![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像处理
wzw12315
这个作者很懒,什么都没留下…
展开
-
轮廓提取试验-将重叠的轮廓分割开成单独的轮廓
轮廓提取试验_wd1603926823的专栏-CSDN博客_distance_transform_edt转载 2022-01-11 09:56:31 · 451 阅读 · 0 评论 -
Python OpenCV提取物体轮廓
通常提取物体的轮廓时,图像都存在噪声,提取效果并不理想。如提取下图的轮廓时,提取代码:import cv2img = cv2.imread("mouse.png")cv2.imshow("origin",img)gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)ret,binary = cv2.threshold(gray,128,255,cv2.THRESH_BINARY)cv2.imshow("binary",binary)contour原创 2021-10-21 14:20:36 · 16259 阅读 · 1 评论 -
深入浅出人脸特效之Mask实战应用-墨镜特效-腾讯课堂
https://ke.qq.com/webcourse/3455011/103592786#taid=11501694788876323&vid=5285890816601107194原创 2021-08-10 16:25:30 · 399 阅读 · 0 评论 -
图像增强的方法
增强亮度的方法1、梯度直方图均衡传统的梯度直方图均衡是针对单通道图像的,对于多通道图像的方法有很多。方法一:转换颜色空间到YCR,然后分离通道,对0通道进行梯度直方图均衡,合并通道,转换回BGR颜色空间'''彩色图像梯度直方图'''def hisEqulColor(img): ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) channels = cv2.split(ycrcb) print(len(channel原创 2021-05-14 14:35:25 · 2208 阅读 · 0 评论 -
界面方式调试HSV或者RGB颜色范围
import numpy as npimport cv2def nothing(x): passdef mask(image): hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # 将捕获的视频帧由RBG转HSV # lower_red = np.array([0, 0, 0]) # upper_red = np.array([255, 255, 255]) lower_red = np.array([20, 1.原创 2020-07-29 10:16:46 · 355 阅读 · 0 评论 -
暗通道去雾算法
https://blog.csdn.net/wsp_1138886114/article/details/84228939###https://www.cnblogs.com/echoboy/p/10924868.html针对天空去雾效果不好的现象进行https://blog.csdn.net/liujiandu101/article/details/80344053原创 2020-06-16 17:05:05 · 191 阅读 · 0 评论 -
A Beginner guide to Deep Learning based Semantic Segmentation using Keras
A Beginner's guide to Deep Learning based Semantic Segmentation using KerasDivam Gupta06 Jun 2019Pixel-wise image segmentation is a well-studied problem in computer vision. The task of sema...原创 2020-05-28 09:44:13 · 472 阅读 · 0 评论 -
入门视频采集与处理(学会分析YUV数据
做视频采集与处理,自然少不了要学会分析YUV数据。因为从采集的角度来说,一般的视频采集芯片输出的码流一般都是YUV数据流的形式,而从视频处理(例如H.264、MPEG视频编解码)的角度来说,也是在原始YUV码流进行编码和解析,所以,了解如何分析YUV数据流对于做视频领域的人而言,至关重要。本文就是根据我的学习和了解,简单地介绍如何分析YUV数据流。 YUV,分为三个分量,“Y”表示明转载 2013-10-21 11:56:55 · 819 阅读 · 1 评论