- 综合排序
- 最热优先
- 最新优先
- 来自专栏叶子陪你玩编程
2.opencv图像基本操作（2）
Access image properties 获取图片属性 Set a Region of Interest (ROI) 设置感兴趣区域（ROI） Split and merge images 拆分和合并图像 拆分和合并图像 通过使用split可以将图片的通道提取出来，使用merge可以将通道重新合成图片。 ? 上面的方法速度比较慢，通过numpy的数组索引切片，速度会比较快。 ? 小结 img[y,x]获取/设置像素点值，img.shape：图片的形状（行数、列数、通道数）,img.dtype：图像的数据类型。 img[y1:y2,x1:x2]进行ROI截取cv2.split()/cv2.merge()通道分割/合并。更推荐的获取单通道方式：b = img[:, :, 0]。 (全文完)
46220发布于 2020-05-12 - 来自专栏点云PCL
PCL深度图像（2）
（1）点云到深度图与可视化的实现 区分点云与深度图本质的区别 1.深度图像也叫距离影像，是指将从图像采集器到场景中各点的距离（深度）值作为像素值的图像。 2.点云：当一束激光照射到物体表面时，所反射的激光会携带方位、距离等信息。 深度图像经过坐标转换可以计算为点云数据；有规则及必要信息的点云数据可以反算为深度图像 rangeimage是来自传感器一个特定角度拍摄的一个三维场景获取的有规则的有焦距等基本信息的深度图。 深度图像的像素值代表从传感器到物体的距离或者深度值。 RangeImage类的继承于PointCloud主要的功能实现一个特定的视点得到的一个三维场景的深度图像，继承关系为 ? 所以我们知道有规则及必要信息就可以反算为深度图像。
2.2K50发布于 2019-07-31 - 来自专栏Mybatis学习
Tensorflow2——图像定位
图像定位 1、单张图片图像定位 2、随意尺度图片定位 3、批量图片定位 一级目录 给定一副图片，我们要输出四个数字（x,y,w,h），图像中某一个点的坐标（x,y），以及图像的宽度和高度，有了这四个数字 2、随意尺度图片定位 （代码紧接上） img=tf.image.resize(img,(224,224)) img=img/255 plt.imshow(img) ? 3、批量图片定位 创建输入管道 数据读取与预处理 获取图像的路径 images=glob.glob(". out_1,out_2,out_3,out_4=list(zip(*labels)) #把xmin,ymin,xmax,ymax分别弄在一起 out_1=np.array(out_1) out_2=np.array ((out_1,out_2,out_3,out_4)) ?
1.2K10发布于 2021-06-21 - 来自专栏机器学习实践二三事
数字图像学习2
二值化： bw = im2bw(f); %默认的二值 bw1 = im2bw(f,graythresh(f)); %使用全局阈值处理的logical图像 ? 从RGB空间到HSV空间： hsv = rgb2hsv(f); ? 获得其相应的H 、S和 V分量 subplot(2,2,1),imshow(hsv(:,:,1)) subplot(2,2,2),imshow(hsv(:,:,2)) subplot(2,2,3),imshow (hsv(:,:,3)) subplot(2,2,4),imshow(hsv) ? 当然还可以转到YCbCr空间， cbr = rgb2ycbcr(f); ? 转到NTSC彩色空间， ntsc = rgb2ntsc(f); ?
