LR233

摘要：1、函数介绍 用来扫描某个指定目录下所包含的子目录和文件。 2、演示 文件夹内容： for dirname, _, filenames in os.walk('F:/jupyter/data/BrainTumor/no'): print(dirname) print(filenames) 结果显示： 阅读全文

摘要：1、解释 分类模型。 2、导包 from sklearn.svm import SVC 3、核函数介绍 3.1、linear：线性核函数,是在数据线性可分的情况下使用的，运算速度快，效果好。不足在于它不能处理线性不可分的数据。3.2、poly：多项式核函数,多项式核函数可以将数据从低维空间映射到高维 阅读全文

摘要：1、解释 该函数用于颜色空间转换。 opencv读取图片格式是BGR，原图是RGB模型，因此你需要自己进行转换。 我们看到的图片是RGB格式，像PIL、keras.preprocessing读取的图像均为RGB格式，只有opencv是BGR格式，需要你自己进行转换，该函数就是这个功能。 2、示例 2 阅读全文

摘要：1、导包 from keras.applications.resnet50 import preprocess_input 2、作用 使图像符合模型所需的格式 img = preprocess_input(img) 阅读全文

摘要：1、解释 高斯滤波是一种线性平滑滤波。高斯滤波是对整幅图像进行加权平均的过程，每一个像素点的值都由其本身和邻域内的其他像素值经过加权平均后得到。 高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。 基于二维高斯函 阅读全文

摘要：1、导包 from PIL import ImageOps 2、ImageOps.equalize使用 直方图均衡化是一种增强图像对比度的方法，其主要思想是将一副图像的直方图分布变成近似均匀分布，从而增强图像的对比度。 此函数将非线性映射应用于输入图像，以便在输出图像中创建灰度值的均匀分布。 PIL 阅读全文

摘要：1、非局部平均去噪 该算法使用自然图像中普遍存在的冗余信息来去噪声。与常用的双线性滤波、中值滤波等利用图像局部信息来滤波不同的是，它利用了整幅图像来进行去噪，以图像块为单位在图像中寻找相似区域，再对这些区域求平均，能够比较好地去掉图像中存在的高斯噪声。这种算法比较耗时,但是结果很好。对于彩色图像,要 阅读全文

摘要：改变图像尺寸方法 img = cv2.resize(img,(224, 224),interpolation=cv2.INTER_CUBIC) 参数介绍： img # 输入图像 (224,224) # 想要的图像尺寸（宽、高） interpolation # 插入方式，有下面5种 # INTER_N 阅读全文