![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理
wxsy024680
这个作者很懒,什么都没留下…
展开
-
图像处理——SIFT
1、当opencv-python版本为4.7.0.72时,sift = cv2.SIFT_create()可以运行成功,sift = cv2.xfeatures2d.SIFT_create()不可以。原创 2023-08-11 02:14:30 · 130 阅读 · 0 评论 -
图像处理——数组变换
方法1和方法2实现的效果是一样的:原创 2022-06-24 16:39:57 · 764 阅读 · 0 评论 -
图像处理——不压缩地保存图像
使用cv2.imencode保存图像时,默认会以LZW格式压缩图像,图像质量受损。采用如下方式,可以不压缩地保存图像。原创 2022-06-09 16:10:16 · 1666 阅读 · 0 评论 -
图像处理——打开DICOM图像
1、运行image=pydicom.dcmread(path).pixel_array时出现如下报错:InvalidDicomError: File is missing DICOM File Meta Information header or the ‘DICM’ prefix is missing from the header. Use force=True to force reading.这是由dicom文件中信息缺失造成的,修改代码如下:image=pydicom.dcmread(path,原创 2022-05-05 18:15:55 · 1303 阅读 · 0 评论 -
图像处理——途径不同结果不同
软件开发时采用了两种获取图像的方式,最后都是得到八位彩图,但喂入深度学习模型,结果出现一点偏差,值得注意!方式一:image = cv2.imdecode(np.fromfile(self.mainWin.show2.fileName, dtype=np.uint16), -1)if image.dtype == 'uint16': image = image / 65535 * 255 image = image.astype(np.uint8)if len(image.shape) == 2原创 2022-02-16 15:41:25 · 1533 阅读 · 0 评论 -
图像处理——图像与字符串互转
1、图像转字符串from sys import argvfrom base64 import b64encodefrom json import dumps# 命令行窗口执行python image_to_json.py result.png result.jsonENCODING = 'utf-8' # 指定编码形式SCRIPT_NAME, IMAGE_NAME, JSON_NAME = argv # 获得文件名参数# 读取二进制图片,获得原始字节码,注意 'rb'wit原创 2021-11-18 15:24:19 · 1888 阅读 · 0 评论 -
图像处理——mixup
mixup是图片分类中的一个非常有效的trick, 具体流程如下图所示:简单来讲就是将两张图片通过不同的比例进行融合,同时图片对应的one-hot编码也以相同的比例相乘,从而构造出新的数据集。 本质上,mixup在成对样本及其标签的凸组合(convex combinations)上训练神经网络,可以规范神经网络,增强训练样本之间的线性表达。 其优点是:改善了网络模型的泛化能力减少对错误标签的记忆增加对抗样本的鲁棒性稳定训练过程mixup效果受α,β值影响,Beta分布如下图:具体请参考原创 2021-10-11 15:26:46 · 1610 阅读 · 0 评论 -
图像处理——16位单通道图像变为三通道图像
原创 2021-09-10 11:44:45 · 1962 阅读 · 0 评论 -
图像处理——饱和度与色调
1、饱和度:色彩的鲜艳程度,黑白图像饱和度为0;2、色调:色彩的总体倾向,红色是暖色调,蓝色是冷色调,绿色以及黑白是中间色调。在深度学习模型训练中,如果所有图像都是黑白图像,那么数据增强时不需要引入随机饱和度和随机色调的策略。...原创 2021-08-09 11:54:12 · 3399 阅读 · 0 评论 -
图像处理——Image和cv2
1、打开图像# 路径可带汉字,图像数据RGBimage = Image.open('test.jpg')# 路径不可带汉字,图像数据BGRcv2image = cv2.imread('test.jpg') # 路径可带汉字,图像数据BGR# cv2.IMREAD_COLOR:默认参数,读入彩色图像,忽略alpha通道# cv2.IMREAD_GRAYSCALE:读入灰度图像# cv2.IMREAD_UNCHANGED:读入完整图像,包括alpha通道cv2image = cv2.imde原创 2021-03-28 13:18:32 · 6801 阅读 · 1 评论 -
图像处理——如何处理不同格式和深度的图像确保清晰度满足要求
1、有些模型只识别.jpg或.png格式的图像,如何将其他格式转换成.jpg或.png格式,且尽可能降低图像质量损失?解决方案如下:import cv2image = cv2.imread('source.tif')num_jpg = 100# num_jpg表示图像质量,取值0~100,值越大,图像越清晰,占用内存也越大cv2.imwrite('target.jpg', image, [int(cv2.IMWRITE_JPEG_QUALITY), num_jpg])num_png = 9原创 2021-04-14 11:18:08 · 5178 阅读 · 4 评论 -
图像处理——抠图
import cv2import numpy as np# 边缘检测def getCanny(image): # 高斯模糊 blur = cv2.GaussianBlur(image, (3, 3), 2, 2) cv2.imwrite('blur.jpg', blur) # 边缘检测 canny = cv2.Canny(blur, 60, 240, apertureSize=3) cv2.imwrite('canny.jpg', canny) # 膨胀操作,尽量使边缘闭合 kern原创 2021-03-11 00:51:45 · 5179 阅读 · 1 评论