- 综合排序
- 最热优先
- 最新优先
- 来自专栏一心无二用，本人只专注于基础图像算法的实现与优化。
图像偏色检测算法，速度快，效果好，共享给大家。 式中 ,M、 N分别为图像的宽和高，以像素为单位。在 a - b色度平面上,等效圆的中心坐标为 ( da , db ) ,半径为 M 。等效
本文的算法并不是我自己提出的，而是一些论文中提出的，详见 ： 1、基于图像分析的偏色检测及颜色校正方法 徐晓昭 , 蔡轶珩 , 刘长江 , 贾克斌 , 沈兰荪 2、皮肤检测技术的研究及改进 其直方图可以客观的反映图像色偏程度，在CIE Lab下进行偏色图像的自动检测更为合理。 由等效圆在 a - b色度平面上的具体位置,来判断图像整体的偏色。da > 0,偏红,否则偏绿。db > 0,偏黄,否则偏蓝。引入偏色因子 K, K值越大 ,偏色越严重。 cast =4.08616 上述四幅图的偏色明显比较验证，偏色因子的值也较大。 xiaotie在其博客里也晒出了它的一种检测偏色的结果，我这里的计算复杂度可能没他哪里的复杂，不过也可以借鉴参考的。
3.7K80发布于 2018-01-03 - 来自专栏字节流动
OpenGL YUV 和 RGB 图像转换出现偏色问题怎么解决？
早上知识星球里的一位同学，遇到 yuv2rgb 偏色问题，这个问题比较典型，今天展开说一下。 基于上面分析，偏色的根本原因其实就是转换时的精度误差，解决办法就是提高精度（小数点后多精确几位），让误差在人眼无法分辨的范围。 N=4000，做 4000 次 yuv 和 rgb 的来回转换放大误差，效果如下，这时由于误差不断累计，出现了明显的偏色。不过，转换 4000 次这种操作在实际情况下不太可能出现。
1.8K20编辑于 2023-11-17 - 来自专栏山河已无恙
影视后期：PR 调色处理,灰片还原,校色偏色素材
写在前面 整理一些影视后期相关学习笔记 博文为 Pr 调色处理中灰片还原以及偏色校正 理解不足小伙伴帮忙指正 「 男女之事，源自天时地利，差一分一离，就是空门 -----《繁华》 」 灰片还原 操作步骤 调整饱和度 调整后的比较 校正偏色素材一 校正步骤： 分析画面-偏红 白平衡处理，吸管工具吸取画面中本身的白色 (公交车) 分析亮度波形-增加白色 不正常，画面偏红，需要做白平衡处理 红，绿，蓝三个颜色信息最高点水平高度一致是画面白平衡正确 调整色温和色彩，或者通过吸管工具选择白色区域调整 亮度曲线分布较为平坦，则表示视频信号的亮度变化较少，调整对比度高光 调整前后对比 校正偏色素材二 校正步骤： 分析画面-偏蓝 白平衡处理，吸管工具吸取画面中本身的白色
2.6K10编辑于 2024-01-02 - 来自专栏TSINGSEE青犀视频
监控画面花屏、遮挡、抖动、噪声、偏色...EasyGBS视频质量诊断技术与应用
结构异常检测：针对花屏、马赛克、蓝屏、遮挡等故障，通过图像结构完整性校验实现秒级识别。 二、核心能力：11类画质异常全覆盖EasyGBS构建11类画质异常检测体系，覆盖基础画质、严重故障等多个维度，实现监控画面问题无死角识别。 清晰度异常：镜头脏污、虚焦、雾气导致画面糊化亮度异常：过曝、过暗、夜间无红外失效对比度异常：灰蒙蒙、轮廓不清颜色异常：偏色、丢色、色温异常噪声干扰：雪花点、条纹、波纹干扰画面抖动：立杆不稳、强风、机械振动画面冻结 ：码流中断、编码器死机、设备离线画面遮挡：树叶、杂物、人为恶意遮挡蓝屏/花屏/马赛克：硬件故障、带宽不足、解码异常发现—告警—记录—追溯：全流程闭环管理一旦检测到异常，平台立即启动闭环处置：实时告警：实时检测异常与告警截图自动截图
23510编辑于 2026-02-25 - 来自专栏txp玩Linux
ISP问题调试总结（包括黑光成像逆光成像降噪宽动态wdr偏色等问题）!
