图像处理图片_图像处理图片反光 - CSDN
  • 图像处理的必备图库

    千次阅读 2019-05-08 14:21:18
    原文地址:做数字图像处理必备的 图库作者:saiyed 一直都很忙,所以技术这方面的东西根本没写过。因为要贴不少公式,似乎不太方便,就兴趣缺缺了。自己在做实验室工作的时候,为找免费的图库还是花了不少时间的。...

    原文地址:做数字图像处理必备的 图库作者:saiyed
    一直都很忙,所以技术这方面的东西根本没写过。因为要贴不少公式,似乎不太方便,就兴趣缺缺了。自己在做实验室工作的时候,为找免费的图库还是花了不少时间的。其实图库有很多,最著名的莫过于coral图库了,但这学要钱。虽然实验室项目经费多的有个几千万,少的也有几十万,似乎拿钱去买个图库还是足足有余的。不过老板们总是不愿意,总是要求去找免费的。我们这些做学生的只好听命。好在交大的网络还不错,分文不收,无论是国内流量也好还是国际流量也好都免费。这在一定程度上方便了我们去国外网站搜索一些很重要的资料。

    做数字图像处理的,怎能没有一个图库?虽说自己可以建立,可是如果是比较知名的图库,做出来的实验结果才能比较让人信服。coral是很有名,可他要收费。我寻寻觅觅,还是找到了一些图库,有的是纯texture图库,比如著名的vistex,有的是faceimages,有的也有RGB真彩色图的。下面罗列了一些url,可以找到对应的。

    1、http://vismod.media.mit.edu/
    这是美国麻省media实验室的一个网页,该实验室在数字图像处理方面还是很有成就的。在download里面会有很多有用的东西。比如vistex or faceimages and others

    2、http://www.dice.ucl.ac.be/mlg/index.php?page=DataBases
    这是ucl的machine learning group的database

    3、http://sipi.usc.edu/services/database/index.html
    这是著名的美国南加州大学的USI-SIPI image database,有纹理图和真彩图

    4、http://www.cs.washington.edu/research/imagedatabase/
    这是华盛顿大学的Ground truth Database。这个图库我用的最多,因为目前做真彩色图作的比较多,而作单纯的纹理不是很多。该database里的图片都是RGB,jpeg格式的,对于matlab来说是很方便处理的。

    所有图库我都下载过,链接均有效。
    我在csdn上上传的图片压缩包http://download.csdn.net/source/824257
    原文连接:http://blog.sina.com.cn/s/blog_53c74fa1010002pn.html

    展开全文
  • 图像处理中经常用的一幅图片Lena.jpg

    万次阅读 多人点赞 2019-09-20 11:36:08
    在数字图像处理中,Lena(Lenna)是一张被广泛使用的标准图片,特别在图像压缩的算法研究中。 (为什么用这幅图,是因为这图的各个频段的能量都很丰富:即有低频(光滑的皮肤),也有高频(帽子上的羽毛),很...

    在数字图像处理中,Lena(Lenna)是一张被广泛使用的标准图片,特别在图像压缩的算法研究中。


    (为什么用这幅图,是因为这图的各个频段的能量都很丰富:即有低频(光滑的皮肤),也有高频(帽子上的羽毛),很适合来验证各种算法)
           然而,这张图片背后的故事是颇有意思的,很多人都抱有学究都是呆子的看法,然而Lena对此就是一个有力的驳斥。lena(lenna)是一张于1972年11月出版的Playboy的中间插页,在这期杂志中使用了“Lenna”的拼写,而实际莉娜在瑞典语中的拼写是“lena”。如今的Lena生活在自己的祖国瑞典,从事于酿造业,婚后并生下3个孩子。


