एक image से टुकड़े काटना
यह क्यों मायने रखता है इस कोर्स में images arrays हैं। एक row, एक column या एक छोटी window काटना वह तरीका है जिससे आप बाद में convolutions बनाएँगे।
एक 2D array img के लिए, img[r, c] एक pixel है, img[r] row r है, img[:, c] column c है, और img[r0:r1, c0:c1] rows r0 से r1 तक (r1 शामिल नहीं) और columns c0 से c1 तक की window है।
छोटी संख्याएँ
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]]
सार पहले rows, फिर columns। एक slice अपनी अंतिम संख्या से पहले रुकता है।
इस पाठ के शब्द और चिह्न
- array
- संख्याओं का एक NumPy block, सब एक प्रकार की, जो हर item पर एक साथ गणित करता है
- shape
- हर दिशा में एक array का आकार, उदाहरण के लिए (32, 64) 64 की 32 rows है
window(img, r, c, size) लिखें जो वह size गुणा size वर्ग लौटाए जिसका ऊपरी-बायाँ pixel row r, column c पर है। और downsample(img) लिखें जो 0 से शुरू करके हर दूसरी row और हर दूसरा column रखे। कोई loops नहीं चाहिए।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।