- 通过将其饱和度增加20%来更新第二个通道。第二层对应于绿色:
img_ch_view[:, x_coords, 2] = min.(img_ch_view[:, x_coords, 2] .* 1.2, 1);
imshow(img)
- 更改与蓝色相对应的第三个通道,并将其强度增加40%:
img_ch_view[:, x_coords, 3] = min.(img_ch_view[:, x_coords, 3] .* 1.4, 1);
imshow(img)
色阶是从0.0
到1.0
,其他值不被接受。
此处并没有分配内存,而是使用视图来更新原始图像的内容。
计算机视觉中最受欢迎的活动之一是转换为图像并使用其灰度版本。在Julia中,这是通过使用Gray函数来实现的:
using Images
img = load(“pictures/custom_image_name.jpg”);
img_gray = Gray.(img)
imshow(img_gray)
灰度图像广泛用于经典计算机视觉中,用于诸如特征检测,形态学等任务。使用灰度图像的好处是它们以一个单一的维度表示,因此可以快速进行处理和分析。
与RGB图像的三维尺寸相比,Gray返回的尺寸为单个尺寸。使用以下命令将一个通道的灰度图像转换为一个三通道的灰度RGB图像:
img_gray_rgb = RGB.(Gray.(img))
创建一个颜色飞溅滤镜效果。通过使用表示将要保留的颜色的点或区域来实现颜色飞溅滤镜效果。
从加载图像开始:
using Images, ImageView
load an image and create a grayscale copy
img = load(“pictures/custom_image_name.jpg”);
img_gray = RGB.(Gray.(img))
要点如下:
-
创建图像的灰度副本,并将其用作最终结果的基础
-
结合使用Gray和RGB来获得图像的灰度版本的三通道表示
使用channelview函数在三个通道中表示图像对象。更改维度顺序并将通道尺寸放在最后:
get channels representation
img_channel_view = channelview(img);
img_gray_channel_view = channelview(img_gray);
make channel dimension last and crop the required are
img_arr = permuteddimsview(img_channel_view, (2, 3, 1));
img_gray_arr = permuteddimsview(img_gray_channel_view, (2, 3, 1));
使用遮罩来跟踪要保留的像素和颜色。最初,将其设置为保留所有像素:
create a mask with all values being true
img_mask = fill(true, size(img));
在继续更新遮罩之前,需要在原始图像中定义一个点区域。使用该区域提取要保留的颜色。可以将值更改为任何大小,只要它适合原始区域并进行预览即可:
spot are with colors to retain
img_spot_height = 430:460
img_spot_width = 430:460
preview color area (optional)
imshow(img[img_spot_height, img_spot_width])
下一部分将执行以下操作:
-
在for循环中遍历图像的三个通道,并分别处理每个通道
-
通过通道裁剪感兴趣的区域
-
确定该区域的最小和最大颜色
-
通过检查通道颜色值是否在最小/最大范围内来创建通道蒙版
在图像和通道蒙版上应用逻辑AND操作
上述操作的代码如下:
for channel_id = 1:3
select current channel and crop areas of interest
current_channel = view(img_arr, :, :, channel_id)
current_channel_area = current_channel[img_spot_height,img_spot_width, :]
identify min and max values in a cropped area
channel_min = minimum(current_channel_area)
channel_max = maximum(current_channel_area)
merge existing mask with a channel specific mask
channel_mask = channel_min .< current_channel .< channel_max
img_mask = img_mask .& channel_mask
end
最后一步是应用img_mask并使用灰度合并源图像:
img_masked = img_arr .* img_mask .+ img_gray_arr .* .~(img_mask);
final_image = colorview(RGB, permutedims(img_masked, (3, 1, 2)))
imshow(final_image)
在某些时候,可能需要为图像添加边框。 ImageFiltering包扩展了padarray函数,并允许以其他方式添加填充。
填充恒定值
在图像周围添加一个具有25像素大小的边框。这是通过组合padarray和Fill函数来完成的:
using Images, ImageView
pad_vertical = 25
pad_horizontal = 25
pad_color = RGB4{N0f8}(0.5,0.5,0.) # border color
img = load(“pictures/custom_image_name.jpg”);
img = padarray(img, Fill(pad_color, (pad_vertical, pad_horizontal)))
img = parent(img) # reset indices to start from 1
imshow(img)
通过复制图像内容进行填充
使用图像的内容来创建边框。julia有四种在边框增加时可以使用的类型(样式):
| 类型 | 描述 | 示例 |
| — | — | — |
| :replicate | 边界像素扩展出图像边界 | UUUU-UVWXYZ-ZZZZ |
| :circular | 边框像素环绕 | WXYZ-UVWXYZ-UVWX |
| :symmetric | 边界像素相对于像素之间的位置进行反向传播 | YXWV-UVWXYZ-YXWV |
| :reflect | 边界像素相对于边缘本身反向填充 | XWVU-UVWXYZ-ZYXW |
例如,使用:reflect将复制边框像素:
using Images, ImageView
pad_vertical = 25
pad_horizontal = 25
img = load(“pictures/custom_image_name.jpg”);
img = padarray(img, Pad(:reflect, pad_vertical, pad_horizontal))
img = parent(img) # reset indices to start from 1
imshow(img)
在图像增强中,高斯模糊是减少图像细节并实现模糊效果的一种广泛使用的方法。这是一个非线性操作。
为了在Julia中应用高斯模糊,使用ImageFiltering.jl包中的高斯核和imfilter函数:
using Images, ImageView
img = load(“pictures/custom_image_name.jpg”);
img_area_range = 320:640
img_area = img[:, img_area_range]
img_area = imfilter(img_area, Kernel.gaussian(5))
img[:, img_area_range] = img_area
imshow(img)
Julia对高斯核的实现采用一个像素表示周围区域,并将目标像素替换为区域中值。核大小应为正整数,其中1表示最小平滑。
当不适合放入播放框的视频需要增加尺寸且边框模糊时,尝试实现类似Instagram的视频效果。将首先加载图像,创建顶部和底部填充,最后模糊它们:
using Images, ImageVie
border_size = 50
gaussian_kernel_value = 10
img = load(“pictures/custom_image_name.jpg”);
add borders
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V:vip1024c 备注Python获取(资料价值较高,非无偿)
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
0abf71d796.png#pic_center)
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。