（Python)制作超分重建效果对比图

已于 2023-03-16 09:06:19 修改
阅读量358 收藏 1
点赞数
分类专栏： python学习笔记 文章标签： python opencv 计算机视觉
于 2023-03-13 23:54:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hsdujdjrjrj/article/details/129511403
版权
python学习笔记 专栏收录该内容
17 篇文章 44 订阅 ¥19.90 ¥99.00
订阅专栏

Python制作超分重建效果对比图

使用python绘制超分重建中的重建效果对比图（调用matplotlib库中的pyplot）

一、运行效果

目录

二、实现过程

1、鼠标点击读取图片位置

1.实现代码：
import cv2

img = cv2.imread(r"D:\SR\demo\baby.png")     # 图片的路径
a = []
b = [<
了解本专栏 订阅专栏 解锁全文
加斯顿工程师
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
matlab | 实现图像复原 / 超分重建 / 去模糊 论文里的局部放大对比图
IMAGES CAN TALKS
04-04 5361
效果 鼠标选择bounding box 左上角位置 生成的图。该脚本以bounding box大小为基准，调整大图的大小。贴到论文里比较好看 文件存放形式 以图片1.jpg为例，原图存放在root文件夹，用3种方法的处理结果存放在method1，method2，method3子文件夹，matlab代码drawcompare.m放在root文件夹。 ——root：1.jp...
Python-MetaSR一个用于超分辨率的放大任意网络CVPR2019PyTorch
08-11
Meta-SR一个用于超分辨率的放大任意网络(CVPR2019)(PyTorch)
Python通过Pillow实现图片对比
09-16
主要介绍了Python Pillow实现图片对比,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
Python实现图像完美超分处理 | Python工具
阿良的博客
05-08 7364
我把项目进行的工具化调整，做成了对单一照片输入进行处理的工具。大家可以拿去直接集成到代码中使用。
【Python&图像超分】基于深度学习的图像超分辨率重建的原理与应用
Remote Sensing迷途小书童
11-06 1927
超分辨率技术（Super-Resolution）是指从观测到的低分辨率图像重建出相应的高分辨率图像, 目前应用较多的应用场景是图像及视频分辨率提高，比如可以提高以往影视作品或图像的分辨率，提高视觉感官效果；或是解决视频经有损压缩后导致视频效果退化问题。SR可分为两类:从多张低分辨率图像重建出高分辨率图像和从单张低分辨率图像重建出高分辨率图像。
python opencv 实现基于深度学习的超分辨率处理
weixin_43355359的博客
10-29 4204
s超分辨率(super-resolution)的通俗解释就是：将低分辨率的图像通过算法转换成高分辨率图像。 通常的超分辨率分两种：SISR和VSR。前者叫做单图像超分辨率，后者叫做视频超分辨率。我们通常理解的超分辨率都是指SISR，我们只需要输入一张低分辨率图像而获得高分辨率图像的输出。 而VSR会利用视频的时间关联性来获得对某一帧的SR。https://muzhan.blog.csdn.net/article/details/85048846 本文讲的是利用OpenCV实现前者，实现步骤和代码基于’小白学
图像超分辨率重建（pytorch）
YmgmY的博客
01-17 1万+
本文在原论文的基础上进行了代码补充，并提供了整个流程的代码运行方法以完成图像超分辨率工作。
SRGAN图像超分重建算法Python实现完整资源（含数据集代码）
06-27
基于深度学习的SRGAN图像超分重建算法，该资源为本人博客https://wuxian.blog.csdn.net/article/details/125034820中介绍的算法实现代码，包含训练测试数据集和完整代码，代码中已添加完整中文注释，详细原理和代码...
python -SRGAN图像超分重建算法Python实现完整资源（含数据集代码）
最新发布
04-13
在本资源中，我们主要关注的是使用Python实现的SRGAN（Super-Resolution Generative Adversarial Networks，超分辨率生成对抗网络）图像超分重建算法。SRGAN是一种深度学习技术，用于提升低分辨率图像的质量，使其...
用python实现对比两张图片的不同
09-20
主要介绍了用python实现对比两张图片的不同的相关资料,需要的朋友可以参考下
Python-超分辨率相关资源大列表
08-11
Collect super-resolution related papers, data, repositories
使用Python的PIL模块来进行图片对比
09-21
主要介绍了使用Python的PIL模块来进行图片对比的方法,搜索引擎最基本的图片搜索也是利用图片颜色值的对比来实现的,需要的朋友可以参考下
基于python的超分结果图的处理
gwpscut的博客
11-12 1403
做SR任务时，需要截取一些图的效果，写下本博文~ import matplotlib.pyplot as plt from PIL import Image import os fin='/home/guanwp/zhangwenlong/paperresult/ESRGAN/Set5_ESRGAN/' fout=fin+'result'+'/' def is_image_file(f...
短视频源代码基于python的超分结果图的处理
云豹网络科技
04-07 408
import matplotlib.pyplot as plt from PIL import Image import os fin='/home/guanwp/zhangwenlong/paperresult/ESRGAN/Set5_ESRGAN/' fout=fin+'result'+'/' def is_image_file(filename): ''' Ch...
基于超分辨率重建算法的环境搭建
時々雨
