图像处理
若,只如初见
这个作者很懒,什么都没留下…
展开
-
图像基本读取修改等操作
图像基本读取修改等操作图像读取传统读取像素和修改像素值Numpy读取和修改像素获取图像属性图像融合实验通道分离合并图像读取传统读取像素和修改像素值.# -*- coding:utf-8 -*-import cv2#读取图片img = cv2.imread("picture.bmp", cv2.IMREAD_UNCHANGED)#灰度图像p = img[88, 142]print(p)#显示图像cv2.imshow("Demo", img)#修改像素img[78, 125,原创 2020-08-09 22:44:06 · 315 阅读 · 0 评论 -
Retinex-Net的损失函数
Deep Retinex Decomposition for Low-Light Enhancement(Retinex-Net)的损失函数StructureStructureStructure-Aware Smoothness LossAware\ Smoothness \ LossAware Smoothness Loss(结构平滑损失)Invariable Reflectance lossInvariable \ Reflectance\ l原创 2020-05-20 16:51:25 · 2413 阅读 · 0 评论 -
Retinex算法在暗光增强应用以及Python实现
图像暗光增强(一)Retinex简介Single Scale Retinex(SSR)Retinex简介Retinex由两个单词合成的一个词语,他们分别是retina 和cortex,即:视网膜和皮层。Land的retinex模式是建立在以下三个假设之上的:(1)真实世界是无颜色的,我们所感知的颜色是光与物质的相互作用的结果。我们见到的水是无色的,但是水膜—肥皂膜却是显现五彩缤纷,那是薄膜...原创 2020-03-12 23:28:55 · 8116 阅读 · 8 评论 -
Image super-resolution via sparse representation分析
Image super-resolution via sparse representation首先要介绍的一点就是:字典的构建。这个在单帧超分中还是很重要的。预处理 1、准备好用于字典训练的低分辨率图像LR及与之对应的高分辨率图片HR。 2、将低分辨率图像双线性或者三次方插值到高分辨率图像相同大小,得到MR。 3、将MR图像分成若干个3x3或者5x5之类的小块,小块之间有1x1或者2x...原创 2019-10-22 16:22:39 · 1141 阅读 · 0 评论 -
图像放大的三种处理方法:最近邻插值,双线性插值 ,双三次插值算法
这里是引用https://www.cnblogs.com/amarr/p/10565188.html最近邻插值这是最简单的一种插值算法,当图片放大时,缺少的像素通过直接使用与之最近原有颜色生成,也就是说照搬旁边的像素这样做结果产生了明显可见的锯齿。在待求象素的四邻象素中,将距离待求象素最近的邻灰度赋给待求象素。如果 i+u, j+v(i落在 A区,即 u<0.5,v<0.5...原创 2019-10-22 00:10:34 · 11845 阅读 · 0 评论 -
图像梯度散度旋度
图像梯度这里是引用https://blog.csdn.net/saltriver/article/details/78987096图像梯度最主要的目的就是将不清晰的边缘变得清晰一些吧。那么,这个梯度(或者说灰度值的变化率)的原理就是:我们先考虑下x方向,选取某个像素,假设其像素值是100,沿x方向的相邻像素分别是90,90,90,则根据上面的计算其x方向梯度分别是10,0,0。这里只取...原创 2019-10-21 22:08:21 · 1386 阅读 · 0 评论