Spring ins Filtern

Bildverarbeitung mit Python

Rebeca Gonzalez

Data Engineer

Filter

Ein Bild verbessern
Merkmale hervorheben oder entfernen
Glätten
Schärfen
Kantenerkennung

Nachbarschaften

Nachbarschaft eines Filters

Kantenerkennung

Münzen mit erkannten Kanten

Kantenerkennung

Originalbild von Schokoküssen

Schokoküsse mit erkannten Kanten

Kantenerkennung

Sobel

# Import module and function 
from skimage.filters import sobel


# Apply edge detection filter
edge_sobel = sobel(image_coins)


# Show original and resulting image to compare
plot_comparison(image_coins, edge_sobel, "Edge with Sobel")

Kantenerkennung

Sobel

Münzenbild mit erkannten Kanten, die die Form zeigen

Plots vergleichen

def plot_comparison(original, filtered, title_filtered):

    fig, (ax1, ax2) = plt.subplots(ncols=2, figsize=(8, 6), sharex=True,
                                   sharey=True)
    ax1.imshow(original, cmap=plt.cm.gray)
    ax1.set_title('original')
    ax1.axis('off')
    ax2.imshow(filtered, cmap=plt.cm.gray)
    ax2.set_title(title_filtered)
    ax2.axis('off')

Gaußsches Glätten

Bild eines Hundes neben demselben Bild mit Gaussian-Filter

Gaußsches Glätten

Bild von Rebeca in Amsterdam mit Fahrrad auf einer Brücke

Gaußsches Glätten

# Import the module and function
from skimage.filters import gaussian


# Apply edge detection filter
gaussian_image = gaussian(amsterdam_pic, multichannel=True)


# Show original and resulting image to compare
plot_comparison(amsterdam_pic, gaussian_image, "Blurred with Gaussian filter")

Gaußsches Glätten

Ergebnisbild

Gaußsches Glätten

Ergebnisbild vergrößert

Lass uns üben!

Bildverarbeitung mit Python