    从1973年以来,Lena就开始出现在图像处理的科学论文中,直到1988年,她才得知自己原来已经被从事图像处理行业的工作者认识。 1997年,lena 被邀请参加了在波士顿举办的第50届图像科技技术年会。
           1973年6,7月间,南加州大学信号图像处理研究所的副教授Alexander和学生一起,为了一个同事的学会论文正忙于寻找一副好的图片。他们想要一副具有良好动态范围的人的面部图片用于扫描。不知是谁拿着一本Playboy走进研究室。由于当时实验室里使用的扫描仪(Muirhead wirephoto scanner)分辨率是100行/英寸,试验也仅仅需要一副512X512的图片,所以他们只将图片顶端开始的5.12英寸扫描下来,切掉肩膀一下的部分。多年以来,由于图像Lena源于Playboy,将其引用于科技文章中饱受争议。Playboy杂志也将未授权的引用告上法庭。随着时间流失,人们渐渐淡忘Lena的来源,Playboy也放松了对此的关注。值得一提的是,Lena也是playboy发行的最畅销的海报,已经出售7,161,561份。

          这个是原版的Lena照片,图像处理的初学者一定会大跌眼镜吧

    PlayBoy杂志封面上的Lena.jpg;

    https://img-blog.csdn.net/20140702104120484

    另外一件有趣的事情是,Lenna的那一期杂志是当时Playboy销量最好的一期,共卖出去了7161561份。

    现在Lena.jpg

    标准Lena.jpg

    该图原本是刊于1972年11月号花花公子杂志上的一张裸体插图照片的一部分,这期花花公子也是历年来最畅销的一期,销量达7,161,561本。1973 年6月,美国南加州大学的信号图像处理研究所的一个助理教授和他的一个研究生打算为了一个学术会议找一张数字照片,而他们对于手头现有成堆"无聊"照片感到厌烦。事实上他们需要的是一个人脸照片,同时又能让人眼前一亮。这时正好有人走进实验室,手上带着一本当时的花花公子杂志,结果故事发生了……而限于当时实验室设备和测试图片的需要,lenna的图片只抠到了原图的肩膀部分。

           图中人为瑞典模特儿 Lena Soderberg (Lena Söderberg)。现在被广泛使用的英文化名字"Lenna"最初是由花花公子杂志发表此照片时命名的,以方便英语读者近似正确地读出瑞典语中"Lena"的发音。Lena Soderberg女士现在仍住在她的家乡瑞典,拥有一个有三个孩子的家庭,并且在国家酒类专卖局工作。在1988年的时候,她接受了瑞典一些计算机相关出版社的访问,她对于她的照片有这样的奇遇感到非常的惊奇与兴奋。这是她首次得知她的照片被应用在计算机行业。Lena Soderberg于1997年被邀请为嘉宾,参加了数字图像科学技术50周年学术会议。在该会议上,Lenna成了最受欢迎的人之一,她做了关于自己介绍的简要发言,并被无数的fans索取签名。 

           莱娜图在图像压缩算法是最广泛应用的标准测试图——她的脸部与裸露的肩部已经变成了事实上的工业准。然而,这张图像的使用也引起了一些争议。一些人担心它的色情内容;《花花公子》杂志曾经威胁要起诉对莱娜图未经授权的使用。不过这家杂志已经放弃了这种威胁,取而代之的是鼓励因为公众利益使用莱娜图。

            戴维·C·蒙森(David C.Munson),IEEE图像处理汇刊(IEEE Transactions on Image Processing)的主编, 在1996年1月引用了两个原因来说明莱娜图在科研领域流行的原因:1.该图适度的混合了细节、平滑区域、阴影和纹理,从而能很好的测试各种图像处理算法。2.Lenna是个美女,对于图象处理界的研究者来说,美女图可以有效的吸引他们来做研究。

     

    转载,原文地址:http://blog.sina.com.cn/s/blog_53220cef0100lbzk.html

    展开全文
  • 图像处理读取图片

    2018-07-02 19:18:29
    (1) import scipy.misc content_image = scipy...读取的图片为numpy的多维数组,如读取的一张图片 len(content_image)为600 为行数 len(content_image[1])为800 为列数 len(content_image[1][1])为3即为通道数目...

