- 综合排序
- 最热优先
- 最新优先
- 来自专栏图像处理与模式识别研究所
图像相似程度
import cv2 import numpy as np from matplotlib import pyplot as plt def classify_gray_hist(image1,image2 ,size=(256,256)): image1=cv2.resize(image1,size) image2=cv2.resize(image2,size) hist1=cv2 .resize(image2,size) sub_image1=cv2.split(image1) sub_image2=cv2.split(image2) sub_data=0 ): image1=cv2.resize(image1,(8,8)) image2=cv2.resize(image2,(8,8)) gray1=cv2.cvtColor(image1 =cv2.resize(image1,(32,32)) image2=cv2.resize(image2,(32,32)) gray1=cv2.cvtColor(image1,cv2.COLOR_BGR2GRAY
1.1K40编辑于 2022-05-29 图像融合边缘强度以及拉普拉斯融合的代码
实现：Python代码import cv2import numpy as np# 读取图像image1 = cv2.imread('image1.jpg', cv2.IMREAD_GRAYSCALE)image2 ): # 计算边缘强度 edge_strength1 = edge_strength(image1) edge_strength2 = edge_strength(image2) Image', fused_image)cv2.waitKey(0)cv2.destroyAllWindows()MATLAB代码% 读取图像image1 = imread('image1.jpg');image2 = imread('image2.jpg');% 拉普拉斯边缘检测laplacian1 = edge(image1, 'laplacian');laplacian2 = edge(image2, ' (edge_strength1 + edge_strength2);% 融合图像fused_image = weight1 * double(image1) + weight2 * double(image2
27610编辑于 2025-06-08- 来自专栏站长的编程笔记
【说站】Python dHash算法如何使用
([image2],[0],None,[256],[0.0,255.0]) # 可以比较下直方图 plt.plot(range(256),hist1,'r') plt.plot(range(256 ): hist1 = cv2.calcHist([image1],[0],None,[256],[0.0,255.0]) hist2 = cv2.calcHist([image2],[0],None .resize(image2,size) sub_image1 = cv2.split(image1) sub_image2 = cv2.split(image2) sub_data = 0 for ): image1 = cv2.resize(image1,(8,8)) image2 = cv2.resize(image2,(8,8)) gray1 = cv2.cvtColor(image1 cv2.resize(image1,(32,32)) image2 = cv2.resize(image2,(32,32)) gray1 = cv2.cvtColor(image1,cv2.COLOR_BGR2GRAY
67230编辑于 2022-11-24 - 来自专栏前端达人
动手练一练，用 CSS Checkbox Hack 技术制作一个响应式图片幻灯
<input type="radio" id="image1" name="image" checked> <input type="radio" id="<em>image2</em>" name="image"> < arrows">
- <label for="image1"></label>
- <label for="<em>image2</em> ="dots">
- <label for="image1"></label>
- <label for="<em>image2</em> "]::after, [id="<em>image2</em>"]:checked ~ .container .arrows [for="image3"]::after, [id="image3"]:checked ~ "]:checked ~ .container .dots [for="<em>image2</em>"], [id="image3"]:checked ~ .container .dots [for="image3"]
1.8K10发布于 2020-03-26 - 来自专栏全栈程序员必看
香农编码的matlab仿真实现实验报告_香农编码例题
C:\Program Files\MATLAB71\work\1\girl.jpg’); %读入图像 >> imshow(image1); %显示原图像(右图) % 以下程序是将原图像转换为二值图像 image2 =image1(:); %将原始图像写成一维的数据并设为 image2 image2length=length(image2); % 计算image2的长度 for i=1:1:image2length % for 循环，目的在于转换为二值图像 if image2(i)>=127 image2(i)=255; else image2(i)=0; end end image3=reshape(image2,146,122
67630编辑于 2022-10-03 - 来自专栏Rattenking
OpenCV-Python学习（6）—— OpenCV 图像算术操作
/images/opencv-logo-white.png") image2 = np.zeros_like(image1) image2[:] = (110,0,250) cv.imshow ('image1', image1) cv.imshow('image2', image2) # 图像像素加法运算 add_img = cv.add(image1, image2) cv.imshow('add_img', add_img) # 图像像素减法运算 subtract_img = cv.subtract(image1, image2) cv.imshow( /images/opencv-logo-white.png") image2 = np.zeros_like(image1) image2[:] = (110,0,250) cv.imshow ('image1', image1) cv.imshow('image2', image2) # 图像像素加法运算 add_img = np.add(image1, image2)
