随笔分类 - 计算机视觉
摘要：##一. 相机噪声概述 图像噪音由于拍摄设备、传输误差、数据压缩或其他外部因素引入的。 它可以干扰图像的视觉质量，使图像失真，并可能影响后续的图像处理和分析。 在我们分析噪音时，通常要对图像的生成全流程进行追溯 ###1.1 光子的产生和传播(Scene radiance) 光源的光子通过物体进行反
阅读全文
摘要：1. 读入PNG图片(RGBA) from PIL import Image from skimage import io, color, util import cv2 img_pillow = Image.open(path) #<class 'PIL.PngImagePlugin.PngIma
阅读全文
摘要：import os os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE" #原始环境为了避免混乱的包冲突 1. 张量（tensor） import torch import numpy as np 1.1 初始化 data = [[1, 2],[3, 4]] x_dat
阅读全文
摘要：一. 目标检测 目标检测（Object Detection）是计算机视觉里的一个重要领域 其主要任务是识别和定位视频图片中的特定物体，如人、车辆、动物、物体等，并将其标注出来 早期的时候，目标检测主要使用提取特征给分类器（SVM）进行分类的方法。这些方法通常基于图像的低级特征，如边缘、纹理和颜色等，
阅读全文
摘要：一. 高光谱数据读取和特征 本文中数据用例使用 Pavia University HSI 以常见的公开高光谱数据mat格式为例,将mat数据转为字典类型，并读取其中的numpy from scipy.io import loadmat X = loadmat('data/PaviaU.mat')['
阅读全文
摘要：一. 高光谱技术 1.1 高光谱概述 普通光谱：有限的波长内采集光谱数据（可见光谱范围），只蕴含颜色信息，相当于只有R、G、B通道 多光谱： 在特定波长范围内选择几个离散的波长点进行数据采集（反射光谱特征峰差异很小，需要更高的分辨率） 高光谱具有更广泛的波长范围内采集连续的光谱数据（插值拟合），从而
阅读全文
