精华内容
下载资源
问答
  • 常用的图像处理标准图片(Lena、cameraman等)获取地址 点击此处——>常用的图像处理标准图片

    常用的图像处理标准图片(Lena、cameraman等)获取地址


    点击此处——>常用的图像处理标准图片

    展开全文
  • 基本包括了所有出现于各种数字图像处理教材、论文的标准测试图片,共335张,classic,oldclassic,aerials,misc,sequences,textures,Kodak,special,additional,Public-Domain Test Images for Homeworks and ...
  • 图像处理标准图像库 (很全)

    热门讨论 2014-06-21 00:13:04
    图像处理标准图像库(非常齐全) 在数字图像处理领域对问题的求解需要宽泛的实验工作 包括软件模拟和大量样本图像的测试
  • 图像处理标准测试图大全

    热门讨论 2010-08-24 08:46:22
    图像处理标准测试图大全,常用的都在里面,研究测试算法,做图像应用测试非常有用。
  • 数字图像处理标准测试图

    热门讨论 2009-05-22 16:11:34
    包括常用的数字图像处理标准测试图,包括lena,cameraman等等经典图片
  • Python+OpenCV实时图像处理

    万次阅读 多人点赞 2020-01-04 23:09:35
    初学OpenCV图像处理的小伙伴肯定对什么高斯函数、滤波处理、阈值二值化等特性非常头疼,这里给各位分享一个小项目,可通过摄像头实时动态查看各类图像处理的特点,也可对各位调参、测试有一定帮助。

    目录

    1、导入库文件

    2、设计GUI

    3、调用摄像头

    4、实时图像处理

    4.1、阈值二值化

    4.2、边缘检测

    4.3、轮廓检测

    4.4、高斯滤波

    4.5、色彩转换

    4.6、调节对比度

    5、退出系统


    初学OpenCV图像处理的小伙伴肯定对什么高斯函数、滤波处理、阈值二值化等特性非常头疼,这里给各位分享一个小项目,可通过摄像头实时动态查看各类图像处理的特点,也可对各位调参、测试有一定帮助。

    1、导入库文件

    这里主要使用PySimpleGUI、cv2和numpy库文件,PySimpleGUI库文件实现GUI可视化,cv2库文件是Python的OpenCV接口文件,numpy库文件实现数值的转换和运算,均可通过pip导入。

    import PySimpleGUI as sg  #pip install pysimplegui
    import cv2  #pip install opencv-python
    import numpy as np #pip install numpy

    2、设计GUI

    基于PySimpleGUI库文件实现GUI设计,本项目界面设计较为简单,设计800X400尺寸大小的框图,浅绿色背景,主要由摄像头界面区域和控制按钮区域两部分组成。效果如下所示:

    GUI代码如下所示:

        #背景色
        sg.theme('LightGreen')
    
        #定义窗口布局
        layout = [
          [sg.Image(filename='', key='image')],
          [sg.Radio('None', 'Radio', True, size=(10, 1))],
          [sg.Radio('threshold', 'Radio', size=(10, 1), key='thresh'),
           sg.Slider((0, 255), 128, 1, orientation='h', size=(40, 15), key='thresh_slider')],
          [sg.Radio('canny', 'Radio', size=(10, 1), key='canny'),
           sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_a'),
           sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_b')],
          [sg.Radio('contour', 'Radio', size=(10, 1), key='contour'),
           sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='contour_slider'),
           sg.Slider((0, 255), 80, 1, orientation='h', size=(20, 15), key='base_slider')],
          [sg.Radio('blur', 'Radio', size=(10, 1), key='blur'),
           sg.Slider((1, 11), 1, 1, orientation='h', size=(40, 15), key='blur_slider')],
          [sg.Radio('hue', 'Radio', size=(10, 1), key='hue'),
           sg.Slider((0, 225), 0, 1, orientation='h', size=(40, 15), key='hue_slider')],
          [sg.Radio('enhance', 'Radio', size=(10, 1), key='enhance'),
           sg.Slider((1, 255), 128, 1, orientation='h', size=(40, 15), key='enhance_slider')],
          [sg.Button('Exit', size=(10, 1))]
        ]
    
