数字图像处理-11-图像的一些合成操作

原创 于 2026-05-26 21:27:20 发布 · 430 阅读 · 8 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
标签
#计算机视觉 #图像处理

文章目录

# ─────────────────────────────────────────────────────────
#  内部辅助函数
# ─────────────────────────────────────────────────────────

def _binarize(data, row_bytes, width, height, is_gray):
    """
    将像素数据二值化

    对每个像素：val > 128 → 1，否则 → 0

    参数：
        data      - 源像素bytearray
        row_bytes - 每行字节数（含4字节对齐填充）
        width     - 图像宽度（像素），仅灰度图使用
        height    - 图像高度（像素）
        is_gray   - True=8位灰度（每像素1字节），False=24位彩色（按通道字节）

    返回：
        bytearray，每个"字节位置"存0或1（与源数据等大）
    """
    # 决定迭代步长
    # 8位图：有效列范围 [0, width)，步长=row_bytes
    # 24位图：有效列范围 [0, row_bytes)，步长=row_bytes（含BGR及填充）
    col_end = width if is_gray else row_bytes
    buf = bytearray(row_bytes * height)   # 初始全0

    for j in range(height):
        base = j * row_bytes
        for i in range(col_end):
            if data[base + i] > 128:
                buf[base + i] = 1

    return buf

1.图像加法合成

  • 原理：
    对两幅图像对应位置的像素值直接相加，结果超出255时截断（饱和加法）。
    公式：result(x,y) = min(A(x,y) + B(x,y), 255)

  • 效果：

    • 将两图叠加，整体亮度提升
    • 高亮区域快速饱和变白
    • 常用于多曝光融合、亮度增强

  • python代码

def image_add(img_src, img_bg):
    """
    图像加法合成:
    两张图像的宽高要一样,否则大概率会出现花屏图片.
    参数：
        img_src - 源图像 (BmpImage)
        img_bg  - 背景/第二张图像 (尺寸须与img_src相同)
    返回：
        新BmpImage，内容为加法结果（不修改输入图像）
    """
    result = img_src.clone()
    data = result.data       # 拷贝的图像数据,bmp格式
    bg = img_bg.data

    width = img_src.width
    height = img_src.height
    row_bytes = img_src.row_bytes
    is_gray = (img_src.bit_count < 9)

    if is_gray:
        # ── 8位灰度图 ──
        # 初始化临时缓冲区为255（边框像素默认为白色）
        temp = bytearray(row_bytes * height)
        for k in range(len(temp)):
            temp[k] = 255

        # 逐像素相加（跳过最外层边框）
        for j in range(1, height - 1):
            for i in range(1, width - 1):
                idx = j * row_bytes + i
                val = data[idx] + bg[idx] # 融合的两张图片宽高要一样
                temp[idx] = 255 if val > 255 else val

        # 将结果写回data
        for k in range(len(data)):
            data[k] = temp[k]
    else:
        # ── 24位彩色图 ──
        # dib_width = row_bytes，包含BGR三通道及对齐填充
        dib_width = row_bytes
        temp = bytearray(height * dib_width)

        for j in range(1, height - 1):
            # i 从3开始跳过左边框像素（3字节=1像素），到dib_width-3止
            # 再次说明,这里包含RGB 3通道的数据,所以,宽度是原来3倍,即为dib_width 
            for i in range(3, dib_width - 3):
                idx = j * dib_width + i
                val = data[idx] + bg[idx] # 简单粗暴,直接相加
                temp[idx] = 255 if val > 255 else val

        for k in range(len(data)):
            data[k] = temp[k]

    return result
  • 效果图
    可以看到,因为中间图片后面的天空是白色的,所以合成后,天空全白了.
    在这里插入图片描述

2.图像减法合成

  • 原理：
    用源图像减去背景图像，结果小于0时截断为0（饱和减法）。
    公式：result(x,y) = max(A(x,y) - B(x,y), 0)

