- 综合排序
- 最热优先
- 最新优先
《数字图像处理》实验6-图像分割方法
'图像文件'}, '选择彩色图像'); if isequal(filename, 0) error('未选择图像文件'); end rgb_img = imread(fullfile(pathname FontSize', 12); subplot(2, 3, 5); imshow(canny_edge); title('Canny算子', 'FontSize', 12); subplot(2, 3, 6) = 1; queue = [queue; nr, nc]; % 加入队列继续生长 end end end end % 6. 交互式选择彩色图像 [filename, pathname] = uigetfile({'*.jpg;*.png;*.bmp;*.tif', '图像文件'}, '选择彩色图像'); if isequal rgb_label = label2rgb(L, 'jet', 'w', 'shuffle'); % 彩色标记分割区域 % 6.
16810编辑于 2026-01-21《数字图像处理》第 6 章 - 彩色图像处理
# 误差图（原始-还原） error = np.abs(img_rgb - rgb_recon) plt.subplot(2, 3, 6) plt.imshow ) # 还原的RGB图像 plt.subplot(2, 4, 6) plt.imshow(rgb_recon) plt.title('HSI转回RGB图像') plt.figure(figsize=(18, 6)) plt.subplot(1, 3, 1) plt.imshow(img_rgb) plt.title('原始低对比度图像 g_gain = gray_mean / (g_mean + 1e-6) b_gain = gray_mean / (b_mean + 1e-6) # 应用增益 Gonzalez（核心教材）； 《数字图像处理与机器视觉》—— 张铮； OpenCV 官方文档：https://docs.opencv.org/4.x/d6/d00/tutorial_py_root.html
17610编辑于 2026-01-21《数字图像处理实战》第 6 章 彩色图像处理
前言 彩色图像处理是数字图像处理领域的核心内容之一，相比灰度图像处理，彩色图像能携带更丰富的视觉信息，广泛应用于医疗影像、遥感监测、工业检测、计算机视觉等领域。 本文基于《数字图像处理》第 6 章内容，从基础理论到实战代码，全方位讲解彩色图像处理的核心知识点，所有代码均可直接运行，并附带效果对比图，帮助大家直观理解。 cmap='gray') plt.title('CMY-黄(Y)') plt.axis('off') # CMYK分量 plt.subplot(3, 4, 6) ) * min_rgb # 加1e-6避免除以0 # 计算色调H numerator = 0.5 * ((r - g) + (r - b)) denominator = np.sqrt((r - g)**2 + (r - b) * (g - b)) + 1e-6 theta = np.arccos(numerator / denominator)
19810编辑于 2026-01-21- 来自专栏计算机视觉
图像处理常用算法—6个算子 ！！
前言 同图像灰度不同，边界处一般会有明显的边缘，利用此特征可以分割图像。 正是因为这些原因，基于边缘的图像分割仍然是当前图像研究中的世界级难题，目前研究者正在试图在边缘提取中加入高层的语义信息。 缺点：Sobel算子并没有将图像的主题与背景严格地区分开来，换言之就是 Sobel算子并没有基于图像灰度进行处理，由于Sobel算子并没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意 其原理是图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个检测水平边缘，一个检测垂直边缘。 6、Canny算子 该算子功能比前面几种都要好，但是它实现起来较为麻烦，Canny算子是一个具有滤波，增强，检测的多阶段的优化算子，在进行处理前，Canny算子先利用高斯平滑滤波器来平滑图像以除去噪声，
2.1K11编辑于 2024-03-19 - 来自专栏石开之旅
图像处理笔记（6）---- OpenCV waitKey函数
函数格式：waitKey(x); 参数x ： 等待x秒，如果在x秒期间，按下任意键，则立刻结束并返回按下键的ASCll码，否则返回-1 若 x=0，那么会无限等待下去，直到有按键按下。 import cv2 from matplotlib import pyplot as plt img = cv2.imread("C:\\Users\\SPC20-012\\Pictures\\girl.png", 0) cv2.imshow("Image", img) k = cv2.waitKey(0)&0xFF #
1.3K10发布于 2020-09-21 - 来自专栏信数据得永生
