Zum Hauptinhalt springen

Wie man Bildverarbeitung mit SciPy durchführt.

Hier ist eine schrittweise Anleitung, wie man Bildverarbeitung mit SciPy durchführt:

Schritt 1: Importieren der benötigten Bibliotheken​

Zuerst importieren wir die erforderlichen Bibliotheken - scipy und matplotlib:

import scipy
from scipy import ndimage
import matplotlib.pyplot as plt

Schritt 2: Laden und Anzeigen des Bildes​

Als nächstes müssen wir ein Bild laden und es mit Matplotlib anzeigen:

# Bild laden
image = scipy.misc.imread('Pfad/zum/Bild.jpg')

# Bild anzeigen
plt.imshow(image)
plt.axis('off')
plt.show()

Schritt 3: Das Bild in Graustufen konvertieren​

Für Bildverarbeitungsoperationen ist es oft nützlich, das Bild in Graustufen zu konvertieren. So können Sie es tun:

# Bild in Graustufen konvertieren
gray_image = scipy.mean(image, -1)

Schritt 4: Filter auf das Bild anwenden​

Nun wenden wir verschiedene Filter auf das Bild an. SciPy bietet verschiedene Filter, die für die Bildverarbeitung verwendet werden können. Hier sind einige Beispiele:

Gauss-Filter​

# Gauss-Filter anwenden
gaussian_image = ndimage.gaussian_filter(gray_image, sigma=2)

Median-Filter​

# Median-Filter anwenden
median_image = ndimage.median_filter(gray_image, size=5)

Sobel-Filter​

# Sobel-Filter anwenden
sobel_image = ndimage.sobel(gray_image)

Schritt 5: Bildsegmentierung durchführen​

Bildsegmentierung ist der Prozess der Aufteilung eines Bildes in mehrere Segmente. Hier ist ein Beispiel für die Durchführung der Bildsegmentierung mit SciPy:

# Bildsegmentierung durchführen
labels, num_features = ndimage.label(gray_image)

Schritt 6: Kanten im Bild erkennen​

Kantenerkennung ist eine gängige Bildverarbeitungstechnik, die verwendet wird, um die Grenzen von Objekten in einem Bild zu finden. So können Sie Kanten mit SciPy erkennen:

# Kanten mit Canny-Kantenerkennung erkennen
edges = scipy.ndimage.sobel(gray_image)

Schritt 7: Verarbeitetes Bild speichern und anzeigen​

Schließlich speichern wir das bearbeitete Bild und zeigen es mit Matplotlib an:

# Verarbeitetes Bild speichern
scipy.misc.imsave('Pfad/zum/bearbeiteten_bild.jpg', processed_image)

# Verarbeitetes Bild anzeigen
plt.imshow(processed_image)
plt.axis('off')
plt.show()

Das war's! Sie haben gelernt, wie man Bildverarbeitung mit SciPy durchführt. Fühlen Sie sich frei, mit verschiedenen Filtern und Techniken zu experimentieren, um gewünschte Ergebnisse zu erzielen.