![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python图像处理
文章平均质量分 75
集电极
这个作者很懒,什么都没留下…
展开
-
10.1 Python图像处理之边缘算子-Sobel算子、Roberts算子、拉普拉斯算子、Canny算子、Prewitt算子、高斯拉普拉斯算子
10.1 Python图像处理之边缘算子-Sobel算子、Roberts算子、拉普拉斯算子、Canny算子、Prewitt算子、高斯拉普拉斯算子文章目录10.1 Python图像处理之边缘算子-Sobel算子、Roberts算子、拉普拉斯算子、Canny算子、Prewitt算子、高斯拉普拉斯算子1 算法原理1.1 Sobel 算子1.2 Roberts 算子1.3 拉普拉斯(Laplacian) 算子1.4 Canny 算法1.5 Prewitt 算子1.6 高斯拉普拉斯算子(LOG 算子)2 代码3 效原创 2021-08-27 18:12:06 · 12438 阅读 · 0 评论 -
9.4 Python图像处理之图像数学形态学-基于灰度形态学的应用(形态梯度、形态平滑、高帽变换、低帽变换)
9.4 Python图像处理之图像数学形态学-基于灰度形态学的应用(形态梯度、形态平滑、高帽变换、低帽变换)文章目录9.4 Python图像处理之图像数学形态学-基于灰度形态学的应用(形态梯度、形态平滑、高帽变换、低帽变换)1 算法原理1.1 形态学梯度1.2 形态平滑1.3 高帽变换(顶帽)1.4 低帽运算(黑帽)2 代码3 效果1 算法原理1.1 形态学梯度形态学梯度,膨胀图与腐蚀图之差,用于保留目标物体的边缘轮廓。形态学梯度操作能描述图像亮度变化的剧烈程度;当我们想要突出高亮区域的外围时,则可原创 2021-08-27 18:11:00 · 4961 阅读 · 3 评论 -
9.3 Python图像处理之图像数学形态学-灰度形态学
9.3 Python图像处理之图像数学形态学-灰度形态学文章目录9.3 Python图像处理之图像数学形态学-灰度形态学1 算法原理2 代码3 效果1 算法原理灰度图像与二值图像的区别在于其记录了灰度信息,所以,形态学处理的定义与二值图像有些不同,因为二值图像可以用一系列的二维坐标来表示图像信息,而灰度图需要一个三维坐标表示,而且二值图像中结构元SE是平坦的,没有灰度信息的,但灰度图中,结构元是可以带有第三维信息的,即结构元也是灰度的,这就带来了一些问题,因为二值图像中,形态学的输出结果完全由输入图像原创 2021-08-22 09:49:44 · 1223 阅读 · 0 评论 -
9.2.3 Python图像处理之图像数学形态学-二值形态学应用-区域填充
9.2.3 Python图像处理之图像数学形态学-二值形态学应用-区域填充文章目录9.2.3 Python图像处理之图像数学形态学-二值形态学应用-区域填充1 算法原理2 代码3 效果1 算法原理区域和其边界可以互求。区域填充就是已知区域按边界提取可求得其边界,反过来已知边界通过填充也可得到区域。区域填充的一个例子,已知一个区域边界点的集合A,它的补集Ac.可通过用结构元素对它膨胀,求补,和求交来填充区域。首先给边界内一个点赋深色像素值。然后根据下列选代公式填充。实验中因为Ac 比较难求,用原始图原创 2021-08-21 12:00:02 · 1479 阅读 · 1 评论 -
9.2.2 Python图像处理之图像数学形态学-二值形态学应用-目标检测
9.2.2 Python图像处理之图像数学形态学-二值形态学应用-目标检测(击中与击不中)文章目录9.2.2 Python图像处理之图像数学形态学-二值形态学应用-目标检测(击中与击不中)1 算法原理2 代码3 效果1 算法原理采用击中与击不中来进行目标检测击中击不中变换定义击中击不中变换(HMT)需要两个结构元素B1和B2,合成一个结构元素对B=(B1,B2)。一个用于探测图像内部,作为击中部分;另一个用于探测图像外部,作为击不中部分。显然,B1和B2是不应该相连接的,即B1∩B2=Φ。击中击不原创 2021-08-18 10:38:06 · 771 阅读 · 0 评论 -
