精华内容
下载资源
问答
  • Delphi图像处理代码下载

    千次阅读 2015-01-03 22:03:11
    有不少读者看了我的图像处理文章后,希望得到源代码,我很早就写了一份Delphi图像处理单元,但一直没有时间测试整理,这次元旦抽时间进行了简单的整理,发布在... Delphi图像处理代码下载地址:http://download.csdn.

        有不少读者看了我的图像处理文章后,希望得到源代码,我很早就写了一份Delphi图像处理单元,但一直没有时间测试整理,这次元旦抽时间进行了简单的整理,发布在CSDN,有需要的读者可去下载。

        BLOG中的Delphi图像处理文章的代码属简化代码,可作参考。

        由于水平有限,代码中不可避免的存在错误,望进行指证。

       Delphi图像处理代码下载地址:http://download.csdn.net/detail/maozefa/8323289


      2015年1月27日修正:

      ImageUtils.pas的LineBrightContrast函数实现代码:

    function LineBrightContrast(var Dest: TImageData; const Source: TImageData;
      Bright, Contrast: Integer; Threshold: Byte;
      Callback: TImageAbort; CallbackData: Pointer): Boolean;
    var
      bTab, Table: TGrayTable;
    begin
      _CheckCopyArgbData(Dest, Source);
      if Contrast = 0 then
        Result := _Execute(Dest, Source, @_DoBrightness, [Bright], Callback, CallbackData)
      else
      begin
        _GetLineBrightTable(Bright, bTab);
        _GetContrastsTable(Contrast, Threshold, bTab, Table);
        Result := _Execute(Dest, Source, @_DoTableReplace, [@Table], Callback, CallbackData);
      end;
    end;
    

    改为:

    function LineBrightContrast(var Dest: TImageData; const Source: TImageData;
      Bright, Contrast: Integer; Threshold: Byte;
      Callback: TImageAbort; CallbackData: Pointer): Boolean;
    var
      bTab, Table: TGrayTable;
    begin
      _CheckCopyArgbData(Dest, Source);
      if (Bright <> 0) or (Contrast <> 0) then
      begin
        _GetLineBrightTable(Bright, bTab);
        _GetContrastsTable(Contrast, Threshold, bTab, Table);
        Result := _Execute(Dest, Source, @_DoTableReplace, [@Table], Callback, CallbackData);
      end
      else if Dest.Scan0 <> Source.Scan0 then
        Result := _Execute(Dest, Source, @_DoCopyArgbData, [], Callback, CallbackData)
      else Result := True;
    end;
    



    
    
    展开全文
  • 图像处理代码优化:经典例子

    千次阅读 2015-10-09 17:28:26
    1.《图形图像处理-之-一个复杂度为常数的快速局部自适应算法 上篇  》 http://blog.csdn.net/housisong/article/details/2316924 2.《图形图像处理-之-误差扩散 中篇 》 ...3.《图形图像处理-之-误差扩散 下篇 -...

    1.《图形图像处理-之-一个复杂度为常数的快速局部自适应算法 上篇 》
    http://blog.csdn.net/housisong/article/details/2316924
    2.《图形图像处理-之-误差扩散 中篇 》
    http://blog.csdn.net/housisong/article/details/2320688
    3.《图形图像处理-之-误差扩散 下篇 - 更快的速度或更好的效果 》
    http://blog.csdn.net/housisong/article/details/5138874


    4.《图形图像处理-之-一个复杂度为常数的快速局部自适应算法 上篇 》
    http://blog.csdn.net/housisong/article/details/2286776
    5.《图形图像处理-之-一个复杂度为常数的快速局部自适应算法 下篇 》
    http://blog.csdn.net/housisong/article/details/2286804


    6.《YUV视频格式到RGB32格式转换的速度优化 上篇 》
    http://blog.csdn.net/housisong/article/details/1859084
    7.《YUV视频格式到RGB32格式转换的速度优化 中篇 》
    http://blog.csdn.net/housisong/article/details/1866970
    8.《YUV视频格式到RGB32格式转换的速度优化 下篇 》
    http://blog.csdn.net/housisong/article/details/2210594


