【OpenCV-Python】:批量生成掩膜图像

✨博客主页:王乐予🎈
✨年轻人要:Living for the moment(活在当下)!💪
🏆推荐专栏:【图像处理】【千锤百炼Python】【深度学习】【排序算法

话不多说,直接看代码!

import cv2
import os
import numpy as np

def read_path(file_pathname):
    for filename in os.listdir(file_pathname):          # 遍历文件夹内的所有图片
        print(filename)                                 # 打印图片名称
        a = 44                                          # 设置掩膜区域的初始边线位置
        img = cv2.imread(file_pathname+'/'+filename)    # 读取图片
        mask = np.ones((128, 128, 3), dtype=np.uint8) * 255     # 255:生成全白数值矩阵(如果要生成黑色区域块,
                                                                #                   需要生成0矩阵。)
        mask[a:a + 40, a:a + 40] = 0                    # 掩膜区域大小为40×40,令该区域像素值为0(黑色)
        mask_img = cv2.bitwise_and(img, mask)           # cv2.bitwise_and是对二进制数据进行“与”操作,
                                                        # 掩膜图像白色区域是对需要处理图像像素的保留,黑色区域是对需要处理图像像素的剔除
        cv2.imwrite("I:\\LOL\\mask"+"/"+filename, mask_img)     # 保存图像到指定位置
read_path("I:\\LOL\\train_normal")

结果展示:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 3
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
根据提供的引用内容,你正在使用基于python-opencv的手势别模型进行图像处理。然而,你对识别的数字部分不太满意,想知道如何进行修改。在代码中,你使用了一个名为HandTrackingModule的自定义模块来进行手势检测和手部定位。你还使用了OpenCV库来处理图像。通常,手势识别的准确性取决于模型的训练和参数调整。我建议从以下几个方面对你的模型进行修改和改进: 1. 数据集: 检查你用于训练模型的手势数据集。确保数据集中包含足够多的手部姿势和不同角度的样本,以便模型可以学习到更多的变化和细节。 2. 模型架构: 考虑调整你的手势识别模型的架构。你可以尝试使用更复杂的神经网络结构,如卷积神经网络(CNN),以提高模型的准确性。 3. 参数调优: 尝试调整模型的参数,例如学习率、批量大小和迭代次数,以找到最佳的训练设置。这可以通过反复试验和验证来实现。 4. 数据增强: 使用数据增强技术来增加数据集的多样性。例如,可以应用旋转、缩放、平移等变换来生成更多的训练样本,以增加模型的鲁棒性。 5. 模型集成: 考虑使用多个手势识别模型进行集成,以提高整体的准确性。可以通过投票或加权平均等方式来融合多个模型的预测结果。 通过对上述方面进行修改和改进,你可以提高手势识别模型的准确性和性能。记住,调整模型需要一定的实验和调试,因此建议你尝试不同的方法,并根据结果进行迭代和优化。希望这些建议对你有所帮助!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

王乐予

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值