Python 图像处理实用指南：6~10
/apachecn-cv-zh/-/raw/master/docs/handson-imgproc-py/img/2e6ef21f-0fbd-4754-8f0d-9d706c63fbc6.png)] 下面的代码块显示了如何在相同的输入灰度图像上应用 使用以下图像并裁剪白色背景： [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-qxbyj6kF-1681961425703)(https://gitcode.net/apachecn 输入是一个扁平图像，包含隐藏层中的 28 x 28 个节点和 1024 个节点，以及 10 个输出节点，对应于要分类的每个数字： [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-O6wofc2V _conv1 (Conv2D) (None, 6, 6, 512) 1180160 # _______________________________________ __________________________ # block4_conv2 (Conv2D) (None, 6, 6, 512) 2359808 # ____
2.1K20编辑于 2023-04-27 - 来自专栏往期博文
【OpenCV】Chapter6.频率域图像滤波
= cv2.magnitude(imgIdft[:, :, 0], imgIdft[:, :, 1]) # 重建图像 plt.figure(figsize=(9, 6)) plt.subplot( NORM_MINMAX)) # 归一化为 [0,255] imgRebuild = np.copy(idftMagNorm[:rows, :cols]) plt.figure(figsize=(9, 6) plt.figure(figsize=(9, 6)) rows, cols = imgGray.shape[:2] # 图片的高度和宽度 sigma2 = [0.5, 0.09, 0.01] # minValue, maxValue, minLoc, maxLoc = cv2.minMaxLoc(dftAmp) # 找到傅里叶谱最大值的位置 plt.figure(figsize=(9, 6) 2): dftLPfilter[:rPadded, :cPadded, j] = dftImage[:rPadded, :cPadded, j] * lpFilter # (6)
2K30编辑于 2022-09-26 - 来自专栏信数据得永生
OpenCV 图像处理学习手册：6~7
捕获的图像可以传输到开发计算机，并用于创建 HDR 图像。 注意 从 iOS 7 开始，本机相机应用具有 HDR 模式，可自动快速捕获三幅图像，每幅图像具有不同的曝光度。 这些图像也会自动组合为单个（有时更好）的图像。 创建 HDR 图像 我们如何将多张（例如三张）曝光图像合成为 HDR 图像？ 甚至还有一个名为hdr_imaging的教程示例，该示例从图像文件中读取图像文件和曝光时间列表，并创建 HDR 图像。 seamlessClone函数获取源图像，目标图像和遮罩图像以及目标图像中将插入裁剪对象的点（可以从这个页面）。 总之，速度增量为6x。 此增量非常重要，尤其是当您只需要更改几行代码时。 但是，有可能实现更高的速度增加速率，这与问题甚至内核的设计有关。
2.1K30编辑于 2023-04-27 - 来自专栏Rattenking
OpenCV-Python学习（6）—— OpenCV 图像算术操作
图像像素运算 3.1 实例 读取要图像像素运算的原图片 opencv-logo-white； 复制一个和原图形状一致的矩阵，数组元素以 0 来填充；由于图像像素运算两个图像必须是一样大小，所以直接复制一个形状一致的矩阵 修改矩阵每个元素的颜色为 (110,0,250)； 图像像素加法运算【cv.add】，由于保证不越界，因此相加大于255的值最后的值都是255，如果三通道都是255就是白色； 图像像素减法运算【cv.subtract 就是白色，由于复制图片的颜色是(110,0,250)，所以除黑色外的颜色就是(255,0,255)； 图像像素除法运算【cv.divide】，由于保证不越界，同时元素的dtype=np.uint8，所以原图像除以 由于饱和运算和模运算的不同，可以看到做相同操作后，两种运算得到的图像差距较大！ 5. 由于图像像素运算两个图像必须是一样大小。
1K10编辑于 2022-10-24 - 来自专栏点云PCL
Open3d学习计划—6（RGBD图像）