  • 效果：

    • 提取两图的差异，相同区域变黑
    • 可用于背景去除、运动检测、差分图像
    • 常用于视频监控中的前景提取

  • python代码

def image_sub(img_src, img_bg):
    """
    参数与返回值同 image_add
    """
    result = img_src.clone() # 第一张图像拷贝,当作画布
    data = result.data
    bg = img_bg.data #背景图像拷贝

    width = img_src.width
    height = img_src.height
    row_bytes = img_src.row_bytes
    is_gray = (img_src.bit_count < 9)

    if is_gray:
        temp = bytearray(row_bytes * height)
        for k in range(len(temp)):
            temp[k] = 255   # 边框默认白色

        for j in range(1, height - 1):
            for i in range(1, width - 1):
                idx = j * row_bytes + i
                val = data[idx] - bg[idx]
                temp[idx] = 0 if val < 0 else val

        for k in range(len(data)):
            data[k] = temp[k]

    else: # 如果不是灰度图,根据像素宽度,
        dib_width = row_bytes
        temp = bytearray(height * dib_width)

        for j in range(1, height - 1):
            for i in range(1, dib_width - 1): # dib_width是RGB 3通道的数据总长
                idx = j * dib_width + i
                val = data[idx] - bg[idx]
                temp[idx] = 0 if val < 0 else val

        for k in range(len(data)):
            data[k] = temp[k]

    return result
  • 效果图
    注意:中间这张是输入的原图,第一张是背景图.计算时是"第二张 - 第一张". 随意能看到天空颜色变暗了.
    但由于是RGB各通道都进行了减法操作,合成后的图像人脑暂时合成不出来. 凑合着看吧.
    在这里插入图片描述

3.图像与运算合成

  • 原理：
    先对两图各像素以给定阈值(下面demo的阈值为128)进行二值化，再逐像素做逻辑与(AND)运算。二值化后,与运算很简单,同为1为1,有一个不是1,就是0. 过程如下所示.

    二值化：val > 128 → 1，否则 → 0
AND规则：
    1 AND 1 = 1 → 255（白）
    其余组合 = 0 → 0（黑）

真值表：
    A  B │ A AND B
    ─────┼────────
    0  0 │   0
    0  1 │   0
    1  0 │   0
    1  1 │   1  ← 仅当两图同时为亮时结果才亮

  • 效果：

    • 保留两图共同的亮区域，其余变黑
    • 常用于图像掩膜（mask）操作、ROI区域提取. 比如: 在医学影像中,只保留病变区进行分析,我们制作了一张"掩膜图像",在想要保留的区域填上白色,不想保留的背景填上黑色.那么进行与预算后,我们就能把病变区的图像抠出来.
def image_and(img_src, img_bg):
    """
    图像与(AND)运算合成
    参数与返回值同 image_add
    """
    result = img_src.clone()
    data = result.data
    bg = img_bg.data

    width = img_src.width
    height = img_src.height
    row_bytes = img_src.row_bytes
    is_gray = (img_src.bit_count < 9)

    if is_gray:
        # 二值化两图（边框及整体范围都处理）
        temp1 = _binarize(data, row_bytes, width, height, True)
        temp2 = _binarize(bg,   row_bytes, width, height, True)

        # AND运算（跳过边框，边框保持初始0值）
        for j in range(1, height - 1):
            for i in range(1, width - 1):
                idx = j * row_bytes + i
                # 下面能直接看到,只有两张图都是1的情况下,才置为白色.
                temp1[idx] = 255 if (temp1[idx] == 1 and temp2[idx] == 1) else 0

        for k in range(len(data)):
            data[k] = temp1[k]

    else:
        dib_width = row_bytes
        temp1 = _binarize(data, row_bytes, None, height, False)
        temp2 = _binarize(bg,   row_bytes, None, height, False)