    9.《图形图像处理-之-任意角度的高质量的快速的图像旋转 上篇 纯软件的任意角度的快速旋转 》
    http://blog.csdn.net/housisong/article/details/1586717
    10.《图形图像处理-之-任意角度的高质量的快速的图像旋转 中篇 高质量的旋转 》
    http://blog.csdn.net/housisong/article/details/1666962
    11.《图形图像处理-之-任意角度的高质量的快速的图像旋转 下篇 补充话题 》
    http://blog.csdn.net/housisong/article/details/1671378


    12.《图形图像处理-之-高质量的快速的图像缩放 上篇 近邻取样插值和其速度优化 》
    http://blog.csdn.net/housisong/article/details/1404896
    13.《图形图像处理-之-高质量的快速的图像缩放 中篇 二次线性插值和三次卷积插值 》
    http://blog.csdn.net/housisong/article/details/1452249
    14.《图形图像处理-之-高质量的快速的图像缩放 下篇 三次线性插值和MipMap链 》
    http://blog.csdn.net/housisong/article/details/1528392
    15.《图形图像处理-之-高质量的快速的图像缩放 补充 使用SSE2优化 》
    http://blog.csdn.net/housisong/article/details/6318890


    16.《图形图像处理-之-彩色转化到灰度的速度优化 》
    http://blog.csdn.net/housisong/article/details/3884368

    
    展开全文
  • 数字图像处理中1.小波变换閥值滤波matlab代码 2.与形态学结合的自适应滤波代码
  • 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
  • 该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门、OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子、图像增强技术、图像分割等,后期结合深度学习研究图像识别、图像分类应用。...

    该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门、OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子、图像增强技术、图像分割等,后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助,如果有不足之处,还请海涵~

    本篇文章作为第一篇,将讲解图像处理基础知识和OpenCV入门函数,知识点如下:

    • 1.图像基础知识
    • 2.OpenCV读写图像
    • 3.OpenCV像素处理

    PS: 文章也学习了网易云高登教育的知识,推荐大家学习。

    该系列在github所有源代码:

    PS:请求帮忙点个Star,哈哈,第一次使用Github,以后会分享更多代码,一起加油。

    同时推荐作者的C++图像系列知识:

    PSS:2019年1~2月作者参加了CSDN2018年博客评选,希望您能投出宝贵的一票。我是59号,Eastmount,杨秀璋。投票地址:https://bss.csdn.net/m/topic/blog_star2018/index

    五年来写了314篇博客,12个专栏,是真的热爱分享,热爱CSDN这个平台,也想帮助更多的人,专栏包括Python、数据挖掘、网络爬虫、图像处理、C#、Android等。现在也当了两年老师,更是觉得有义务教好每一个学生,让贵州学子好好写点代码,学点技术,“师者,传到授业解惑也”,提前祝大家新年快乐。2019我们携手共进,为爱而生。


    一.图像基础知识

    图像都是由像素(pixel)构成的,即图像中的小方格,这些小方格都有一个明确的位置和被分配的色彩数值,而这些一小方格的颜色和位置就决定该图像所呈现出来的样子。像素是图像中的最小单位,每一个点阵图像包含了一定量的像素,这些像素决定图像在屏幕上所呈现的大小。

    图像通常包括二值图像、灰度图像和彩色图像。

    1.二值图像
    二值图像中任何一个点非黑即白,要么为白色(像素为255),要么为黑色(像素为0)。将灰度图像转换为二值图像的过程,常通过依次遍历判断实现,如果像素>=127则设置为255,否则设置为0。

    2.灰度图像
    灰度图像除了黑和白,还有灰色,它把灰度划分为256个不同的颜色,图像看着也更为清晰。将彩色图像转换为灰度图是图像处理的最基本预处理操作,通常包括下面几种方法:
    (1) 浮点算法:Gray=R0.3+G0.59+B0.11
    (2) 整数方法:Gray=(R
    30+G59+B11)/100
    (3) 移位方法:Gray=(R28+G151+B77)>>8;
    (4) 平均值法:Gray=(R+G+B)/3;(此程序采用算法)
    (5) 仅取绿色:Gray=G;
    (6) 加权平均值算法:根据光的亮度特性,公式: R=G=B=R
    0.299+G*0.587+B0.144

