After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Зображення — всюди! Ми живемо в час, коли зображення містять багато інформації, яку інколи складно отримати. Тому попередня обробка зображень стала дуже цінною навичкою, корисною в багатьох задачах. У цьому курсі ви навчитеся обробляти, трансформувати та змінювати зображення так, як вам потрібно, навіть коли їх — тисячі. Ви також навчитеся відновлювати пошкоджені зображення, зменшувати шум, розумно змінювати розмір, рахувати кількість крапок на гральній кості, застосовувати виявлення облич та багато іншого за допомогою scikit-image. Після завершення курсу ви зможете застосувати свої знання в різних сферах, зокрема в машинному навчанні й штучному інтелекті, машинному та роботизованому баченні, аналізі космічних і медичних знімків, ритейлі тощо. Зробіть крок і зануртеся у захопливий світ комп'ютерного зору!
Попередні вимоги
Навчальний план
Зміст курсу
1
Вступ до обробки зображень і scikit-image
Зануртесь у структури цифрових зображень і навчіться їх обробляти! Видобувайте дані, трансформуйте та аналізуйте зображення за допомогою NumPy і Scikit-image.
Лише кількома рядками коду ви перетворите RGB-зображення на відтінки сірого, дістанете з них дані, отримаєте гістограми з дуже корисною інформацією та відокремите об'єкти від тла!
- Оживіть зображення за допомогою scikit-image50 XP
- Це сіре чи кольорове?50 XP
- RGB у відтінки сірого100 XP
- NumPy для зображень50 XP
- Перевертання зображення100 XP
- Гістограми100 XP
- Початок роботи з пороговою обробкою50 XP
- Застосуйте глобальне порогування100 XP
- Коли фон не такий очевидний100 XP
- Спробуймо інші методи100 XP
- Застосування порогування100 XP
2
Фільтри, контраст, перетворення та морфологія
Ви навчитеся виявляти форми об'єктів за допомогою фільтрів для виявлення контурів, покращувати медичні зображення через підсилення контрасту і навіть збільшувати знімки до п'яти разів від початкового розміру!
Ви також застосуєте морфологію, щоб зробити порогування точнішим під час сегментації зображень, і перейдете на наступний рівень обробки зображень у Python.
3
Відновлення зображень, шум, сегментація та контури
Досі ви вже зробили чимало класних речей у сфері обробки зображень!
У цьому розділі ви застосуєте відновлення зображень, щоб прибирати об'єкти, логотипи, текст або пошкоджені ділянки на світлинах!
Ви також дізнаєтеся, як додавати шум, використовувати сегментацію для пришвидшення обробки та знаходити елементи на зображеннях за їхніми контурами.
4
Просунуті операції, виявлення облич і ознак
Після завершення цього розділу ви матимете глибше розуміння обробки зображень, адже зможете виявляти краї, кути й навіть обличчя! Ви навчитеся виявляти не лише фронтальні обличчя, а й профілі, а також котів чи собак. Ви застосуєте свої навички до складніших практичних задач.
Опanuйте кілька широко вживаних методів обробки зображень за допомогою всього кількох рядків коду!
Обробка зображень у Python
Курс
завершено
