez à détecter les formes d’objets à l’aide de filtres de détection de contours, à améliorer des images médicales par l’augmentation du contraste, et même à agrandir des images jusqu’à cinq fois leur taille d’origine !
Vous appliquerez aussi des opérations de morphologie pour rendre le seuillage plus précis lors de la segmentation, et passerez au niveau supérieur du traitement d’images avec Python.
3
Restauration d’images, bruit, segmentation et contours
Jusqu’ici, vous avez réalisé des choses très convaincantes grâce à vos compétences en traitement d’images !
Dans ce chapitre, vous appliquerez la restauration d’images pour supprimer des objets, des logos, du texte ou des zones endommagées dans des photos !
Vous verrez aussi comment ajouter ou retirer du bruit, utiliser la segmentation pour accélérer le traitement et repérer des éléments dans les images grâce à leurs contours.
4
Opérations avancées, détection de visages et de caractéristiques
À la fin de ce chapitre, vous aurez des connaissances plus approfondies en traitement d’images : vous serez capable de détecter des arêtes, des coins, et même des visages ! Vous apprendrez à détecter non seulement des visages de face, mais aussi des profils, des chats ou des chiens. Vous appliquerez vos compétences à des cas d’usage concrets plus complexes.
Apprenez à maîtriser plusieurs techniques courantes de traitement d’images avec très peu de code !
Traitement d’images en Python
Cours
terminé