宽动态模式下图像偏色问题：技术支持说法是这个不可避免，这是为了减少鬼影和色域引起的噪声等副作用。通过提高饱和度，降低rgb通道去噪强度可以一定程度提升图像颜色质量。怀疑是CCM标定工作未做好的问题。
5.2K10编辑于 2023-08-31 - 来自专栏LiteMedia
视频质量AI检测算法与LiteCVR视频质量诊断方案介绍
LiteCVR视频质量诊断方案可以实现对监控设备常见的异常抖动、画面条纹、画面模糊、偏色、亮度异常、对比度异常、冻结、丢失、噪声等机器故障及恶意遮挡、恶意变化监控场景的行为做出准确判断，还可以对监控设备因为网络异常等原因导致的设备断线 5）颜色异常检测该项检测针对画面出现单一性全屏偏色、画面有闪动的彩色条带、图像中广泛分布杂色等现象，其故障原因通常可归纳为感光器件有颜色通道损坏、摄像头颜色平衡算法失效、颜色信号在传输过程中受到干扰等问题 视频噪声的检测较为困难复杂，主要由于不同种类噪声的无规律性，单一策略的检测算法难以全面覆盖不同种类的噪声。 7）图像晃动检测该项检测针对画面出现持续性晃动的现象，其故障原因通常为摄像头立杆或者云台不稳等问题。对该类问题的检测，通常需要对一定时长的视频序列间各帧之间的运动信息进行统计分析。 10）对比度异常检测该项检测针对画面中物体轮廓模糊等现象，一般是由相机虚焦或镜头受到污染导致。
1.4K50编辑于 2023-11-14 - 来自专栏linux驱动个人学习
ISP基础（06）：AWB算法
不同色温光源下，拍出的照片中白色会出现偏色的情况。 色温是黑体热辐射理论的概念，表征辐射谱中辐射强度最大的频率波，概念迁移到光源，表示光源中亮度最强的频率光。 首先是要及时检测出环境光色温的变化，其次对环境色温变化及时做出响应。针对这一过程可以有不同的实现方法，而评价一个方法的优劣主要是看这个方法的响应速度，以及检测色温的准确度。 3、AWB测试 主观评测 不同色温光源下，观测24色卡，灰度块，颜色有无偏色； 客观评测 测量矫正图像和标准色卡图像偏差 ΔS； AWB收敛速度测量； 4、Reference Understanding Color Temperature Understanding Light and Color Understanding White Balance Control 白平衡之灰度世界算法与镜面算法 基于白点检测的数码相机自动白平衡算法实现
5K31发布于 2020-11-24 - 来自专栏linux驱动个人学习
ISP-坏点校正（DPC）
动态坏点校正 动态坏点的校正可以实时的检测和校正sensor 的亮点与暗点，并且校正的坏点个数不受限制。动态坏点校正相对静态坏点校正具有更大的不确定性。 动态dpc可以分为两个步骤，分别为坏点检测和坏点校正。 算法 这里自己写了一个dpc的算法，有兴趣的话可以看看。 此算法使用梯度百分比的方式去检测坏点，检测到坏点之后通过中值滤波进行坏点校正，最终通过alpha混合的方式计算出最终的计算结果。 tunning dpc的调试可以提升图像的多个方面，很大程度上改善图像质量，一般情况下在不同的iso下调出不同的值，需要考虑的一是blend的混合程度，二是坏点检测的力度。 在噪声比较多的情况下可以加强dpc的强度，但是建议不要把dpc当成去噪来使用，dpc校正太强依旧会造成边缘偏色、整体偏色的现象。
4.3K21发布于 2020-11-11 - 来自专栏ISP图像处理相关
Lens Shading成因及相关
在文中，本人更偏向于镜头暗影的说法，即可用“暗”表示图像亮度变化引起的暗角，也能用“影”表示图像中出现的偏色现象。 一般来说，物体到lens中心的距离越远，图像越暗，呈圆形中性对称的方式递减。 Color Shading（色彩均匀性） Color Shading则表现在图像中心区域与四周颜色不一致，体现出来一般为中心或者四周偏色。 但成角度拍摄照片时，红外光在IR膜上会有较大反射，经过多次反射后，被Sensor接收从而改变图像R通道的值，引起图像偏色问题。 镜头的主光线角与传感器不匹配，会使传感器的像素出现在光检测区域周围，致使像素曝光不足，亮度不够。 4.在校正Lens Shading时，由于校正参数计算不准确导致。
1.8K20编辑于 2022-01-14 - 来自专栏雪月清的随笔
3A之自动白平衡（AWB）篇
