قص قطع من صورة
لماذا هذا مهم الصور في هذه الدورة هي مصفوفات. قص صف أو عمود أو نافذة صغيرة هو كيف ستبني convolutions لاحقاً.
لمصفوفة ثنائية الأبعاد img، img[r, c] هي بكسل واحد، img[r] هو الصف r، img[:, c] هو العمود c، و img[r0:r1, c0:c1] هي النافذة من الصفوف r0 حتى (بدون تضمين) r1 والأعمدة c0 حتى c1.
أرقام صغيرة
img = np.arange(16).reshape(4, 4)
# [[ 0 1 2 3]
# [ 4 5 6 7]
# [ 8 9 10 11]
# [12 13 14 15]]
img[1, 2] # 6
img[:, 0] # [0 4 8 12]
img[0:2, 0:2] # [[0 1] [4 5]]
img[::2, ::2] # every other row and column: [[0 2] [8 10]]
ملخصالصفوف أولا، ثم الأعمدة. الجزء يتوقف قبل رقم نهايته.
الكلمات والرموز في هذا الدرس
- array
- كتلة NumPy من الأرقام، جميعها من نفس النوع، تقوم بعمليات حسابية على كل عنصر في وقت واحد
- shape
- حجم المصفوفة على طول كل اتجاه، على سبيل المثال (32, 64) يعني 32 صفاً من 64
اكتب window(img, r, c, size) الذي يعيد size بواسطة size مربع الذي بكسله العلوي الأيسر في الصف r والعمود c. واكتب downsample(img) الذي يحتفظ بكل صف آخر وكل عمود آخر، بدءا من 0. لا حاجة للحلقات.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.