目标检测YOLO系列从入门到精通技术详解100篇-【目标检测】数字图像处理

目录

前言

知识储备

Python 图像处理库

1. scikit Image

2. Numpy

3. Scipy

4. PIL/ Pillow

5. OpenCV-Python

6. SimpleCV

07Mahotas

8. SimpleITK

 9. pgmagick

10. Pycairo

数字图像处理基础知识

常用Python库

文本处理

文件处理

图像处理

游戏和多媒体

大数据与科学计算

人工智能与机器学习

系统与命令行

数据库

网络

Web框架

安全

构建封装

代码调试

算法原理

　视频图像处理技术

　　智能分析处理技术

　　视频透雾增透技术

　　数字图像宽度动态的算法

　　超分辨率重建技术

       图像增强方法

---

 

前言

        随着高清采集、高清传输、高清解码和显示设备的不断升级，极大地满足了人们对高清画质的需求。高清设备带来的高分辨率提升了视频清晰度，但仍不能保证在所有情况下都能看的清楚，看的明白，比如雨天、雾霾等恶劣天气或者夜间低照度环境下，虽百万像素也只能望图兴叹，无可奈何了；又如为了节省带宽而采用高压缩比编码带来的分块效应，造成图像质量下降。如何解决这些极端环境造成的画质大幅下降，在这些恶劣环境下看得更清楚，这是视频图像技术亟待解决的问题，尤其视频监控在生活中应用的范围越来越广，人们对新形势下视频处理技术的应用和发展问题尤为关注。

       数字视频和数字图像比传统的图像和视频分辨率要高，处理方便，易于操作和整理。但由于部分设备性能不足、客观条件限制等因素，在实际的视频监控应用中，仍会出现视频图像模糊不清、关键信息捕捉不到等问题。而在视频图像处理的过程中，由于操作技术问题或者客观因素等，给视频图像处理技术的应用带来一些负面影响，降低了处理技术的水平和质量。