Sprawdź jak "wygląda" kolorowy obrazek po konwersji na inną przestrzeń barw. Wyświetl osobno poszczególne kanały HSV (lab, luv)
import numpy as np
from skimage import color
from skimage import data
import matplotlib.pyplot as plt
img = data.astronaut()
img_hsv = color.rgb2hsv(img)
Dobierając odpowiednio progi postaraj się z obrazka "tomatoes.jpg" wyodrębnić pomidor każdego koloru z osobna.
from skimage import io
img = io.imread("tomatoes.jpg")
Podobnie postaraj się z obrazka "peppers.jpg" wyodrębnić papryki po kolorze.
Przetestuj działanie erozji, dylatacji, operacji otwarcia i zamknięcia na obrazku "morf.png". Sprawdź działanie dla różnych wielkości i kształtów elementu strukturalnego (np. disk
, square
, star
)
img = io.imread("morf.png", as_grey=True)
from skimage.morphology import erosion, dilation, opening, closing, square, disk, star
out = erosion(img)
plt.imshow(img, cmap='gray', interpolation='nearest')
plt.figure()
plt.imshow(out, cmap='gray', interpolation='nearest')
Używając operacji morfologicznych połącz punkty których odległość w poziomie od siebie jest nie większa niż 5.
img = np.zeros((100,100))
img[::10,::10] = 1
img[5::15,50] = 1
img[50,5::15] = 1
Przetestuj obracanie i skalowanie obrazu. Spróbuj obrócić jeden z pomidorów (wycięty z obrazu "tomatoes.jpg") o zadany kąt.
Używając funkcji skimage.measure.label
poetykietuj każdy z obiektów w obrazie "morph.png". Ile jest obiektów? Używjąc morfologii połącz bliskie siebie obiekty i ponownie poetykietuj obrazek.