GLOMCJ的博客

Q：在用深度学习的时候，比如面对一张图像，对某个区域感兴趣？A：切割出来，只需要训练感兴趣的部分即可1.获取图片2.转化为灰度图，并去噪声3.提取图像梯度，使用Sobel算子4.继续去噪声5.图像形态学，获取整个轮廓6.上诉操作完后会有细节丢失，补充细节，扩充7. 找出目标区域的轮廓，此时用cv2.findContours()函数8.画出轮廓。找到轮廓了，接下来，要画出来的，即用cv2.drawContours()函数。9.裁剪所需轮廓的图像...

其实是图片路径问题，python查找路径中的文件时不支持中文的，所以更改一下路径就好了。

从左到右依次是全局、局部、Retinex图像增强算法。全局直方图均衡化增强只是将原图像的直方图进行了均衡化，未能有效保持原始图像的局部特征，容易出现色彩失真问题局部直方图处理，可以在一定程度上保持原始图像的局部特征，增强图像处理效果。通过处理R,G,B三层通道分别进行局部直方图均衡化。Retinex图像增强算法可以平衡图像灰度动态范围压缩、图像增强、图像颜色三个指标，能够实现对含雾图像的自适应性增强。通过处理R,G,B三层通道分别应用Retinex图像增强算法，再整合到新的图像的方式进行。...