        #窗口设计
        window = sg.Window('OpenCV实时图像处理',
                   layout,
                   location=(800, 400),
                   finalize=True)

    3、调用摄像头

    打开电脑内置摄像头,将数据显示在GUI界面上,效果如下所示:

    代码如下所示:

        #打开内置摄像头
        cap = cv2.VideoCapture(0)
        while True:
            event, values = window.read(timeout=0, timeout_key='timeout')
    
            #实时读取图像
            ret, frame = cap.read()
    
            #GUI实时更新
            imgbytes = cv2.imencode('.png', frame)[1].tobytes()
            window['image'].update(data=imgbytes)
    
        window.close()

    4、实时图像处理

    4.1、阈值二值化

    进行阈值二值化操作,大于阈值values['thresh_slider']的,使用255表示,小于阈值values['thresh_slider']的,使用0表示,效果如下所示:

     代码如下所示:

    if values['thresh']:
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)[:, :, 0]
        frame = cv2.threshold(frame, values['thresh_slider'], 255, cv2.THRESH_BINARY)[1]

    4.2、边缘检测

    进行边缘检测,values['canny_slider_a']表示最小阈值,values['canny_slider_b']表示最大阈值,效果如下所示:

    代码如下所示:

    if values['canny']:
        frame = cv2.Canny(frame, values['canny_slider_a'], values['canny_slider_b'])

    4.3、轮廓检测

    轮廓检测是形状分析和物体检测和识别的有用工具,连接所有连续点(沿着边界)的曲线,具有相同的颜色或强度,效果如下所示:

     代码如下所示:

    if values['contour']:
        hue = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
        hue = cv2.GaussianBlur(hue, (21, 21), 1)
        hue = cv2.inRange(hue, np.array([values['contour_slider'], values['base_slider'], 40]),
                          np.array([values['contour_slider'] + 30, 255, 220]))
        cnts= cv2.findContours(hue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]
        cv2.drawContours(frame, cnts, -1, (0, 0, 255), 2)
    

    4.4、高斯滤波

    进行高斯滤波,(21, 21)表示高斯矩阵的长与宽都是21,标准差取values['blur_slider'],效果如下所示:

     代码如下所示:

    if values['blur']:
        frame = cv2.GaussianBlur(frame, (21, 21), values['blur_slider'])
    

    4.5、色彩转换

    色彩空间的转化,HSV转换为BGR,效果如下所示:

     代码如下所示:

    if values['hue']:
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
        frame[:, :, 0] += int(values['hue_slider'])
        frame = cv2.cvtColor(frame, cv2.COLOR_HSV2BGR)

    4.6、调节对比度

    增强对比度,使图像中的细节看起来更加清晰,效果如下所示:

      代码如下所示:

    if values['enhance']:
        enh_val = values['enhance_slider'] / 40
        clahe = cv2.createCLAHE(clipLimit=enh_val, tileGridSize=(8, 8))
        lab = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)
        lab[:, :, 0] = clahe.apply(lab[:, :, 0])
        frame = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)
    

    5、退出系统

    直接break即可跳出循环。

    if event == 'Exit' or event is None:
        break

    拓展学习:基于Python的人工智能美颜系统 

    请关注公众号,回复关键字:OpenCV实时图像处理,获取项目资源。

    展开全文
  • Python基础 图像处理标准库 Pillow

    千次阅读 2017-12-21 23:26:08
    PillowPython平台的图像处理标准库获取图片大小运行示例#!/usr/bin/env python3 # -*- coding: utf-8 -*- # Python基础 Pillowfrom PIL import Imagedef getSize(): # 打开一个图片 pic = Image.open("D:/Python...