    通过上述任一种方法求得Gray后,将原来的RGB(R,G,B)中的R,G,B统一用Gray替换,形成新的颜色RGB(Gray,Gray,Gray),用它替换原来的RGB(R,G,B)就是灰度图了。改变象素矩阵的RGB值,来达到彩色图转变为灰度图。

    3.彩色图像
    彩色图像是RGB图像,RGB表示红、绿、蓝三原色,计算机里所有颜色都是三原色不同比例组成的,即三色通道。



    二.OpenCV读写图像

    本文主要使用Python2.7和OpenCV进行讲解,首先调用"pip install opencv-python"安装OpenCV库,如下图所示:

    1.读入图像
    OpenCV读图像主要调用下面函数实现:

    img = cv2.imread(文件名,[,参数])
    参数(1) cv2.IMREAD_UNCHANGED (图像不可变)
    参数(2) cv2.IMREAD_GRAYSCALE (灰度图像)
    参数(3) cv2.IMREAD_COLOR (读入彩色图像)
    参数(4) cv2.COLOR_BGR2RGB (图像通道BGR转成RGB)

    2.显示图像
    显示图像调用函数如下:

    cv2.imshow(窗口名, 图像名)

    3.窗口等待
    调用函数如下:

    cv2.waitKey(delay)
    键盘绑定函数,共一个参数,表示等待毫秒数,将等待特定的几毫秒,看键盘是否有输入,返回值为ASCII值。如果其参数为0,则表示无限期的等待键盘输入;参数>0表示等待delay毫秒;参数<0表示等待键盘单击。

    4.删除所有窗口
    调用函数如下:

    cv2.destroyAllWindows() 删除所有窗口
    cv2.destroyWindows() 删除指定的窗口

    5.写入图片
    调用函数如下:

    retval = cv2.imwrite(文件地址, 文件名)

    下面代码是读入图片并显示保存。

    # -*- coding:utf-8 -*-
    import cv2
    
    #读取图片
    img = cv2.imread("test.jpg")
    
    #显示图像
    cv2.imshow("Demo", img)
    
    #等待显示
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    
    #写入图像
    cv2.imwrite("testyxz.jpg", img)
    

    输出结果如下图所示,并且在文件夹下保存了一张名为“testyxz.jpg”的图像。

    如果代码中没有watiKey(0)函数,则运行结果如下图所示:

    同时
    可以对代码进行升级,如下所示:

    #无限期等待输入
    k=cv2.waitKey(0)
    #如果输入ESC退出
    if k==27:
        cv2.destroyAllWindows()
    


    三.OpenCV像素处理

    1.读取像素
    灰度图像直接返回灰度值,彩色图像则返回B、G、R三个分量。注意OpenCV读取图像是BGR存储显示,需要转换为RGB再进行图像处理。

    灰度图像:返回值 = 图像(位置参数)
    eg: test=img[88,42]
    彩色图像:返回值 = 图像[位置元素, 0 | 1 | 2 ] 获取BGR三个通道像素
    eg: blue=img[88,142,0] green=img[88,142,1] red=img[88,142,2]

    2.修改图像
    修改图像如果是灰度图像则直接赋值新像素即可,彩色图像依次给三个值赋值即可。

    灰度图像:
    img[88,142] = 255
    彩色图像:
    img[88,142, 0] = 255
    img[88,142, 1] = 255
    img[88,142, 2] = 255
    彩色图像:方法二
    img[88,142] = [255, 255, 255]

    下面代码是获取像素及修改的操作。

    # -*- coding:utf-8 -*-
    import cv2
    
    #读取图片
    img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)
    test = img[88,142]
    print test
    img[88,142] = [255, 255, 255]
    print test
    
