图像处理
文章平均质量分 61
基于OpenCV,skimage等库进行处理
@秋野
芳春柳摇染花香,槐序蝉鸣入深巷。
展开
-
图像处理学习---基础
取样图像空间坐标的离散化决定了空间分辨率的大小量化图像函数值的离散化编码或量化编码决定了图像的颜色深度等信息图像的表示离散亮度函数二维矩阵三维坐标描述图像的存储按色面存储按像素存储按行存储图像的质量层次表示图像实际拥有的灰度级的数量具有32个不同取值的图像可称该图有32个层次对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量,即指一幅图像灰度反差的大小。清晰度与亮度,对比度,空间分辨率,细微层次,颜色饱和度有关.原创 2021-12-05 15:34:20 · 833 阅读 · 0 评论 -
图像处理学习记录---空域滤波
空域滤波基于点运算灰度变换直方图变换基于模板运算(滤波)卷积和图像平滑模糊图像中灰度变化的区域,同时导致了视觉失真线性平滑滤波均值滤波对椒盐噪声的抑制比较好高斯滤波相当于同心圆等权,加权滤波构造高斯滤波器的方法双边滤波器借鉴高斯滤波器的权重计算方式,双边滤波器的权重的估计同时考虑邻域像素与当前像素的空间距离差异和灰度差异非线性平滑滤波统计排序滤波器:中值滤波器,最大值滤波器,最小值滤波器,中点滤波器,百分位滤波器,带Alpha截断的均值滤波器。原创 2021-12-04 20:33:58 · 3084 阅读 · 0 评论 -
图像处理学习记录---频域滤波
频域滤波数字图像的表示空间域表示法:图像数据的矩阵表示,数组表示变换域表示法:傅里叶变换的频域表示数字图像的处理方法空间域法:直接在图像作用域处理变换域法:图像变化-变换域处理-逆变换图像的频率是表征图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度。如:大面积的沙漠在图像中是一片灰度变化缓慢的区域,对应的频率值很低;而对于地表属性变换剧烈的边缘区域在图像中是一片灰度变化剧烈的区域,对应的频率值较高。傅立叶变换是将图像从空间域转换到频率域,其逆变换是将图像从频率域转换到空间域原创 2021-12-04 14:18:47 · 3852 阅读 · 0 评论 -
图像处理学习记录---图像分割
图像分割依据跳变性与相似性,令集合R代表一幅图像占据的整个空间区域,图像分割就是将R按照完整性,连通性,独立性,单一性,互斥性的条件划分为若干非空子集的过程。分割方法分类边缘分割法和区域分割法并行分割法和串行分割法...原创 2021-12-03 15:24:31 · 3024 阅读 · 0 评论 -
图形处理学习记录---彩色图像处理
彩色图像处理描述彩色光源质量的三个基本量:辐射亮度:从光源发出的能量总量发光强度:观察者从光源感知的能量总和亮度:主观描述子,是关于彩色感觉的一种描述,体现了发光强度的消色概念。全彩色图像处理全彩色也叫真彩色,由RGB三种基色构成24位色被称为真彩色,它可以达到人眼分辨的极限,发色数1677万多色,也就是2的24次方。但32位色就并非是2的32次方的发色数,它其实也是1677万多色,不过它增加了256阶颜色的灰度,为了方便称呼,就规定它为32位色。少量显卡能达到36位色,它是27位发色原创 2021-12-02 21:56:54 · 1295 阅读 · 0 评论 -
图像处理学习记录---形态学图像处理
灰度图像的均值反映亮度特性,方差反映对比度特性理想滤波器、高斯滤波器、巴特沃斯滤波器中,只有高斯滤波器不会产生“振铃效应”。原创 2021-11-30 21:42:06 · 2257 阅读 · 0 评论 -
lightweight_openpose的安装与使用
简述:lightweight_openpose作为轻量性模型,相较于openpose,安装简单,实时性强,准确率也并没有将太多,速度与精度都不错,仅。这是几个轻量型的目标检测模型,第二个就是我们要用的https://github.com/dog-qiuqiu/Yolo-Fastesthttps://codechina.csdn.net/mirrors/Daniil-Osokin/lightweight-human-pose-estimation.pytorchhttps://codechina.cs原创 2021-10-20 23:01:43 · 2914 阅读 · 17 评论 -
openpose和mediapipe中的关键点
1、18点模型对应位置:// {0, “Nose”},// {1, “Neck”},// {2, “RShoulder”},// {3, “RElbow”},// {4, “RWrist”},// {5, “LShoulder”},// {6, “LElbow”},// {7, “LWrist”},// {8, “RHip”},// {9, “RKnee”},// {10, “RAnkle”},// {11, “LHip”},// {12, “LKnee”},// {13, “原创 2021-10-20 20:35:07 · 5578 阅读 · 0 评论 -
小练习:为图片添加椒盐噪声,高斯噪声
简述:对于椒盐噪声,官方写的是两边处理,temp<prod 设为0,temp>prod 设为255,那么在噪声比例为0.5时,则图像全为噪声,因此我认为椒盐噪声应一共在prod即可,不用在区分,各占prod/2的比例即可。应该是我的有问题,以后有了新的理解再改正。import cv2 as cvimport matplotlib.pyplot as pltimport numpy as npfrom skimage.metrics import peak_signal_noise_原创 2021-10-11 09:51:54 · 509 阅读 · 2 评论 -
小练习:基于混合空间增强法对全身骨骼扫描图像进行图像增强
简述:为刚雷克斯《数字图像处理》中全身骨骼扫描图图像增强过程的实现import cv2 as cvimport matplotlib.pyplot as pltimport numpy as npplt.figure(figsize=(40,40))img1= cv.imread('./skeletonInput.tif',0)plt.subplot(141)plt.title('原图像A')plt.imshow(img1,cmap='gray')img2 = cv.Laplaci原创 2021-10-10 19:39:08 · 1864 阅读 · 1 评论 -
从零学OpenCV
文件的导入import cv2import matplotlib.pyplot as pltobj1 = cv2.imread('D:/QQfiles/web/web/xiaomi/images/1.jpg',0) #灰度图像cv2.imshow('test',obj1)cv2.waitKey(0) #从键盘获取事件cv2.destroyAllWindows()#使用matplotlibplt.imshow(obj1,cmap = 'gray')plt.show()图像类别.原创 2021-10-07 18:04:04 · 143 阅读 · 0 评论 -
小练习:OpenCV的简单应用---手动提取人脸特征点
简述:基于OpenCV中的基本方法,进行人脸区域的矫正切割,采用了68个定位点中的左眼,右眼,嘴巴中心这三个定位点进行提取,使用输入,输出图像构成的三组点对,利用仿射变换,实现最终图像的输出。import cv2import globimport osimport numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['simhei'] # 添加中文字体为简黑plt.rcParams['axe.原创 2021-09-25 19:47:26 · 1514 阅读 · 4 评论