Začínáme s filtrováním

Image Processing in Python

Rebeca Gonzalez

Data Engineer

Filtry

Vylepšení obrazu
Zvýraznění nebo odstranění rysů
Vyhlazení
Zostření
Detekce hran

Okolí pixelu

Okolí filtru

Detekce hran

Mince s detekovanými hranami

Detekce hran

Původní obraz čokoládových bonbonů

Čokoládové bonbony s detekovanými hranami

Detekce hran

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")

Detekce hran

Sobel

Obraz mincí s detekovanými hranami zobrazující jejich tvar

Porovnání grafů

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')

Gaussovo vyhlazení

Obrázek psa vedle stejného obrázku s aplikovaným Gaussovým filtrem

Gaussovo vyhlazení

Rebeca v Amsterdamu s kolem na mostě

Gaussovo vyhlazení

# 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")

Gaussovo vyhlazení

Výsledný obraz

Gaussovo vyhlazení

Výsledný obraz v přiblížení

Pojďme si procvičit!

Image Processing in Python