51720发布于 2019-05-26 - 来自专栏python开发者
【CCD图像检测】2：黑白图像检测的硬件设计
小车以模拟CCD摄像头为传感器，模拟式的采集先将一路视频信号引用图2电路，通过其可以将摄像头输出的复合视频信号进行分离，得到独立的同步信号和视频模拟量信号，然后通过逐行采样来完成整幅图像的采集。 那么，要求滞后视频信号能在T0 = 3～5个RC内能够达到最值，而T0<3~4µs.大致算一下： 3*10-6 ＝ 4*R2*510*10-12 得到R2=1.47K 能在3µs时间后，电压达到 原始跳变点的0.98 得到R2=1.96K 能在4µs（刚好是一个近处的黑线视频信号的宽度）时间后，电压达到原始跳变点的0.98 所以，一般 R2就取其中的某个值。 在实际中，配合LCD，调节R2电位器，结果发现R2=1.85K时有比较好的效果，符合理论计算结果。 关于R4参数的确定方法。 软件层面： （2）利用新的数据结构，用时间换空间，这样在不采用计数器也能利用有限的空间存储更多的数据，这样就自然提高了图像采集的精度。
1.8K10编辑于 2022-05-10 - 来自专栏码出名企路
OpenCV源码系列|图像拼接2
四张图拼接 代码实现： #include <iostream> #include <opencv2/imgproc/imgproc.hpp> #include <opencv2/highgui/highgui.hpp 2-2.png"); row[1][2] = imread("../25/2-3.png"); row[1][3] = imread("../25/2-4.png"); row[ 1][4] = imread("../25/2-5.png"); row[2][0] = imread("../25/3-1.png"); row[2][1] = imread(".. /25/3-2.png"); row[2][2] = imread("../25/3-3.png"); row[2][3] = imread("../25/3-4.png"); ; i = i + 1) { for (j = 0; j < 4; j = j + 1) { //图像尺寸要保持一致
44230编辑于 2022-06-16 《数字图像处理》第 2 章 - 数字图像基础
今天给大家梳理《数字图像处理》第 2 章的核心内容 —— 数字图像基础。这一章是整个数字图像处理的入门基石，涵盖了从视觉感知到图像数字化、像素关系、数学工具等核心知识点。 .imshow(f, cmap='gray', vmin=0, vmax=1) axes[2].set_title('最终图像 f(x,y)=i×r', fontsize=12) axes[2].axis （适配新图像尺寸） ===================== fig, axes = plt.subplots(2, 2, figsize=(12, 10)) # 空间分辨率 axes[0,0].imshow 2, figsize=(12, 10)) # 低分辨率原图 axes[0,0].imshow(img_low, cmap='gray') axes[0,0].set_title(f'低分辨率图像（{ (im3, ax=axes[2], shrink=0.8) plt.tight_layout() plt.show() 2.6 数字图像处理常用数学工具简介 2.6.1 数组运算与矩阵运算的区别 数组运算
25910编辑于 2026-01-21《数字图像处理》第2章-数字图像基础
2.1.2 人眼中图像的形成 图像在人眼中形成的过程是倒立、缩小的实像。 = data.coins().astype(float) / 255.0 # 调整图像2的大小以匹配图像1 self.image2 = transform.resize 图像变换") print("-" * 50) # 使用较小的图像以便快速计算 small_img = self.image1[::2, axes[1, 2].set_title('逆DCT恢复图像', fontweight='bold') axes[1, 2].axis('off') flatten())[0, 1] print(f"图像1和图像2的相关系数: {correlation_coefficient:.4f}") # 运行所有演示 math_tools =
26510编辑于 2026-01-21- 来自专栏未来先知
视频到图像 ,SAM 2 优化 3D 图像标注流程 !
在本论文中，作者将这个模型应用于3D医学图像标注，并将其作为3D Slicer流行标注软件的一个扩展提供。 为了提高标注医疗图像的准确性和效率，研究行人已在医学图像数据[4, 14]上对 SAM 进行了微调，并将其自动模型集成到3D切片器中，这是一个用于分析和可视化医学图像的开放式软件平台[3]。 用户可以任意使用任何SAM或SAM 2模型的2D图像预测器进行切片分割。SAM 2除2D图像分割外，还提供视频分割功能。当给定适当的提示输入时，它可以让用户跟踪视频帧中的单个或多个行人。 2D Segmentation 当用户在3D Slicer中输入提示信息时，他们可以对3D医疗图像的2D切片进行分割。 Refinement SAM和SAM 2提供了医疗图像分割的 Mask ，即使用户给它们更多的提示，可能 still 存在错误或噪声。在这种情况下，手动分割工具仍然需要以获得最终分割结果。
1.1K10编辑于 2024-09-11 - 来自专栏JNing的专栏
opencv: 图像缩放(cv2.resize)
