1. Táirgí
  2.   Íomha
  3.   Python
  4.   Sikit Image
 
  

Foinse Oscailte Python API le haghaidh Íomhánna

Anailís Íomhá Eolaíoch, Scagadh agus Athchóiriú íomhánna trí Python API.

Is API Python foinse oscailte é Sikit-Image le haghaidh próiseáil íomhá. Soláthraíonn an API raon leathan de ghnáthaimh phróiseála íomhá i Python. Trí úsáid a bhaint as an API, is féidir leat sonraí a bhaint as íomhánna sainiúla, eolaíocha agus ginearálta, oibríochtaí NumPy a úsáid le haghaidh ionramháil íomhá, gnéithe struchtúracha a ghiniúint, radhairc ar íomhánna a bhlocáil, bealaí nochta agus datha a ionramháil, imill agus línte a bhainistiú agus claochluithe geoiméadracha a dhéanamh.

Ina theannta sin, ceadaíonn an API scagadh agus athchóiriú íomhánna. Is féidir leat rudaí mionscála a bhaint in íomhánna liathscála, úsáid a bhaint as meánscagairí, maisc thaoscair, agus go leor eile. Ní hamháin sin, ceadaíonn an API gnéithe i bhfad níos mó chun íomhánna a ionramháil.

Previous Next

Tús a chur le Sikit-Image

Is é an bealach molta chun Sikit-Image a shuiteáil ná trí Pip. Bain úsáid as an ordú seo a leanas chun Sikit-Image a shuiteáil.

Suiteáil Sikit-Image trí Pip

pip install scikit-image

Ionramháil Cainéil Nochtadh & Dathanna trí Python

Ceadaíonn Sikit-Image API ionramháil a dhéanamh ar dhathanna & íomhánna a nochtadh go ríomhchláraithe. Is féidir leat Íomhá RGB a thiontú go híomhá liathscála nó go híomhá HSV. Is féidir leat oibriú ar chomhoiriúnú histeagraim, deighilt dathanna staining immunohistochemical, dathú íomhánna ar scála liath, Cothromú histeagraim, coigeartú codarsnachta gáma agus loga, scagadh uasta réigiúnach, agus scagairí liathscála a oiriúnú d’íomhánna RGB

Trasfhoirmeacha Geoiméadracha ag Úsáid API Python Saor in Aisce

Ligeann Sikit-Image API ionramháil datha & nochtadh íomhánna go ríomhchláraithe. Is féidir leat Íomhá RGB a thiontú ina híomhá liathscála nó ina híomhá HSV. Is féidir leat oibriú ar chomhoiriúnú histeagraim, deighilt dathanna staining immunohistochemical, dathú íomhánna ar scála liath, Cothromú histeagraim, coigeartú codarsnachta gáma agus loga, scagadh uasta réigiúnach, agus scagairí liathscála a oiriúnú d’íomhánna RGB

Déan Trasfhoirmithe Geoiméadracha trí Python

# First we create a transformation using explicit parameters:
tform = transform.SimilarityTransform(scale=1, rotation=math.pi/2,
                                      translation=(0, 1))
print(tform.params)
# Alternatively you can define a transformation by the transformation matrix itself:
matrix = tform.params.copy()
matrix[1, 2] = 2
tform2 = transform.SimilarityTransform(matrix)
# apply forward & inverse coordinate transformations b/t the source & destination coordinate systems:
coord = [1, 0]
print(tform2(coord))
print(tform2.inverse(tform(coord)))
# Geometric transformations  to warp images:
text = data.text()
tform = transform.SimilarityTransform(scale=1, rotation=math.pi/4,
                                      translation=(text.shape[0]/2, -100))
rotated = transform.warp(text, tform)
back_rotated = transform.warp(rotated, tform.inverse)
fig, ax = plt.subplots(nrows=3)
ax[0].imshow(text, cmap=plt.cm.gray)
ax[1].imshow(rotated, cmap=plt.cm.gray)
ax[2].imshow(back_rotated, cmap=plt.cm.gray)
for a in ax:
    a.axis('off')
plt.tight_layout()

Scagadh agus Athchóiriú Íomhá trí Python

Ligeann leabharlann Scikit-Image d'fhorbróirí íomhánna a scagadh agus a athchóiriú go ríomhchláraithe. Is féidir leat rudaí beaga a bhaint as íomhánna liathscála le scagaire barr hata, feidhmeanna fuinneoga a úsáid le híomhánna, úsáid a bhaint as meánscagairí, úsáid a bhaint as maisc neamhghéar, dí-chonbhlúchadh íomhá a úsáid, agus go leor eile.

Déan Scagadh Íomhá trí Python

# Let us load an image available through scikit-image’s data registry.
image = data.astronaut()
image = color.rgb2gray(image)
# Let us blur this image with a series of uniform filters of increasing size.
blurred_images = [ndi.uniform_filter(image, size=k) for k in range(2, 32, 2)]
img_stack = np.stack(blurred_images)
fig = px.imshow(
    img_stack,
    animation_frame=0,
    binary_string=True,
    labels={'animation_frame': 'blur strength ~'}
)
plotly.io.show(fig)
# Plot blur metric
B = pd.DataFrame(
    data=np.zeros((len(blurred_images), 3)),
    columns=['h_size = 3', 'h_size = 11', 'h_size = 30']
)
for ind, im in enumerate(blurred_images):
    B.loc[ind, 'h_size = 3'] = measure.blur_effect(im, h_size=3)
    B.loc[ind, 'h_size = 11'] = measure.blur_effect(im, h_size=11)
    B.loc[ind, 'h_size = 30'] = measure.blur_effect(im, h_size=30)
B.plot().set(xlabel='blur strength (half the size of uniform filter)',
             ylabel='blur metric');
plt.show()
 Gaeilge