    Pillow

    Python平台的图像处理标准库

    获取图片大小

    运行示例

    #!/usr/bin/env python3
    # -*- coding: utf-8 -*-
    # Python基础 Pillow
    
    from PIL import Image
    
    def getSize():
        # 打开一个图片
        pic = Image.open("D:/PythonProject/test.jpg")
        # 获取图片大小
        w, h = pic.size
        print("原始图片大小 %s x %s" %(w,h))
    
    getSize()
    

    运行结果

    D:\PythonProject>python main.py
    原始图片大小 5184 x 3456

    缩放图片

    运行示例

    #!/usr/bin/env python3
    # -*- coding: utf-8 -*-
    # Python基础 Pillow
    
    from PIL import Image
    
    # 缩放图片
    def thumbnail():
        # 打开一个图片
        pic = Image.open("D:/PythonProject/test.jpg")
        # 获取图片大小
        w, h = pic.size
        print("原始图片大小 %s x %s" %(w,h))
    
        # 缩放一半
        pic.thumbnail((w//2, h//2))
        newW, newH = pic.size
        print("缩放后的图片大小 %s x %s" %(newW,newH))
        # 另存图片
        pic.save("thumbnail_test.jpg", "jpeg")
    
    thumbnail()
    

    运行结果

    这里写图片描述

    D:\PythonProject>python main.py
    原始图片大小 5184 x 3456
    缩放后的图片大小 2592 x 1728

    模糊特效

    运行示例

    #!/usr/bin/env python3
    # -*- coding: utf-8 -*-
    # Python基础 Pillow
    
    from PIL import Image, ImageFilter
    
    # 模糊特效
    def imageBlur():
        # 打开一个图片
        pic = Image.open("D:/PythonProject/chen.jpg")
    
        # 加模糊滤镜
        newPic = pic.filter(ImageFilter.BLUR)
        newPic.save("blur_chen.jpg", "jpeg")
    
    imageBlur()
    

    验证码

    运行示例

    #!/usr/bin/env python3
    # -*- coding: utf-8 -*-
    # Python基础 Pillow
    
    from PIL import Image, ImageFilter, ImageDraw, ImageFont
    import random
    
    # 随机字母
    def randomChar():
        return chr(random.randint(65, 90))
    
    # 随机颜色
    def randomColor():
        return (random.randint(64, 255),random.randint(64, 255),random.randint(64, 255))
    
    # 文字颜色
    def rndFontColor():
        return (random.randint(32, 127), random.randint(32, 127), random.randint(32, 127))
    
    # 图片大小
    width = 60 * 5
    height = 60
    pic = Image.new("RGB", (width, height),(255,255,255))
    
    # 创建画笔
    font = ImageFont.truetype('arial.ttf', 36)
    
    # 创建Draw对象
    draw = ImageDraw.Draw(pic)
    
    # 填充每个像素
    for x in range(width):
        for y in range(height):
            draw.point((x, y), fill = randomColor())
    
    # 文字
    for t in range(5):
        draw.text((60 * t + 10, 10), randomChar(), font=font, fill=rndFontColor())
    
    pic.save("code.jpg", "jpeg")

    运行结果
    这里写图片描述

    展开全文
  • 包括lena,barbara,cameraman,house,peppers,boat等
  • 数字图像处理标准图像Lena的故事

    千次阅读 2013-03-20 22:57:06
    熟悉图像处理或者压缩的工程师、研究人员和学生经常在他们的实验或者项目任务里使用“Lenna”或者“Lena”的图像。Lenna图像已经成为被广泛使用的测试图像。今天,Lenna图像的使用被认为是数字图像历史上最重要的...

