![](https://img-blog.csdnimg.cn/20210601103240925.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
线性代数应用系列
文章平均质量分 72
线性代数应用系列
壮如山的汉子
图像分割
展开
-
线性代数应用系列-1-图像旋转(3/N)-并行加速
图像旋转3/N-并行加速正文计算旋转后的顶点坐标参考正文前文用了二重循环的方式,非常慢,本章将在时间上优化。这里用到了 np.meshgrid 函数。计算旋转后的顶点坐标from PIL import Image import numpy as np import matplotlib.pyplot as plt # 读取图片img = Image.open("lena.jpg")img_arr = np.array(img)# 需要用到的两个旋转矩阵theta = 45 /原创 2021-06-04 16:35:25 · 246 阅读 · 1 评论 -
线性代数应用系列-1-图像旋转(2/N)-去除黑色条码
图像旋转2/N-去除黑色条码正旋转与反旋转旋转后坐标的有效性验证新的问题参考接上文线性代数应用系列-1-图像旋转(1/N)-最基础直接的方式。正旋转与反旋转直接进行旋转得到的图像有明显的黑色条码,这与我们的期望不符。得到这个结果后,本能的想到了插值,知道看到了有篇文章介绍了旋转后再旋转回来的套路,将对原图的二重遍历,转化为对旋转后图像的二重遍历,这样就不会遗漏旋转后图像上的点。以原图A为例,逆时针旋转45°后得到新图B,新图B顺时针旋转45°后得到新图C,对B到C的转换过程应用上文中的思路,即达原创 2021-06-01 13:31:44 · 373 阅读 · 0 评论 -
线性代数应用系列-1-图像旋转(1/N)-最基础直接的方式
@TOC最近考虑到个人发展的事情,打算巩固下图像处理相关方面的基础,于是开始重温一本关于线性代数及其应用的书《Linear Algebra with Applications, 9th edition》。使用经典的Lena图(512x512尺寸),请自行搜索获取。线性代数与点旋转直接说结论,对于二维平面上的一个点来说,将其逆时针旋转 θ\thetaθ 即表示其对应的旋转矩阵为[cos(θ)−sin(θ)sin(θ)cos(θ)]\left[ \begin{matrix} cos(\th原创 2021-05-31 19:22:18 · 1485 阅读 · 1 评论