![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理
文章平均质量分 81
风轻云淡_Cauchy
这个作者很懒,什么都没留下…
展开
-
Tensorflow MNIST原始图片TFRecord方式识别—2. 设计CNN MNIST手写数字识别的模型
参考《Tensorflow卷积神经网络LeNet模型学习》的第一部分:基于LeNet模型的卷积神经网络模型。链接:https://blog.csdn.net/duanyuwangyuyan/article/details/108534140。此模型是《Tensorflow: 实战Google深度学习框架》一书的例子。...原创 2020-09-22 16:52:32 · 53 阅读 · 0 评论 -
Tensorflow MNIST原始图片TFRecord方式识别---1. 原始图片生成TFRecord文件
Tensorflow MNIST原始图片TFRecord方式识别---1. 原始图片生成TFRecord文件1. 原始图片生成TFRecord文件1.1 原始图片准备1.2 生成TFRecord文件1.3 验证TFRecord文件正确性想做一个完整的tensorflow手写数字识别。计划步骤如下:1)原始图片,数据处理,生成TFRecord文件2)设计CNN MNIST手写数字识别的模型3)从TFRecord文件中,到处图片数据,进行训练4)取一张手写数字图片进行测试1. 原始图片生成TFRec原创 2020-09-16 10:12:23 · 105 阅读 · 0 评论 -
Tensorflow MNIST原始图片TFRecord方式识别---4. 取多张手写数字图片进行测试
Tensorflow MNIST原始图片TFRecord方式识别---4. 取多张手写数字图片进行测试1. 测试图片数据预处理2. 测试已训练模型准确率本章节是《Tensorflow MNIST原始图片TFRecord方式识别》的最后一节,验证模型,测试模型识别准确率。1. 测试图片数据预处理验证训练模型的准确率,首先需要将测试图片作预处理,转为像素矩阵。测试图片数据预处理需要满足如下条件:**1)像素矩阵算法一致性。**训练样本的像素矩阵进行了怎样的算法运算,测试样本的像素矩阵需要进行同样的算法运原创 2020-09-22 22:38:17 · 173 阅读 · 0 评论 -
Tensorflow MNIST原始图片TFRecord方式识别---3. 从TFRecord文件中,提取图片数据,进行训练
Tensorflow MNIST原始图片TFRecord方式识别---3. 从TFRecord文件中,提取图片数据,进行训练1. 提取图片数据1.1 从tfrecord读取原始数据1.2 以batch_size大小批处理随机抽取2. 训练模型这篇文章是续《Tensorflow MNIST原始图片TFRecord方式识别》的“提取图片数据,进行训练”章节。1. 提取图片数据提取图片数据,分两步:1)从tfrecord读取原始数据;2)随机抽取这些数据以batch_size大小批处理。1.1 从tf原创 2020-09-22 17:23:11 · 156 阅读 · 0 评论 -
Unet:Convolutional Networks for Biomedical Image Segmentation拜读
Unet:Convolutional Networks for Biomedical Image Segmentation拜读1、网络结构1.1、下采样过程1.2、上采样过程1.3、最后一层2、Training训练2.1、损失函数1、网络结构网络模型结构看起来像U字母。该网络由一个下采样过程(左半部分)和一个上采样过程(右半部分)组成。1.1、下采样过程典型的卷积神经网络结构。四组相同的下采样,组成:两个3*3卷积层(unpadded方式)ReLU激活2*2 最大池化层(步长为2)每组下原创 2021-12-10 11:41:54 · 2997 阅读 · 0 评论 -
Robust Medical Instrument Segmentation Challenge 2019拜读
Robust Medical Instrument Segmentation Challenge 2019拜读0. 摘要1. 介绍2. 方法2.1 挑战的任务2.2 挑战的数据集2.2.1 数据Recording2.2.2 数据提取2.2.3 标签生成2.3 评价方法2.3.1 Metrics指标2.3.2 Ranking评分3. 结果3.1. Method descriptions of participating algorithms0. 摘要腹腔镜器械的术中跟踪通常是计算机和机器人辅助干预的先决条原创 2022-03-08 16:55:36 · 3250 阅读 · 0 评论 -
分割任务的性能指标之Surface Dice
分割任务的性能指标之Surface DSC1. Surface DSC是啥1.1 Surface DSC示意图1.2 Organ-specific tolerances容差2. Surface DSC技术细节1. Surface DSC是啥在文章《Deep learning to achieve clinically applicable segmentation of head and neck anatomy for radiotherapy》中作者引入了一个分割性能指标,“surface Dice原创 2022-03-08 19:49:23 · 1768 阅读 · 0 评论 -
tensorflow.python.framework.errors_impl.UnknownError: Failed to get convolution algorithm....
