- 综合排序
- 最热优先
- 最新优先
- 来自专栏计算摄影学
11. 图像合成与图像融合
这一次我来给大家介绍一下图像合成与融合。 从图像中确定前景和背景的技术叫做抠图，英文对应：Image Matting，而将抠出的部分无缝的贴入目标图像的过程则称为图像合成，英文对应：Image Compositing. 如果选择图像中中轴线作为融合后两个图像的分界线，那么融合过程可以表示为： ? 如果进行了两层金字塔融合，我们可以分别对低频信号和高频信号进行融合，所得到的图像如下： ? 从这两层图像我们可以重建出最终的图像： ? 就以上面的融合图像来比较一下图像的局部，大家可以看到金字塔融合的内容更清晰： ? 四、总结 我们在一开篇看到了很多图像融合的实例，我希望它们已经成功的吸引了你的注意。
2.2K50发布于 2020-04-17 - 来自专栏数据结构与算法
noi 1.8 11图像旋转
水题不解释 其实我偷懒了 直接输出，，，，，，， #include<iostream> using namespace std; int a[1001][1001]; int main() { int n,m; cin>>n>>m; for(int i=1;i<=n;i++) for(int j=1;j<=m;j++) cin>>a[i][j]; int hang=n; int lie=1; for(int i=m;i>=1;i--)
91060发布于 2018-04-03 - 来自专栏数据结构与算法
noi 1.8 11图像旋转
个人QQ：757394026 团队QQ：466373640 个人博客：www.doubleq.win c++/noi/信息学奥数博客：http://www.cnblogs.com/zwfymqz
68430发布于 2018-09-17 - 来自专栏用户2442861的专栏
openCV—Python(11)—— 图像边缘检测
_BGR2GRAY)#将图像转化为灰度图像 box-sizing: border-box; padding: 0px 5px;">10
- 11 box-sizing: border-box; padding: 0px 5px;">10
- 11 _BGR2GRAY)#将图像转化为灰度图像 _BGR2GRAY)#将图像转化为灰度图像
2.1K11发布于 2018-09-19 - 来自专栏信数据得永生
Python 图像处理实用指南：11~12
它尝试根据以下参数合并两个图像： 内容图像（C） 样式图像 NST 算法使用这些参数创建第三个生成的图像（G）。生成的图像 G 将图像 C 的内容与图像 S 的样式相结合。 pjreddie.com/darknet/yolo/ https://arxiv.org/pdf/1506.02640.pdf https://sandipanweb.wordpress.com/2018/03/11 mode='reflect') print(resized.shape) # (821, 416, 3) pylab.figure(figsize=(20,11)), pylab.title('Resized color.rgb2gray(image)) out = transform.seam_carve(image, energy_image, 'vertical', 200) pylab.figure(figsize=(20,11 第一行中的图像是源图像和目标图像，最后一行显示两个中间平均人脸图像。
1.7K20编辑于 2023-04-27 - 来自专栏码出名企路
OpenCV系列(11)|图像渐变色
效果：拉动zoomBar，可以使一张图像进行渐变色，视频也如此。 应用：广场上的字变色过程，图像魔术等。
1.1K10编辑于 2022-06-16 - 来自专栏又见苍岚
Windows 11 体验 Stable Diffusion AI 图像生成
Stable Diffusion 已经发展到可以生成以假乱真图像的程度，无论是 AI 作画还是照片生成都已经可以生成得很精细，本文记录使用过程。 本文记录在 Windows 11 下安装、配置、运行 Stable-diffusion 的流程 过程中经常需要访问境外的网站，需要访问国外网站。 实现过程： 安装 UI 环境 下载模型 运行 UI 根据需求生成图像 UI 安装 我们安装 stable-diffusion-webui ，进入链接，clone 仓库到本地。 webui-user.bat 文件，我在过程中遇到很多问题，没有问题的同志可以跳过这一节 安装 CUDA 11.7 下载链接：https://developer.nvidia.com/cuda-11 选择提示词是一门很神奇的学问，对生成图像的质量至关重要。
2.9K00编辑于 2023-03-28 - 来自专栏快学Python
OpenCV基础 | 11.图像二值化
学习视频可参见python+opencv3.3视频教学 基础入门[1] outline 图像二值化 二值图像 图像二值化方法 OpenCV相关API使用 图像二值化 1.二值图像 二值图像就是将灰度图转化成黑白图 ，没有灰，在一个值之前为黑，之后为白 2.二值化方法 全局阈值 对整幅图像都是用一个统一的阈值来进行二值化 局部阈值 像素的邻域块的像素值分布来确定该像素位置上的二值化阈值 3.OpenCV中图像二值化方法 参见【图像处理】——图像的二值化操作及阈值化操作[3] 结果如下： ? 自动与手动 手动指定阈值 测试结果 ? 对图像每一个像素格进行如此操作就完成了对整个图像的二值化处理。 参数：表示输入图像（8位单通道图像），灰度图。
1.2K50发布于 2021-08-09 - 来自专栏一丘一壑
Genesis框架从入门到精通（11）： 图像函数
genesis_get_image()：根据参数返回图片附件或特征图像。 默认值是0，如果文章未设置特色图像，将返回第一个图片附件。使用1将返回第二张图片，以此类推，但将覆盖特色图像。 这将返回第二个附加图像的缩略图，并设置居左class ="alignleft"。很酷。 注：涉及图片的函数都不如文字那么直观，一图胜千言，请看我在开发环境下做的截图。特色图像算作是第一张。 如果没有特色图像也没有附加图片，此函数将返回“false”，因此可以用非常简单的 if / else返回一个默认图像。 ，它将自动显示图像，否则返回false并加载默认图像。