        for j in range(1, height - 1):
            for i in range(1, dib_width - 1):
                idx = j * dib_width + i
                 # 下面能直接看到,只有两张图都是1的情况下,才置为白色.
                temp1[idx] = 255 if (temp1[idx] == 1 and temp2[idx] == 1) else 0

        for k in range(len(data)):
            data[k] = temp1[k]

    return result
  • 效果图
    在这里插入图片描述

4.图像或运算合成

  • 原理：
    先对两图各像素以阈值128进行二值化，再逐像素做逻辑或(OR)运算。只要两张图像在相同位置的像素中，有一个为白色（或1），结果就会是白色；只有当两个像素都为黑色（或0）时，结果才为黑色。
    或运算的逻辑如下所示.

      OR规则：
      0 OR 0 = 0 → 0（黑）
      其余组合 = 1 → 255（白）

  真值表：
      A  B │ A OR B
      ─────┼────────
      0  0 │   0    ← 仅当两图同时为暗时结果才黑
      0  1 │   1
      1  0 │   1
      1  1 │   1

  • 效果：

    • 合并两图的亮区域，两图中任一亮的地方结果都亮
    • 常用于图像区域合并、多目标检测结果融合,比如:在将一个小图像（如公司Logo、水印）叠加到一张大背景图上时
def image_or(img_src, img_bg):
    """
    图像或(OR)运算合成
    参数与返回值同 image_add
    """
    result = img_src.clone()
    data = result.data
    bg = img_bg.data

    width = img_src.width
    height = img_src.height
    row_bytes = img_src.row_bytes
    is_gray = (img_src.bit_count < 9)

    if is_gray:
        temp1 = _binarize(data, row_bytes, width, height, True)
        temp2 = _binarize(bg,   row_bytes, width, height, True)

        for j in range(1, height - 1):
            for i in range(1, width - 1):
                idx = j * row_bytes + i
                temp1[idx] = 0 if (temp1[idx] == 0 and temp2[idx] == 0) else 255

        for k in range(len(data)):
            data[k] = temp1[k]

    else:
        dib_width = row_bytes
        temp1 = _binarize(data, row_bytes, None, height, False)
        temp2 = _binarize(bg,   row_bytes, None, height, False)

        for j in range(1, height - 1):
            for i in range(1, dib_width - 1):
                idx = j * dib_width + i
                temp1[idx] = 0 if (temp1[idx] == 0 and temp2[idx] == 0) else 255

        for k in range(len(data)):
            data[k] = temp1[k]

    return result
  • 效果图
    在这里插入图片描述

5.图像非运算合成

  • 原理：
    先对图像各像素以阈值128进行二值化，再对每个像素取逻辑非(NOT)。

      NOT规则：
      1 → 0 → 0（黑）
      0 → 1 → 255（白）

  • 效果：

    • 将亮区变暗、暗区变亮，产生负片/反色效果
    • 常用于图像互补掩膜的生成、对比度反转
def image_not(img_src):
    """
    图像非(NOT)运算合成（单图操作）
    参数：
        img_src - 源图像
    返回：
        新BmpImage，内容为NOT结果
    """
    result = img_src.clone()
    data = result.data

    is_gray = (img_src.bit_count < 9)
    row_bytes = img_src.row_bytes
    height = img_src.height

    # 8位图迭代到width，24位图迭代到row_bytes（逐通道字节）
    col_end = img_src.width if is_gray else row_bytes

    temp = _binarize(data, row_bytes, img_src.width, height, is_gray)

    # NOT运算（跳过边框）
    for j in range(1, height - 1):
        for i in range(1, col_end - 1):
            idx = j * row_bytes + i
            # 黑的变白,白的变黑
            temp[idx] = 255 if temp[idx] == 0 else 0

    for k in range(len(data)):
        data[k] = temp[k]

    return result
  • 效果图
    白的变黑,黑的变白
    在这里插入图片描述

6.图像或非运算合成

  • 原理：
    NOR = NOT(OR)，先OR再整体取非。
    等价于：仅当两图都为暗(0)时，结果才为亮(255)。

      真值表：
      A  B │ A NOR B
      ─────┼─────────
      0  0 │   1    ← 两图都暗才亮
      0  1 │   0
      1  0 │   0
      1  1 │   0