    #分别获取BGR通道像素
    blue = img[88,142,0]
    print blue
    green = img[88,142,1]
    print green
    red = img[88,142,2]
    print red
    
    #显示图像
    cv2.imshow("Demo", img)
    
    #等待显示
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    
    #写入图像
    cv2.imwrite("testyxz.jpg", img)
    

    输出结果如下所示:
    [158 107 64]
    [255 255 255]
    255
    255
    255

    下面代码是将行为100到200、列150到250的像素区域设置为白色。

    # -*- coding:utf-8 -*-
    import cv2
    
    #读取图片
    img = cv2.imread("test.jpg", cv2.IMREAD_UNCHANGED)
    
    #该区域设置为白色
    img[100:200, 150:250] = [255,255,255]
    
    #显示图像
    cv2.imshow("Demo", img)
    
    #等待显示
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    
    #写入图像
    cv2.imwrite("testyxz.jpg", img)
    

    运行结果如下图所示:

    希望文章对大家有所帮助,如果有错误或不足之处,还请海涵。
    (By:Eastmount 2018-08-16 夜11点 https://blog.csdn.net/Eastmount/


    2020年8月18新开的“娜璋AI安全之家”,主要围绕Python大数据分析、网络空间安全、人工智能、Web渗透及攻防技术进行讲解,同时分享CCF、SCI、南核北核论文的算法实现。娜璋之家会更加系统,并重构作者的所有文章,从零讲解Python和安全,写了近十年文章,真心想把自己所学所感所做分享出来,还请各位多多指教,真诚邀请您的关注!谢谢。

    展开全文
  • Matlab图像处理大师淘宝店(QQ:3249726188) 专注、专一于Matlab图像处理 本店绝非中介,本店代码均由本人及硕士师弟代写完成,提供有偿Matlab算法代码编程服务,不从事不违反涉及学术原则的事。 另外,本店的...
  • 我在这个下载中心上下载了一个关于PCNN的图像处理的MATLAB的代码 包括图像增强 分割 边缘提取 去噪 现在想详细了解这个代码所用的PCNN的模型是什么样的 还有用的方法是什么 求大神解释 如果有意愿的 请联系我 ...
  • 订阅图像处理专栏,获取完整代码

    千次阅读 多人点赞 2019-05-04 08:15:27
    博客上关于数字图像处理与机器视觉方面的技术文章已有数百篇之多。笔者打算把个人编写或研究过的一些经典代码逐步整理,并进行系统化地管理及分享。本批代码全部由MATLAB编写,每个项目为一个完整的.zip压缩包,并...
  • 【源代码】数字图像处理部分源码

    千次阅读 2007-04-23 17:50:00
    数字图像处理 代码下载 一个以BMP文件操作为基础的图像处理头文件,以下有不少源代码会用到它。loadbmp.h 对图像进行
  • 在书里面看了好多简单图像处理的源代码,比如《C语言课程设计案例精编》,但代码很多,想自己动手调试一下,但自己打的也容易出错,所以,各位,有没有C语言关填充填充于图像处理的源代比如平移,翻转,等等一些简单...
  • 数字图像处理Matlab-彩色图像处理(附代码

    千次阅读 多人点赞 2020-03-26 17:36:32
    目录1.Objectives:2.Experiment Content:3.Experiment Principle:4.Experiment Steps Result and Conlusion:1、 使用 RGB、Indexed 和 Gray 图像间转换函数2、彩色图像平滑锐化3、彩色图像分割【附录】实现代码 ...
  • VisualC++数字图像处理技术详解 PDF电子书+源代码 第二部分 《Visual C++数字图像处理技术详解》以数字图像处理技术为主线,全面地介绍在Visual C++环境下进行数字图像处理程序设计的方法。内容涵盖了数字图像的变换...
  • 开源图像处理软件代码

    千次阅读 2018-07-06 17:15:20
    1、 最著名的开源图像软件:GIMP。 开发语言:C GIMP号称Linux下的PhotoShop,总观其工程,确实达到了PhotoShop早期版本的功能。三大利器:选区、图层、蒙板一应俱全,滤镜也非常丰富,支持插件。缺点就是界面不...
  • 数字图像处理Matlab-形态学图像处理(附代码

