Neste curso iremos explorar o pacote NumPy, que adicionou o tipo ndarray ao Python. Contrário a utilizar um pacote ou biblioteca específica de processamento de imagens, onde a imagem é uma classe específica, onde as funções são primordialmente utilizadas para processamento de imagens, iremos utilizar o ndarray do NumPy para representar nossa imagem.
Neste curso, iremos praticar a programação do estilo matricial, isto é, procurando resolver o problema de forma matricial. Pretendemos com isto mostrar que este estilo de programação ajuda a reutilizar operações e manipulações matriciais conhecidas, aumenta a clareza do código, diminuindo o número de linhas e favorece a eficiência de execução visto a disponibilidade cada vez maior de hardware que processa operações vetoriais.
Nas leituras acima, sempre é possível olhar como foi feito o programa ilustrativo dos exemplos colocando a página dos tutoriais no modo edição. Se você ficou com dúvida em algum exemplo, você pode copiá-lo para esta página e reproduzí-lo e fazer seus testes aqui.
Assim, procure exercitar os conceitos de representação da imagens e principalmente os conceitos de fatiamento do Numpy.
Utilize o espaço abaixo para copiar qualquer parte do tutorial que você viu para exercitá-lo aqui:
In [1]:
# para exercitar o numpy
import numpy as np
A = np.arange(24)
print(A)
In [11]:
%matplotlib inline
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
In [4]:
!ls ../data
In [7]:
f = mpimg.imread('../data/cameraman.tif')
print (f.shape)
print (f.dtype)
print (f.max(),f.min())
In [13]:
plt.imshow(f,cmap='gray')
plt.colorbar()
Out[13]:
Como parte final das atividades desta semana, planejamos três programas simples que devem ser feitos e que serão
corrigidos automaticamente, eles estão na sua lista de atividades da 1a semana. Os três programas devem ser resolvidos
utilizando estritamente os conceitos de fatiamento discutidos e apresentados nos tutoriais mencionados. Evite fazer
solução que utilize laço explícito com o uso de for
:
Lembrar que como o Adessowiki é um ambiente colaborativo, poderemos compartilhar nossas experiências e aprender e ajudar os colegas.
In [ ]: