После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Изображения окружают нас повсюду! Мы живём в эпоху, когда картинки содержат огромное количество информации, которую порой непросто извлечь. Именно поэтому предварительная обработка изображений стала по-настоящему ценным навыком, востребованным в самых разных областях. В этом курсе вы научитесь обрабатывать, преобразовывать и изменять изображения — даже когда их тысячи. Вы также узнаете, как восстанавливать повреждённые изображения, уменьшать шумы, интеллектуально изменять размер, подсчитывать точки на кубике, применять распознавание лиц и многое другое с помощью scikit-image. После прохождения курса вы сможете применять полученные знания в таких областях, как машинное обучение и искусственный интеллект, машинное и роботизированное зрение, анализ медицинских и космических снимков, розничная торговля и не только.
Предварительные требования
Программа
План курса
1
Введение в обработку изображений и scikit-image
Погрузитесь в структуру цифровых изображений и научитесь их обрабатывать! Извлекайте данные, преобразовывайте и анализируйте изображения с помощью NumPy и scikit-image.
Всего несколькими строками кода вы научитесь переводить цветные RGB-изображения в оттенки серого, извлекать данные из них, строить информативные гистограммы и отделять объекты от фона!
- Оживляем изображения с помощью scikit-image50 XP
- Цветное или в оттенках серого?50 XP
- Из RGB в оттенки серого100 XP
- NumPy для работы с изображениями50 XP
- Переворот100 XP
- Гистограммы100 XP
- Введение в пороговую обработку50 XP
- Глобальная пороговая обработка100 XP
- Когда фон не так очевиден100 XP
- Пробуем другие методы100 XP
- Применение пороговой обработки100 XP
2
Фильтры, контраст, преобразования и морфология
Вы научитесь определять форму объектов с помощью фильтров выделения границ, улучшать медицинские снимки за счёт повышения контраста и даже увеличивать изображения до пятикратного размера!
Вы также примените методы морфологии, чтобы повысить точность пороговой сегментации, и перейдёте на новый уровень обработки изображений в Python.
3
Восстановление изображений, шумы, сегментация и контуры
К этому моменту вы уже освоили немало полезных техник обработки изображений!
В этой главе вы примените восстановление изображений, чтобы удалять объекты, логотипы, текст или повреждённые участки на фотографиях!
Вы также узнаете, как добавлять шум, использовать сегментацию для ускорения обработки и находить элементы на изображениях по их контурам.
4
Продвинутые операции: обнаружение лиц и ключевых точек
После изучения этой главы ваши знания в области обработки изображений выйдут на новый уровень: вы сможете обнаруживать границы, угловые точки и даже лица! Вы научитесь распознавать не только фронтальные лица, но и профили, кошек и собак. Полученные навыки вы применёте в более сложных задачах из реальной практики.
Освойте несколько широко используемых методов обработки изображений — и всё это с минимальным количеством кода!
Обработка изображений в Python
Курс
завершён