    (1)
    import scipy.misc
    content_image = scipy.misc.imread(“images/louvre.jpg”)
    读取的图片为numpy的多维数组,如读取的一张图片
    len(content_image)为600 为行数
    len(content_image[1])为800 为列数
    len(content_image[1][1])为3即为通道数目

    显示的时候为:
    import matplotlib.pyplot as plt
    plt.subplot(1, 2, 1)
    plt.imshow(I)
    plt.subplot(1, 2, 2)
    plt.imshow(I_tinted)
    plt.axis(‘off’)
    plt.show()

    (2)在opencv中,处理图片通道的顺序是,BGR!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
    其余的方法得到的图片和处理的顺序都是RGB!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
    (3)python在处理图像的大小是,利用reshape函数,其使用方式如下:
    如果是一个整数值,表示一个一维数组的长度;如果是元组,一个元素值可以为-1,此时该元素值表示为指定,此时会从数组的长度和剩余的维度中推断出.
    这里reshape返回的数据为一个新的矩阵,原来的矩阵bubian!!1

    from numpy import *
    a=array([[1,2,3],[4,5,6]])  
    reshape(a, 6) 
    #表示输出的是一个一维数组,其长度为6
    reshape(a,(2,-1))
    #如果是元组,一个元素值可以为-1,此时该元素值表示为指定,此时会从数组的长度和剩余的维度中推断出

    (4)

    from PIL import Image, ImageFilter
    im = Image.open('test_pic/num1.jpg').convert('L')
    im.show()

    读取图片为二维的,并且像素点不是0就是1

    展开全文
  • 包括常用的数字图像处理的标准图,包括lena,cameraman等等经典图片
  • 图像处理之深度学习

    万次阅读 2018-05-05 22:02:57
    第一种 自我激发型 基于图像处理的方法,如图像增强和图像复原,以及曾经很火的超分辨率算法。都是在不增加额外信息的前提下的实现方式。 1. 图像增强 图像增强是图像预处理中非常重要且常用的一种方法,图像...

    针对模糊图像的处理,个人觉得主要分两条路,一种是自我激发型,另外一种属于外部学习型。接下来我们一起学习这两条路的具体方式。

    第一种 自我激发型

      基于图像处理的方法,如图像增强和图像复原,以及曾经很火的超分辨率算法。都是在不增加额外信息的前提下的实现方式。 
       
    1. 图像增强

      图像增强是图像预处理中非常重要且常用的一种方法,图像增强不考虑图像质量下降的原因,只是选择地突出图像中感兴趣的特征,抑制其它不需要的特征,主要目的就是提高图像的视觉效果。先上一张示例图: 
       
      这里写图片描述 
       
      图像增强中常见的几种具体处理方法为:

    1. 直方图均衡

        在图像处理中,图像直方图表示了图像中像素灰度值的分布情况。为使图像变得清晰,增大反差,凸显图像细节,通常希望图像灰度的分布从暗到亮大致均匀。直方图均衡就是把那些直方图分布不均匀的图像(如大部分像素灰度集中分布在某一段)经过一种函数变换,使之成一幅具有均匀灰度分布的新图像,其灰度直方图的动态范围扩大。用于直方均衡化的变换函数不是统一的,它是输入图像直方图的积分,即累积分布函数。

    2. 灰度变换

        灰度变换可使图像动态范围增大,对比度得到扩展,使图像清晰、特征明显,是图像增强的重要手段之一。它主要利用图像的点运算来修正像素灰度,由输入像素点的灰度值确定相应输出像素点的灰度值,可以看作是“从像素到像素”的变换操作,不改变图像内的空间关系。像素灰度级的改变是根据输入图像f(x,y)灰度值和输出图像g(x,y)灰度值之间的转换函数g(x,y)=T[f(x,y)]进行的。 
        灰度变换包含的方法很多,如逆反处理、阈值变换、灰度拉伸、灰度切分、灰度级修正、动态范围调整等。