  • 效果：

    • 提取两图共同的暗区（背景区域）
    • 是OR结果的互补图
def image_nor(img_src, img_bg):
    """
    图像或非(NOR)运算合成
    参数与返回值同 image_add
    """
    result = img_src.clone()
    data = result.data
    bg = img_bg.data

    width = img_src.width
    height = img_src.height
    row_bytes = img_src.row_bytes
    is_gray = (img_src.bit_count < 9)

    if is_gray:
        temp1 = _binarize(data, row_bytes, width, height, True)
        temp2 = _binarize(bg,   row_bytes, width, height, True)

        # NOR：两图都为0时才输出255，其余为0
        for j in range(1, height - 1):
            for i in range(1, width - 1):
                idx = j * row_bytes + i
                temp1[idx] = 255 if (temp1[idx] == 0 and temp2[idx] == 0) else 0

        for k in range(len(data)):
            data[k] = temp1[k]

    else:
        dib_width = row_bytes
        temp1 = _binarize(data, row_bytes, None, height, False)
        temp2 = _binarize(bg,   row_bytes, None, height, False)

        # 24位彩色NOR（边框扩大到3字节=1像素）
        for j in range(1, height - 1):
            for i in range(3, dib_width - 3):
                idx = j * dib_width + i
                temp1[idx] = 255 if (temp1[idx] == 0 and temp2[idx] == 0) else 0

        for k in range(len(data)):
            data[k] = temp1[k]

    return result
  • 效果图
    提取两张图共同的暗区
    在这里插入图片描述

7.图像与非运算合成

  • 原理：
    NAND = NOT(AND)，先AND再整体取非。
    等价于：仅当两图都为亮(1)时，结果才为暗(0)，其余为亮(255)。

      真值表：
      A  B │ A NAND B
      ─────┼──────────
      0  0 │   1
      0  1 │   1
      1  0 │   1
      1  1 │   0    ← 两图都亮才黑

  • 效果：

    • 是AND结果的互补图
    • 提取两图中"不同时亮"的区域

- 效果图
def image_nand(img_src, img_bg):
    """
    图像与非(NAND)运算合成
    参数与返回值同 image_add
    """
    result = img_src.clone()
    data = result.data
    bg = img_bg.data

    width = img_src.width
    height = img_src.height
    row_bytes = img_src.row_bytes
    is_gray = (img_src.bit_count < 9)

    if is_gray:
        temp1 = _binarize(data, row_bytes, width, height, True)
        temp2 = _binarize(bg,   row_bytes, width, height, True)

        # NAND：两图都为1时输出0，其余为255
        for j in range(1, height - 1):
            for i in range(1, width - 1):
                idx = j * row_bytes + i
                temp1[idx] = 0 if (temp1[idx] == 1 and temp2[idx] == 1) else 255

        for k in range(len(data)):
            data[k] = temp1[k]

    else:
        dib_width = row_bytes
        temp1 = _binarize(data, row_bytes, None, height, False)
        temp2 = _binarize(bg,   row_bytes, None, height, False)

        for j in range(1, height - 1):
            for i in range(3, dib_width - 3):
                idx = j * dib_width + i
                temp1[idx] = 0 if (temp1[idx] == 1 and temp2[idx] == 1) else 255

        for k in range(len(data)):
            data[k] = temp1[k]

    return result
  • 效果图
    提取两图中"不同时亮"的区域
    在这里插入图片描述

8 图像异或合成

  • 原理：
    先对两图各像素以阈值128进行二值化，再逐像素做逻辑异或(XOR)运算。
    XOR检测"不同"：当且仅当两个输入值不同时结果为1。

      判断方式：
      temp1[idx] + temp2[idx] == 1 → 255（两者不同）
      temp1[idx] + temp2[idx] != 1 → 0  （两者相同）