本质上是白色的物体，在不同色温，反射光线颜色不同的场景下，经过人眼的视觉系统矫正后还是白色；而对于Camera来说，不同色温，反射光线颜色不同，直接成像会有偏色现象发生。 可以看到阴影区域的白色部分偏蓝： 为了在不同的色温环境下，消除光源对图像传感器成像的影响，模拟人眼视觉系统的颜色恒常性，保证在任何场景下看到的白色为正常的白色，ISP的流水线中添加了白平衡WB模块来处理色温引起的偏色问题 CaptureRequest.CONTROL_AWB_MODE_AUTO); 相机AWB流程 在Turning阶段准备矫正参数：在不同色温下按照一定梯度拍几张白纸作为色温照，然后对色温照的R/G/B通道进行矫正，让偏色的白纸照变为白色
4.7K10发布于 2020-08-18 - 来自专栏小詹同学
人脸检测——笑脸检测
前边已经详细介绍过人脸检测，其实检测类都可以归属于同一类，毕竟换汤不换药！ 无论是人脸检测还是笑脸检测，又或者是opencv3以后版本加入的猫脸检测都是一个原理，用的是detectMultiScale函数，其具体使用参考公众号历史文章中的人脸检测（一）——基于单文档的应用台程序即可 ~ 笑脸检测用的还是那个函数（还是熟悉的味道！） 这里主要分两步来说： 1.加载人脸检测器进行人脸检测 2 加载笑脸检测器进行笑脸检测 其具体程序如下，可以实现对图片的检测，也可以调用摄像头对采集到的实时图像进行检测，需要完整项目的后台回复关键词 “笑脸检测”即可~ 关键部分程序如下： ?
3.7K70发布于 2018-04-13 - 来自专栏大前端（横向跨端 & 纵向全栈）
按键精灵中常用的图色操作命令
TracePrint "界面未找到" End If CmpColorEx中的参数说明：参数中多个点用逗号分隔，其中最后一个参数为相似度，每个点的信息用“|”分隔，依次是x坐标，y坐标，颜色值，如果有偏色用 第一个值表示查找区域左上X坐标，第二个值表示查找区域左上Y坐标，第三个值表示查找区域右下X坐标，第四个值表示查找区域右下Y坐标 当四个值均为0时表示查找整个屏幕区域； E1833B-101010：表示要查找点的颜色和偏色
2.1K30编辑于 2023-11-05 微信域名检测-域名检测-域名安全检测-域名拦截检测
再用微信域名检测接口去检测短网址域名。如果出现拦截，可更换短网址域名重新生成短网址，从而能保证新生产的短网址不会被微信拦截。 接口介绍请求参数名称类型必须说明url String 是 网址可参见接口文档短网址生成可参考这里返回样例// 检测正常{ "code": 200, "msg": "成功", "taskNo": " 41020892700032664119", "charge": true, "data": { "message": "正常", "result": true }}// 检测不正常
35810编辑于 2026-03-06- 来自专栏PaddlePaddle
【目标检测】SSD目标检测
场景文字识别 目标检测任务的目标是给定一张图像或是视频帧，让计算机找出其中所有目标的位置，并给出每个目标的具体类别。对于人类来说，目标检测是一个非常简单的任务。 【目标检测】 SSD目标检测 |1. 概述 SSD全称：Single Shot MultiBox Detector，是目标检测领域较新且效果较好的检测算法之一[1]，有着检测速度快且检测精度高的特点。 SSD原理 SSD使用一个卷积神经网络实现“端到端”的检测：输入为原始图像，输出为检测结果，无需借助外部工具或流程进行特征提取、候选框生成等。 共包含4个字段，以tab分割，第一个字段是检测图像路径，第二字段为检测矩形框内类别，第三个字段是置信度，第四个字段是4个坐标值（以空格分割）。
4.9K90发布于 2018-04-02 - 来自专栏全栈程序员必看
ISP举例_low input lag
在文中，本人更偏向于镜头暗影的说法，即可用“暗”表示图像亮度变化引起的暗角，也能用“影”表示图像中出现的偏色现象。 即图像的中心区域或者四周出现偏色。如图3-(b)所示。 图3 Lens Shading示意图 有因才有果，为了能够更好地了解Lens Shading，需要对其进行刨根问底。 但成角度拍摄照片时，红外光在IR膜上会有较大反射，经过多次反射后，被Sensor接收从而改变图像R通道的值，引起图像偏色问题。 镜头的主光线角与传感器不匹配，会使传感器的像素出现在光检测区域周围，致使像素曝光不足，亮度不够。 4.在校正Lens Shading时，由于校正参数计算不准确导致。
79620编辑于 2022-11-01 - 来自专栏用户10566770的专栏
AI智能分析在危化品行业中的应用
