<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          一文總結(jié)Python數(shù)字圖像處理基礎(chǔ)知識(shí)與前沿應(yīng)用

          共 5793字,需瀏覽 12分鐘

           ·

          2023-07-28 07:09

             
          點(diǎn)擊上方小白學(xué)視覺”,選擇加"星標(biāo)"或“置頂
              
          重磅干貨,第一時(shí)間送達(dá)
          介紹
          數(shù)字圖像處理由涉及在計(jì)算機(jī)上處理圖像的各種技術(shù)和方法組成。對(duì)圖像進(jìn)行各種類型的操作,構(gòu)成數(shù)字圖像處理。

          了解圖像實(shí)際上是什么

          圖像基本上是二維信號(hào)。信號(hào)函數(shù)是 f(x,y),其中 x 和 y 在某個(gè)點(diǎn)的值生成該點(diǎn)的像素。圖像基本上是一個(gè)由 0 到 255 之間的數(shù)字組成的二維數(shù)組。
          圖像處理涉及多種因素。圖像處理有幾個(gè)主要?jiǎng)訖C(jī)。

          圖像處理幫助

          1. 改進(jìn)我們存儲(chǔ)的數(shù)字信息。
          2. 使圖像處理自動(dòng)化。
          3. 更好的圖像優(yōu)化,實(shí)現(xiàn)高效的存儲(chǔ)和傳輸。
          這些年來,圖像處理有了很大的進(jìn)步,圖像處理的現(xiàn)代商業(yè)應(yīng)用也很多。

          圖像處理用途

          1.  圖像校正、銳化和分辨率校正
          通常,我們希望我們可以將舊圖像做得更好。這在今天是可能的。縮放、銳化、邊緣檢測、高動(dòng)態(tài)范圍編輯都屬于這一類。所有這些步驟都有助于增強(qiáng)圖像。大多數(shù)編輯軟件和圖像校正代碼都可以輕松完成這些操作。
          2. 編輯應(yīng)用程序和社交媒體的過濾器
          如今,大多數(shù)編輯應(yīng)用程序和社交媒體應(yīng)用程序都提供過濾器。
          以上是原始圖像和過濾后的圖像的示例。濾鏡使圖像看起來更具視覺吸引力。濾鏡通常是一組函數(shù),可以更改圖像中的顏色和其他方面,使圖像看起來不同。過濾器是圖像處理的一個(gè)有趣應(yīng)用。
          3. 醫(yī)療技術(shù)
          在醫(yī)學(xué)領(lǐng)域,圖像處理用于各種任務(wù),如 PET 掃描、X 射線成像、醫(yī)學(xué) CT、紫外線成像、癌細(xì)胞圖像處理等等。將圖像處理引入醫(yī)療技術(shù)領(lǐng)域極大地改善了診斷過程。
          左邊的圖像是原始圖像。右邊的圖像是經(jīng)過處理的圖像。我們可以看到處理后的圖像要好得多,可以用于更好的診斷。
          4. 計(jì)算機(jī)/機(jī)器視覺
          圖像處理最有趣和最有用的應(yīng)用之一是計(jì)算機(jī)視覺。計(jì)算機(jī)視覺用于使計(jì)算機(jī)看到、識(shí)別事物,并將整個(gè)環(huán)境作為一個(gè)整體進(jìn)行處理。計(jì)算機(jī)視覺的一個(gè)重要用途是自動(dòng)駕駛汽車、無人機(jī)等。CV 有助于障礙物檢測、路徑識(shí)別和理解環(huán)境。
          這就是典型的計(jì)算機(jī)視覺對(duì)汽車自動(dòng)駕駛儀的工作方式。計(jì)算機(jī)接收實(shí)時(shí)鏡頭并分析其他汽車、道路和其他障礙物。
          5. 模式識(shí)別
          模式識(shí)別是圖像處理的一部分,涉及人工智能和機(jī)器學(xué)習(xí)。圖像處理用于找出圖像中的各種模式和方面。模式識(shí)別用于手寫分析、圖像識(shí)別、計(jì)算機(jī)輔助醫(yī)療診斷等。
          6. 視頻處理
          視頻基本上是圖像的快速移動(dòng)。視頻處理中使用了各種圖像處理技術(shù)。視頻處理的一些方法是噪聲去除、圖像穩(wěn)定、幀速率轉(zhuǎn)換、細(xì)節(jié)增強(qiáng)等等。