它可能是图像抽取的首选方法，因为它会产生无云纹理的结果。 但是当图像缩放时，它类似于INTER_NEAREST方法。 INTER_CUBIC 4x4像素邻域的双三次插值 INTER_LANCZOS4 8x8像素邻域的Lanczos插值 具体示例 原图像： ? 缩放后的图像： ? Code 附上自己写的实验代码： import cv2 pic = cv2.imread('. /Elegent_Girl.jpg') pic = cv2.resize(pic, (400, 400), interpolation=cv2.INTER_CUBIC) cv2.imshow('', pic ) cv2.waitKey(0) cv2.destroyAllWindows() Note： 使用cv2.resize时，参数输入是 宽×高×通道 ，与以往操作不同，需要注意。
3.7K20发布于 2018-09-28 - 来自专栏码出名企路
OpenCV源码系列|图像HDR-2
HDR动态调整图像方法1见：OpenCV源码系列|图像HDR-1 本文继续介绍方法2：输入一系列不同曝光时间的图像及曝光时间，最后HDR调整为一幅清晰图像。 由于输入图像太多，本文仅仅列出几个输入图像作为参考。 输入图像 输出图像 代码实现： #include "opencv2/photo.hpp" #include "opencv2/imgcodecs.hpp" #include "opencv2/highgui.hpp @input | | Input directory that contains images and exposure times. }" ); //加载图像和曝光时间 HDR图像 Mat hdr; Ptr<MergeDebevec> merge_debevec = createMergeDebevec(); merge_debevec->process
56220编辑于 2022-06-16 - 来自专栏AllTests软件测试
将图像动漫化-AnimeGANv2
将图像动漫化-AnimeGANv2 目录 1、前言 2、AnimeGANv2 1、前言 相信有很多朋友都喜欢动漫风格的图片，将其保存为微信头像或者微信背景图等。 今天作者给大家介绍一个开源的项目（AnimeGANv2），可以将图像动漫化，实现动漫风格。 2、AnimeGANv2 1、GitHub地址： https://github.com/TachibanaYoshino/AnimeGANv2 2、在线地址： https://huggingface.co /spaces/akhaliq/AnimeGANv2 将图片上传后，提交即可，实时生成动漫效果的图片。 例如1：人物图片 原图 处理后的动漫效果图片 例如2：街景图片 原图 处理后的动漫效果图片 感兴趣的朋友可以试试哦，将自己喜欢的图片转为动漫风格。
2.7K10编辑于 2022-07-26 - 来自专栏雪月清的随笔
使用Camera2获取depth图像
直观的说，如果知道图像中每个像素的距离，就可以生成此遮罩，但距离并不是唯一的方法，还可以利用经过训练的神经网络来区分前景和背景，而无需任何距离信息。 它的视场为75°，大致与S10 5G前置摄像头的80°视场相匹配 Note: S10 5G（以及Note10+5G）通过Camera2 API返回两个摄像头。 focalLengths.length > 0) { float focalLength = focalLengths[0]; double fov = 2 * Math.atan(sensorSize.getWidth() / (2 * focalLength)); Log.i(TAG, "Calculated FoV: " + fov 1/2宽 x 1/2高，应用模糊，然后再放大，然后根据遮罩将原始图像的像素复制回模糊图像，同时沿边缘为像素应用混合渐变，以便从模糊到未模糊的过渡看起来不刺耳） 复用byte buffers和使用YUV/
1.8K20编辑于 2022-07-11 - 来自专栏游戏开发之旅
2D图像中点的旋转
2D图像中点的旋转 先从向量内积说起，向量a = (x1, y1)，b = (x2, y2) a▪b = <a,b>= |a||b|cosθ = x1x2+ y1y2 几何表示 ?
1.4K30发布于 2019-12-02 - 来自专栏大数据智能实战
pix2pix tensorflow试验（GAN之图像转图像的操作）
概率生成模型可以用于自然图像的生成。假设给定1000万张图片之后，生成模型可以自动学习到其内部分布，能够解释给定的训练图片，并同时生成新的图片。 由于GAN这种无监督学习已经成为深度学习的新技术点，而且出来了很多应用，因此对GAN的一些应用进行逐步学习，其中图像到图像之间的转换操作是一种典型的应用。因此对该技术进行学习操作。 本实验主要参考代码为：https://github.com/affinelayer/pix2pix-tensorflow （1）首先下载数据集，https://people.eecs.berkeley.edu /~tinghuiz/projects/pix2pix/datasets/，从这个网址上可以下载很多个经典的应用数据集。 （2）进行训练 在程序pix2pix.py代码中，手动添加测试参数，本文只让运行200次。
2.1K50发布于 2018-01-09 - 来自专栏石开之旅
图像处理笔记（2）----OpenCV imread函数详解