2、视频诊断对于摄像头画面进行实时巡检监测，通过自定义巡检计划任务和模拟点播技术，系统支持对特定照片进行监测，支持20+视频质量诊断项，包括：视频信号检测、树叶遮挡检测、视频遮挡检测、摄像头角度异常检测 、亮度过量/过暗检测、偏色检测、清晰度检测、彩色/雪花条纹检测、卡顿检测、黑屏蓝屏检测、黑白图像检测、复显检测等视频质量检测内容，保障摄像头的正常运行。 ②人员行为识别对人员的行为、动作进行检测，一旦发现监控区域内人员有抽烟、打电话、人员跌倒、人员斗殴的行为和现象出现，系统自动抓拍到相关画面及时做出分析并发出相关告警信息，下发至相关的管理人员。
60810编辑于 2023-11-29 - 来自专栏院长运维开发
就绪检测&存活检测---实验
检查探针---就绪检测 readinessProbe-httpget 创建资源清单 [root@k8s-master ~]# vim read.yaml apiVersion: v1 kind: Pod Running 0 2m36s yzapp-pod 1/1 Running 19 19h 检查探针---三种存活检测 periodSeconds: 3 意思就是容器创建后会创建一个文件 /tmp/live，然后休眠60秒，然后删除这个文件，然后再休眠6分钟 在创建容器后的一分钟内文件是存在的，然后一分钟后文件删除了，我们检测不到了这个文件 5 timeoutSeconds: 1 tcpSocket: port: 8080 periodSeconds: 3 5秒以后开始检测 ，检测时候发起连接我们的8080端口，但是端口肯定是不通的，然后一秒以后自己知道是失败了，然后重启Pod 创建Pod资源 [root@k8s-master ~]# kubectl create -f liveness-tcp.yaml
90320发布于 2020-11-30 - 来自专栏山河已无恙
基于 Mtcnn(人脸检测)+Hopenet(姿态检测)+Laplacian(模糊度检测) 的人脸检测服务
写在前面 工作原因，顺便整理 博文内容为一个 人脸检测服务分享 以打包 Docker 镜像，可以直接使用 服务目前仅支持 http 方式 该检测器主要适用低质量人脸图片识别 理解不足小伙伴帮忙指正，多交流 最终，O-Net提供了最终的人脸检测结果和人脸关键点的位置信息。 影响因子（原始图像的比例跨度）(scale_factor): MTCNN 使用了图像金字塔来检测不同尺度的人脸。 通过对图像进行 缩放，可以检测到不同大小的人脸。影响因子是指图像金字塔中的 缩放因子，控制了不同尺度之间的跨度。较小的影响因子会导致 更多的金字塔层级，可以检测到 更小的人脸，但会增加计算时间。 较大的影响因子可以 加快检测速度，但可能会错过 较小的人脸。因此，选择合适的影响因子是在准确度和速度之间进行权衡的关键。 较小的最小面容参数可以检测到更小的人脸，但可能会增加 虚警（错误接受）的机会。较大的最小面容参数可以 减少虚警，但可能会漏检一些较小的人脸。
1.5K20编辑于 2023-10-22 - 来自专栏CVPy
OpenCV检测篇（二）：笑脸检测
前言 由于本文与上一篇OpenCV检测篇（一）：猫脸检测具有知识上的连贯性，所以建议没读过前一篇的先去阅读一下前一篇，前面讲过的内容这里会省略掉。 笑脸检测 其实也没什么可省略的，因为跟在opencv中，无论是人脸检测、人眼检测、猫脸检测、行人检测等等，套路都是一样的。正所谓： 自古深情留不住，总是套路得人心。 前一篇猫脸检测中已经提到过这个函数，这里就不再详细赘述。 这里只说一下笑脸检测的流程，显然也都是套路： 1.加载人脸检测器进行人脸检测 2 加载笑脸检测器进行笑脸检测 检测的时候用的都是同一个函数，也即上述detectMultiScale()函数。 这里需要注意的一点是： 笑脸检测是在人脸检测之后得到的人脸区域中进行的。我猜它用到的算法很可能是检测人的嘴角的姿态，因为笑脸检测最后的输出结果就是框住了人上扬的嘴角。
3.5K10发布于 2017-04-07 - 来自专栏Mr_du
COS 图片处理
图片缩略后颜色变亮了 image.png image.png 分析： 先分析下原图的编码，可以用开源工具获取，如果原图是 RGB 的话，压缩是不会变色的，如果原图是 CMYK 的话，压缩后会产生偏色
3.6K30发布于 2020-04-26
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