  真值表：
      A  B │ A XOR B
      ─────┼─────────
      0  0 │   0    ← 都暗，结果黑
      0  1 │   1    ← 不同，结果白
      1  0 │   1    ← 不同，结果白
      1  1 │   0    ← 都亮，结果黑

  • 效果：

    • 提取两图亮暗不同的区域，相同区域变黑
    • 常用于图像差异检测、边缘提取、加密水印

# ─────────────────────────────────────────────────────────
#  8. 异或运算合成（XOR）
# ─────────────────────────────────────────────────────────

def image_xor(img_src, img_bg):
    """
    图像异或(XOR)运算合成



    参数与返回值同 image_add
    """
    result = img_src.clone()
    data = result.data
    bg = img_bg.data

    width = img_src.width
    height = img_src.height
    row_bytes = img_src.row_bytes
    is_gray = (img_src.bit_count < 9)

    if is_gray:
        temp1 = _binarize(data, row_bytes, width, height, True)
        temp2 = _binarize(bg,   row_bytes, width, height, True)

        # XOR：两者之和==1 → 输入不同 → 255
        for j in range(1, height - 1):
            for i in range(1, width - 1):
                idx = j * row_bytes + i
                temp1[idx] = 255 if (temp1[idx] + temp2[idx] == 1) else 0

        for k in range(len(data)):
            data[k] = temp1[k]

    else:
        dib_width = row_bytes
        temp1 = _binarize(data, row_bytes, None, height, False)
        temp2 = _binarize(bg,   row_bytes, None, height, False)

        for j in range(1, height - 1):
            for i in range(3, dib_width - 3):
                idx = j * dib_width + i
                temp1[idx] = 255 if (temp1[idx] + temp2[idx] == 1) else 0

        for k in range(len(data)):
            data[k] = temp1[k]

