npc1236的博客

AttributeError module ‘scipy.misc’ has no attribute ‘imsave’pip install scipy==1.2.1

目标本文的目标是从给与的低分辨率的mask与高分辨率的图像中细化出高分辨率图像的边界。背景现如今存在的一些边界细化的方法多在低分辨率条件下进行的，由于内存，计算速度，计算资源等限制，并不能在高分辨率图像中进行处理。现如今高分辨率的方法大多数是将低分辨率图像直接上采样达到高分辨率，但是由于未考虑到HR图像中的语义信息，往往结果较差。在此背景下，提出了一中新颖的方法来对HR图像进行边界细化。创新1.带状图像考虑到计算资源问题，不能将整张HR图像直接丢进网络，因此将LR的mask进行上采样，在靠近

图像平滑就是去除高频信息，保留低频信息，因此我们可以对图像实施低通滤波，低通滤波可以去除图像中的噪声，对图像进行平滑。均值滤波每一个点由身边的几个点的平均值代替，计算速度快，但是会丢失很多细节部分，将图像变得模糊cv2.blur(src,ksize,anchor,borderType)#src:输入图像#ksize:卷积核大小#anchor：默认值（-1，-1），表示核中心#borderType：边界类型高斯滤波cv2.GaussianBlur(img,(3,3).1)...

腐蚀操作cv2.erode(img,kernel,iterations)#img:图像#kernel：核结构#iterations：腐蚀的次数，默认是1膨胀操作cv2.dilate(img,kernel,iterations)#img:图像#kernel：核结构#iterations：腐蚀的次数，默认是1开闭运算开运算：先腐蚀，再膨胀闭运算：先膨胀，再腐蚀cv2.morphologyEx(img,op,kernel)#img:要处理的图像#op:要处理的方法，若进行开运算，

OpenCV画图函数cv2.line(img, (0, 0), (512, 512), (255, 0, 0), 5)#绘制直线：图片，起点，终点，线条颜色，线条宽度cv2.circle(img, (256, 256), 256, (0, 0, 255), 4)#绘制圆：图片，圆心，半径，线条颜色，线条宽度cv2.rectangle(img, (100, 100), (400, 400), (0, 255, 0), 4)# 绘制矩形：图片，左上角点坐标，右下角点坐标，线条颜色，线条宽度cv2.put

OpenCV安装: 若要使用使用SIFT和surf进行特征提取时，安装：pip install open-contrib-python==3.4.2.17模块core模块实现最核心的数据结构及基本运算，如：绘图函数,数组操作相关函数等highgui模块实现视频和图像的读取，显示，存储等接口。imgproc模块实现图像处理的基础方法，包括图像滤波，图像的几何变换，平滑，阈值分割，形态学处理，边缘检测，目标检测，运动分析和对象跟踪等。features2d模块提取图像特征以及特征匹配，no