9.2.1 Python图像处理之图像数学形态学-二值形态学应用之噪声消除
9.2.1 Python图像处理之图像数学形态学-二值形态学应用之噪声消除文章目录9.2.1 Python图像处理之图像数学形态学-二值形态学应用之噪声消除1 算法原理2 代码3 效果1 算法原理二值图像中常有一些小孔或小岛。这些小孔或小岛一般是由系统噪声、阈值选取或预处理而造成的。椒盐噪声就是一种典型的,造成二值图中出现小孔或小岛的噪声。将开启和闭合结合起来就可构成形态学噪声滤除器以消除这类噪声。例如用包括一个中心像素和它的4邻域的像素构成的结构元素去开启图像就能消除椒噪声,而去闭合图像就能消除盐原创 2021-08-17 19:34:47 · 1944 阅读 · 0 评论 -
9.1 Python图像处理之图像数学形态学-二值形态学(腐蚀、膨胀、开启、闭合)
9.1 Python图像处理之图像数学形态学-二值形态学(腐蚀、膨胀、开启、闭合)文章目录9.1 Python图像处理之图像数学形态学-二值形态学(腐蚀、膨胀、开启、闭合)1 算法原理1.1 腐蚀(erode)1.2 膨胀(dilate)1.3 开启(opening)1.4 闭合(closing)2 代码3 效果1 算法原理前提知识点:结构元(SE,Structure Element)最直接的理解就是卷积操作中的卷积核,或者是空间域滤波中提到的滤波器。虽然形态学操作中结构元的形状可以是任意的,但是由原创 2021-08-16 09:21:29 · 2250 阅读 · 0 评论 -
8.3 Python图像处理之图像典型分割-分水岭分割
8.3 Python图像处理之图像典型分割-分水岭分割文章目录8.3 Python图像处理之图像典型分割-分水岭分割1 算法原理2 代码3 效果1 算法原理分水岭概念是以对图像进行三维可视化处理为基础的:其中两个是坐标,另一个是灰度级。基于“地形学”的这种解释,我们考虑三类点:a.属于局部性最小值的点,也可能存在一个最小值面,该平面内的都是最小值点;b.当一滴水放在某点的位置上的时候,水一定会下落到一个单一的最小值点; c.当水处在某个点的位置上时,水会等概率地流向不止一个这样的最小值点。对一个原创 2021-08-15 11:00:32 · 1795 阅读 · 0 评论 -
8.2 Python图像处理之图像典型分割-主动轮廓
8.2 Python图像处理之图像典型分割-主动轮廓文章目录8.2 Python图像处理之图像典型分割-主动轮廓1 算法原理2 代码3 效果1 算法原理主动轮廓模型,将图像分割问题转换为求解能量泛函最小值问题,主要原理通过构造能量泛函,在能量函数最小值驱动下,轮廓曲线逐渐向待检测物体的边缘逼近,最终分割出目标。由于主动轮廓模型利用曲线演化定位目标的边缘,因此也称为Snake模型。主动轮廓模型是当前应用最多的利用变分思想求解的图像分割方法。其最大优点是在高噪声的情况下,也能得到连续、光滑的闭合分割边原创 2021-08-14 13:23:52 · 2596 阅读 · 1 评论 -
8.1 Python图像处理之图像典型分割-SUSAN边缘检测
8.1 Python图像处理之图像典型分割-SUSAN边缘检测文章目录8.1 Python图像处理之图像典型分割-SUSAN边缘检测1 算法原理2 代码3 效果1 算法原理SUSAN 的全名是:Smallest Univalue Segment Assimilating Nucleus。它是一种很有特色高效的边缘和角点检测算子,它不仅可以检测图像目标的边界点,而且能够较Robust(鲁棒) 地检测目标的角点。并且具有结构保留的降噪功能,是一种基于灰度的特征点获取方法, 适用于图像中边缘和角点的检测,原创 2021-08-13 09:51:58 · 2856 阅读 · 0 评论 -
