weixin_44340026的博客

MIoU=1k+1∑i=0kpii∑j=0kpij+∑j=0kpji−pii MIoU = \frac{1}{k+1} \sum^{k}_{i=0} \frac{pii} { \sum^{k}_{j = 0}p_{ij} + \sum^{k}_{j = 0}p_{ji} - p_{ii}} MIoU=k+11​i=0∑k​∑j=0k​pij​+∑j=0k​pji​−pii​pii​ 类别数 k+1类，包含背景 pii TP pij FN，第i类预测为j类 pji FP 等价于： MIoU=1k+1∑i=0k

HSV颜色模型 Hue:色调，取值范围为0°～360°，红色为0°，绿色为120°,蓝色为240° Saturation:饱和度，取值0%～100%，越大颜色越艳丽。 Value:明度，0%（黑）到100%（白），越小越黑。 加入黑色可减小V而S不变。 加入白色可减小S而V不变。 形象图： Python颜色模型转换 PIL cv2实现： from PIL import Image img = Image.open('test.jpg') img_hsv = img.convert("HSV") img_

版本：opencv-python 4.5.2.52 import cv2 filename = r'b2.jpg' b = cv2.imread(filename, flags=cv2.IMREAD_UNCHANGED) # 显示原始图像 win_name_UNCHANGED = 'UNCHANGED' cv2. namedWindow(win_name_UNCHANGED) cv2.imshow(win_name_UNCHANGED, b) # 显示灰度图 b = cv2.imread(filenam

ML界的Hello World：手写数字集MNIST（1）下载 下载、显示MNIST数据集 import tensorflow as tf import matplotlib.pyplot as plt # 取别名 mnist = tf.keras.datasets.mnist # 下载 (train_x, train_y), (test_x, test_y) = mnist.load_data() print("Training set:", len(train_x)) # Training set:

系列：数字图像基础（2）Pillow 一个不错的知乎帖子：学习如何使用Python的Pillow函数库来处理图像。 打开图像——Image.open()函数 Image.open(路径)返回image对象 打开、保存图像 # 导入模块 from PIL import Image # 打开 img = Image.open('Liya.jpg') # 保存 img.save('Liya_bk.jpg') # 转换格式 img.save('Liya_bk.bmp') 图像对象的主要属性 图像格式.forma

小课题：数字图像基础（1）基本概念、Pillow 二值图 每个像素为0或1 灰度图 一个像素占8位 RGB彩色图 三个分量：每个24位 RGBA图 RGB图像+8位透明度信息Alpha 透明度Alpha为0则完全透明 32位真彩色图像 256色彩色图像 颜色由8位二进制指定 需保存、加载调色板 按索引值从调色板中获取 图像格式 .BMP格式：占用存储空间大，不支持文件压缩，不适用于网页 jpeg格式：有损压缩，压缩率高，所占空间小 适于颜色丰富、细节清晰细腻的大图像 不