随笔分类 -  课程——数字图像处理

摘要:Mark: https://www.cnblogs.com/wyh1993/p/7118559.html 效果非常的好 阅读全文
posted @ 2019-04-22 21:12 Rogn 阅读(999) 评论(0) 推荐(0) 编辑
摘要:亮度与对比度 亮度调整是将图像像素的强度整体变大/变小,对比度调整指的是图像暗处变得更暗,亮出变得更亮,从而拓宽某个区域内的显示精度。 OpenCV中亮度和对比度应用这个公式来计算:g(x) = αf(x) + β,其中:α(>0)、β常称为增益与偏置值,分别控制图片的对比度和亮度。 注:此处对α/ 阅读全文
posted @ 2019-04-22 21:07 Rogn 阅读(9172) 评论(0) 推荐(0) 编辑
摘要:在matlab中,存在执行直接得函数来添加高斯噪声和椒盐噪声。Python-OpenCV中虽然不存在直接得函数,但是很容易使用相关的函数来实现。 代码: 可见,只要我们得到满足某个分布的多维数组,就能作为噪声添加到图片中。 例如: 然后再: 参考链接: 1、https://stackoverflow 阅读全文
posted @ 2019-03-30 15:45 Rogn 阅读(37956) 评论(0) 推荐(1) 编辑
摘要:膨胀与腐蚀一般用于二值图,也很好理解。但是对于灰度图,显然也存在腐蚀与膨胀,这是如何进行的呢? 可以使用OpenCV中的库函数cv2.erode和cv2.dilate,但这次是探究其中的原理。 灰值形态学 结构元素(structure element) $5 \times 5$结构元素示例: (2) 阅读全文
posted @ 2019-03-30 13:09 Rogn 阅读(2213) 评论(0) 推荐(0) 编辑
摘要:目标 这一节 我们将学习不同的形态学操作,如腐蚀、膨胀、开、闭...... 我们将看到不同的函数,如:cv2.erode()、cv2.dilate()、cv2.morphology() 理论 形态变换是基于图像形状的一些简单操作。它通常在二进制图像上执行。它需要两个输入,一个是我们的原始图像,第二个 阅读全文
posted @ 2019-03-30 12:24 Rogn 阅读(3935) 评论(0) 推荐(0) 编辑
摘要:通常我们将读入的彩色图转化成灰度图,需要将灰度图反转得到掩码,如何正确快速的得到某个图像的反转图呢? 首先看一种看似很正确的写法,对其中每个像素进行如下处理: 其实,灰度图中像素值是<class numpy.uint8>, 即8位无符号数,这是为了保证像素值0~255。 所以正确的写法只需 img 阅读全文
posted @ 2019-03-29 09:15 Rogn 阅读(458) 评论(0) 推荐(0) 编辑
摘要:概念 修复是图像插值。数字修复算法在图像插值,照片恢复,缩放和超分辨率等方面具有广泛的应用。 大多数人会在家里放一些旧的退化照片,上面有一些黑点,一些笔画等。你有没有想过恢复它?我们不能简单地在绘画工具中擦除它们,因为它将简单地用白色结构替换黑色结构,这是没有用的。在这些情况下,使用称为图像修复的技 阅读全文
posted @ 2019-03-28 22:57 Rogn 阅读(25278) 评论(4) 推荐(0) 编辑
摘要:编写pytohn脚本时通常需要批处理。 列出指定目录下的所有文件/文件夹 os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表,但有个很明显的缺点,它的默认顺序不是有序的或者说不是通常的顺序(不知道用啥排的)。 由于返回值是list类型,所以可以使用sort() 结果(可 阅读全文
posted @ 2019-03-28 15:43 Rogn 阅读(36969) 评论(2) 推荐(4) 编辑
摘要:使用自定义内核对图像进行卷积。该功能将任意线性滤波器应用于图像。支持就地操作。当光圈部分位于图像外部时,该功能会根据指定的边框模式插入异常像素值。 语法 函数原型: 参数: 该函数实际计算的是相关性,而不是卷积 $$\texttt{dst} (x,y) = \sum _{ \stackrel{0\l 阅读全文
posted @ 2019-03-26 12:50 Rogn 阅读(61625) 评论(0) 推荐(6) 编辑
摘要:在图像处理中,我们通常需要将原图像与处理后的图像放在同一个窗口显示,这样便于比较。 首先,需要介绍Numpy中的两个函数:hstack()、vstack()。 函数原型:hstack(tup) ,参数tup可以是元组,列表,或者numpy数组,返回结果为numpy的数组。看下面的代码体会它的含义: 阅读全文
posted @ 2019-03-25 21:42 Rogn 阅读(10235) 评论(0) 推荐(1) 编辑