7.2 Python图像处理之图像分割-单阈值分割
7.2 Python图像处理之图像分割-单阈值分割文章目录7.2 Python图像处理之图像分割-单阈值分割1 算法原理2 代码3 效果1 算法原理单阈值分割算法原理:单阈值分割是指将一灰度图,大于阈值的像素白色表示,小于阈值的像素以黑色表示。或者颜色调换过来也可以。该方法找到一个阈值,如果像素低于阈值,就认为是背景,否则认为是目标的一部分。一般流程:通过判断图像中每一个像素点的特征属性是否满足阈值的要求,来确定图像中的该像素点是属于目标区域还是背景区域,从而将一幅灰度图像转换成二值图像。用数学表原创 2021-08-12 13:15:21 · 2228 阅读 · 0 评论 -
7.1 Python图像处理之图像分割-自适应阈值
7.1 Python图像处理之图像分割-自适应阈值文章目录7.1 Python图像处理之图像分割-自适应阈值1 算法原理2 代码3 效果1 算法原理在不均匀照明或者灰度值分布不均的情况下,如果使用全局阈值分割,那么得到的分割效果往往会很不理想。显然得到的结果只是将光照较强的区域分割出来了,而阴影部分或者光照较弱的区域却没有分割出来。既然全局阈值不合适,那么想到的策略是针对每一个位置的灰度值设置一个对应的阈值,而该位置阈值的设置也和其邻域有必然的关系。在对图像进行平滑处理时,均值平滑、高斯平滑、中值平原创 2021-08-10 11:39:50 · 4432 阅读 · 0 评论 -
6.3 Python图像处理之图像编码技术和标准-小波变换编码
6.3 Python图像处理之图像编码技术和标准-小波变换编码文章目录6.3 Python图像处理之图像编码技术和标准-小波变换编码1 算法原理2 代码3 效果1 算法原理所谓的小波的小是针对傅里叶波而言,傅里叶波指的是在时域空间无穷震荡的正弦(或余弦波)。相对而言,小波指的是一种能量在时域非常集中的波,它的能量有限,都集中在某一点附近,而且积分的值为零,这说明它与傅里叶波一样是正交波。小波变换步骤如下: 1)把小波 w(t)和原函数 f(t)的开始部分进行比较,计算系数 C。系数 C 表示该部分原创 2021-08-09 09:46:29 · 1070 阅读 · 0 评论 -
6.2 Python图像处理之图像编码技术和标准-余弦变换编码
6.2 Python图像处理之图像编码技术和标准-余弦变换编码文章目录6.2 Python图像处理之图像编码技术和标准-余弦变换编码1 算法原理2 代码3 效果(6)图像编码技术和标准,包括预测编码(DPCM编码、余弦变换编码、小波变换编码)1 算法原理图像处理中常用的正交变换除了傅里叶变换外,还有其他一些有用的正交变换,其中离散余弦就是一种。离散余弦变换表示为 DCT( Discrete Cosine Transformation),常用于图像处理和图像识别等。二维离散余弦变换正变换公式:其原创 2021-08-08 16:15:07 · 673 阅读 · 0 评论 -
6.1 Python图像处理之图像编码技术和标准-DPCM编码
6.1 Python图像处理之图像编码技术和标准-DPCM编码文章目录6.1 Python图像处理之图像编码技术和标准-DPCM编码1 算法原理2 代码3 效果1 算法原理预测编码利用的是信源相邻符号间的相关性。根据某一模型利用以往的样本值对新的样本值进行预测。然后将样本的实际值与预测值相减得到一个误差值,最后对这一误值进行编码。如果模型足够好且样本序列在时间上相关性比较强,则误差信号的幅度将远远小于原始信号,从而得到较大的数据压缩。对于模拟信号,DPCM 编码采用预测编码的方式传输信号, 所谓预测原创 2021-08-07 15:57:59 · 2609 阅读 · 0 评论 -
5.5 Python图像处理之图像编码-位平面编码