imread()读取图片文件，imread函数有两个参数，第一个参数是图片路径，第二个参数表示读取图片的形式，有三种： cv2.IMREAD_COLOR：加载彩色图片，这个是默认参数，可以直接写1。 cv2.IMREAD_GRAYSCALE：以灰度模式加载图片，可以直接写0。 cv2.IMREAD_UNCHANGED：包括alpha，可以直接写-1 cv2.imread()读取图片后以多维数组的形式保存图片信息，前两维表示图片的像素坐标，最后一维表示图片的通道索引。 （注意cv2读取的图片通道保存顺序为BGR，而不是RGB） import cv2 img = cv2.imread("C:\\Users\\SPC20-012\\Pictures\\girl.png
7.3K20发布于 2020-09-04 - 来自专栏CSDN社区搬运
Noise2Noise图像去噪
概述 本文复现论文Noise2Noise: Learning Image Restoration without Clean Data中提出的图像去噪方法，并使用最广泛应用的高斯噪声与泊松噪声来做实验。 原文连接https://arxiv.org/abs/1803.04189 该论文证明了，对于同一张干净图片，如果分两次污染它所用的噪声同分布且0均值的情况下，那么用这一对噪声图像进行网络训练即noise2noise 的训练方法就能达到与用干净-噪声图像对即noise2clean的训练方法接近的去噪效果。 本文算法的亮点就是不用传统有监督学习算法中使用的(xnoiseixnoisei,xcleanixcleani)图像对，而是改用(xnoise1ixnoise1i,xnoise2ixnoise2i )这样的图像对进行训练却能达到有监督方法的效果，该方法将有监督学习训练模型的过程改为了： argminθ∑iL(fθ(xnoise1i),xnoise2i)θargmini∑L(fθ(xnoise1i
78410编辑于 2024-12-12 - 来自专栏点点GIS
使用 ChatGPT 和 Python 分析 Sentinel 2 图像。
Sentinel 2 是一个卫星系统，可提供地球表面的高分辨率多光谱图像。这些图像包含大量信息，可用于监测土地利用、植被、水资源和许多其他环境因素的变化。 分析 Sentinel 2 图像时的主要任务之一是从可用的各种光谱带中提取信息。共有 13 个波段，从可见光谱（波段 2、3、4）到短波红外（波段 11、12）。 例如，波段 4、3 和 2 的组合通常用于创建以鲜红色突出植被的假彩色图像。 尝试向 ChatGPT 发送一个简单的提示： Sentinel 2 图像中有多少波段？ 要开始分析哨兵 2 图像，我们首先需要下载数据。欧洲航天局通过其哥白尼开放访问中心提供免费访问哨兵 2 图像的权限。下载数据后，我们可以使用 Python 读取数据并提取我们需要的信息。 试试这个 要开始分析哨兵 2 图像，我们首先需要下载数据。欧洲航天局通过其哥白尼开放访问中心提供免费访问哨兵 2 图像的权限。下载数据后，我们可以使用 Python 读取数据并提取我们需要的信息。
1.3K10编辑于 2023-08-19 - 来自专栏机器学习炼丹术
生成专题2 | 图像生成评价指标FID
FID依然是表示生成图像的多样性和质量，为什么FID越小，则图像多样性越好，质量越好。 FID的计算器中，我们也是用了inception network网络。 inception netowrk其实就是特征提取的网络，最后一层输出图像的类别。不过我们会去除最后的全连接或者池化层，使得我们得到一个2048维度的特征。 sigma2 = act2.mean(axis=0), cov(act2, rowvar=False) # calculate sum squared difference between means random(10*2048) act2 = act2.reshape((10,2048)) # fid between act1 and act1 fid = calculate_fid(act1, act1) print('FID (same): %.3f' % fid) # fid between act1 and act2 fid = calculate_fid(act1, act2) print
3.8K20编辑于 2022-03-15 - 来自专栏python3
python 区分图像大小（A2、A3、
说明，本人对象负责的项目有大量的加工图像，分别有A2 A3 A4 等规格，且这些图像都是在一起存储，按照相关的档案顺序全组；现在让我分别统计一共的图像数量 以及A2 A3 A4数量，经过一晚努力，现将代码公布如下 功能的实现：除了按照像素值比较图像大小区分外， 额外功能的增加：1加入了只针对.jpg图像进行处理，即使用其它格式的文件也不会影响程序执行； 2 加入了异常处理，即文件是图像，但是无法打开，这块会定义它为错误图像；这里利用了try，即程序不会因为图像打不开而中断 实现语言：python 样例： #! /usr/bin/env python import os import os.path import Image A1=0 A2=0 A3=0 A4=0 total = 0 errornum = ：%d\r"% A2 print "A3一共有：%d\r"% A3 print "A4一共有：%d\r"% A4 print '错误图像有共有：%d\r'% errornum
71530发布于 2020-01-07
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