Open3d的图像能够直接转化为numpy或者从numpy转化。 一个Open3d的RGBDImage由两幅图像组成，分别是RGBDImage.depth & RGBDImage.color。 我们要求两幅图像能够通过相同的相机框架和相同的分辨率配准。下面的教程将会介绍如何从一些著名的RGBD数据集去读取和使用RGBD图像。 Color图像被转换为灰度图，储存成[0，1]之间的float类型的数据。深度图像也通过float类型存储，表示深度值（单位：米）。 转换后的结果能够通过numpy数组表示。 给定一组相机参数，RGBD图像能够转换成点云。 首先，NYU图像不是标准的jpg或者png格式，因此我们需要使用 mpimg.imread来读取一个color图像为一个numpy数组，并将其转化为Open3d图像。
4.2K40发布于 2020-07-14 - 来自专栏巴山学长
大神带你玩转matlab图像处理（6）——Hough变换
近段时间过冷水开始接触一点点图像处理的知识三维空间分布函数绘制实例推文就有关于读取图像上的数据程序处理。 关于图像处理的基础知识过冷水就不再重复讲解了，在其基础上继续深入学习数字图像的转变。 为了能够有效的快速对图像进行处理，需要在图像空间的图像以某种形式转换到另一空间，在过冷水的工作中就存在倒易空间和实空间的概念。各空间概念的提出必然有其便捷性。 利用空间的特点性质进行图像加工，就是图像转换，比较常见的图像转换方式有：算术计算、几何变换、Hough变换、傅里叶变换、离散变化，有关案例可以看大神带你玩转matlab图像处理 (一)。 在图像处理中，从图像中识别几何形状的基本方法之一是Hough变换，它有很多改进算法。最基本的Hough变换是从黑白图像中检测直线。
1.1K10发布于 2021-02-24 - 来自专栏计算摄影学
6. 傅里叶变换与图像的频域处理
今天这篇主要介绍傅里叶变换与图像的频域处理，并分析频域滤波和图像的空域滤波的关系。 一、傅里叶的趣事 ? 今天的主角是图上这位男子：让·巴普蒂斯特·约瑟夫·傅立叶。 同样，非周期性的二维图像也可以表达为频谱形式： ? 有趣的是，图像的相位信息非常重要。 每一次高斯模糊，都是在去除图像中的高频分量，这样图像的最大频率就会降低，于是就会满足采样频率fs > Nyquist Rate的要求，也就使得采样后的图像没有缺陷。 ? 七. 总结 在很多领域信号的傅里叶变换和频域处理都有广泛的应用，今天这篇文章主要介绍了图像的傅里叶变换、频域图像处理基础。下面是大纲： ? yourwanghao/获取 参考资料： 这一篇文章的绝大部分素材来自于 [1] CMU 2017 Fall Computational Photography Course 15-463, Lecture 6
2.1K10发布于 2020-04-17 - 来自专栏Python数据科学
使用K-Means算法将图像压缩6倍！
使用K-Means进行图像压缩 是时候测试我们对K-Means的知识并将其应用于解决现实生活中的问题了。我们将使用K-Means来执行图像压缩。 最左边的图像描绘了实际图像。 中间图像描绘了一个压缩图像，但剩下一点点分辨率。最右边的图像描绘了高度压缩和低分辨率的图像。压缩已经使用K-Means完成。 考虑你有一个大小为128 X 128 X 3的图像。 如果你矢量化图像，你将有一个大小为16384 X 3的numpy数组。我们可以将这个图像视为数字数据的数据点，即我们必须忽略这个事实这个数据代表一个图像。 如果我们现在将数组视为一个图像，唯一的区别是，我们现在只使用4位（因为2⁴= 16 = K）来表示图像颜色。新图像的总大小为：128 X 128 X 4 = 65536位。 将其与原始图像进行比较，原始图像具有128 X 128像素，每个像素为24位颜色，结果是128 X 128 X 24 = 393216位。 显然，我们将图像压缩了6倍！结果惊人！
1.6K30发布于 2019-04-09 - 来自专栏Mac/Win软件
DxO PhotoLab 6 ELITE Edition macwin(raw图像处理软件) 中文
Mac版：DxO PhotoLab 6 ELITE Edition for Macwin版：DxO PhotoLab(照片处理软件)图片
85020编辑于 2022-11-30 - 来自专栏前端杂货铺
关于IE6的PNG图像透明使用AlphaImageLoader的缺点
PNG32的alpha透明效果在IE6下会出现bug，出现灰色背景。而目前的解决方案就是 IE提供的滤镜。需要注意的是滤镜并不是对原图片进行修改，而是对相应的html元素进行 修改。 现总结使用滤镜的缺点： 1，IE6下使用滤镜，那么无法对该PNG图片进行定位。可以通过其他解决方案完成。这篇 文章提到了两种解决方案，分别是硬编码和clip方案。 2，使用滤镜会冻结IE6的渐进渲染。渲染往往是从css下载完毕开始进行，然而对于使用滤镜 图片而言，渲染得从该图片下载完成才开始。 当页面有多个图片使用了透明PNG（对于IE6），那么 滤镜的处理是叠加的，得等到所有PNG图片下载完成之后才能开始渲染，在此之前呈现给我们的将是 空白页面。 PNG8支持alpha通道，而且PNG8的半透明像素会在IE6下显示为 完全透明。这就提供了向下兼容的方案。在IE7及其以上的浏览器显示alpha透明度，而在IE6下为全透明。
1.2K80发布于 2018-03-15 - 来自专栏新智元
【迁移学习】 6张图像vs13000张图像，超越2013 Kaggle猫狗识别竞赛领先水平