5.5 Python图像处理之图像编码-位平面编码文章目录5.5 Python图像处理之图像编码-位平面编码1 算法原理2 代码3 效果1 算法原理比特平面编码又称为位平面编码,位平面编码是一种通过单独地处理图像的位平面来减少像素间冗余的有效技术。它将一幅多级图像分解为一系列二值图像并采用几种熟知的二值图像压缩方法对每一幅二值图像进行压缩。位平面编码分为两个步骤:位平面分解和位平面编码。位平面分解对于 8 位 256 灰度级图像来说,如果它的每个灰度值用二进制表示,选择将这 8 个数字用 8 个字原创 2021-08-06 15:46:24 · 3816 阅读 · 0 评论 -
5.3 Python图像处理之图像编码-算术编码
5.3 Python图像处理之图像编码-算术编码文章目录5.3 Python图像处理之图像编码-算术编码1 算法原理2 代码3 效果1 算法原理算术编码在图像数据压缩标准(如JPEG,JBIG)中扮演了重要的角色。在算术编码中,消息用0到1之间的实数进行编码,算术编码用到两个基本的参数:符号的概率和它的编码间隔。信源符号的概率决定压缩编码的效率,也决定编码过程中信源符号的间隔,而这些间隔包含在0到1之间。编码过程中的间隔决定了符号压缩后的输出。算术编码器的编码过程可用下面的例子加以解释。[例1] 假原创 2021-07-29 13:15:32 · 3932 阅读 · 7 评论 -
Python中常用图像处理库
Python中常用图像处理库文章目录Python中常用图像处理库1 OpenCV-Python2 Numpy3 matplotlib4 skimage5 PIL(Python Imaging Library) pillow6 imageio7 pyWavelets8 scipy.misc总结在我的python图像处理栏目中使用的版本和安装命令matplotlib 3.4.2numpy 1.20.3opencv-python 4.1.2.30imageio 2.9.0pillow 8原创 2021-07-29 12:58:23 · 1518 阅读 · 0 评论 -
5.2 Python图像处理之图像编码-哥伦布编码
5.2 Python图像处理之图像编码-哥伦布编码文章目录5.2 Python图像处理之图像编码-哥伦布编码1 算法原理变体Rice–Golomb在图像的应用2 代码3 效果1 算法原理哥伦布(Golomb)编码是一种无损的数据压缩方法,由数学家Solomon W.Golomb在1960年代发明。Golomb编码只能对非负整数(unsigned int)进行编码。当待编码符号表中的符号出现的概率符合几何分布(Geometric Distribution)时,使用Golomb编码可以取得最优效果,也就是原创 2021-07-26 14:45:49 · 2150 阅读 · 1 评论 -
5.1 Python图像处理之图像编码-哈夫曼编码
5.1 Python图像处理之图像编码-哈夫曼编码文章目录5.1 Python图像处理之图像编码-哈夫曼编码1 算法原理2 代码3 效果1 算法原理哈夫曼编码是一种根据词频变化的变长二进制编码方式,多用于压缩算法。将信源符号按出现概率从大到小排列,然后选2个最小的结合,依次类推,直到剩下2个符号为止。使用哈夫曼编码,结果不唯一,平均码长相同,接近信源熵,方法容易简单。但是对于接近等概率分布的信源编码效率低。设某信源产生有五种符号u1、u2、u3、u4和u5,对应概率P1=0.4,P2=0.1,P3=原创 2021-07-25 10:27:32 · 9373 阅读 · 13 评论 -
opencv-python的cv.dnn介绍
opencv-python的cv.dnn介绍文章目录1.DNN模块1.1. 模块简介1.2.模块架构2.常用方法简介2.1.dnn.blobFromImage注:plt可以直接显示归一化后的图片2.2.dnn.NMSBoxes2.3. dnn.readNetOPenCV自3.3版本开始,加入了对深度学习网络的支持,即DNN模块,它支持主流的深度学习框架生成与到处模型的加载。1.DNN模块1.1. 模块简介OpenCV中的深度学习模块(DNN)只提供了推理功能,不涉及模型的训练,支持多种深度学习框架原创 2021-07-24 15:02:21 · 3877 阅读 · 0 评论 -
