直接使用cv2.resize对图像尺寸进行调整,是按比例进行放缩图像,很明显,有时候这样得到的结果并不是我们想要的,于是,我们可以通过对图像先进行填充,然后进行resize,这个图像的特征不会被改变。 本文主要讲使用opencv-python对图像数据进行填充,使用绿色进行填充,程序运行结果如下: 通过本文的代码,你可以很轻松进行修改成对其他边缘进行填充,上图的结果是对右边和下边进行填充绿色的结果,还有左边和上边,可以很轻松的选择和修改。 下图是原图 下图是对左边、右边、下边填充的结果 下图是对左边、右边、上边填充…

针对MobileNet v1的缺点,2018年诞生的MobileNet v2吸收了残差网络的思想,主要从两个方面改善了网络结构,提升了MobileNet的检测精度。 首先,MobileNet v2利用残差结构取代了原始的卷积堆叠方式,提出了一个Inverted ResidualBlock结构,如图5所示。依据卷积的步长,该结构可分为两种情形,在步长为1时使用了残差连接,融合的方式为逐元素相加。 相比于MobileNet v1与原始的残差结构,这里有两点不同: Inverted Residual Block结构 由于…

本期我们将一起学习如何使用OpenCV的进行图像拼接。 01. 目录 python入门步骤1 —图像导入步骤2-调整图像大小步骤3-融合图像步骤4-导出结果 02. Python Python是一种通用的编程语言,在分析数据方面非常流行,它还可以让帮助我们快速工作并更有效地集成系统。 03. 入门 对于该项目,我们将仅使用OpenCV库。在处理计算机视觉项目时,OpenCV是必备软件包。OpenCV(开源计算机视觉库)是一个开源计算机视觉和机器学习软件库OpenCV的构建旨在为计算机视觉应用程序提供通用的基础结构,…

锐化处理的目的是增强图像中目标的细节、边缘、轮廓和其他灰度突变,削弱了灰度变化缓慢的区域。由于微分是对函数的局部变化率的一种描述,因此图像锐化算法的实现可基于空间微分。图像平滑处理有边缘和细节模糊的负面效应。图像平滑和图像锐化在逻辑上是相反的操作,因此也可以使用原始图像减去平滑处理后的图像实现锐化处理,这称为反锐化掩蔽。本节将主要讨论一阶微分算子、二阶微分算子和反锐化掩蔽。 一阶微分算子 对任意一阶微分的定义都必须满足以下两点:在灰度不变的区域微分值为0;在灰度变化的区域微分值非0。由于处理的是离散情况,微分用差分…

统计排序滤波器是典型的非线性平滑滤波器,首先对模板覆盖的像素的灰度值进行排序,选择有代表性的灰度值作为统计排序滤波器的响应。典型的统计排序滤波器包括最大值滤波器、中值滤波器和最小值滤波器。最大值滤波器是用像素邻域内的最大值代替该像素的灰度值,主要用于寻找最亮点。中值滤波器是用像素邻域内的中间值代替该像素的灰度值,主要用于降噪。最小值滤波器是用像素邻域内的最小值代替该像素的灰度值,主要用于寻找最暗点。 在统计排序滤波器中,中值滤波器的应用最广。对于一定类型的随机噪声,中值滤波器的降噪效果较好,同时比相同尺寸的均值滤波…

平滑处理常用于模糊处理和降低噪声。平滑滤波器使用给定邻域内像素的平均灰度值或逻辑运算值代替原始图像中像素的灰度值,这种处理降低了图像灰度的“尖锐”变化。然而,图像边缘也是由图像灰度尖锐变化带来的特性,因此平滑空间滤波器有边缘模糊化的负面效应。平滑空间滤波器可分为平滑线性空间滤波器和平滑非线性空间滤波器。具有代表性的平滑非线性空间滤波器为统计排序滤波器。 平滑线性空间滤波器 平滑线性空间滤波器的输出是给定邻域内的像素灰度值的简单平均值或加权平均值。平滑线性空间滤波器有时也称为均值滤波器。均值滤波器的一个重要应用是降低…

若空间滤波器模板的系数从1开始进行索引,从左到右索引值递增,先索引第一行的每个模板系数,再依次索引下一行的每个模板系数,则3×3滤波模板的一种表示如图3-3所示。若用w向量表示滤波模板,z向量表示模板覆盖的像素的灰度值,则模板响应R可用式(3-2)表示。 其中w=[w1,w2,…,wmn]T是包含m×n个模板系数的向量形式的滤波器模板,z=[z1,z2,…,zmn]T是滤波器模板覆盖的图像像素的灰度值向量。图3-3是一个3×3模板,此时m=n=3,m×n=9,该模板响应为 其中w是包含9个模板系数的列向量,z是包含…

空间滤波的机理就是在待处理图像上逐像素地移动模板,在每个像素点,滤波器的响应通过事先定义的关系计算。若滤波器在图像像素上执行的是线性操作,则称为线性滤波器,否则称为非线性滤波器。均值滤波器求解的是模板内像素灰度值的平均值,其是典型的线性滤波器。统计排序滤波器是通过比较给定邻域内的灰度值大小实现的,原始数据与滤波结果是一种逻辑关系,如最大值滤波器、最小值滤波器、中值滤波器等,都是典型的非线性滤波器。 图3-1说明了3×3模板的线性空间滤波器的机理,在图像中的任一像素点(x,y),其灰度值为S(x,y),空间滤波器的响…

空间滤波是在图像平面本身上逐像素地移动空间模板,同时空间模板与其覆盖的图像像素灰度值按预定义的关系进行运算。模板也称为空间滤波器、核、掩模或窗口。空间滤波一般用于去除图像噪声或增强图像细节,突出感兴趣信息,抑制无效信息,以改善人类的视觉效果或使图像更适合于特定的机器感知与分析。空间滤波主要包括平滑处理和锐化处理两大类。平滑处理主要用于去除图像中一些不重要的细节并减小噪声。锐化处理主要用于突出图像中的细节,增强图像边缘。为了达到较满意的图像增强效果,通常使用多种互补的空间滤波技术。 本章将针对空间滤波基础、平滑处理、…

灰度图像能以较少的数据表征图像的大部分特征,因此在某些算法的预处理阶段需要进行彩色图像灰度化,以提高后续算法的效率。将彩色图像转换为灰度图像的过程称为彩色图像灰度化。本节将讨论RGB图像的灰度化,其他颜色空间的图像可先转换至RGB颜色空间,再进行RGB图像灰度化。 在RGB模型中,位于空间位置(x,y)的像素点的颜色用该像素点的R分量R(x,y)、G分量G(x,y)和B分量B(x,y)3个数值表示。灰度图像每个像素用一个灰度值(又称强度值、亮度值)表示即可。本节讨论最大值灰度化方法、平均值灰度化方法、加权平均灰度化…