    3. 图像平滑

        在空间域中进行平滑滤波技术主要用于消除图像中的噪声,主要有邻域平均法、中值滤波法等等。这种局部平均的方法在削弱噪声的同时,常常会带来图像细节信息的损失。 
        邻域平均,也称均值滤波,对于给定的图像f(x,y)中的每个像素点(x,y),它所在邻域S中所有M个像素灰度值平均值为其滤波输出,即用一像素邻域内所有像素的灰度平均值来代替该像素原来的灰度。 
        中值滤波,对于给定像素点(x,y)所在领域S中的n个像素值数值{f1,f2,…,fn},将它们按大小进行有序排列,位于中间位置的那个像素数值称为这n个数值的中值。某像素点中值滤波后的输出等于该像素点邻域中所有像素灰度的中值。中值滤波是一种非线性滤波,运算简单,实现方便,而且能较好的保护边界。

    4. 图像锐化

        采集图像变得模糊的原因往往是图像受到了平均或者积分运算,因此,如果对其进行微分运算,就可以使边缘等细节信息变得清晰。这就是在空间域中的图像锐化处理,其的基本方法是对图像进行微分处理,并且将运算结果与原图像叠加。从频域中来看,锐化或微分运算意味着对高频分量的提升。常见的连续变量的微分运算有一阶的梯度运算、二阶的拉普拉斯算子运算,它们分别对应离散变量的一阶差分和二阶差分运算。

    2. 图像复原

      这里写图片描述 
       
      其目标是对退化(传播过程中的噪声啊,大气扰动啊好多原因)的图像进行处理,尽可能获得未退化的原始图像。如果把退化过程当一个黑匣子(系统H),图片经过这个系统变成了一个较烂的图。这类原因可能是光学系统的像差或离焦、摄像系统与被摄物之间的相对运动、电子或光学系统的噪声和介于摄像系统与被摄像物间的大气湍流等。图像复原常用二种方法。当不知道图像本身的性质时,可以建立退化源的数学模型,然后施行复原算法除去或减少退化源的影响。当有了关于图像本身的先验知识时,可以建立原始图像的模型,然后在观测到的退化图像中通过检测原始图像而复原图像。 
       
    3. 图像超分辨率   
      一张图我们想脑补细节信息好难,但是相似的多幅图我们就能互相脑洞了。所以,我们可以通过一系列相似的低分辨图来共同脑补出一张高清晰图啊,有了这一张犯罪人的脸,我就可以画通缉令了啊。。。 
      超分辨率复原技术的目的就是要在提高图像质量的同时恢复成像系统截止频率之外的信息,重建高于系统分辨率的图像。继续说超分辨,它其实就是根据多幅低质量的图片间的关系以及一些先验知识来重构一个高分辨的图片。示例图如下: 
    这里写图片描述

    第二种 外部学习型

      外部学习型,就如同照葫芦画瓢一样的道理。其算法主要是深度学习中的卷积神经网络,我们在待处理信息量不可扩充的前提下(即模糊的图像本身就未包含场景中的细节信息),可以借助海量的同类数据或相似数据训练一个神经网络,然后让神经网络获得对图像内容进行理解、判断和预测的功能,这时候,再把待处理的模糊图像输入,神经网络就会自动为其添加细节,尽管这种添加仅仅是一种概率层面的预测,并非一定准确。

      本文介绍一种在灰度图像复原成彩色RGB图像方面的代表性工作:《全局和局部图像的联合端到端学习图像自动着色并且同时进行分类》。利用神经网络给黑白图像上色,使其变为彩色图像。稍作解释,黑白图像,实际上只有一个通道的信息,即灰度信息。彩色图像,则为RGB图像(其他颜色空间不一一列举,仅以RGB为例讲解),有三个通道的信息。彩色图像转换为黑白图像极其简单,属于有损压缩数据;反之则很难,因为数据不会凭空增多。

      搭建一个神经网络,给一张黑白图像,然后提供大量与其相同年代的彩色图像作为训练数据(色调比较接近),然后输入黑白图像,人工智能按照之前的训练结果为其上色,输出彩色图像,先来看一张效果图: 
      这里写图片描述