4.3 Python图像处理之图像恢复-无约束滤波器(逆滤波)、有约束滤波器(维纳滤波器)
4.3 Python图像处理之图像恢复-无约束滤波器(逆滤波)、有约束滤波器(维纳滤波器)文章目录4.3 Python图像处理之图像恢复-无约束滤波器(逆滤波)、有约束滤波器(维纳滤波器)1 算法原理2 代码3 效果1 算法原理逆滤波与维纳滤波算法。图像复原是一种客观的操作,通过使用退化现象的先验知识重建或恢复一副退化的图像;图像在形成、传输和记录的过程中,由于受多种原因的影响,图像的质量会有下降,典型表现为图像模糊、失真、有噪声等,这一降质的过程称为图像的退化。而图像复原试图利用退化现象的某种先验原创 2021-07-24 14:44:03 · 9602 阅读 · 4 评论 -
4.2 Python图像的图像恢复-组合滤波器
4.2 Python图像的图像恢复-组合滤波器文章目录4.2 Python图像的图像恢复-组合滤波器1 算法原理1.1 混合滤波器1.2 选择性滤波器2 代码3 效果1 算法原理1.1 混合滤波器本文以中值滤波+巴特沃斯低通滤波+同态滤波混合滤波器为例,读者可以自由组合其他滤波器。本混合滤波器算法设计思路:先对图片添加椒盐噪声,先采用中值滤波器进行去噪处理,然后采用巴特沃斯低通滤波和同态滤波混合滤波器进行图像处理。巴特沃斯低通滤波器和同态滤波器在上一节已经介绍过其原理,这里不再重复给出。中值滤波原创 2021-07-23 10:54:02 · 865 阅读 · 0 评论 -
4.1 Python图像的图像恢复-空域噪声滤波器
4.1 Python图像的图像恢复-空域噪声滤波器文章目录4.1 Python图像的图像恢复-空域噪声滤波器1 算法原理2 代码3 效果1 算法原理空域噪声滤波器(均值滤波器、排序统计滤波器)均值滤波–cv2.blur(原始图像,核大小),指任意一点的像素值,都是周围 N*M 个像素值的均值。均值滤波器的特点为:随着核大小逐渐变大,会让图像变得更加模糊;如果设置为核大小为(1,1),则结果就是原始图像。均值滤波器的模板由标准像素平均和加权平均之分。如下图所示:两个3x3平滑(均值)滤波器模板。每原创 2021-07-16 15:06:04 · 937 阅读 · 0 评论 -
3.5 Python图像的频域图像增强-同态滤波器
3.5 Python图像的频域图像增强-同态滤波器文章目录3.5 Python图像的频域图像增强-同态滤波器1 算法原理2 代码3 效果1 算法原理同态滤波是一种在频域中同时能够压缩图像的亮度范围和增强图像对比度的方法。下面推导同态滤波的流程:基于图像成像模型:一幅图像f(x, y)可以表示成它的照度分量i(x, y)与反射分量r(x, y)的乘积。成像模型(照度和反射) :f(x,y)=i(x,y)r(x,y)(1)两边取对数:lnf(x,y)= lni(x, y) +Inr(x,y)(原创 2021-07-15 11:41:53 · 3998 阅读 · 3 评论 -
3.4 Python图像的频域图像增强-带通、带阻滤波器
3.4 Python图像的频域图像增强-带通、带阻滤波器文章目录3.4 Python图像的频域图像增强-带通、带阻滤波器1 算法原理2 代码3 效果1 算法原理带阻滤波器减弱(或减少)一定频率范围信号, 但容许频率低于於下限截止频率和高于上限截止频率的信号的通过。其中其中H(u,v)和D(u,v)为:消除以为 中心,D0为半径的区域内所有频率。带通滤波器与带阻滤波器互补。带通滤波器容许一定频率范围信号通过, 但减弱(或减少)频率低于於下限截止频率和高于上限截止频率的信号的通过。如图:H(原创 2021-07-14 17:48:03 · 3588 阅读 · 1 评论 -
3.3 Python图像的频域图像增强-特殊高通滤波器