    千次阅读 多人点赞 2020-03-26 18:59:10
    目录1.Objectives:2.Experiment Content:3.Experiment Principle:4.Experiment Steps Result and Conlusion:1、二值图像的形态学变换2、对输入图像进行形态学操作,即腐蚀、膨胀、开运算和闭运算,改变结构元素...
  • 背景: 导师要求找一个图像处理相关的源代码,要求1万行左右,C++写的。 希望大大们能给点意见啊····
  • MATLAB--数字图像处理 图像锐化(纯代码篇)

    万次阅读 多人点赞 2019-09-19 17:41:27
    图像锐化(image sharpening)是补偿图像的轮廓,增强图像的边缘及灰度跳变的部分,使图像变得清晰,分为空间域处理和频域处理两类。图像锐化是为了突出图像上地物的边缘、轮廓,或某些线性目标要素的特征。这种滤波...
  • 图像处理之Matlab图像读取

    万次阅读 多人点赞 2017-05-29 12:50:45
    说到图像处理,第一步就是图像读取。Matlab最简单的就是imread函数,本节介绍imread的用法以及容易出错的地方
  • 常用的一些图像处理Matlab源代码

    万次阅读 2017-09-20 09:09:24
    常用的一些图像处理Matlab源代码 #1:数字图像矩阵数据的显示及其傅立叶变换 #2:二维离散余弦变换的图像压缩 #3:采用灰度变换的方法增强图像的对比度 #4:直方图均匀化 #5:模拟图像受高斯白噪声和椒盐噪声的影响...
  • 图像处理 二维离散傅里叶变换DFT matlab代码图像处理领域离散傅里叶变换的作用二维离散傅里叶变换二维离散傅里叶变换公式将二维的离散傅里叶变换进行转化将系数转化为矩阵形式注意,从矩阵的乘积i形式可以看出,原来...
  • 直方图均衡化是一种比较常用的图像处理方法,其主要作用是增加局部对比度而不失整体对比度,可以突出图像一些细节的特征。 代码实现: import numpy as np import matplotlib.pyplot as plt from PIL import ...
  • 图像处理:Python代码计算图像对比度

    千次阅读 热门讨论 2019-04-28 22:14:17
    图像对比度理论知识 1 定义 对比度:通俗地讲就是亮暗的拉伸对比程度,通常表现了图像画质的清晰...二 代码实现 from cv2 import cv2 import numpy as np def contrast(img0): img1 = cv2.cvtColor(img0, cv...
  • 用Python做图像处理

    万次阅读 多人点赞 2007-10-28 23:45:00
    用Python做图像处理 最近在做一件比较 evil 的事情——验证码识别,以此来学习一些新的技能。因为我是初学,对图像处理方面就不太了解了,欲要利吾事,必先利吾器,既然只是做一下实验,那用 Python 来作原型开发再...
  • 图像处理之简化色彩(含OpenCV代码)

    千次阅读 2017-03-11 21:50:12
    图像处理之简化色彩(含OpenCV代码)
  • 之前写的《图像处理与搜索》系列博客,虽然已经贴出了主要部分的代码,但还是经常有人问我要代码,我就直接把它开源得了,把代码托管在github上:https://github.com/luoweifu/ImageSearch.git欢迎对这方面有兴趣的...
  • 转载:https://blog.csdn.net/c2a2o2/article/details/77701181收集了大量深度学习项目图像处理领域的代码链接。包括图像识别,图像生成,看图说话等等方向的代码,所有代码均按照所属技术领域建立索引,以便大家...
  • 4.Experiment Steps Result and Conlusion:1、了解各种小波性质2、观察各种小波函数及其尺度函数3、获得小波滤波器4、二维小波变换函数与重构函数5、查看及处理小波系数6、用小波变换进行图像压缩与边缘提取【附录...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 423,498
精华内容 169,399
关键字:

图像处理代码