99720发布于 2019-03-13 - 来自专栏Mac应用教程
GraphicConverter 11 Mac(图片图像浏览)中文版
GraphicConverter 11 mac版是Macos上一款受欢迎的图片浏览器软件，提供导入和导出功能、图片浏览和管理、影像处理、批量转换等实用的功能，GraphicConverter 11 mac 下载集图片管理和图像编辑为一体，非常实用。 GraphicConverter 11 mac版图片GraphicConverter 11激活版软件特点导入导出功能进口约 200个出口 80种图形格式目录生成（Web，打印，图片）直接从相机导入图片（
57610编辑于 2022-08-17 《数字图像处理》第 11 章 - 特征提取
gray_enhanced, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, blockSize=11 gray_enhanced, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, blockSize=11 np.std(y) > 1e-6 else 0.0 # 3.5 中心矩（2阶，手动计算，避免精度丢失） x_centered = x - x_mean y_centered = y - y_mean m11 :.2f}") print(f"y坐标：均值={y_mean:.2f}，方差={y_var:.2f}，偏度={y_skew:.2f}，峰度={y_kurt:.2f}") print(f"2阶中心矩：m11 gray_enhanced, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, blockSize=11
45110编辑于 2026-01-21《数字图像处理》第 11 章 - 表示与描述
前言 在数字图像处理中，完成图像分割后，我们得到了目标区域和边界，但这些原始像素集合难以直接用于后续的分析、识别和分类。 第 11 章的表示与描述正是解决这个问题的核心 —— 通过特定的方法将分割后的区域 / 边界用简洁、有意义的形式表示，并提取能反映其本质特征的描述子，让计算机能够 "理解" 图像中目标的形状、结构和属性 读取图像并预处理 # 读取彩色图像 img = cv2.imread('test_shape.jpg') if img is None: print("请确保test_shape.jpg gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, blockSize=11 gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, blockSize=11
26910编辑于 2026-01-21使用onnxruntime部署yolov11-cls图像分类onnx模型
使用C++和ONNX Runtime部署YOLOv11-CLS图像分类ONNX模型，涉及到以下几个关键步骤： 环境配置：首先，需要安装ONNX Runtime库，可以通过从ONNX Runtime的GitHub 同时，还需要安装OpenCV等图像处理库，以便对输入图像进行预处理。 模型加载：加载YOLOv11-CLS的ONNX模型文件，通常涉及到指定模型的路径，并创建一个InferenceSession对象，该对象将用于后续的推理。 数据预处理：使用OpenCV等库对输入图像进行预处理，包括调整图像大小、归一化像素值等，以满足模型输入的要求。 通过以上步骤，可以在C++中使用ONNX Runtime成功部署YOLOv11-CLS图像分类模型，实现高效的图像分类任务。
93910编辑于 2025-07-22- 来自专栏脑机接口
eeglab教程系列(11)-利用光谱选项绘制ERP图像
这里设置[9 11]Hz,并进行显著性检验(显著性水平0.01).点击"OK". 解析: 上图的最上方子图的ERP image。
66110编辑于 2022-08-17 使用纯opencvsharp部署yolov11-onnx图像分类模型
【官方框架地址】 https://github.com/ultralytics/ultralytics.git 【算法介绍】 使用纯OpenCvSharp部署YOLOv11-ONNX图像分类模型是一项复杂的任务 预处理图像：对输入图像进行预处理，如调整大小、归一化等，以满足模型的输入要求。 推理与后处理：将预处理后的图像输入到模型中，获取分类结果。 显示结果：将分类结果显示在界面上，可以通过OpenCvSharp的图像显示功能实现。 值得注意的是，YOLOv11是一个复杂的模型，其输出可能包含多个层的信息，因此需要仔细解析模型输出，并根据YOLOv11的具体实现进行后处理。 总之，使用纯OpenCvSharp部署YOLOv11-ONNX图像分类模型需要深入理解YOLOv11的模型架构、OpenCvSharp的DNN模块以及ONNX格式。
69301编辑于 2025-07-22- 来自专栏CU技术社区
适用于 Linux 系统的 11 款图像查看器
此前，系统极客向大家推荐了 5 款好用的 Linux 音乐播放器和 7 款好用的 Linux 电子书阅读器，本文将向大家推荐 11 款适用于 Linux 系统的图像查看器。 1. Nomacs ? Eye Of MATE Image Viewer 的特点： 一款简单的图像查看器 支持插件 专为MATE桌面环境量身定制的图像查看器 另一款具有幻灯片放映视图和旋转图像等基本功能的图像查看器，即使它不支持任何图像处理功能 gThumb Image Viewer 的特点： 能够管理、编辑和查看图像的多功能图像查看工具 支持重置 EXIF 支持图像格式转换 查找重复图像功能 gThumb 是一款不错的图像查看器，其具有很多功能 您可以选择幻灯片播放以查看图像，还可以压缩图像并使用标签搜索图像。 即便它是为 Xfce 桌面环境构建的，但也可以通过如下命令在任何基于 Ubuntu 的发行版中进行安装： sudo apt install ristretto 11. digiKam ?