3.3 Python图像的频域图像增强-特殊高通滤波器文章目录3.3 Python图像的频域图像增强-特殊高通滤波器1 算法原理1.1高频增强滤波器1.2高频提升滤波器2 代码3 效果1 算法原理特殊高通滤波器(高频增强滤波器、高频提升滤波器)1.1高频增强滤波器高频滤波将低频分量滤掉,导致增强图像中的边缘得到加强,但平坦区域灰度很暗,接近黑色。高频增强滤波器对频域里的高通滤波器的转移函数加一个常数,将一些低频分量加回去,保持光滑区域的灰度,又改善边缘区域的对比度。高频增强滤波器对频域里的高通滤原创 2021-07-13 09:36:55 · 3706 阅读 · 3 评论 -
3.2 Python图像的频域图像增强-高通和低通滤波器
3.2 Python图像的频域图像增强-高通和低通滤波器文章目录3.2 Python图像的频域图像增强-高通和低通滤波器1 算法原理1.1理想滤波器1.2巴特沃斯滤波器1.3指数滤波器2 代码3 效果1 算法原理高通和低通滤波器(分别考虑:理想滤波器、巴特沃斯滤波器,指数滤波器)1.1理想滤波器顾名思义,高通滤波器为:让高频信息通过,过滤低频信息;低通滤波相反。低频滤波器,顾名思义,就是过滤掉或者大幅度衰减图像的高频成分,让图像的低频成分通过。低频滤波器可以平滑图像,虑去图像的噪声。而与此相反的高原创 2021-07-12 19:43:24 · 9242 阅读 · 8 评论 -
3.1 Python图像的频域图像增强-图像的傅里叶变换和反变换
3.1 Python图像的频域图像增强-图像的傅里叶变换和反变换文章目录3.1 Python图像的频域图像增强-图像的傅里叶变换和反变换1 算法原理2 代码3 效果1 算法原理图像的傅里叶变换和反变换(需要考虑图像旋转、平移时的变换)图像的傅里叶变换和反变换二维离散傅里叶变换(Two-Dimensional Discrete Fourier Transform)常用于图像处理中,对图像进行傅里叶变换后得到其频谱图。频谱图中频率高低表征图像中灰度变化的剧烈程度。图像中边缘和噪声往往是高频信号,而图像原创 2021-07-11 19:21:01 · 4506 阅读 · 1 评论 -
2.4 Python图像的空域增强处理-空域滤波
2.4 Python图像的空域增强处理-空域滤波文章目录2.4 Python图像的空域增强处理-空域滤波1 算法原理2 代码3 效果1 算法原理空域滤波(线性平滑滤波器、线性锐化滤波器、非线性平滑滤波器、非线性锐化滤波器)(1)算法原理空域滤波和空域滤波器的定义使用空域模板进行的图像处理,被称为空域滤波。模板本身被称为空域滤波器。1)线性平滑滤波器包含在滤波器邻域内像素的平均值,也称为均值滤波器。作用(1)减小图像灰度的“尖锐”变化,减小噪声2)由于图像边缘是由图像灰度尖锐变化引起的,所以也存原创 2021-07-10 09:22:16 · 2568 阅读 · 2 评论 -
2.3 Python图像的空域增强处理-直方图修正
2.3 Python图像的空域增强处理-直方图修正文章目录2.3 Python图像的空域增强处理-直方图修正1 算法原理2 代码3 效果1 算法原理直方图均衡化算法和直方图规定化对于灰度级(intensity levels)范围为[0,L−1] [0, L-1] [0,L−1]的数字图像,其直方图可以表示为一个离散函数 h(rk)=nk,其中rk是第k级灰度值(intensity value), nk 是图像中灰度值为 rk 的像素个数,也就是说,图像的灰度直方图表征的是该图像的灰度分布。在实际应用原创 2021-07-09 17:21:42 · 893 阅读 · 0 评论 -
2.2 Python图像的空域增强处理-算术运算
