处理遥感图像 考虑做进行波段组合，就是说可以同一个shp文件，随机波段合并，然后拿到指数的敏感度，也可以作为训练集，（但是我不知道不敏感的数据会不会影响效果，但是一般大家用的都是公认敏感的数据），然后标签数组和特征影像的数组进行合并，就有新的栅格数据，然后把栅格采样成一个个影像块，就扩大了数据集，然后输入。target_ds.SetProjection(dataset.GetProjection()) # python3.6版本，投影要在矢量化后，推测是因为矢量的范围比栅格的范围要小，先投影会出错（3.9不会有问题）

阅读 747

23赞

收藏 5
零基础学 OpenCV + Python 图像处理：手把手带你做人脸识别（附代码+典型案例） 手把手教你从环境搭建到实战应用，一步步深入，让你快速掌握 OpenCV+Python 图像处理与人脸识别技术。文中附带完整示例代码与典型案例，可直接复制、运行与深度改造，助你轻松入门并提升项目收藏零基础学 OpenCV + Python 图像处理，手把手带你从 Python 安装 OpenCV 库、opencv-python 基础操作到 opencv图像处理、opencv人脸识别代码python 实战案例（静态图、人脸检测、摄像头实时识别）全流程讲解，附完整代码与典型案例，帮助初学者快速上手人脸识别项目。

阅读 6.8k

56赞

收藏 31
计算机视觉图像处理基础系列：滤波、边缘检测与形态学操作 计算机视觉图像处理基础系列：滤波、边缘检测与形态学操作，计算机视觉是人工智能领域的核心方向之一，旨在让计算机具备理解和解释视觉信息的能力。而图像处理则是计算机视觉的基石，为后续的特征提取、目标识别、图像分割等高级任务提供数据基础。滤波、边缘检测与形态学操作作为图像处理的基础环节，各自发挥着独特且关键的作用。滤波用于改善图像质量，去除噪声或增强特定特征；边缘检测聚焦于提取图像中物体的轮廓信息；形态学操作则基于图像形状对其进行优化与处理。深入理解这些基础技术，对于掌握计算机视觉的核心知识体系至关重要。

阅读 16.9w

151赞

收藏 122
图像处理之图像分割算法：区域生长：基于纹理的区域生长算法 区域生长算法是一种基于像素间相似性的图像分割方法。它从一个或多个种子像素开始，根据预定义的相似性准则，逐步将与种子像素相似的相邻像素合并到同一区域中。基于纹理的区域生长算法进一步利用纹理特征作为相似性准则，能够更准确地识别和分割具有复杂纹理的图像区域。纹理特征是图像分割中用于描述图像局部区域结构的重要属性。灰度级变化：图像中像素值的分布情况，可以使用灰度直方图或灰度共生矩阵来描述。方向性：纹理元素的方向信息，通过计算图像梯度或使用Gabor滤波器来获取。频率。

阅读 836

4赞

收藏 13
照片排版工具：从Winform到C#的图像处理实践 在照片排版工具中，实现基本的图像处理功能是至关重要的。这些功能包括但不限于缩放、旋转、裁剪、滤镜效果和颜色调整。各种算法被应用来增强用户体验和处理效率。Winform控件是构建用户界面的基础元素。在照片排版工具中，我们可能会用到各种控件，如按钮、文本框、列表框、图像框等。使用这些控件时，不仅要考虑它们的默认行为和外观，还要考虑如何根据实际需要对它们进行自定义。自定义控件可以大大提升应用程序的专业性。

阅读 864

30赞

收藏 29
图像处理：AI人工智能技术的前沿探索 本文旨在全面介绍AI技术在图像处理领域的最新进展和应用。我们将从基础概念出发，逐步深入到前沿技术，涵盖从理论到实践的各个方面。传统图像处理技术概述深度学习在图像处理中的应用计算机视觉前沿算法实际应用案例分析未来发展趋势预测背景介绍：奠定知识基础核心概念：深入理解关键技术算法原理：掌握数学和代码实现项目实战：通过案例学习应用应用场景：了解实际应用领域资源推荐：获取学习工具和资料未来展望：把握发展趋势图像处理(Image Processing)

阅读 1.3k

19赞

收藏 19
无人机航拍图像处理：目标跟踪与场景重建 无人机航拍图像处理：目标跟踪与场景重建 ，人工智能，计算机视觉，大模型，AI，随着无人机技术的飞速发展，无人机航拍在地理测绘、环境监测、安防监控、影视制作等众多领域得到了广泛应用。无人机凭借其灵活的飞行能力和多角度拍摄优势，能够获取丰富的图像数据。然而，如何从海量的航拍图像中提取有价值的信息，成为了当前研究的热点。其中，目标跟踪与场景重建是无人机航拍图像处理的两项核心技术。目标跟踪能够实时锁定感兴趣目标，提供目标的运动轨迹和状态信息；场景重建则可以构建出三维场景模型，直观展示场景的空间结构。