    熟悉图像处理或者压缩的工程师、研究人员和学生经常在他们的实验或者项目任务里使用“Lenna”或者“Lena”的图像。Lenna图像已经成为被广泛使用的测试图像。今天,Lenna图像的使用被认为是数字图像历史上最重要的事件之一。然而,很少有人看过原始的图像并知道完整的关于Lenna的故事。 这里3sBeta将综合收集的材料对此做一个详细的梳理。。。

    1. Lena图像的来源

    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

           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。

    2. Lena图像如何成为图像处理学术界的标准图像

        1973年6月,美国南加州大学的一名教授想找一幅图像来做图像压缩的测试,他已厌倦了手头繁杂的照片,想找张能让人眼前一亮的照片。恰好这时,一人拿着《花花公子》走了进来,Lena的照片确实够让教授眼前一亮了。教授便将《花花公子》的这期插页图用扫描了下来截取其中的一部分作为了他研究使用的样例图 像。这位教授就是IPL(图像处理研究所)的 William K. Pratt博士。从此,这幅512*512的经典图像就诞生了

           之后从事影像数据的压缩、运算、传输、 解压缩等处理时,都经常采用这张图像来当测试样本。采用这张图像的原因,除了因为它很赏心悦目外,就“测试标准”来说,它的鉴别度也相当的高。这张图像的确具备“测试标准”所应有的充分条件,平整的区块、清晰细致的纹路、渐渐变化的光影、颜色的深浅层次等,使它在验证影像处理演绎法则时,相当有成效。

    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

    3. 《花花公子》与Lena照片版权的问题

        尽管影像处理相关网站上Lena出现次数之频繁,业已为她搏得“网络上的第一夫人(the First Lady of the Internet)”之美称,花花公子杂志对这张相片在学术界及工业界上被广为使用的消息却一无所知,直到将近20年后,花花公子杂志才惊觉他们的著作权 已遭无数人严重侵犯,这在杂志社本身来说是极其严重的行为,为此花花公子杂志立即掀起著作权保卫战。

        1991年8月,杂志社首先对7月时刊登出Lena相片的光学工程期刊(Optical Engineering)提出警告,以致该期刊主编布来恩(Brian J. Thompson) 刊出紧急启示,对所有投稿者高声呼吁数据使用来源一定要是开放使用的(Free),或是经过授权使用的,不可侵犯他人权益(原文为 『… it is each author’s responsibility to make sure that materials in their articles are either free of copyright or that permission from the copyright holder has been obtained.』 取材自Editorial in the January 1992 issue of Optical Engineering)。

         一时间,在研究界引起一片哗然,以《花花公子》的立场来看,维护其产权原本就是他们的职责与权利,但犯规的对象是学术研究人员,他们也深深了解Lena图像确实是使用在研究及教育的用途上,而非用以牟利。最后,可以说是以喜剧收场,《花花公子》不再追究Lena图像被非法使用的责任,并且乐于将此相片开放 让研究人员能继续使用为“测试标准”,真是心胸宽广,可谓功德无量,也成为法外人情的一段佳话。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。

    4. 关于Lena本人

        Lenna是花花公子杂志中的拼法,Lena则是瑞典原名的拼法。Lena Soderberg (ne Sjööblom)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,她接受了瑞典一些电脑相关出版社的访问,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电脑行业。

        Lena本人被邀请参加了第50届 IS&T(Imaging Science and Technology ,图像科学与技术)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。 

    5. Lena图像的取舍

         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。

          IEEE图像处理汇刊(IEEE Transactions on Image Processing)的主编,戴维.C.蒙森(David C.Munson),在 “A Note on Lena”(发表于 IEEE TRANSACTIONS ON IMAGE PROCESSING. VOL. 5. NO. 1. JANUARY 1996 )一文中写到:“I think it is safe to assume that the Lena image became a standard in our "industry" for two reasons. First, the image contains a nice mixture of detail, flat regions, shading, and texture that do a good job of testing various image processing algorithms. It is a good test image! Second, the Lena image is a picture of an attractive woman. It is not surprising that the (mostly male) image processing research community gravitated toward an image that they found attractive. ”

           译文:我认为Lena图像成为我们“业界”标准的两个原因是:(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)Lena是个美女,对于图象处理界的研究者(大部分都是男性)来说,美女图可以有效的吸引他们来做研究。

