Carregando
0xF0Lição 16 de 16

Projeto final: construa um contador de objetos

Combine limiar, componentes conectados e filtragem em um pipeline que conta objetos e desenha suas caixas.

35 min Questionário com 5 perguntas 1 exercício de código
Ao final desta lição, você saberá
  • Encadeie operações de imagem em um pipeline completo
  • Filtre o ruído com um tamanho mínimo de objeto
  • Relate uma contagem e uma caixa delimitadora para cada objeto

Um laboratório de biologia precisa contar células em imagens de microscópio: centenas por dia, demais para contar manualmente. Você pode construir um contador sem rede neural: aplique um limiar para criar uma máscara, encontre componentes conectados, remova pequenos pontos de ruído e informe a caixa delimitadora de cada objeto.

Experimente

Até 15 XP

Etapa 1: aplique um limiar às células

Encontre um limiar que separe as células claras do fundo escuro. Como a iluminação é uniforme, um único limiar funciona; compare-o com a escolha automática de Otsu. Observe os dois pixels claros isolados: sem filtragem, eles também seriam contados como objetos.

Imagem em escala de cinza
Máscara: 26 pixels de primeiro plano (brancos)

Histograma: quantos pixels têm cada brilho

0 (preto)255 (branco)
Otsu escolhe 36: o corte que melhor divide o histograma em dois grupos.

Experimente

Até 15 XP

Etapa 2: conte os componentes

Aqui está uma máscara como a que você acabou de fazer. Quantos componentes existem antes de filtrar as partículas de pixel único? E depois?

Máscara 1 de 1Pontuação 0/0
Pixels se tocam quando compartilham:
Pixels brancos são primeiro plano

Quantos objetos separados existem?

pipeline_shape.py
1def count_objects(image, threshold, minimum_size):
2    mask = [[1 if value >= threshold else 0 for value in row] for row in image]
3    components = find_components(mask)
4    return [component for component in components if component["size"] >= minimum_size]

Essa é a forma de todo o programa: três linhas de lógica, cada uma delas uma lição que você concluiu. O exercício pede que você escreva find_components também (seu preenchimento da lição de componentes conectados) e imprima os resultados.

Principais conclusões

  • Um pipeline completo pode seguir estas etapas: limiar → componentes → filtro → contagem e caixas.

  • Um tamanho mínimo remove o ruído; as opções limite e conectividade alteram a contagem.

  • Os pipelines clássicos são rápidos e explicáveis; modelos aprendidos lidam com imagens mais confusas.

Quiz da aula

5 perguntas · aprovação com 4 acertos · até 50 XP

Ao passar, você conclui a aula e mantém sua sequência. As perguntas erradas voltarão em sessões de revisão.

Pratique: aplique visão computacional com Python

Use pequenas matrizes de pixels para explorar conceitos de visão, execute seu código com imagens de exemplo e relacione cada resultado à ideia maior de visão computacional.

Exercício 1

Conte e delimite os objetos

+25 XP

Leia uma imagem JSON em tons de cinza, depois um limiar e um tamanho mínimo, cada um em sua própria linha.

Crie uma máscara (pixel ≥ limiar), encontre seus componentes com conectividade 4 e mantenha apenas os que atingem o tamanho mínimo. Imprima a quantidade de objetos mantidos e, em seguida, uma linha por objeto na ordem em que aparecem ao percorrer as linhas: top left bottom right.

  • Duas células e uma partícula
  • Mantenha a partícula
  • Nada brilhante o suficiente
main.py
Carregando editor…

O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.

Dúvidas sobre esta lição

Travou em algum ponto? Pergunte. Descobriu algo? Compartilhe. Explicar também é uma ótima forma de aprender.

Carregando publicações…