图像处理
文章平均质量分 91
计算机视觉中图像处理相关技术简介及使用
man_world
这个作者很懒,什么都没留下…
展开
-
17、Python 图像数据增强工具:imgaug
文章目录@[toc]参考资料参考资料imgaug学习笔记深度学习之数据增强库imgaug使用方法https://gitee.com/alavaien/imgaughttps://imgaug.readthedocs.io/en/latest/https://imgaug.readthedocs.io/_/downloads/en/latest/pdf/https://github.com/aleju/imgaug-dochttps://github.com/aleju/imgaug..原创 2020-08-18 17:30:39 · 6474 阅读 · 1 评论 -
12、计算机视觉中的各种坐标系
一、四个坐标系简介和转换 我觉得首先我们要理解相机模型中的四个平面坐标系的关系:像素平面坐标系(u,v)、图像物理坐标第(x,y)、相机坐标系(Xc,Yc,Zc)和世界坐标系(Xw,Yw,Zw). 二、图像坐标:我想和世界坐标谈谈 玉米将在这篇博文中,对图像坐标与世界坐标的这场对话中涉及的第二个问题:谈话方式,进行总结。世界坐原创 2017-03-22 19:34:30 · 9803 阅读 · 1 评论 -
11、图像质量评价(IQA)
图像质量评价-百度百科图像质量评估综述无参考图像质量评估 全参考图像质量评价方法整理与实用性探讨视频/图像质量评价综述Image Quality Assessment: A SurveyDeep CNN-Based Blind Image Quality Predictor in PythonAutomatic Image Quality Assessment in Pythonhttps://github.com/ocampor/image-qualityhttp://database.原创 2022-08-05 20:51:22 · 90 阅读 · 0 评论 -
10、YUV 简介及使用
一、YUV 简介 YUV:是一种颜色编码方法,常使用在各个视频处理组件中 Y'UV, YCbCr, YPbPr等专有名词都可以称为 YUV,彼此有重叠 Y表示明亮度(单取此通道即可得灰度图),U和V则是色度、浓度 主流的采样方式有三种,YUV4:4:4,YUV4:2:2,YUV4:2:0 可以根据其采样格式来从码流中还原每个像素点的 YUV 值,进而通过 YUV ......原创 2018-07-27 16:18:56 · 21266 阅读 · 7 评论 -
9、移动端 OpenCV 的编译和使用(C++接口)
移动端 OpenCV 的编译和使用原创 2022-08-01 22:32:19 · 78 阅读 · 0 评论 -
8、OpenCV 基本图像操作(C++ 接口)
OpenCV 基本图像操作(C++ 接口)原创 2022-08-05 21:21:09 · 76 阅读 · 0 评论 -
7、OpenCV 基本数据类型(C++ 接口)
OpenCV 基本数据类型(C++ 接口)原创 2022-08-05 21:20:26 · 49 阅读 · 0 评论 -
6、Ubuntu 下通过源码安装 OpenCV(C++ 接口)
Ubuntu 下通过源码安装 OpenCV原创 2022-08-05 21:19:38 · 104 阅读 · 0 评论 -
5、OpenCV 中图像的算术运算、平滑处理、阈值化及图像金字塔(Python 接口)
一、图像的算术运算图像加法:cv2.add()# OpenCV 的加法是一种饱和操作,而 Numpy 的加法是一种模操作。x = np.uint8([250])y = np.uint8([10])print cv2.add(x,y) # 250+10 = 260 => 255[[255]]print x+y # 250+10 = 260 % 256原创 2017-04-03 20:19:52 · 1730 阅读 · 1 评论 -
4、OpenCV 中的边缘检测(Python 接口)
OpenCV 提供了四种不同的边缘检测算子,或者说高通滤波器:Sobel,Scharr 和 Laplacian 算子以及Canny 算子,具体检测步骤如下: - 图像滤波:边缘检测的算法主要是基于图像灰度值的一阶和二阶导数,但导数通常对噪声很敏感,因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常用的高斯平滑滤波。 - 增强边缘:可以将图像灰度点邻域值有显著变化的点凸显出来。在具体原创 2017-04-02 17:39:36 · 3068 阅读 · 1 评论 -
3、OpenCV 中的形态学转换(Python 接口)
1. 腐蚀(Erosion)原理:卷积核沿着图像滑动,如果与卷积核对应的原图像的所有像素值都是1,那么中心元素就保持原来的像素值,否则就变为零。 结果:对于去除白噪声很有用,也可以用来断开两个连在一块的物体等。2. 膨胀(Dilation)原理:与腐蚀相反,与卷积核对应的原图像的像素值中只要有一个是1,中心元素的像素值就是1 。结果:会增加图像中的白色区域,也可以用来连接两个分开的物体等。原创 2017-04-03 19:54:15 · 648 阅读 · 1 评论 -
2、OpenCV 图像的几何变换(Python 接口)
一、几何变换简介 它与点运算不同,它可改变图像中像素间的空间关系,这种运算可以看成各像素在图像中移动的过程。 定义:g(x,y)=f(x,y)=f[a(x,y),b(x,y)]g(x, y) = f(x, y) = f[a(x, y), b(x, y)],其中f(x,y)f(x, y)表示输入图像,g(x,y)g(x, y)表示输出图像,a(x,y)a(x, y)和b(x,y)b(x,原创 2017-03-22 14:35:44 · 5596 阅读 · 1 评论 -
1、OpenCV 基本知识及 DNN模块介绍(Python 接口)
一、在 Anaconda2 中配置 OpenCV解压 opencv,添加系统环境变量,计算机-->右键属性-->高级系统设置--&amp原创 2017-04-02 14:59:24 · 8257 阅读 · 1 评论 -
图像缩放——双线性插值算法
在数学上,双线性插值是有两个变量的插值函数的线性插值扩展,其核心思想是在两个方向分别进行一次线性插值。如果选择一个坐标系统使得 的四个已知点坐标分别为 (0, 0)、(0, 1)、(1, 0) 和 (1, 1),那么插值公式就可以化简为:用矩阵运算来表示的话就是: 图像的空间变换,也称几何变换或几何运算,包括图像的平移、旋转、镜像变换、转置、缩放等。转载 2016-11-22 16:37:34 · 2818 阅读 · 0 评论 -
基于感知损失函数的实时风格转换和超分辨率重建
基于感知损失函数的实时风格转换和超分辨率重建文章地址:《Perceptual Losses for Real-Time Style Transfer and Super-Resolution》 arXiv.1603.08155转自:基于感知损失函数的实时风格转换和超分辨率重建 (zhwhong)Abstract 摘要:我们考虑的图像转换的问题,即将一个输入转载 2017-01-12 15:38:45 · 15480 阅读 · 0 评论