03-17 2007
文章目录@[TOC](文章目录)1、CUDA2、Anaconda33、cuDNN和Pytorch安装这里值得注意的是(30系显卡安装Pytorch时)：4、Fluent Terminal5、Real-ESRGAN算法的部署运行安装上手运行Python 脚本的用法anaconda环境基础操作1.安装Anaconda。2.conda常用的命令（1）查看安装了哪些包（2)查看当前存在哪些虚拟环境（3)检查更新当前conda3.Python创建虚拟环境4.激活或者切换虚拟环境5.对虚拟环境中安装额外的包6.关闭虚.
超分辨率python_python在图像超分辨率重建中的应用
weixin_39875192的博客
12-07 1110
python在图像超分辨率重建中的应用洪华秀[1];【期刊名称】《计算机产品与流通》【年(卷),期】2019(000)002【摘要】图像超分辨率重建技术是低分辨率图像经过一系列算法处理后转换成高分辨率图像的过程,随着图像数据的应用领域不断延伸,这一技术也逐渐成了图像处理研究热点之一。近几年Python语言在人工智能领域逐渐占领榜首,它的优越性在于强大的第三方数据处理工具的支持。本文在图像超分辨率重...
基于Python的图像超分辨率（Image Super Resolution）
毕业作品网站
01-22 1万+
常规的 GAN 中，生成器的损失函数为对抗损失，定义为生成让判别器无法区分的数据分布，即让判别器将生成器生成的图像判定为真实图像的概率尽可能的高。但是在超分辨率任务中，这样的损失定义很难帮助生成器去生成细节足够真实的图像。因此本实验为生成器添加了额外的内容损失。内容损失的定义有两种方式，一种是经典的均方误差损失，即对生成器生成的网络与真实图像直接求均方误差，这样方式可以得到很高的信噪比，但是图像在高频细节上有缺失。
Python实现超像素分割
热门推荐
WZZ18191171661的博客
06-06 1万+
目录一、什么是超像素？二、超像素具有哪些特点？三、Simple Linear Iterative Clustering (SLIC)算法实现步骤四、SLIC算法代码实现五、效果展示和分析六、基于超像素的边缘检测代码七、基于超像素的边缘检测效果展示与分析八、思维扩展参考资料注意事项 一、什么是超像素？   超像素概念是2003年Xiaofeng Ren提出和发展起来的图像分割技术，它是指具有相似纹理...
超分重建中对比图象中的bicubic图像是怎么生成的，给出相应的python代码
03-29
在超分辨率重建中，bicubic图像是通过对原始低分辨率图像进行插值得到的。具体地，bicubic插值是一种高阶插值方法，它利用原始像素周围的16个像素点进行插值计算，生成更加平滑的图像。 下面是使用Python中的PIL库实现bicubic插值的代码： ```python from PIL import Image import numpy as np # 定义bicubic插值函数 def bicubic_interp(img, x, y): x = np.asarray(x) y = np.asarray(y) H, W = img.shape[:2] x = np.clip(x, 1, W-2) y = np.clip(y, 1, H-2) x0 = np.floor(x).astype(int) y0 = np.floor(y).astype(int) x1 = x0 + 1 y1 = y0 + 1 wx = x - x0 wy = y - y0 wx2 = wx ** 2 wx3 = wx ** 3 wy2 = wy ** 2 wy3 = wy ** 3 img0 = img[y0, x0] img1 = img[y0, x1] img2 = img[y0, x0+1] img3 = img[y0, x0+2] img4 = img[y1, x0] img5 = img[y1, x1] img6 = img[y1, x0+1] img7 = img[y1, x0+2] res = img0*(1-wx2*(2-wx)) + img1*(1-wx2*wx) + img2*(wx3-2*wx2+1) + img3*(wx3-wx2) + \ img4*(1-wx2*(2-wx)) + img5*(1-wx2*wx) + img6*(wx3-2*wx2+1) + img7*(wx3-wx2) res = res*(1-wy2*(2-wy)) + img1*(1-wy2*wy) + img5*(1-wy2*wy) + img6*(wy3-2*wy2+1) + img7*(wy3-wy2) + \ img0*(1-wy2*(2-wy)) + img2*(1-wy2*wy) + img4*(1-wy2*wy) + img3*(wy3-2*wy2+1) return res # 加载低分辨率图像并进行bicubic插值 img_lr = Image.open('low_res_image.png') img_lr = np.array(img_lr) H, W = img_lr.shape[:2] scale = 4 # 放大倍数 img_hr = np.zeros((H*scale, W*scale, 3), dtype=np.uint8) for h in range(H*scale): for w in range(W*scale): h_lr = h / scale w_lr = w / scale img_hr[h, w] = bicubic_interp(img_lr, w_lr, h_lr) # 将图像保存为文件 Image.fromarray(img_hr).save('bicubic_image.png') ``` 上述代码中，`bicubic_interp`函数实现了bicubic插值算法，输入参数为低分辨率图像和目标像素点坐标，输出为插值后的像素值。`img_lr`是低分辨率图像，`img_hr`是通过bicubic插值得到的高分辨率图像，`scale`表示放大倍数。在实现过程中，我们先遍历高分辨率图像的每个像素点，然后计算其对应的低分辨率图像中的坐标，并利用`bicubic_interp`函数进行插值计算，得到其像素值。最后，将插值后的图像保存为文件。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

加斯顿工程师

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值