    return result

-效果图
提取两图亮暗不同的区域，相同区域变黑
在这里插入图片描述

FPGA数字图像处理
baidu_34971492的博客
07-17 3656
FPGA–数字图像处理 文中有福利 图像知识基础学习（含视频课程） 包含MATLAB 和 VC++源码 |–第一章 | |–第1讲 数字图像处理概述 | |–第2讲 图像的存储格式 | |–第3讲 基于MATLAB的图像处理基础 |–第二章 | |–第1讲 图像的显示 | |–第2讲 基于MATLAB的图像的读取和显示 | |–第3讲 基于MATLAB的图像处理基础 | ...
[数字图像处理]开坑序言
zhoufan的专栏
10-14 4053
作为数字图像处理的基础学习，我用的教材是《Digital Image Processing》 Rafael C. Gonzalez / Richard E. Woods 和《画像処理工学―基礎編 [単行本]》谷口 慶治 。这两本教材作为基础的入门是够了。
从OpenCV学习数字图像处理
退休码农飞伯德
02-01 4583
OpenCV是学习数字图像处理的好工具，本专栏拟打算从对OpenCV源码的学习来研究数字图像处理中的基本操作。我开设本专栏不为别的，只希望能系统地学习OpenCV，并把我支离破碎的数字图像处理知识好好理一理。当然，最终还是为了我的毕设啦！这是我大学的最后一个作品了，我希望能有一个好的结果。 因此，本专栏的所有文章相当于我的学习笔记，内容仅供参考，也欢迎各位批评指正。 OpenCV Ope
遥感数字图像处理的学习笔记
伯努利
03-31 3540
遥感数字图像处理的学习笔记
数字图像处理基础：图像处理概念、步骤、方式介绍
阿旭的博客
09-03 4245
数字图像处理基础：图像处理概念、步骤、方式介绍
数字图像处理大作业实验报告
热门推荐
qq_56919740的博客
11-26 2万+
数字图像处理大作业，栽树了属于是
Visual C++数字图像处理教程与实战案例
最新发布
weixin_33660045的博客
10-04 1523
本文还有配套的精品资源，点击获取 简介：数字图像处理是计算机科学的重要分支，包括图像采集、预处理、变换、分析、操作、合成和识别等多个环节。本教程由谢凤英和赵丹培编著，专注于使用Visual C++实现这些图像处理技术。教程提供了一套完整的源代码，涵盖了图像处理的基本理论和实用编程实践，是学习和研究数字图像处理的宝贵资源。 1. 数字图像处理基础 1.1 图像...
VC数字图像处理编程
12-04 9695
数字图像处理技术与理论是计算机应用的一个重要领域，许多工程应用都涉及到图像处理，一直有一个强烈的愿望，想系统的写一个关于数字图像处理的讲座，由于工作学习很忙，时至今日才得以实现。 　　“图”是物体透射光或反射光的分布，“像”是人的视觉系统对图的接收在大脑中形成的印象或认识。图像是两者的结合。人类获取外界信息是靠听觉、视觉、触觉、嗅觉、味觉等，但绝大部分（约80%左右）来自视觉所接收的图像
遥感数字图像处理（实验一）——预处理、图像的真彩色和拉伸显示（包括图像的直方图显示、线性拉伸、与直方图匹配）
qq_50559644的博客
04-01 1万+
遥感数字图像处理——遥感数字图像预处理、图像的真彩色和拉伸显示，包括图像的直方图显示、线性拉伸、与直方图匹配。
数字图像基础（二进制图像、灰度图像、RGB图像、索引图像和多帧图像）
onlyfanlala的博客
03-04 1万+
1、 图像的分类 根据图像的属性不同，图像分类的方法也不同。 ①从获取方式上图像分为拍摄类图像和绘制类图像； ②从颜色上图像分为彩色图像、灰度图像和黑白图像等； ③从内容上图像分为人物图像、风景图像等； ④从功能上图像又分为流程图、结构图、心电图、电路图和设计图等。 ⑤在数字图像处理领域，将图像分为模拟图像和数字图像两种，计算机处理的信号都是数字信号，所以在计算机上处理的图像均为数字图像。 ⑥根据数字图像在计算机中表示方法的不同，分为二进制图像、索引图像、灰度图像、RGB图像和多帧图像； ⑦根据计算机中图像
数字图像处理（第三版）第1章 绪论
qq_55871320的博客
06-30 704
数字图像处理第一章个人入门学习心得体会
数字图像处理小工具 matlab
qq_66631916的博客
04-29 937
设计完成后，点击GUI图形界面上的菜单或者按钮，在某些图像处理操作中能够接收参数，进行必要的交互式操作后，最终能显示运行结果。通过点击按钮实现在同一界面下，切换不同的面板，在不同面板上对图像进行灰度对数变换操作，并显示在主界面窗口。上传完毕后，点击主界面“处理图像”，打开次界面，能够在次界面中对图像进行各种变换并显示在主界面窗口。图像处理小工具中，有许多需要通过点击按钮实现对图像切换的操作，且变换后的图像显示在原来的区域。以图像二值化为例，拖动滑块，也可以输入数值，使图像变换为对应阈值下的二值图像。
