![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数字图像处理
文章平均质量分 89
uncle_ll
这个作者很懒,什么都没留下…
展开
-
Python中的数据增强技术
使用imgaug快速观察Python中的数据增强技术原创 2023-11-13 23:30:00 · 765 阅读 · 4 评论 -
数字图像处理:亮度对比度-几何变换-噪声处理
数字图像处理之亮度对比度,几何变换,噪声处理原创 2023-09-05 23:00:00 · 1268 阅读 · 0 评论 -
OpenCV:实现图像的负片
基于opencv实现图像的负片原创 2023-09-04 23:00:00 · 1558 阅读 · 0 评论 -
Colour metric颜色度量
RGB三色空间映射一种颜色,两个颜色的欧几里得距离PC 的图形应用程序通常采用红-绿-蓝(RGB) 颜色空间。该模型很好地映射了普通阴极射线管(CRT) 显示器的工作方式。这些显示器具有三种荧光粉,当它们被电子束撞击时会发出红光、绿光或蓝光。RGB 模型的另一个优点是它是一个三维正交空间,这正是我们需要欧几里得距离函数的空间。RGB 的问题在于它并不总是最容易使用的模型(这就是打印机通常使用 CMYK 模型的原因),更根本的是,它并没有模拟我们(人类)感知颜色的方式。原创 2022-08-22 23:00:00 · 1033 阅读 · 0 评论 -
OpenCV56:级联分类器|Cascade Classifier
目标在本教程中, 将学习Haar级联对象检测的工作原理将使用基于Haar Feature的Cascade分类器了解人脸检测和眼睛检测的基础知识将使用cv::CascadeClassifier类来检测视频流中的对象。具体地将使用以下函数:cv::CascadeClassifier::load来加载.xml分类器文件,它可以是Haar或LBP分类器cv::CascadeClassifier::detectMultiScale来执行检测理论使用基于Haar特征的级联分类器的对象检测是Pa原创 2022-01-24 23:00:00 · 5436 阅读 · 0 评论 -
OpenCV55:高动态范围成像|High Dynamic Range (HDR)
目标在本章中,将学习了解如何根据曝光顺序生成和显示HDR图像使用曝光融合来合并曝光序列理论高动态范围成像(High-dynamic-range imaging,HDRI或HDR)是一种用于成像和摄影的技术,可以比标准数字成像或摄影技术重现更大的动态亮度范围。虽然人眼可以适应各种光照条件,但是大多数成像设备每通道使用8位,因此仅限于256级。当拍摄现实世界的照片时,明亮的区域可能会曝光过度,而黑暗的区域可能会曝光不足,因此无法一次曝光获取到所有细节。HDR成像适用于每个通道使用8位以上(通常为3原创 2022-01-21 23:45:00 · 4047 阅读 · 1 评论 -
OpenCV53:图像修补|Image Inpainting
图像修补目标在本章中, 将学习通过inpainting的方法清除旧照片中的小噪音等学习OpenCV中的修复函数基础大多数人的家里都会有一些旧化的照片,上面可能有黑点、折痕、笔画等。大多数人都想将其还原成原先的样子。但不能简单地在绘画工具中擦除它们,因为擦除操作只是简单地用白色结构代替黑色结构,这是没有用的。在这些情况下,将使用一种称为图像修复的技术。基本思想很简单:用附近的像素替换那些不良区域,使其看起来和邻近的像素比较协调。考虑下面显示的图像(摘自Wikipedia):左边是旧化的照片原创 2022-01-21 15:34:54 · 2043 阅读 · 0 评论 -
OpenCV54:图像去噪|Image Denoising
目标在本章中, 将学习用于去除图像中噪声的非局部均值去噪算法学习不同的函数cv2.fastNlMeansDenoising()cv2.fastNlMeansDenoisingColored()cv2.fastNlMeansDenoisingMulti()cv2.fastNlMeansDenoisingColoredMulti()理论在前面的章节中,已经看到了许多图像平滑技术,例如高斯模糊、中值模糊等,它们在某种程度上可以消除少量噪声。在这些技术中,都是在像素周围采取了一个较小的邻原创 2022-01-21 20:00:00 · 3633 阅读 · 0 评论 -
图像预处理-二值化
图像预处理-二值化二值化,使得图像呈现明显的黑白效果,二值化一方面减少了数据维度,另一方面通过排除原图中噪声带来的干扰,可以凸显有效区域的轮廓结构。目前,二值化的方法主要分为以下几种:全局阈值法(global binarization)固定阈值法otsu法局部阈值法(local binarization)基于深度学习方法全局阈值法1.固定阈值方法对于输入图形中的所有像素点统一使用一个固定阈值g(x,y)={255,if f(x, y)≥T0,else&nb原创 2021-06-09 19:02:10 · 6769 阅读 · 0 评论