Convolución con SciPy
Python
Publicado el 18 de Diciembre del 2023 por Hilario (124 códigos)
355 visualizaciones desde el 18 de Diciembre del 2023
Proponemos el sencillo ejercicio: Aula_28_CNN-repaso.py, con el fin de realizar un proceso de convolución, sobre una imagen en color gris, por lo que sólo tendremos un canal de profundidad en la misma.
Según le hemos pedido al programa, la imagen tiene las siguientes características:
Características de la imagen:
Dimensiones: (431, 770, 1)
Valor mínimo: 0
Valor máximo: 249
Valor medio: 23.887129498498407.
La particularidad de este ejercicio, es que utilizamos el modulo scipy, creado inicialmente sobre el año 2000, actualizado en revisiones, y aún bastante utilizado.
Las caracteristicas más importantes de este módulo son las siguientes:
***************************************************************************************
SciPy es una biblioteca de código abierto en Python que se utiliza para realizar operaciones científicas y técnicas. Está construida sobre NumPy y proporciona funcionalidades adicionales para la manipulación de datos y el análisis estadístico. El módulo SciPy se divide en varios submódulos, cada uno de los cuales se centra en un área específica de la computación científica. Algunos de los submódulos más importantes son:
scipy.cluster: Algoritmos para clustering (agrupamiento) de datos.
scipy.constants: Constantes físicas y matemáticas.
scipy.fftpack: Transformada rápida de Fourier.
scipy.integrate: Rutinas de integración numérica.
scipy.interpolate: Interpolación de datos y construcción de splines.
scipy.io: Herramientas para la entrada y salida de datos.
scipy.linalg: Álgebra lineal.
scipy.ndimage: Procesamiento de imágenes n-dimensionales.
scipy.odr: Regresión ortogonal.
scipy.optimize: Optimización de funciones.
scipy.signal: Procesamiento de señales.
-------------------------------------------------------------
scipy.sparse: Estructuras de datos y algoritmos para matrices dispersas.
scipy.spatial: Estructuras y algoritmos espaciales.
scipy.special: Funciones matemáticas especiales.
scipy.stats: Estadísticas y distribuciones de probabilidad.
En nuestro caso que nos aplica, nos fijaremos en El módulo scipy.signal, que proporciona una función llamada convolve que se utiliza para realizar convoluciones entre dos secuencias. La convolución es una operación matemática que combina dos conjuntos de datos para producir un tercer conjunto de datos. En el contexto de procesamiento de señales, la convolución se utiliza, por ejemplo, para suavizar señales, encontrar la respuesta de un sistema a una entrada, o para aplicar filtros.
En la actualidad SciPy sigue siendo una biblioteca muy utilizada en la comunidad científica y de ingeniería en Python. Proporciona herramientas esenciales para tareas relacionadas con la computación científica, como álgebra lineal, optimización, procesamiento de señales, interpolación, integración numérica, estadísticas y más.
La biblioteca SciPy se mantiene y actualiza regularmente para incluir nuevas funcionalidades, mejoras de rendimiento y correcciones de errores. Es una parte integral del ecosistema científico de Python junto con NumPy, Matplotlib y otras bibliotecas relacionadas.
Según le hemos pedido al programa, la imagen tiene las siguientes características:
Características de la imagen:
Dimensiones: (431, 770, 1)
Valor mínimo: 0
Valor máximo: 249
Valor medio: 23.887129498498407.
La particularidad de este ejercicio, es que utilizamos el modulo scipy, creado inicialmente sobre el año 2000, actualizado en revisiones, y aún bastante utilizado.
Las caracteristicas más importantes de este módulo son las siguientes:
***************************************************************************************
SciPy es una biblioteca de código abierto en Python que se utiliza para realizar operaciones científicas y técnicas. Está construida sobre NumPy y proporciona funcionalidades adicionales para la manipulación de datos y el análisis estadístico. El módulo SciPy se divide en varios submódulos, cada uno de los cuales se centra en un área específica de la computación científica. Algunos de los submódulos más importantes son:
scipy.cluster: Algoritmos para clustering (agrupamiento) de datos.
scipy.constants: Constantes físicas y matemáticas.
scipy.fftpack: Transformada rápida de Fourier.
scipy.integrate: Rutinas de integración numérica.
scipy.interpolate: Interpolación de datos y construcción de splines.
scipy.io: Herramientas para la entrada y salida de datos.
scipy.linalg: Álgebra lineal.
scipy.ndimage: Procesamiento de imágenes n-dimensionales.
scipy.odr: Regresión ortogonal.
scipy.optimize: Optimización de funciones.
scipy.signal: Procesamiento de señales.
-------------------------------------------------------------
scipy.sparse: Estructuras de datos y algoritmos para matrices dispersas.
scipy.spatial: Estructuras y algoritmos espaciales.
scipy.special: Funciones matemáticas especiales.
scipy.stats: Estadísticas y distribuciones de probabilidad.
En nuestro caso que nos aplica, nos fijaremos en El módulo scipy.signal, que proporciona una función llamada convolve que se utiliza para realizar convoluciones entre dos secuencias. La convolución es una operación matemática que combina dos conjuntos de datos para producir un tercer conjunto de datos. En el contexto de procesamiento de señales, la convolución se utiliza, por ejemplo, para suavizar señales, encontrar la respuesta de un sistema a una entrada, o para aplicar filtros.
En la actualidad SciPy sigue siendo una biblioteca muy utilizada en la comunidad científica y de ingeniería en Python. Proporciona herramientas esenciales para tareas relacionadas con la computación científica, como álgebra lineal, optimización, procesamiento de señales, interpolación, integración numérica, estadísticas y más.
La biblioteca SciPy se mantiene y actualiza regularmente para incluir nuevas funcionalidades, mejoras de rendimiento y correcciones de errores. Es una parte integral del ecosistema científico de Python junto con NumPy, Matplotlib y otras bibliotecas relacionadas.
117 visualizaciones durante los últimos 90 días