- 博客(38)
- 收藏
- 关注
RSS订阅
原创 BILATERAL HISTOGRAM EQUALIZATION FOR X-RAY IMAGE TONE MAPPING（python）复现
算法的大致思想:a—>b 从原图中将图像深度值分组，根据分组的大小提取出细节特征b—>c 根据权重进行融合c—>d 将融合后的图片进行高斯滤波d—>
2020-11-15 15:13:19
2016
7
原创 深度优先搜索（Depth first search）（C++版本迷宫示例）
深度优先搜索中最常见 的距离就是走迷宫的示例：假设一个人在走迷宫，这个人若是沿着其左手边一直走下去，便可走出迷宫。在迷宫的交叉口。这个人同时又两个选择，分别是走与不走这就类似于选择0还是1.我们以背包问题为例来编写一个DFS的c++版本代码假设背包中的最大承重为N，目前有n件物体，每件物体的价值为v，求背包能装的最大价值是多少。这便是一个简单的DFS的应用问题。先编写DFS函数的代码：void DFS（int index，int sumW, int sumC）{if (index ==n){
2022-05-07 11:30:47
647
原创 Few-shot calssification leadboard
小样本分类中最新文章得leadboardhttps://fewshot.org/miniimagenet.htmlhttps://paperswithcode.com/task/few-shot-image-classification
2022-05-05 16:32:49
258
原创 回归问题于分类问题的区别
”回归问题于分类问题的根本区别在于输出空间是否为一个度量空间“f(x)=y,x∈A,y∈B对于回归问题：输出的空间B是一个度量空间，即所谓的“定量”。也就是说，回归问题的输出空间定义了一个度量d=F(y_true,y_pred)去衡量输出值与真实值之间的“误差大小”。例如：预测一瓶700毫升的可乐的价格（真实价格为5元）为6元是，误差为1；预测其为7元时，误差为2。这两个预测结果是不一样的，是有度量定义来衡量这种“不一样”的。（于是就有了均方误差这类误差函数）对于分类为题，其输出空间B不是度量空间，即
2021-07-06 20:11:47
634
原创 yolo目标检测格式转成pascal_voc
import osimport globfrom PIL import Imagevoc_annotations = './yolo2coco/annotations/'yolo_txt = './label/'img_path = './images/'labels = ['defect'] # label for datasets# 图像存储位置src_img_dir = img_path # 添加你的路径# 图像的txt文件存放位置src_txt_dir = yolo_t
2021-07-04 22:04:36
222
原创 推测结果转coco格式的json计算map
coco格式的json测试文件推测输出数据的格式:./half1/COCO_val2014_000000164115.jpg 500 500 8 105.46875 189.90384615384613 327.52403846153845 416.46634615384613import reimport json#coco x1,y1,w,hlabels = ["person", "bicycle", "car", "motorbike", "aeroplane",
2021-01-25 14:08:47
644
1
原创 找出两个文件夹中不同的文件
import osimport shutildata1_path = r’C:\Users\admin\Desktop\test11\data2\data1’file1_list = os.listdir(data1_path)test_list = []for file in file1_list:a = file.split(’.’)test_list.append(a[0])data2_path = r’C:\Users\admin\Desktop\test11\data2\data2
2021-01-13 18:27:45
1338
原创 ubuntu下通过.run安装NVIDIA驱动及配置DNS
pytorch环境安装：https://pytorch.org/get-started/previous-versions/
2021-01-10 15:51:53
857
2
原创 vim 进入.bashrc后如何编辑并退出
vim 进入bashrc后如何编辑按a 可以进行编辑如何想退出编辑模式回到命令界面，只需Esc，然后输入一下命令：wq 保存后退出：w 保存但不退出：w！强制写入：q 退出：q！若修改过档案，又不想存储，强制写入档案：e!将档案还原到最原始的状态source ~/.bashrc 立即加载更改后的配置...
2021-01-04 16:01:30
10906
5
原创 sh make.sh出错 显示cffi.error.VerificationError: CompileError: command ‘gcc‘ failed with exit status 1
sh make.sh出错 显示cffi.error.VerificationError: CompileError: command ‘gcc’ failed with exit status 1在跑faster rcnn时遇到了这个错误，需要将pytorch版本改到0.4.0用conda进行安装conda install pytorch=0.4.0 -c pytorch之后这个错误就解决了...