在训练Unet分割网络的时候,出现如下错误:tensorflow.python.framework.errors_impl.UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.是这样,如果没有配置Cuda或者不支持Cu原创 2021-12-23 17:58:43 · 1348 阅读 · 0 评论 -
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation1、Abstract1.1、 分割引擎组成1.2、优点三级目录1、Abstract1.1、 分割引擎组成This core trainable segmentation engine consists of an encoder network, a corresponding decoder network followed by a pix原创 2021-12-24 17:48:13 · 416 阅读 · 0 评论 -
SLAM十四讲之第5讲--相机标定
针孔模型是很常用而且有效的模型,它描述了一束光线通过针孔之后,在针孔背面投影成像的关系。由于相机镜头上的透镜的存在,使得光线投影到成像平面的过程中会产生畸变。因为不同视角下旋转和平移的6个参数会变化,对每一个视角用来求解摄像机内参数矩阵的两个额外参数需要约束。2)在机械组装过程中,透镜和成像平面不可能完全平行,这也会使光线穿过透镜投影到成像面时的位置发生变化。对于径向畸变,成像光学中心的畸变为0,随着向边缘移动,畸变会变大。f是摄像机焦距,Z是相机到物体的距离,X是物体的长度,x图像平面上的物体图像。原创 2023-03-14 14:23:42 · 782 阅读 · 0 评论 -
PCL学习之滤波Filtering
PCL滤波filter原创 2022-07-28 08:09:44 · 500 阅读 · 0 评论 -
UNet++: A Nested U-Net Architecture for Medical Image Segmentation
UNet++: A Nested U-Net Architecture for Medical Image Segmentation0、摘要论文特点1、U-Net++网络结构二级目录三级目录0、摘要论文特点网络特点深度监督的编解码网络。通过一系列嵌套、密集的跳跃路径连接。缘由使用跳跃路径,为了降低语义差异:编解码子网络间的特征图。评价对比从以下四方面的分割任务,和U-Net以及宽泛U-Net结构进行对比。1 ) 胸部低剂量造影CT扫描的结节分割;2)显微镜图像下的细胞核分割;3)腹部原创 2022-01-01 08:26:21 · 1023 阅读 · 0 评论 -
图像处理实战-笔记(以python为主)
图像处理实战-笔记(以python为主)1. 图像的alpha通道1. 图像的alpha通道指一张图片的透明和半透明度。from PIL import Imageimage = Image.open('images/hill.png') #open imageimage.putalpha(255) #两张图分别为255和100的alpha值image.show()...原创 2021-12-02 20:46:10 · 2805 阅读 · 0 评论 -
数字图像处理3之图像增强
数字图像处理之图像增强1.时域图像增强1.1. 灰度变换1.1.1 简单平滑1.1.2 高斯平滑图像增强是改善图像质量最常用的技术;其目的是为了改善图像的视觉效果,使图像更加清晰。图像增强,按照作用域,可以分为时域处理和频域处理。时域处理直接对图像进行处理;而频域处理是在图像的某个变换域内,对图像的变换系数进行运算,然后通过逆变换获得图像增强的效果。1.时域图像增强时域图像增强技术主要有 灰度变换方法、直方图方法、滤波(线性和非线性)方法等。1.1. 灰度变换1.1.1 简单平滑通过邻域简单平原创 2021-10-11 22:46:37 · 2261 阅读 · 0 评论 -
数字图像处理5之图像分割
数字图像处理5之图像分割1. 概念2. 阈值分割3. 区域分割3.1 区域生长法1. 概念把图像划分成若干个特定的、具有独特性质的区域,并提取其中感兴趣目标的基数和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类:基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看,图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程,即把属于同一区域的像素赋予相同的编号。1998年以来,人工神经网络识别技术已经引起原创 2021-09-16 17:55:35 · 4066 阅读 · 0 评论 -
数字图像处理7之膨胀和腐蚀
摘自冈萨雷斯《数字图像处理》腐蚀和膨胀在形态学处理中有着非常广泛的应用,最常见的是对图像形态学边界的提取。1. 膨胀1.1 介绍和作用膨胀是在二值图像中“加长”或“变粗”的操作,在数学形态学运算中的作用是扩展物体的边界点。这种特殊的方式和变粗的程度由一个称为结构元素的集合控制。在数字图像处理中,对于确定的结构元素,通过膨胀运算可以使一些相邻距离较短 的区域进行连接。缺点:杂点敏感 ,细小的杂点通过膨胀处理往往变得较为明显。1.2 示例操作图中说明了膨胀的计算过程。图(a)显示了包含一个矩形对象的原创 2021-08-16 15:04:03 · 3792 阅读 · 4 评论 -
anaconda环境下,python-pcl安装测试以及使用过程中DLL load failed问题
1. 安装详细请参考github Python-pcl-> conda create -n ipk # create a new conda env. -> conda activate ipk # activate env.-> conda update -n base -c defaults conda # update conda-> conda config --add channels conda-forge # add conda-forge channels -原创 2021-08-16 10:53:45 · 421 阅读 · 0 评论 -
数字图像处理基础知识
补充一下数字图像处理的基础知识1. 图像点运算1.1 灰度直方图1.2 灰度线性变换1.3 灰度非线性变换1.4 灰度拉伸1.5 灰度均衡2. 图像几何变换2.1 平移变换2.2 镜像变换2.3 图像转置2.4 图像缩放2.5 图像旋转3. 图像增强处理3.1 简单平滑3.2 高斯平滑3.3 中值滤波3.4 双边滤波3.5 拉普拉斯锐化4. 边缘检测5. 图像分割...原创 2021-05-16 22:05:12 · 1290 阅读 · 1 评论