阅读 8.0w

55赞

收藏 47
第三届图像处理、计算机视觉与机器学习国际学术会议(ICICML 2024) 会议将围绕图像与视觉处理，机器学习等在计算机领域中的最新研究成果，为来自国内外高等院校、科学研究所、企事业单位的专家、教授、学者、工程师等提供一个分享专业经验，扩大专业网络，面对面交流新思想以及展示研究成果的国际平台，探讨本领域发展所面临的关键性挑战问题和研究方向，以期推动该领域理论、技术在高校和企业的发展和应用，也为参会者建立业务或研究上的联系以及寻找未来事业上的全球合作伙伴。

阅读 4.6k

67赞

收藏 70
【Python篇】Python + OpenCV 全面实战：解锁图像处理与视觉智能的核心技能 在这篇文章中，我们从基础入门到实战应用，详细讲解了如何在 Python 中使用 OpenCV 进行图像处理和计算机视觉操作。我们通过实例演示了如何读取、显示、保存图像，并介绍了常用的几何变换、滤波与去噪技术。同时，我们深入探讨了边缘检测与特征提取等重要操作，帮助大家理解 OpenCV 在图像处理领域中的广泛应用。OpenCV 不仅是图像处理的入门工具，也是掌握计算机视觉技术的基石。掌握这些基础知识和功能后，你将能够更灵活地应对各种图像处理需求，逐步迈向高级应用领域。

阅读 9.8k

198赞

收藏 215
OpenCV 4.7企业级开发实战：从图像处理到目标检测的全方位指南 OpenCV 4.7作为最新稳定版本，在图像处理、视频分析和深度学习模型推理方面实现了多项重要改进。本文系统讲解了OpenCV 4.7的核心特性和功能更新，并通过三个企业级案例展示了如何将这些新特性应用于实际开发。Stackblur算法的实现提供了高效模糊处理方案，昇腾CANN后端显著提升了深度学习模型的推理速度，CUDA模块加速了视频流处理，而Nanotrack v2跟踪器则增强了复杂场景下的物体跟踪能力。从基础到高级的OpenCV开发技能，构建高效、稳定、可扩展的计算机视觉系统。

阅读 1.4k

20赞

收藏 13
【IPMV】图像处理与机器视觉：Lec13 Robust Estimation with RANSAC 在计算机视觉与图像处理领域，如何从含大量异常值的数据中准确提取有效模型是关键挑战。本笔记聚焦同济大学自动化专业课程核心内容，深度解析随机抽样一致性（RANSAC）算法，揭示其通过 “随机抽样 + 模型验证” 机制区分内点与外点的核心逻辑，以及在直线拟合、圆检测等场景中的鲁棒性优势。🔥 核心亮点速览：噪声数据克星；动态优化机制；多场景适配🧠 算法核心：用 “投票” 对抗噪声⚙️ 实战案例：圆检测中的 RANSAC 应用📌 关键挑战：时间不可控；参数敏感

阅读 799

29赞

收藏 23
C#图像处理实战：BMP转灰度图片详解 BMP（Bitmap）格式是一种广泛支持的无损图像文件格式，它具有以下特点：无压缩存储：BMP图像以其原生格式存储像素数据，无需压缩，确保图像质量在处理过程中不会损失。文件头标识：每个BMP文件都有一个特定的文件头，用来标识该文件为BMP格式，这使得操作系统能够轻松识别和处理这类文件。BMP图像在C#中的应用场景包括但不限于：原始图像数据处理：由于其无压缩特性，适合需要精确像素操作的应用场景，如图像分析、图像编辑软件的开发。图像格式转换的中间步骤。

阅读 920

21赞

收藏 25
作者推荐
陈姓研究猿
专注于深度学习算法研究、计算机视觉、医学图像分析与处理、多模态数据的融合、数据分析
关注
FPGA工程狮-阿水
图像处理迷粉一枚
关注
小米玄戒Andrew
小米玄戒算法专家
关注
eguid_1
专注于音视频流媒体、计算机视觉以及计算机图形技术的探索与实践（JavaCV教程、FFmpeg教程、openCV图像处理教程）
关注
qq_776882262
技术之路如此寒冷漫长，想当举火人
关注
麻瓜pro
在人工智能的征途上，代码是信念，算法是翅膀。每一次调参的深夜、每一次模型崩溃后的重启，都是向前迈出的坚实一步。别畏惧复杂度与未知，勇敢拆解每一个维度、拥抱每一次迭代——日日精进，终会把零散的算子、熬红的双眼与不屈的好奇心，锻造成驱动未来的蓝图。心怀热爱，笃定前行，你会从探索者成长为设计者，最终站在架构之巅，以宏大的视野、优雅的系统，将智能之光铺展到世界的每一个角落。
关注
COWELL可为
专注机器视觉
关注
文弱_书生
一个书生
关注
时间之里
时光之里，山南水北
关注
果子当夜宵
B站同名
关注