2021-01-02 17:21:56
1261
1
Ubuntu18.04无法联网
重启电脑后发现电脑无法连接到网络尝试https://jingyan.baidu.com/article/0eb457e5794ce203f1a9050c.html
2020-12-30 20:15:56
218
原创 知识蒸馏
**知识蒸馏**背景：深度神经网络在计算机视觉任务中取得了优异的表现，然而受限于计算机能力或实时的需求，在一些小型设备上（嵌入式设备），这些模型规模庞大的网络无法直接部署。知识蒸馏是将复杂模型（教师模型）中学到的知识迁移到简单模型（学生模型）中去，期望简单模型能够逼近或超过复杂模型的表现。相关工作：2015 Distilling the Knowledge in a Neural Network（Hinton）硬标签（hard target）：...
2020-12-18 10:56:57
417
原创 射线图像对比度增强
Contrast Enhancement of Medical Radiography Images Using Edge Preserving Filters（2018会议文章）这是一篇医学射线图像增强的文章，这篇文章的思路如下：1.文章分析了HE、AHE、CLAHE算法在对比度增强上了效果2.然后分析了边缘保持滤波器guide filter3.通过导向滤波将原图分成基层跟细节层4.通过压缩基层增强细节层，增强细节层得到最总输出的图像。5.然后对比了使用最小二乘滤波的效果，最后得出了结
2020-12-13 20:24:06
375
原创 【机器学习】K-means算法学习
K-means聚类算法：之前在实习面试的时候被问到这个算法，今天就总结一下对这个算法的一些理解，参考了一些博主的文章，附在了下端。假设：数据之间的相似度可以使用欧式距离进行度量，并且欧式距离越小，两个数据相似度越高。牧师-牧民模型：伪代码function K-Means（输入数据，K个聚类中心） 获取输入数据的纬度D和个数N 随机生成K个Dim纬的点 while（算法未收敛）
2020-12-04 22:45:32
203
原创 线性非锐化掩膜unsharpened mask（matlab）
clc;clear;data=imread('DR_ck_0001.tiff');img = double(data);eps=0.04;log_img = log_trans(img);img_basic = gradient_guidedfilter(log_img, log_img, eps); img_detail = log_img-img_basic;tmp = log(2 + (img_basic./max(img_basic(:))).^0.2345*8);img_basi
2020-12-03 10:41:47
1052
原创 单尺度Retinex多尺度Retinex（matlab）
clc;clear;I=imread('DR_ck_0001.tiff'); % Ir=I(:,:,1);%提取红色分量% Ig=I(:,:,2);%提取绿色分量% Ib=I(:,:,3);%提取蓝色分量% I1=SSR(Ir); %自定义单尺度Retinex处理函数% I2=SSR(Ig);% I3=SSR(Ib);% In=cat(3,I1,I2,I3); %cat用于构造多维数组In = SSR(I);t = exp(-10);enhanced = log(
2020-12-02 22:34:05
3956
2
原创 自适应gamma（matlab）
clc;clear;data = imread('DR_ck_0001.tiff');img = double(data);maxx= max(max(img));minn = min(min(img));threshold = graythresh(data);threshold1 = threshold*65535;[m,n]=size(img);lum = sort(reshape(img,[],1));m1=round(sum(lum)/(m*n));bw = imbinariz
2020-12-02 22:32:43
1720
1
原创 python实现guided filter
import numpy as npimport cv2import matplotlib.pyplot as pltdef boxfilter(img, r): (rows, cols) = img.shape imDst = np.zeros_like(img) imCum = np.cumsum(img, 0) imDst[0 : r+1, :] = imCum[r : 2*r+1, :] imDst[r+1 : rows-r, :] = imCum[2
2020-12-02 22:30:58
2466
原创 Ubantu基本操作
安装 sudo pip install 待安装模块名桌面点击右键，选择Open Terminal 打开终端pwd-----> 打印当前在哪个目录ls ----->列出当前路径下的文件和目录mkdir ----->目录名 新建目录cd ----->目录名 进到指定目录python 运行Python解释器print‘Hello World’vim文件名 打开或新建文本在vim种点击i进入插入模式 可以往文本里写内容Esc ：q 推出vimEsc ：wq保存更改推出
2020-12-02 22:26:19
124
原创 【学习笔记】迁移学习
迁移学习的优势：1.能够快速的训练出一个理想的结果2.当数据集较小时也能训练出理想的效果（但是需要注意别人的预处理方式）常见的迁移学习方式：1.载入权重后训练所有参数2.载入权重后只训练最后几层的参数3.载入权重后对原网络基础上再添加一层全连接层，仅训练最后一个全连接层...