6.3K20发布于 2020-05-21 使用纯opencv部署yolov11-cls图像分类onnx模型
【算法介绍】 在C++中使用纯OpenCV部署YOLOv11-cls图像分类ONNX模型是一项具有挑战性的任务，因为YOLOv11通常是用PyTorch等深度学习框架实现的，而OpenCV本身并不直接支持加载和运行 将YOLOv11-cls模型从PyTorch转换为ONNX格式，这通常涉及使用PyTorch的torch.onnx.export函数。 预处理输入图像（如调整大小、归一化等），以符合模型的输入要求。 将预处理后的图像输入到模型中，并获取分类结果。 对分类结果进行后处理，包括解析输出等。 需要注意的是，由于YOLOv11是一个复杂的模型，其输出可能包含多个层的信息，因此需要仔细解析模型输出，并根据YOLOv11的具体实现进行后处理。 总之，使用纯OpenCV在C++中部署YOLOv11-cls图像分类模型需要深入理解YOLOv11的模型架构、OpenCV的DNN模块以及ONNX格式。
68210编辑于 2025-07-22- 来自专栏ATYUN订阅号
iOS11真机运行CoreML图像识别demo（Object C 版）
，所以，我们要有一台能安装iOS 11的设备，推荐iPhone6s以上机型。 iOS 11怎么升级，虽然目前苹果仅放出了iOS11开发者预览版，但如果你有备用机，或者想先试试升级，在这里我们教你快速升级到iOS 11开发者预览版（需要注意的是，目前iOS11还处于开发者测试阶段， 可能存在一些不稳定或bug，在此要提醒大家，如果你手中没有备用机，请不要随便升级，如果你真想提前体验iOS11，也请在升级前做好重要文件备份工作。） 2、下载iOS 11描述文件 ? 3、下载完以后会提示您安装此描述文件 ? 4、点击需要安装的设备，然后按照流程确认安装 我本机已经升级到iOS 11就不往下一步进行了，安装完描述文件会提示您重启，重启后再设置-通用-软件更新里面就能看到iOS 11 Developer beta
2.5K80发布于 2018-03-02 - 来自专栏10km的专栏
c++11:图像矩阵90,270度原地旋转的c++实现
下面是实现代码(c++11),支持BPP为1,2,3,4字节的图像矩阵。 ,size=width*height*bpp * @param width 图像宽度 * @param height 图像宽度 */ template<typename T, size_t BPP 顺时针原地旋转(In-place matrix transposition)90度
* 图像必须是1字节对齐，多字节对齐的图像旋转可能会造成图像错位 * @param input 输入图像矩阵 ,size=width*height*bpp * @param width 图像宽度 * @param height 图像宽度 */ template<typename T, size_t BPP 顺时针原地旋转(In-place matrix transposition)270度
* 图像必须是1字节对齐，多字节对齐的图像旋转可能会造成图像错位 * @param input 输入图像矩阵1.4K10发布于 2019-05-25 - 来自专栏AutoML(自动机器学习)
Andrew Ng机器学习课程笔记--week11（图像识别&总结划重点）
Problem Decription and pipeline 为了实现图像文字识别通常按如下流程图进行操作： 文字侦测（Text detection）——将图片上的文字与其他环境对象分离开来 字符切分 Sliding Windows(滑动窗口) 滑动窗口是一项用来从图像中抽取对象的技术。 假使我们需要在一张图片中识别行人，首先要做的是用许多固定尺寸的图片来训练一个能够准确识别行人的模型。 Ceiling Analysis:What part of the pipline to Work on Next 下面以图像文字识别流程图为例来解释上限分析的思想。
1K50发布于 2018-01-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号