    1. 本文工作 
      •  用户无干预的灰度图像着色方法。 
      •  一个新颖的端到端网络,联合学习图像的全局和局部特征。 
      •  一种利用分类标签提高性能的学习方法。 
      •  基于利用全局特征的风格转换技术。 
      •  通过用户研究和许多不同的例子深入评估模型,包括百年的黑白照片。

    2. 着色框架 
         
        模型框架包括四个主要组件:低级特征提取网络,中级特征提取网络,全局特征提取网络和着色网络。 这些部件都以端对端的方式紧密耦合和训练。 模型的输出是图像的色度,其与亮度融合以形成输出图像。 
                 这里写图片描述

    3. 与另外两个工作对比

      • Gustav Larsson, Michael Maire, and Gregory Shakhnarovich. Learning Representations for Automatic Colorization. In ECCV 2016. 
      •Richard Zhang, Phillip Isola, and Alexei A. Efros. Colorful Image Colorization. In ECCV 2016.

    这里写图片描述

    参考文献:

    网页: 
    http://hi.cs.waseda.ac.jp/~iizuka/projects/colorization/extra.html

    代码: 
    https://github.com/satoshiiizuka/siggraph2016_colorization

    论文2:  
    http://richzhang.github.io/colorization/

    在线demo: 
    http://demos.algorithmia.com/colorize-photos/

    展开全文
  • 图像处理专用图片

    2020-07-28 23:32:13
    图像处理行业常用的图片,png格式,包括lena、barbara、cameraman等
  • 图像处理经典图片Lena背后的故事

    万次阅读 2016-04-06 19:04:00
    下面这张图片估计很多人都非常熟悉,是的,图像处理领域的标准图Lena,记得之前看到过这张图的原图,突然有兴致,看看这张图片背后的故事。   原图如下: 最开始看到这张原图也是有点吃惊,原来司空见惯...
  • 目录 概念性的东西 标准测试图像Standard Test Image 雷娜图-莱娜图-(Lenna) 敲黑板看重点 书上的图 ...William K....David C....为了直观地测试图像处理算法在“自然图像”上的效果,在图像处...
  • 数字图像处理常用的标准测试图片包含lenna barbara baboon pepper等经典图片.全部无压缩bmp格式
  • 包括lena,barbara,cameraman,house,peppers,boat等
  • airplane baboon book cat fruits hand_sample1 hand_sample2 ...hand_sample3
  • 学习图像处理最常用的图片(很齐全很强大) 下了绝不后悔
  • 图像处理常用测试图片

    热门讨论 2020-07-29 14:21:48
    这里是一些常用的图像处理图片,都是一些长用的图片
  • 里面包含了完整的,学习数字图像处理常用的经典的图片, 为了帮助大家节省时间,整理并打包了 数字图像处理 >>冈萨雷斯 第三版的配套书籍的图片资源
  • 数字图像处理Matlab第二版书中的配套资源,需要的筒子们可以自行下载!
  • 图像处理标准图像库(非常齐全),希望对学习图像处理的同行有所帮助!
  • 数字图像处理常用图片包括灰度图,常用的应该都包括了
  • 数字图像处理的k-means算法实现,能够完全把图像分割为k个聚点,进而把图片分为k中不同的颜色,比如:k=2,图像包含两种颜色(黑,白);k=3,图像包含两种颜色(黑白灰),等等。随着k值越大,图像越来越靠近原图...
  • 教材:冈萨克斯–数字图像处理(MATLAB版) (一部分展示)源码: (一部分展示)图片: 点击获取: 链接:https://pan.baidu.com/s/1F7P-EqVkdVP8iaROp9_jqQ 提取码:imto ...
  • 冈萨雷斯数字图像处理MATLAB版 高清中文版+源码+图片 冈萨雷斯数字图像处理MATLAB版 高清中文版+源码+图片
1 2 3 4 5 ... 20
收藏数 498,138
精华内容 199,255
关键字:

图像处理图片