2020-11-21 15:32:37
139
原创 【学习笔记】CNN感受野
在卷积神经网络中，决定某一层输出结果中一个元素所对应的输入层的区域大小，被称作感受野（receptive field）。通俗的解释是，输出feature map上的一个单元对应输入层上的区域大小。3个33大小的卷积等于1个77大小的卷积核目的是为了节省计算的参数CC表示输入通道数卷积核的个数...
2020-11-21 11:36:47
205
原创 【学习笔记】目标检测算法(两阶段)
两阶段目标检测算法：R-CNN：1.对图像进行Selective Search生成1K~2K个候选区域2.将每个候选区域输入网络提取特征3.将特征送入每一类的SVM分类器中，判读是否属于该类4.使用回归器精细修正候选框的位置具体的一些细节：1.利用Selective Search 算法通过图像分割的方法得到一些原始区域。然后使用一些合并策略将这些区域合并，得到一个层次的区域结构，这些结构就包含可能需要的物体。2.对每个候选区域使用深度网络提取特征将2000个候选区域缩放发哦227227，接
2020-11-20 09:31:58
8115
1
原创 Tone Mapped HDR Images Contrast Enhancement Using Piecewise Linear Perceptual Transformation
分享一篇19年（EUSIPCO）的会议文章。这篇文章是做HDR色调映射和对比度增强的文章，作者提出了一个分段线性感知变换的概念(Piecewise Linear Perceptual Transformation),后面我会通过对文章的解读，然后对这个概念进行解释。解释一下作者设计的算法的流程：1.作者先对输入图片的亮度进行了log变换，定义成了IHDR（这里我想说明一下，如果对于那些像素分布集中于高亮且对比度比较差，背景单一的HDR图像来说log变换不适用，高亮区域被压缩的太严重）2.对IHDR设
2020-11-16 11:37:13
263
1
原创 Tone-Mapping Using Perceptual-Quantizer and Image Histogram
分享一篇在谷歌学术上看到的2020年的一篇色调映射与直方图结合的文章。这篇文章之前17年在TIE上又一篇类似的文章。**《A tone-mapping technique based on histogram using a sensitivity model of the human visual system》**这两篇文章有异曲同工之处（17年的这篇文章代码以及开源），下面就来说说2020的这篇文章。这篇文章引入了一个感知量化（PQ）的概念，文章中作者说PQ跟HVS的工作原理类似，并且比HVS效果
2020-11-15 22:02:56
585
4
原创 Adaptive gamma correction（自适应gamma）
最近一直在研究色调映射算法（TM），对比较传统的gamma校正也做了一些研究，看了几篇结合直方图信息的自适应gamma的文章，觉得比较有趣分享给大家。第一篇《Efficient Contrast Enhancement Using AdaptiveGamma Correction and Cumulative IntensityDistribution》，这是08年的一篇会议文章，这篇文章在13年发表在了TIP上，之后得到了很多人的改进。介绍一下这篇文章的思路，作者根据分布函数设计了一个自适应的gam
2020-11-15 15:52:09
4078
1
原创 DR-TM NET射线图像增强网络
最近看到了一篇用深度学习做射线图像增强的文章，这也是我目前看到的唯一的一篇，分享给大家。文章名称是《Detail Restoration and Tone Mapping Networks for X-Ray Security Inspection》作者设计了两个网络来做高动态图像增强，分别是DRnet（细节恢复网络）和TMnet（色调映射网络）。DRnet这部分采用全监督的方式，作者将输入的图片分成基础层跟细节层，对细节层利用全监督进行增强，然后将增强后的细节层于基础层相加，输入到TMnet。TMne
2020-11-15 10:31:25
676
原创 (2013LEDfilter)
文章名称《Local edge-preserving multiscale decomposition for high dynamic range image tone mapping. IEEE Transactions on Image Processing》代码
2020-11-15 10:01:13
113
原创 图像的各向异性扩散
《X-ray Image Enhancement using a Modified Anisotropic Diffusion》这篇文章中使用了图像各项异性扩散的方法。这篇文章的算法思路是：1.对输入图像进行直方图均衡化2.使用K-means聚类方法作为权重进行各项异性扩散各项异性扩散类似于双边滤波跟引导滤波，考虑了邻域像素的梯度问题，能够保持边缘同时进行局部平滑操作。这篇文章思路很简答，能启发性的尝试将其他增强方法与各项异性的方法相结合克服对比度增强与边缘细节保持不能同时兼顾的问题。在网上找到
2020-11-04 09:47:42
929
原创 Improving histogram-based image contrast enhancement using gray-level information histogram
这篇文章的全名是《Improving histogram-based image contrast enhancement using gray-levelinformationhistogram with application to X-ray images》这也是一篇改进直方图均衡化方法的文章。作者先做了假设并实验证明了梯度高的地方包含着更多的细节信息，梯度低的地方包含着大量的背景信息。根据这个假设作者设计了如下的算法：1.先利用梯度算子计算了图像的梯度，对计算得到的梯度进行排序。2.将梯
