jxyyyy的博客

最近在学习计算机图形学方面的课程，主要是使用opencv来处理图像，这里涉及到了图像存储的方式，方便后续对图像通道分离处理还有滤波的理解。RGB色彩模式也就是红（Red）、绿（Green）、蓝（Blue）色彩模式。指的是通过R、G、B三个色彩通道，它们相互叠加再得到各式各样的颜色。它们的范围都是0~255，这样叠加起来就能够得到256256256=16777216（大约1678w）的颜色种类。例如在一个像素上由R=200，G=100，B=150，如下图的颜色：叠加起来就是这样：那么上面叠加

前言概述部分数字媒体包含哪些类型，涉及哪些研究领域？1）可视数字媒体包含图像、视频、图形和可视化数据等媒体类型，这些媒体类型之间具有很强的相关性，但又有明确的差异性；2）可视数字媒体涉及计算机视觉、计算机图形学、人工智能、数字图象处理、图像视频压缩、虚拟现实技术等研究领域；3）应用领域：机器人（立体视觉、自动驾驶）遥感，医学（图像分析，植被、骨骼） •安全，监控（门禁、视频监控） •国防（目标识别与跟踪、地形匹配） •其他（游戏、动画、人机交互、场景重建、图像搜索匹配、人脸分析和识别……）

import cv2import osimport numpy as npimport hog_discriptordef get_path(): print('loading data...') # 正样本文件夹路径 PosImgPath = "D:\\A\\python\\opencv\\tests\\hog_pedestran_detect_python\\Positive" # 负样本 NegImgPath = "D:\\A\\python\\op

概念SIFT称为尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。SIFT的特点①SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；②区分性（Distinctiveness）好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配；③多量性，即使少数的几个物体也可以产生大量的..

对比度调节 改变图像对比度原理：gbr色彩空间——以127为分界线，小于127的会越小，大于127的会越大达成“亮的越亮，暗的越暗”的效果图像灰度化：在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。0%的灰度RGB数值是255,255,255；1%灰度的RGB数值是253,253,253；2%灰度RGB值为250,250,250。图像灰度化：在RGB模...

SeamCarving中Seam的计算过程给出能量矩阵，计算Seam原理给出能量矩阵，计算seam能量矩阵：八联通，第一行值不变，从第二行开始找出能够到达该节点的最小和，采用动态规划，不断计算下一个值，直至最后一行。实例假设能量矩阵如下（深蓝色标记是已经计算的结果），举例：对于第一个图到第二个图，5、8、12都与 2 是联通的，其中最小值为（5+2），故2 更新为 7，依此类推，如下：动态规划import timeimport cv2import numpy as np

暗通道去雾算法中暗通道的计算过程给出图像数据、计算暗通道图像特征import mathimport timeimport cv2import numpy as npdef Dark_img(image): # 此处返回的是灰度图 """ 求暗通道图像 :param image: 读取到的原图 :return: 经过三通道最小值处理以及最小值滤波的暗通道灰度图 """ '''rgb三通道中取最小值''' mi..

import timeimport cv2import numpy as np"""均值滤波、中值滤波、高斯滤波、图像锐化"""'''均值滤波的实现path:图像路径ksize:卷积核大小'''def Mean_blur(path, ksize): time_start = time.time() '''读取图像''' image = cv2.imread(path, 1) '''resize''' height = 400 widt