          Python 圖像處理入門

          讓我們從 Python 中的一些基本圖像相關(guān)任務(wù)開始。我們將使用 PIL。
          PIL:https://pypi.org/project/Pillow/
          Python 圖像庫用于各種圖像處理任務(wù)。

          安裝

             
          pip install pillow
          安裝了PIL后,我們現(xiàn)在可以轉(zhuǎn)到代碼了。
          首先,我們使用一些 matplotlib 函數(shù)。
             
          import matplotlib.image as img
          import matplotlib.pyplot as plt
          import numpy as np
          %matplotlib inline
          將讀取以下圖像。它被命名為 image1.jpg。
             
          # reading jpg image 
          img = img.imread('image1.jpg')
          plt.imshow(img)
          圖像被讀取。
             
          # modifying the shape of the image
          lum1 = img[:, :, 0
          plt.imshow(lum1)
          現(xiàn)在修改了圖像形狀。
          現(xiàn)在我們將其更改為“熱”顏色圖。
          要了解有關(guān)顏色圖的更多信息,請(qǐng)?jiān)L問此鏈接:https://matplotlib.org/stable/tutorials/colors/colormaps.html
             
          plt.imshow(lum1, cmap ='hot'
          plt.colorbar()
          圖像輸出看起來:
          現(xiàn)在我們嘗試不同的顏色圖。
             
          imgplot = plt.imshow(lum1)
          imgplot.set_cmap('nipy_spectral')
          圖像輸出:
          使用顏色圖的原因是,通常在各種應(yīng)用程序和用途中,擁有統(tǒng)一的顏色圖會(huì)有所幫助。閱讀有關(guān)顏色圖的更多信息:在 Matplotlib 中選擇顏色圖 https://matplotlib.org/stable/tutorials/colors/colormaps.html
          現(xiàn)在讓我們看看為什么我們將圖像稱為二維數(shù)組。
             
          #data type of lum1

          print(type(lum1))
          輸出:<class 'numpy.ndarray'>
             
          print(lum1)
          [[ 92 91 89 … 169 168 169]
          [110 110 110 … 168 166 167]
          [100 103 108 … 164 163 164]
          [ 97 96 95 … 144 147 147]
          [ 99 99 98 … 145 139 138]
          [102 102 103 … 149 137 137]]
          這些點(diǎn)只是為了表明它們之間還有更多的數(shù)據(jù)點(diǎn)。但是可以肯定的是,所有數(shù)據(jù)都是數(shù)字?jǐn)?shù)據(jù)。
          讓我們找出數(shù)組的大小。
             
          len(lum1)
          輸出:320
             
          len(lum1[300])
          輸出:658
          這為我們提供了圖像的像素?cái)?shù)和尺寸:320*658。
          我們稍后也會(huì)驗(yàn)證這一點(diǎn)。
          現(xiàn)在,我們使用 PIL。
             
          from PIL import Image
          我們將使用這個(gè)圖像文件,命名為:people.jpg。
             
          img2 = Image.open('people.jpg')
          plt.imshow(img2)
          圖像被讀取。
          現(xiàn)在,我們調(diào)整圖像大小。
             
          img2.thumbnail((5050), Image.ANTIALIAS)  # resizes image in-place
          imgplot = plt.imshow(img2)
             
          imgplot1 = plt.imshow(img2, interpolation="nearest")
             
          imgplot2 = plt.imshow(img2, interpolation="bicubic")
          但是,為什么我們?cè)趫D像處理中故意模糊圖像?通常對(duì)于模式識(shí)別和計(jì)算機(jī)視覺算法,如果圖像非常清晰,處理起來就會(huì)很困難。因此進(jìn)行模糊處理以使圖像平滑。模糊還可以使圖像中的顏色過渡從一側(cè)到另一側(cè)更加平滑。
          現(xiàn)在,讓我們驗(yàn)證我們之前處理過的汽車圖像的尺寸。
             