2020-10-27 22:32:14
447
原创 A Dynamic Histogram Equalization for Image Contrast Enhancement（matlab实现）
分享一篇最近研究的动态直方图均衡化的文章。这篇文章的目的是为了克服直方图均衡化过程中出现频次高的亮度值覆盖出现频次较低的亮度值。作者设计了如下的算法：1.先将直方图用1*3的滤波器进行平滑2.然后进行直方图谷的位置，进行第一次直方图划分。为了保证划分后每段中不包含主导的像素值（出现频次高的亮度值覆盖出现频次较低的亮度值），需要对分段进行判断然后进行第二次直方图划分。第二次分化时分别求出分段的均值和标准差，若满足2sigma大于68.3%即可，不满足将本段划分成三段。3.进行直方图均衡化。作者用该
2020-10-27 22:14:00
1515
5
原创 直方图均衡化（通俗易懂）
关于直方图均衡化一直想写一篇文章来简单的介绍这个原理。对于给定的一张图像来说，所有像素点的分布可能在某个阈值内非常密集或者稀疏，为了更好的突出图像的对比度信息，我们尝试将像素的分布变得统一，换句话说就是让在同一像素阈值区间内像素点的个数尽量相同。直方图均衡化的理论基础关于概率的分布函数。简单的讲对于连续型随机变量，分布函数等于等于随机变量在某一区间上对概率密度函数的积分。分布函数可以简单理解为累计发生的概率。对于离散型随机变量来说，分布函数就是每个离散点发生概率的累加。在介绍了概率基础之后就来说明一下
2020-10-13 22:14:39
2719
1
原创 高斯金字塔与拉普拉斯金字塔（python实现）
一、高斯金字塔：高斯金子塔的思路非常简单，就是讲原始图像当作金子塔的最底层，然后进行按图像长宽各减少二分之一，面积减少四分之一，进行下采样。在进行下采样之前需要进行高斯滤波。import numpy as npimport cv2import matplotlib.pyplot as pltdef gaussian(original_image,down_times=5): temp = original_image.copy() gaussian_pyramid = [temp]
2020-10-02 21:06:42
3237
4
原创 Python实现联合双边滤波（joint/cross bilateral filter ）
import numpy as npimport mathimport cv2import scipy.signalfrom scipy.interpolate import interpnfrom itertools import chaindef fastbilateralFilter(data, edge, sigmaSpatial, sigmaRange, samplingSpatial, sampingRange): Data1 = list(chain.from_iterab
2020-08-05 07:39:37
1413
原创 python+cv2批量读取图片并保存
file_root = './'#当前文件夹下的所有图片 file_list = os.listdir(file_root) save_out = "../****/"#保存图片的文件夹名称 for img_name in file_list: if img_name.endswith('.tif'): img_path = file_root + img_name I = cv2.imread(img_path...
2020-08-05 07:37:15
7630
3
翻译 python实现3D卷积（convolve3d）
import numpy as npimport scipyimg = np.random.rand(64, 64, 54)#three dimensional imagek1 = np.array([0.114,0.141,0.161,0.168,0.161,0.141,0.114])#the kernel along the 1st dimensionk2 = k1#the kernel along the 2nd dimensionk3 = k1#the kernel along the 3
2020-07-27 20:47:34
3015
原创 调整图像窗宽窗位
import numpy as npfrom PIL import Imageimport cv2def load(path): img = cv2.imread(path,-1）#原图像深度读取 return imgdef window_just(path,window_width,width_level,tone=Flase,tone_min=0,tone_max=255): window_min = int(width_level-window_width/2+0.5)
2020-07-10 22:58:25
2252
原创 Python读写tiff16bit并保存
from PIL import Imageimport imageioimport numpy as npdef load(path): img = imageio.imread(path) return imgfilename = '**'img = load(path)img = np.array(img).astype(np.uint16)#假设对图像做仿射变换img = Image.fromarray(img)img.save('new_img.tiff')pl
2020-07-10 22:23:10
1034
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人