Cats），比赛内容是识别图像中的是猫还是狗。当时获胜的准确率是82.7%，使用13000张图像进行训练，使用25000张图像训练取得98.914%的准确率。 本文作者仅使用6张图像作为训练样本，取得89.97%的准确率。 比赛的目标是训练一种能够检测图像中是否包含猫或者狗的算法。 当时，正如比赛官网宣布的，在使用13000张猫和狗的图像进行训练后，最先进的算法分辨猫狗的准确率是82.7%。 我微调了一个VGG19模型，使用6张随机选择的图像（如下图）： ? 在经过41 epochs的训练后，我的模型达到了89.97%的准确率。验证集大小是24994。 医学诊断、异常检测、图像识别的工业应用，等等。是的，你仍然需要一些数据，你也需要对监督学习是什么以及它的工作原理有一些高层次的理解。但所需要的也就这么些。 小结 结果令人吃惊。
96580发布于 2018-03-22 - 来自专栏晓得博客
6个最好的WordPress图像优化器插件提高WordPress网站性能
6个最好的WordPress图像优化器插件提高WordPress网站性能 提升WordPress网站的性能发生在几个层面，可以做一些事情来优化网站，有很多非常好的图像压缩和优化工具。 在本文中，我们晓得博客将为你分享6个最好的WordPress图像优化器插件提高WordPress网站性能。 什么是WordPress图像优化？ 6、TinyPNG–JPEG,PNG&WebP image compression TinyPNG–JPEG,PNG&WebP image compression通过与图像压缩服务TinyJPG和 总结 以上是晓得博客为你介绍的6个最好的WordPress图像优化器插件提高WordPress网站性能的全部内容，在WordPress建站中，快速响应的网站会对访客及SEO产生积极的影响。 晓得博客，版权所有丨如未注明，均为原创 晓得博客 » 6个最好的WordPress图像优化器插件提高WordPress网站性能 转载请保留链接：https://www.pythonthree.com/wordpress-image-optimizer-plugins-compared
3.7K00编辑于 2022-02-27 - 来自专栏Python和安全那些事
六.图像缩放、图像旋转、图像翻转与图像平移
该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、 前一篇文章介绍Python调用OpenCV实现图像融合、图像加减法、图像逻辑运算和类型转换。这篇文章将详细讲解图像缩放、图像旋转、图像翻转、图像平移。 希望文章对您有所帮助，如果有不足之处，还请海涵~ 一.图像缩放 二.图像旋转 三.图像翻转 四.图像平移 该系列在github所有源代码： https://github.com/eastmountyxz 同样，可以获取原始图像像素再乘以缩放系数进行图像变换，代码如下所示。 ，具体内容包括： 一.图像缩放 二.图像旋转 三.图像翻转 四.图像平移 源代码下载地址，记得帮忙点star和关注喔！
6.9K10编辑于 2021-12-02 - 来自专栏居士说AI
【图像篇】OpenCV图像处理(七)---图像平移VS图像旋转
前言 在上期的文章(【图像篇】OpenCV图像处理(六)---图像混合VS按位运算)中,我们学习了图像混合的实际操作，其实就是图像按照不同权重的叠加，今天我们继续来学习别的图像处理知识点-图像平移VS 图像旋转。 图像平移 一、图像平移简介 简单的说图像平移就是对图像像素进行操作，从而实现图像左右上下平移的功能，其实图像平移也是属于仿射变换的一种，我们接着往下看。 ，第二个是图像平移的信息（左移，上移等等），第三个就是图像原始的宽度和高度。 1.1 效果展示 图像旋转 二、图像旋转 图像旋转顾名思义就是将图像按照一个对称点进行某个度数的旋转，可以使顺时针，也可以是逆时针，下面来看看实战吧。
1.8K20编辑于 2022-06-01 - 来自专栏ISP图像处理相关
图像处理-图像增强
图像增强前期知识 图像增强是图像模式识别中非常重要的图像预处理过程。 图像增强的目的是通过对图像中的信息进行处理，使得有利于模式识别的信息得到增强，不利于模式识别的信息被抑制，扩大图像中不同物体特征之间的差别，为图像的信息提取及其识别奠定良好的基础。 一幅输入图像经过灰度变换后将产生一幅新的输出图像，由输入像素点的灰度值决定相应的输出像素点的灰度值。灰度变换不会改变图像内的空间关系。图像的几何变换是图像处理中的另一种基本变换。 它通常包括图像的平移、图像的镜像变换、图像的缩放和图像的旋转。通过图像的几何变换可以实现图像的最基本的坐标变换及缩放功能。 相应地，对图像的低频部分进行增强可以对图像进行平滑处理，一般用于图像的噪声消除。 3、频域增强 图像的空域增强一般只是对数字图像进行局部增强，而图像的频域增强可以对图像进行全局增强。
7.1K21编辑于 2022-01-14
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