2.2 Python图像的空域增强处理-算术运算文章目录2.2 Python图像的空域增强处理-算术运算1 算法原理2 代码3 效果1 算法原理1)加法与减法。假设 f(x,y),g(x,y)分别为两幅已知的图像,图像的加法和减法操作就是直接在每个位置的像素上做运算(两幅图像的尺寸需保持一致),最终得到的图像 s(x,y),可能会出现以下问题:会出现不在 [ 0-255 ] 之间的像素点存在,最简单的操作就是小于 0 的像素点置为 0,大于 255 的像素点置为 255,或者可以做最大最小值均衡,原创 2021-07-08 17:51:34 · 398 阅读 · 0 评论 -
2.1 Python图像的空域增强处理-灰度映射
2.1 Python图像的空域增强处理-灰度映射文章目录2.1 Python图像的空域增强处理-灰度映射1 算法原理2 代码3 效果空域增强处理,包括给定变化曲线的灰度映射(求反、动态范围压缩、阶梯量化、阈值分割)、图像的算术运算(加法、平均法消除噪声、减法)、直方图修正(直方图均衡化、直方图规定化)、空域滤波(线性平滑滤波器、线性锐化滤波器、非线性平滑滤波器、非线性锐化滤波器)。1 算法原理灰度映射是一种基于图像像素的点操作,图像的灰度线性变换是通过建立灰度映射来调整原始图像的灰度,从而改善图像的原创 2021-07-07 10:12:19 · 1549 阅读 · 3 评论 -
1.4 Python图像的坐标变换-仿射变换
1.4 Python图像的坐标变换-仿射变换文章目录1.4 Python图像的坐标变换-仿射变换1 算法原理2 代码3 效果1 算法原理图像的几何变换,也就是矩阵乘法。通过仿射变换将图片中的每个像素点按照一定的规律映射到新的位置,仿射变换可以由一个矩阵A和一个向量B给出:原像素点坐标(x,y),经过仿射变换后的点的坐标是T(u,v),则矩阵仿射变换基本算法原理:齐次坐标矩阵表示形式为:2 代码运行代码说明1.要改变代码中的地址,我的地址说明,我是把待处理图片统一放在一个(同级)im原创 2021-07-06 17:08:52 · 1898 阅读 · 0 评论 -
1.2 Python图像的坐标变换-尺度变换
1.2 Python图像的坐标变换-尺度变换文章目录1.2 Python图像的坐标变换-尺度变换1 算法原理2 代码3 效果1 算法原理图像的几何变换,也就是矩阵乘法。尺度变换是在原来像素(x0,y0)乘以一个倍数,矩阵公式:2 代码运行代码说明1.要改变代码中的地址,我的地址说明,我是把待处理图片统一放在一个(同级)image文件夹,用os.listdir(base)读取图片名称列表,base是存放图片文件夹的相对路径,也可以是绝对路径最后在os.path.join(base,path原创 2021-07-04 20:18:51 · 1754 阅读 · 1 评论 -
python-imutils包简介使用
python-imutils包简介使用文章目录python-imutils包简介使用1.imutils功能简介安装方法:2.imutils的使用方法2.1 图像平移2.2 图像缩放2.3 图像旋转2.4 骨架提取(边缘提取)2.5 转RGB,使用Matplotlib显示2.6 OPenCV版本的检测1.imutils功能简介imutils是在OPenCV基础上的一个封装,达到更为简结的调用OPenCV接口的目的,它可以轻松的实现图像的平移,旋转,缩放,骨架化等一系列的操作。安装方法:pip ins原创 2021-07-04 19:30:55 · 12227 阅读 · 8 评论 -
1.1 python图像的坐标变换-平移变换
第一章 图像的坐标变换-平移变换文章目录第一章 图像的坐标变换-平移变换1算法原理2 代码3 效果1算法原理图像的几何变换,也就是矩阵乘法。平移变换是在原来像素加上一个平移值,加法公式如下:我们可以用乘法来代替加法。矩阵的乘法的普适性明显强于加法很多。以矩阵形式表示平移前后的像素关系为:例如:点(x0,y0)在x轴上平移Δx和在y轴上平移Δy像素距离之后到达点(x1,y1),如下图:2 代码运行代码说明1.要改变代码中的地址,我的地址说明,我是把待处理图片统一放在一个(同级)ima原创 2021-07-03 10:20:47 · 3114 阅读 · 1 评论