Ich habe erkannt, dass ich in Python nicht viel weiter
kommen werde, wenn ich mich nicht endlich
v i e l intensiver mit NUMPY beschäftigen werde.
Ich glaube, es lohnt sich.
Hier gleich ein schönes Beispiel.
Gute Zeit OSWALD
Code: Alles auswählen
mport numpy as np
import matplotlib.pyplot as plt
# let img1 be an image with no features
bild1 = np.array([np.array([400, 200]), np.array([255, 145])])
bild2 = np.array([np.array([400, 255]), np.array([400,255])])
bild3 = np.array([np.array([7, 3]), np.array([8, 9])])
kernel_horizontal = np.array([np.array([0, 3]), np.array([-3, 4])])
print(kernel_horizontal, 'is a kernel for detecting horizontal edges')
kernel_vertical = np.array([np.array([0,-1]), np.array([7, -1])])
print(kernel_vertical, 'is a kernel for detecting vertical edges')
# We will apply the kernels on the images by
def apply_kernel(bild1, kernel):
return np.sum(np.multiply(bild1, kernel))
# bild1 plotten
plt.imshow(bild1)
plt.axis('off')
plt.title('bild1- Leiste erlaubt Veränderung der Daten ')
plt.show()
print('Horizontales Kanten-Konfidenzintervall:', apply_kernel(bild1,
kernel_horizontal))
print('Vertikales Kanten-Kconfidenzintervall:', apply_kernel(bild1,
kernel_vertical))
# bild2 plotten
plt.imshow(bild2)
plt.axis('off')
plt.title('bild2')
plt.show()
print('Horizontales Kanten-Konfidenzintervall :', apply_kernel(bild2,
kernel_horizontal))
print('Vertikales Kanten-Konfidenzintervall:', apply_kernel(bild2,
kernel_vertical))
# bild3 plotten
plt.imshow(bild3)
plt.axis('off')
plt.title('bild3')
plt.show()
print('Horizontales Kanten-Kconfidenzintervall:', apply_kernel(bild3,
kernel_horizontal))
print('Vertical edge confidence score:', apply_kernel(bild3,
kernel_vertical))