    6. 其它参考资料

    The Lenna Story - www.lenna.org

    南加州大学提供的标准图像下载网址

    展开全文
  • 图像处理标准测试图,包括lena、couple、BaboonR、Peppers等2位、8位、24位等bmp文件及png文件共29张),学习数字图像者必备~~
  • 数字图像处理的一些国际标准

    热门讨论 2008-11-30 22:41:06
    数字图像处理要用到的必备的一些国际标准
  • airplane baboon book cat fruits hand_sample1 hand_sample2 ...hand_sample3
  • 图像处理】python实现图像标准

    千次阅读 2019-12-19 23:35:51
    图像处理】python实现图像标准化 图像标准化是将数据通过去均值实现中心化的处理,根据凸优化理论与数据概率分布相关知识,数据中心化符合数据分布规律,更容易取得训练之后的泛化效果, 数据标准化是数据预处理的...
  • Python Imaging Library,是Python的图像处理标准库,但只支持到2.7系列,因此,众多志愿者在PIL的基础上创建了兼容的版本,支持最新Python 3.x,又加入了许多新特性————Pillow。 Image 类是 PIL(Pillow) 库中...
  • 图像处理常用测试图片

    热门讨论 2012-06-26 10:37:27
    这里是一些常用的图像处理图片,都是一些长用的图片
  • 免费的图像处理标准测试图: 链接:https://pan.baidu.com/s/12w5RcjCZr1Jzb31RImhOuw 提取码:4ymi 复制这段内容后打开百度网盘手机App,操作更方便哦
  • 虽说是CSDN,但因为处理的过程中要用到病理图片,所以这里简单的介绍一下病理图像标准化。 首先介绍一下我们的病理图像。 病理图像就是我们高中时候用的玻片在扫描仪下拍摄的高分辨率图像。具体制作过程可以参见...
  • PIL:Python Imaging Library,已经是Python平台事实上的图像处理标准库了。PIL功能非常强大,但API却非常简单易用。操作图像来看看最常见的图像缩放操作,只需三四行代码:import Image # 打开一个jpg图像文件,...
  • Python图像处理图片文字识别(OCR)

    万次阅读 多人点赞 2018-06-09 08:15:15
      将图片翻译成文字一般被称为光学文字识别(Optical Character Recognition,OCR)。可以实现OCR 的底层库并不多,目前很多库都是使用共同的几个底层OCR 库,或者是在上面进行定制。   Tesseract 是一个OCR 库...
  • 图像处理经典图片Lena背后的故事

    千次阅读 2017-07-12 12:46:27
    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,原来司空见惯的...
  • 图像处理之彩色图像处理简介

    千次阅读 2018-10-19 20:16:17
    彩色图像处理有两个主要邻域:一个是全彩色处理,通常要求图像用全彩色传感器获取;另一个是伪彩色处理,它是对一种灰度会灰度范围赋予一种颜色。 数字图像处理中,常用发模型是RGB(红、绿、蓝)模型和HSI(色调、...
  • 今天晚上实验室的哥们问到我:“蒋志强,你知道咱们数字图像处理标准图像Lena吗?” “当然知道啊,不就是那个512×512的漂亮姐姐的标准图像么?”我不以为然的回答;“那幅图像其实不是原始图像?”我哥们纠正我...
  • 图像处理中著名lena完整图片

    千次下载 热门讨论 2010-05-12 10:56:55
    这是图像处理中著名的lena女士在花花公子的完整图片,爱美之心人人有,看完这个图片才明白为什么把她用做标准图像......
  • 声明:本资源仅供清华大学计算机系学生学习数字图象处理课程使用,未经允许不得用于其它目的。这里的程序都是清华大学计算机系人机交互与媒体实验室的教师与学生编制的,仅供参考,问题难免。 1. 位图(Bitmap)...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 112,514
精华内容 45,005
关键字:

图像处理标准图片