数字图像处理 图像转换成文字(bmp2txt)
ydar95的博客
05-15 5114
数字图像处理 图像转换成文字(bmp2txt)0.引言我最近在大B站看到很多的字符动画,让我想起了我初一的时候也做过这东西.(真让人怀恋啊,现在都大三了) 现在我想让大家了解了解,这个东西的算法是什么样的(思路上基本上大同小异)1.介绍bmp2txt ,就是将使用文字排列后,在显示文字时,看起来和对应的原图像有一些相似.
基于matlab实现H8数据真彩色合成，多通道合成[数字图像处理]伽马变换
qq_33765083的博客
02-01 1349
** 基于matlab实现H8数据真彩色合成，多通道合成[数字图像处理]伽马变换 ** 参考链接： a.https://blog.csdn.net/zhoufan900428/article/details/12709361 b.https://blog.csdn.net/qq_35044509/article/details/78713289?utm_medium=distribute.pc_relevant_bbs_down.none-task-blog-baidujs-2.nonecase&d
VC数字图像处理编程讲座[转载]
ChenCY^_^
11-11 2739
VC数字图像处理编程讲座2003-10-30  刘涛作者授权转载  　　前 言　　数字图像处理技术与理论是计算机应用的一个重要领域，许多工程应用都涉及到图像处理，一直有一个强烈的愿望，想系统的写一个关于数字图像处理的讲座，由于工作学习很忙，时至今日才得以实现。　　“图”是物体透射光或反射光的分布，“像”是人的视觉系统对图的接收在大脑中形成的印象或认识。图像是两者的结合。人类获取外界信息是靠听觉、视
数字图像处理实验目录
国家一级致癌物
06-29 2020
matlab学习与操作 实验内容： 6. 读入两幅彩色图像，并分别显示图像的尺寸信息，裁剪两幅图片为相同的正方形尺寸，并保存为两幅新的图片A和B。 7. 将两幅彩色图像A与B 按照不同的比例 (0.7:0.3, 0.5: 0.5, 0.3:0.7) 相加合成一幅新的图像，并在一个图像窗口中显示原始图像、三个合成图像。 8. 将图像从RGB颜色空间转换为灰度空间，分别用加权法、均值法和最大值法、以及matlab自带的函数rgb2gray. 加权法就是 GRAY=0.3R+0.59G+0.11*B 均值法
MATLAB--数字图像处理 数学形态学应用
海到无边天作岸 山登绝顶我为峰
12-12 4325
一、实验名称 数学形态学应用 二、实验目的 1.熟悉MATLAB软件的使用。 2.掌握数字图像处理中的腐蚀、膨胀定义及操作。 3.掌握图像的开运算、闭运算 三、实验内容 1.在长方形目标物A中,内部有噪声导致的空洞，周围有噪声块。编写MATLAB程序，达到处理后效果:目标本身除了4个角的直角变为圆角外没有变化。 2.利用击中击不中原理，确定所需判断图像在图像中的位置 四、实验仪器与设备 Win10...
数字图像处理复习(part1)
weixin_42660855的博客
12-24 1013
数字图像处理复习 之前看学长大四发了学习笔记，看着复习挺方便的，我也试试吧。初次在CSDN上写东西，写的还不是代码，本人学习能力也一般，可能写的不是很好啊。见谅~ Chapter1 绪论 引入：什么是图像？ 摄像机：物体通过光学系统，将光信号传递给成像器件，然后通过光电转换，编程电信号，传递给显示设备，成像。 模拟图像和数字图像 模拟图像：又称连续图像，是指在二维坐标系中连续变化的图像，图像的像...
《数字图像处理-OpenCV/Python》连载（2）目录
youcans的博客
08-24 2115
电子出版社图书《数字图像处理-OpenCV/Python》连载（2）目录 本书京东优惠购书链接：https://item.jd.com/14098452.html
图像处理-RGB24转YUV420遇到的坑以及执行效率对比
armwind的专栏
08-21 7459
文章目录一、色彩空间简介及一些参考文档二、YUV和RGB转换公式三、RGB和YUV420转换提前需要了解的知识1.YUV420内存布局2.RGB内存布局3.转换方式四、源代码执行效率对比五、编译过程中遇到的问题 一、色彩空间简介及一些参考文档 不同的色彩空间，颜色的表现形式不同(见http://colorizer.org/　这个网站中简单介绍了各个色彩空间的模型。)。色彩空间中的颜色是可以相互转化...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值