摘要:通过将图像与低通滤波器内核卷积来实现图像模糊。它有助于消除噪音。它实际上从图像中去除了高频内容(例如:噪声,边缘)。因此在此操作中边缘会有点模(嗯,有模糊技术,也不会模糊边缘)。 OpenCV主要提供四种模糊技术。 需要注意的是,图像模糊也叫图像平滑,它有助于降低噪声,但有噪声与模糊并不是等同的。 阅读全文
posted @ 2019-03-25 21:06 Rogn 阅读(2598) 评论(0) 推荐(0) 编辑
摘要:改变图像大小意味着改变尺寸,无论是单独的高或宽,还是两者。也可以按比例调整图像大小。 这里将介绍resize()函数的语法及实例。 语法 函数原型 cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) 参数: 参数 描述 src 【必需 阅读全文
posted @ 2019-03-25 20:45 Rogn 阅读(184126) 评论(4) 推荐(3) 编辑
摘要:前面介绍过用dnarray来模拟,但mat更符合矩阵,这里的mat与Matlab中的很相似。(mat与matrix等同) 基本操作 矩阵求逆、行列式 与Numpy array相同,可参考链接。 矩阵乘法 矩阵乘,与Numpy dnarray类似,可以使用np.dot()和np.matmul(),除此 阅读全文
posted @ 2019-03-19 22:23 Rogn 阅读(53139) 评论(3) 推荐(4) 编辑
摘要:前面介绍过用dnarray来模拟,但mat更符合矩阵,这里的mat与Matlab中的很相似。(mat与matrix等同) 基本操作 矩阵求逆、行列式 与NUmpy array相同,链接。 矩阵乘法 矩阵乘,与Numpy dnarray类似,可以使用np.dot()和np.matmul(),除此之外, 阅读全文
posted @ 2019-03-19 22:23 Rogn 阅读(560) 评论(0) 推荐(0) 编辑
摘要:本文主讲Python中Numpy数组的类型、全0全1数组的生成、随机数组、数组操作、矩阵的简单运算、矩阵的数学运算。 尽管可以用python中list嵌套来模拟矩阵,但使用Numpy库更方便。 定义数组 还有一些特殊的方法可以定义矩阵 操作数组 矩阵的数学运算 关于方阵 矩阵乘法 矩阵乘:按照线性代 阅读全文
posted @ 2019-03-19 20:14 Rogn 阅读(29291) 评论(0) 推荐(1) 编辑
摘要:为什么使用Python-OpenCV? 虽然python 很强大,而且也有自己的图像处理库PIL,但是相对于OpenCV 来讲,它还是弱小很多。跟很多开源软件一样OpenCV 也提供了完善的python 接口,非常便于调用。OpenCV 的最新版是4.0,包含了超过2500 个算法和函数,几乎任何一 阅读全文
posted @ 2019-03-09 19:32 Rogn 阅读(29367) 评论(0) 推荐(0) 编辑
摘要:完整正确的代码如下: 问题一: 很可能是文件路径不对,导致image为空,从而imshow出错。比如我就是Picturtes掉了个“s”. 问题二: 与先前版本相比,Libpng-1.6在检查ICC配置文件方面更为严格。您可以忽略该警告。要摆脱它,请从PNG图像中删除iCCP块。 您可以使用各种PN 阅读全文
posted @ 2019-03-09 12:21 Rogn 阅读(1745) 评论(0) 推荐(0) 编辑
摘要:当我在Google Colab运行如下代码 竟然会使会话奔溃,然后内核重启,系统日志如下: 警告信息是“cannot connect to X server”,那什么是X server呢? 这下就明白了,由于OpenCV采用highgui,而命令行下无法产生图形界面。 这个问题对于命令行下的Linu 阅读全文
posted @ 2019-03-08 23:48 Rogn 阅读(4853) 评论(0) 推荐(1) 编辑
摘要:本文章会详细的介绍RGB颜色空间与RGB三色中色调、饱和度、亮度之间的关系,最后会介绍HSV颜色空间! RGB颜色空间 概述 RGB颜色空间以R(Red:红)、G(Green:绿)、B(Blue:蓝)三种基本色为基础,进行不同程度的叠加,产生丰富而广泛的颜色,所以俗称三基色模式。 RGB三原色起源于 阅读全文
posted @ 2019-02-24 14:31 Rogn 阅读(35855) 评论(1) 推荐(2) 编辑
摘要:问题 使用sudo pip3 install tensorflow安装完CPU版tensorflow后,运行简单的测试程序,出现如下警告: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructi 阅读全文
posted @ 2019-02-24 11:20 Rogn 阅读(7091) 评论(0) 推荐(0) 编辑