          #some more interesting stuff
          file='image1.jpg'
          with Image.open(file) as image: 
              width, height = image.size 
          #Image width, height is be obtained
          這些也是我們之前得到的維度。所以我們可以得出結(jié)論,圖像是320*658。
          讓我們也嘗試旋轉(zhuǎn)和轉(zhuǎn)置圖像。
             
          #Relative Path 
          img3 = Image.open("image1.jpg")  
          #Angle given 
          img_rot= img3.rotate(180)  
          #Saved in the same relative location 
          img_rot.save("rotated_picture.jpg")
          這是旋轉(zhuǎn)后的圖像。
             
          #transposing image  
          transposed_img = img3.transpose(Image.FLIP_LEFT_RIGHT)
          #Saved in the same relative location 
          transposed_img.save("transposed_img.jpg")
          這是轉(zhuǎn)置后的圖像。

          尾注

          圖像處理有各種重要的應(yīng)用,隨著時(shí)間的推移,方法和過程也會(huì)得到改進(jìn)。


               
          下載1:OpenCV-Contrib擴(kuò)展模塊中文版教程
          在「小白學(xué)視覺」公眾號(hào)后臺(tái)回復(fù):擴(kuò)展模塊中文教程即可下載全網(wǎng)第一份OpenCV擴(kuò)展模塊教程中文版,涵蓋擴(kuò)展模塊安裝、SFM算法、立體視覺、目標(biāo)跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。

          下載2:Python視覺實(shí)戰(zhàn)項(xiàng)目52講
          小白學(xué)視覺公眾號(hào)后臺(tái)回復(fù):Python視覺實(shí)戰(zhàn)項(xiàng)目即可下載包括圖像分割、口罩檢測、車道線檢測、車輛計(jì)數(shù)、添加眼線、車牌識(shí)別、字符識(shí)別、情緒檢測、文本內(nèi)容提取、面部識(shí)別等31個(gè)視覺實(shí)戰(zhàn)項(xiàng)目,助力快速學(xué)校計(jì)算機(jī)視覺。

          下載3:OpenCV實(shí)戰(zhàn)項(xiàng)目20講
          小白學(xué)視覺公眾號(hào)后臺(tái)回復(fù):OpenCV實(shí)戰(zhàn)項(xiàng)目20講即可下載含有20個(gè)基于OpenCV實(shí)現(xiàn)20個(gè)實(shí)戰(zhàn)項(xiàng)目,實(shí)現(xiàn)OpenCV學(xué)習(xí)進(jìn)階。

          交流群


          歡迎加入公眾號(hào)讀者群一起和同行交流,目前有SLAM、三維視覺、傳感器自動(dòng)駕駛、計(jì)算攝影、檢測、分割、識(shí)別、醫(yī)學(xué)影像、GAN算法競賽等微信群(以后會(huì)逐漸細(xì)分),請(qǐng)掃描下面微信號(hào)加群,備注:”昵稱+學(xué)校/公司+研究方向“,例如:”張三 + 上海交大 + 視覺SLAM“。請(qǐng)按照格式備注,否則不予通過。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告,否則會(huì)請(qǐng)出群,謝謝理解~


          瀏覽 237
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          評(píng)論
          圖片
          表情
          推薦
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  日本黄色电影网站wwww | 囯产精品久久久久久久免牛肉蒲团 | 香蕉视频二区 | 三级久久三级久久三级 | 在线直接看黄 |