1K10编辑于 2022-10-24 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE（Google Earth Engine）如何获取影像像素均值和栅格计算？
Arguments: this:dictionary (Dictionary) keys (List, default: null) Returns: List 方法3： subtract(image2 If either image1 or image2 has only 1 band, then it is used against all the bands in the other image. 对于 image1 和 image2 中的每对匹配的波段，从第一个值中减去第二个值。如果 image1 或 image2 只有 1 个波段，则将其用于另一个图像中的所有波段。 Arguments: this:image1 (Image): The image from which the left operand bands are taken. image2 (Image)
85310编辑于 2024-02-01 - 来自专栏XINDOO的专栏
使用ffmpeg将图片拼接为视频
使用ffmpeg将图片拼接成视频前，需要将图片文件名做下预处理，文件名中必须有数字将其次序标记出来，这里我直接使用数字将图片重命名了 直接使用命令ffmpeg -f image2 -i %d.jpeg ffmpeg -r 10 -f image2 -i %d.jpeg output1.mp4 如上命令每秒会拼接10张图片，250张图片最终会生成25秒的视频。 ffmpeg -r 10 -f image2 -i %d.jpeg -b:v 4M output2.mp4 这里额外提醒下，改变码率会影响到视频清晰度，但并不意味着高码率的视频一定比低码率的视频清晰度更高 ffmpeg -r 10 -f image2 -i %d.jpeg output3.mp4 -c:v 调整视频的编码格式 -c:v codec of video。 ffmpeg -f image2 -i %d.jpeg -c:v libvpx output-v8.webm #注意webm默认生成的是低质量的视频，可使用-crf或者-b:v参数调整视频质量。
1.8K10编辑于 2024-08-07 - 来自专栏wym
opencv学习笔记---直方图笔记 compareHIST
rgHist[np.int(index), 0] = rgHist[np.int(index), 0] + 1 return rgHist def hist_compare(image1, image2 ): hist1 = create_rgb_hist(image1) hist2 = create_rgb_hist(image2) match1 = cv.compareHist cv.calcHist([image], [i], None, [256], [0, 256]) print(hist) image1 = cv.imread("D://work//demo.jpg") image2 = cv.imread("D://work//img.jpg") #hist_image(image1) hist_compare(image1, image2)
1.3K20发布于 2018-08-30 - 来自专栏全栈程序员必看
MATLAB学习（3）
exp1.txt文件 A =load('exp1.txt'); //%读取exp.txt数据 image2 = zeros(256,256,'uint8'); for i = 1 : 256 for j = 1 : 256 image2(j,i) = A((i-1)*256+j); //%读取一维数组1x65535 到矩阵【256 256】 end end figure,imshow(image2),title('show image2'); 发布者：全栈程序员栈长，转载请注明出处
32120编辑于 2022-07-12 - 来自专栏编程创造城市
高职考技能提升教程008期 掷骰子与冒泡排序 VB语言 刘金玉编程
() Dim i%, n% '先将筛子次数清零 For i = 0 To 5 Step 1 a(i) = 0 '将text2置空 Text2(i).Text = "" Image2 Enabled = True End Sub Private Sub Command2_Click() '冒泡排序法排序好筛子，从高到底 Dim i%, j% '先将image1的图片都载入到image2 For i = 0 To 5 Image2(i).Picture = Image1(i).Picture Next For i = 0 To 5 Step 1 For j = 0 a(j) = a(j + 1) a(j + 1) = t '图片交换 Image3 = Image2 (j) Image2(j) = Image2(j + 1) Image2(j + 1) = Image3 End
82820发布于 2020-04-21 - 来自专栏月色的自留地
图像识别基本算法之SURF
{ Mat image01=imread(argv[1]); Mat image02=imread(argv[2]); Mat image1,image2 ; image1=image01.clone(); image2=image02.clone(); //提取特征点 SurfFeatureDetector ,keyPoint2,image2,Scalar::all(-1),DrawMatchesFlags::DRAW_RICH_KEYPOINTS); imshow("KeyPoints of image1",image1); imshow("KeyPoints of image2",image2); //特征点描述，为下边的特征点匹配做准备 imageDesc2; SurfDescriptor.compute(image1,keyPoint1,imageDesc1); SurfDescriptor.compute(image2
3.1K80发布于 2018-06-15 - 来自专栏全栈程序员必看
OpenCV 估算图像的投影关系：基础矩阵和RANSAC[通俗易懂]
using namespace cv; using namespace std; int main() { Mat image1= imread(CHURCH01,0); Mat image2 image2.data) return 0; imshow("Right Image",image1); imshow("Left Image",image2); ->detectAndCompute(image1, noArray(), keypoints1, descriptors1); ptrFeature2D->detectAndCompute(image2 =selPoints2.end()) { circle(image2,*it,3,Scalar(255,255,255),2); ++it; } =lines1.end(); ++it) { line(image2,Point(0,-(*it)[2]/(*it)[1]), Point(image2.
