![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像增强
文章平均质量分 55
告白少年
这个作者很懒,什么都没留下…
展开
-
python+opencv 实现文字分割(横板-小票文字分割/竖版-古文文字分割)
图片文字分割的时候,常用的方法有两种。一种是投影法,适用于排版工整,字间距行间距比较宽裕的图像;还有一种是用OpenCV的轮廓检测,适用于文字不规则排列的图像。原创 2021-06-02 11:20:19 · 7218 阅读 · 18 评论 -
目标检测:python实现多种图像数据增强的方法(光照,对比度,遮挡,模糊)
图像数据增强的内容(可根据需要自定义选择):1.直方图均衡化2.clahe自适应对比度直方图均衡化3.白平衡4.亮度增强5.亮度,饱和度,对比度增强6.去除图像上的高光部分7.自适应亮度增强8.随机遮挡9.图像高斯模糊10.压缩图像# -*- coding: utf-8 -*-"""******不改变原始xml的一些数据增强方法 type 1-10*******把增强后的图像和xml一起放入新的文件夹rootpath:picture_xml原始路径savepath:pict原创 2021-01-09 11:04:48 · 8436 阅读 · 6 评论 -
低光照论文LIME:Low-light Image Enhancement via Illumination Map Estimation的代码
c++版本:https://github.com/zj611/LIME_Processingpython版本:https://github.com/pvnieo/Low-light-Image-Enhancement原创 2020-12-25 11:15:45 · 2727 阅读 · 0 评论 -
低光照增强论文阅读:ZERO-SHOT RESTORATION OF UNDEREXPOSED IMAGES VIA ROBUST RETINEX DECOMPOSITION
ABSTRACT未曝光的图像往往受到严重的质量退化,如能见度差和潜在的噪音。 以往大多数低曝光图像恢复方法都忽略了噪声,并在拉伸对比过程中放大了噪声。 我们显式地预测噪声,以达到去噪的目的,同时恢复曝光不足的图像。 具体地,提出了一种新的三支卷积神经网络,即RRDNet(简称RobustRetinex分解网络),将输入图像分解为光照、反射率和噪声三个分量。 作为一个特定于图像的网络,RRDNet不需要任何先验图像示例或先验培训。 相反,RRDNet的权重将通过迭代最小化一个特殊设计的损失函数的零镜头方案来原创 2020-12-11 20:17:58 · 2107 阅读 · 3 评论 -
低光照增强论文阅读:Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement
特点:1.将亮度增强作为一个利用深度网络进行图像曲线估计的任务.它将这个任务转换为了一个image-specific曲线估计问题(图像作为输入曲线作为输出),这类曲线对在输入的动态范围内进行像素级调整,从而获得增强图像。2.提出了新的loss function.通过设置一系列non-reference的损失函数(空间一致性损失、曝光控制损失、色彩稳定性损失和照明平滑损失,可以间接反映增强质量),使得网络在没有任何参考图像的情况下能够进行end-to-end训练,训练时不需要任何配对或未配对的数据(避免了原创 2020-12-10 17:03:46 · 1272 阅读 · 0 评论 -
论文阅读:曝光过度,曝光不足增强算法Learning to Correct Overexposed and Underexposed Photos
论文阅读:Learning to Correct Overexposed and Underexposed Photos需要解决的问题:曝光误差可能是由多种因素造成的,例如TTL测光的测量误差、硬照明条件(例如,非常低的照明和背光)、场景亮度水平的剧烈变化,或用户在手动模式下的错误。在基于相机的成像中,拍摄错误曝光的照片仍然是一个主要的错误来源。曝光问题可分为以下两类:•(i)曝光过度,相机曝光时间过长,导致图像区域变亮和褪色;•(ii)曝光不足,曝光时间太短,导致图像区域变暗。论文方法:提出原创 2020-07-13 11:06:29 · 5099 阅读 · 0 评论