AI_girl的博客

大量图片或者文本名需要重命名的时候，一个一个修改太麻烦，这个时候就需要快速简洁的方法来搞定。最近在处理数据的时候，需要对图片和文本进行重命名，做了一下实验。比如像这两个不同的数据，需要将原本图像名程进行修改，现在要将上千张类似的图片名称进行修改，将所有图片放入image文件夹，从0开始编号，代码如下：import osclass BatchRename(): def rename(self): path = "E:/python/data/add_data..

PIL库对图像的基本操作PIL网上有很多介绍，这里不再讲解。直接操作，读取一张图片，将其转换为灰度图像，并打印出来。

本文采用阈值切片法对遥感影像进行分类，使用数据为landsat8遥感影像，下载地址：http://github.com/GeospatialPython/Learn/blob/master/thermal.zip?raw=true用envida'k

在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。一、Roberts算子Roberts算子又称交叉微分算法，它是基于交叉差分的梯度算法，通过局部差分计算检测边缘线条，常来处理具有陡峭的低噪声图像，当图

一、图像仿射变换1.原理仿射变换（Affine Transformation 或Affine Map）是一种二维坐标（x, y）到二维坐标（u, v）的线性变换，转换过程坐标点的相对位置和属性不发生变换，是一个线性变换，该过程只发生旋转和平移过程。因此，一个平行四边形经过仿射变换后还是一个平行四边形。所以，仿射= 旋转 + 平移。其数学表达式形式如下：对应的齐次坐标矩阵表示形式为：仿射变换保持了二维图形的“平直性”（直线经仿射变换后依然为直线）和“平行性”（直线之间的相对位置关.

一、图像开运算1.基本原理图像开运算是图像依次经过腐蚀、膨胀处理后的过程。图像被腐蚀后，去除了噪声，但是也压缩了图像；接着对腐蚀过的图像进行膨胀处理，可以去除噪声，并保留原有图像。如下图所示：开运算：先腐蚀，后膨胀下面是借鉴一位博主写的开运算效果图：作用：用来消除小的物体，平滑形状边界，并且不改变其面积。可以去除小颗粒噪声，断开物体之间的粘连。2.函数原形图像开运算使用函数morphologyEx()，它是形态学扩展的一组函数，其参数cv2.MORPH_OPE...

　图像的膨胀(dilation)和腐蚀(erosion)是两种基本的形态学运算，主要用来寻找图像中的极大区域和极小区域，其中膨胀类似与 '领域扩张' ，将图像的高亮区域或白色部分进行扩张，其运行结果图比原图的高亮区域更大。腐蚀类似 '领域被蚕食' ，将图像中的高亮区域或白色部分进行缩减细化，其运行结果图比原图的高亮区域更小。一、图像膨胀...

一、阈值化图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化（Binarization）。当灰度Gray小于阈值T时，其像素设置为0，表示黑色；当灰度Gray大于或等于阈值T时，其Y值为255，表示白色。Py..

一、图像缩放图像缩放主要使用resize函数result = cv2.resize(src, dsize[, result[. fx[, fy[, interpolation]]]])其中src表示原始图像，dsize表示缩放大小，fx和fy也可以表示缩放大小倍数，他们两个（dsize或fx\fy）设置一个即可实现图像缩放代码如下：import cv2#读取图片image = cv2.imread("E:/pythonProject/xin.jpeg")#图片缩放imag

一、图像类型转换图像类型转换是指将一种图像转化成另一种类型，比如将彩色图像转换成灰度图像，BGR格式图像转换成RGB格式图像，一下列出OpenCV中常用的三种图像类型转化。cv2.COLOR_BGR2GRAY cv2.COLOR_BGR2RGB cv2.COLOR_GRAY2BGR代码如下所示：import cv2#读取图片image = cv2.imread("E:/pythonProject/mei.jpeg")#彩色图像转换为灰度图像meig = cv2.cvtC

一、图像平滑图像平滑是一种区域增强的算法，平滑算法有邻域平均法、中指滤波、边界保持类滤波等。在图像产生、传输和复制过程中，常常会因为多方面原因而被噪声干扰或出现数据丢失，降低了图像的质量（某一像素，如果它与周围像素点相比有明显的不同，则该点被噪声所感染）。这就需要对图像进行一定的增强处理以减小这些缺陷带来的影响。为了方便做出比较，先给一幅图片中加入噪声，代码如下：import cv2import numpy as np# 读取图片image = cv2.imread('E:/pyth

一、获取图像属性1.形状-shape通过shape关键字获取图像形状，返回值为图像行数，列数以及通道数的元组。import cv2image = cv2.imread("灰度图像”）print(image.shap)#(512,512)import cv2image = cv2.imread("彩色图像”）print(image.shap)#(512,512，3)import cv2#获取图片image = cv2.imread('E:..

一、OpenCV读取图像本文在python3.7和OpenCV进行实验，首先安装OpenCV，网上有很多教程，这里不再赘述。1.图像读入OpenCV读取图像函数img = cv2.imread(“文地址”，[,参数])参数(1) cv2.IMREAD_UNCHANGED (图像不可变)参数(2) cv2.IMREAD_GRAYSCALE (灰度图像)参数(3) cv2.IMREAD_COLOR (读入彩色图像)参数(4) cv2.COLOR_BGR2RGB (图像通道BGR转成R

一、OpenCV读取像素方法1.灰度图像，返回灰度值返回值=图像（位置参数），例p=image[88,142]import cv2#读入图片image = cv2.imread("E:/pythonProject/33.png", cv2.IMREAD_UNCHANGED)#灰度图像p = image[88,142]print(p)#显示图片cv2.imshow("demo",image)#等待显示cv2.waitKey(0)cv2.destroyAllWindow

最近整理了一些比较基本的小算法，供大家参考1.把一元的钞票换成一份二分和五分（每种至少一枚）有多少种换法？iter = 0for i in range(1,20): for j in range(1,48): one=100-5*i-2*j if one >= 1: iter+=1 # print("五分：{}个".format(i)) # print("二分：{}个".form