2.2K30编辑于 2022-08-04 - 来自专栏前端达人
动手练一练，用 CSS Checkbox Hack 技术制作一个响应式图片幻灯
radio按钮，通过name属性进行按钮分组 <input type="radio" id="image1" name="image" checked> <input type="radio" id="<em>image2</em> arrows">
- <label for="image1"></label>
- <label for="<em>image2</em> ="dots">
- <label for="image1"></label>
- <label for="<em>image2</em> "]::after, [id="<em>image2</em>"]:checked ~ .container .arrows [for="image3"]::after, [id="image3"]:checked ~ "]:checked ~ .container .dots [for="<em>image2</em>"], [id="image3"]:checked ~ .container .dots [for="image3"]
1.5K10发布于 2020-03-17 - 来自专栏机器学习养成记
图片相似度识别：aHash算法
2 Python实现 本例中将计算以下两张图片的相似度： （image1） （image2） 图像处理库 图像处理可以用opencv包或者PIL包。 += 1 return num if __name__ == "__main__": #PIL image1 = Image.open('image1.png') image2 png') #缩小尺寸并灰度化 image1=np.array(image1.resize((8, 8), Image.ANTIALIAS).convert('L'), 'f') image2 #image1=cv2.cvtColor(cv2.resize(img1,(8,8),interpolation=cv2.INTER_CUBIC),cv2.COLOR_BGR2GRAY) #image2 8,8),interpolation=cv2.INTER_CUBIC),cv2.COLOR_BGR2GRAY) hash1 = aHash(image1) hash2 = aHash(image2
5.5K30发布于 2019-10-21 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
中科星图GVE（案例）——AI实现建筑用地变化前后对比情况
函数 gve.Services.AI.ConstructionLandChangeExtraction(image1,image2) 建设用地变化检测 方法参数 - image1( Image ) image 实例 - image2( Image ) image实例 返回值: FeatureCollection 代码 /** * @File : AI_Construction_Land_Change gve.Image.fromGeometry(geometry, source2023, option); // 数据来源 var source2024 = "Base_Image_V2024_1"; var image2 获取建筑物变化的FeatureCollection var featureCol = gve.Services.AI.ConstructionLandChangeExtraction(image1, image2 Map.centerObject(featureCol); Map.addLayer(featureCol); //使用卷帘对比建筑物变化前后的图像 Map.CompareImage(image1, image2
29010编辑于 2024-10-14 - 来自专栏移动端开发
常用开发技巧系列（三）
frame = CGRectMake(50, 100, 300, 60); [self.view addSubview:imageView1]; UIImage * image2 = [UIImage imageNamed:@"image"]; image2 = [image2 stretchableImageWithLeftCapWidth:1 topCapHeight imageView1.frame = CGRectMake(50, 100, 300, 60); [self.view addSubview:imageView1]; UIImage * image2 = [UIImage imageNamed:@"image"]; image2 = [image2 resizableImageWithCapInsets:UIEdgeInsetsMake(1, 1, 1, 1)]; UIImageView * imageView = [[UIImageView alloc]initWithImage:image2]; imageView.frame = CGRectMake
98250发布于 2018-01-12 - 来自专栏wym
opencv学习笔记--图片分割合成
jiequ",sc) t2[20:200,30:290]=sc#截取大小必须相同 cv.imshow("hecheng",t2) image1=cv.imread("D://linux.jpg") image2 =cv.imread("D://uu.jpg") cv.imshow("linux",image1) cv.imshow("uu",image2) jie_qu(image1,image2) cv.waitKey
84910发布于 2018-08-30 - 来自专栏Hi, Python
python爬虫之验证码识别
)) email.send_keys(self.email) password.send_keys(self.password) def get_gap(self, image1, image2 ): """ 获取缺口偏移量 :param image1: 不带缺口图片 :param image2: 带缺口图片 :return: """ left , x, y): """ 判断两个像素是否相同 :param image1: 图片1 :param image2: 图片2 :param x: 位置x : captcha1.png') # 点按呼出缺口 slider = self.get_slider() slider.click() # 获取带缺口的验证码图片 image2 = self.get_geetest_image('captcha2.png') # 获取缺口位置 gap = self.get_gap(image1, image2) print
1.8K10发布于 2019-09-29 - 来自专栏python理论
python处理图片的一些列操作
,g,r]) # cv2.imshow("image",image1) ret,image1=cv2.threshold(image,127,255,cv2.THRESH_BINARY) ret1,image2 ret4,image5=cv2.threshold(image,127,255,cv2.THRESH_TOZERO_INV) cv2.imshow("1",image1) cv2.imshow("2",image2 image=cv2.imread("/home/dfy/Pictures/Camera_photo/Camera_photo/sss.jpg") width,height,n=image.shape image2 for i in range(width): for j in range(height): for channel in range(3): if image2 [i][j][channel]>127: image2[i][j][channel]=255 else: image2
42620编辑于 2022-01-06
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