图像通道

1、从numpy 和list 创建 2、tf.zeros和tf.ones 3、tf.fill 4、random 5、constant 6、tensor的应用 （1）[ ]，Scalar标量 （2）[ d ]，Vector （3）[ h，w]，Matrix矩阵 （4）[ b，len，vec]，自然语言处理中使用广泛，[ b，seq_len，word_dim] 即[句子，单词的数量，单词编码的长度] （5）[ b，h，w，c]，图像处理，[张数，长，宽，通道数] （6）[ t，b，h，w，c]，图像批处理，[task任务数，张数，长，宽，通道数] 来源： https://www.cnblogs.com/pengzhonglian/p/11895665.html

原文地址： http://www.sohu.com/a/298275731_468638 如果你听过深度学习中不同的卷积类型，包括： 2D/3D/1*1/Ttransposed/Dilated/Spatially Separable/Depthwise Separable/Flattened/Grouped/Shuffled Grouped Convolution 这些，但是并不清楚它们实际意味着什么，本文就是带大家学习这些卷积到底是如何工作的。 在本文中，我尽量使用简单明了的方式向大家解释深度学习中常用的几种卷积，希望能够帮助你建立学习体系，并为你的研究提供参考。 Convolution VS Cross-correlation 卷积是一项在信号处理、视觉处理或者其他工程/科学领域中应用广泛的技术。在深度学习中，有一种模型架构，叫做Convolution Neural Network。深度学习中的卷积本质上就是信号处理中的Cross-correlation。当然，两者之间也存在细微的差别。 在信号/图像处理中，卷积定义如下： 由上公式可以看出，卷积是通过两个函数f和g生成第三个函数的一种数学算子。对f与经过翻转和平移的g乘积进行积分。过程如下： 信号处理中的卷积。滤波器g首先翻转，然后沿着横坐标移动。计算两者相交的面积，就是卷积值。 另一方面，Cross

　　这个课题在很久以前就已经有所接触，不过一直没有用代码去实现过。最近买了一本《机器视觉算法与应用第二版》书，书中再次提到该方法：使用傅里叶变换进行滤波处理的真正好处是可以通过使用定制的滤波器来消除图像中某些特定频率，例如这些特定频率可能代表着图像中重复出现的纹理。 　　在网络上很多的PS教程中，也有提到使用FFT来进行去网纹的操作，其中最为广泛的是使用PS小插件FOURIER TRANSFORM，使用过程为：打开图像--进行FFT RGB操作，然后定位到红色通道，选取通道中除了最中心处的之外的白点区域，然后填充黑色，在返回综合通道，点击IFFT RGB，就OK了， 　　　　　　　　　　　　　　　原图 　　　　　　　　　　　　　　　　　　　　　　　　FFR RGB 频谱图 　　　用于消除与纹理对应的频率的滤波器　　　　　　　　　　　　　　　　 　IFFT RGB处理的结果图　　 　　针对这一幅，我曾尝试在PS中用其他的方法来去背景纹理，可是一般去网的同时也把相片模糊了，只有FFT去网纹插件能完美去掉相片的网纹而且不损伤画质。 　　这个插件有个特性，他要求输入必须是3通道或者4通道的图，但是用他处理完成后的图虽然表面上看还是3通道还是4通道的，但是他已经失去了彩色信息了，我们注意到他在进行FFT RGB操作后，RGB三个通道中，R通道保存了频谱图，G通道了保存了相位图

1、主流颜色空间 RGB三通道彩色图，每个通道都是[0,255]，常用的三通道―>单通道，Gray=R*0.3+G*0.59+B*0.11 2、图像增强的目标 改善图像的视觉效果 转换为更适合人或机器分析处理的形式； 突出对人或机器分析有意义的信息 抑制无用信息，提高图像的使用价值 包括图像锐化、平滑、去躁、灰度调整（对比度增强） 3、图像处理方法 3.1 特征提取方法 直方图 3.2 空间域处理及其变换 来源: https://www.cnblogs.com/yqpy/p/11337369.html

文章目录 Abstract 1. Introduction 2. Common Core of Experiments 3. Rich Model for Steganalysis of Color Images 4. 实验 5. Conclusion Abstract 在这篇文章中提出了一种对于Spatial rich model的扩展，附加特征由RGB三个通道的三维共现形成，他们的作用是捕捉颜色通道之间的依赖关系。这些CRMQ1（color rich model）对于展现了色彩插值痕迹的图片可以非常有效地检测其隐写信息。内容自适应算法由于其修改相同像素信息的趋势而受到更大冲击。该特征集的有效性在BOSSbase三个不同的颜色版本和两种隐写算法上得到验证。 1. Introduction 所有针对灰度设计的隐写分析技术都可以通过将彩色图像看做三倍大的灰度图像来应用于彩色图像，但这种方法失去了色彩之间的依赖性信息。 文献18中提出了第一个考虑颜色通道间相关性的彩色图像隐写分析特征集。作者使用了高阶的噪声残差矩，残差通过对三颜色通道的图像进行QMF分解的系数进行预测得到。 文献19中提出了另一种LSB颜色匹配检测器。作者使用图像的3D颜色立方体表示，提出了3*3*3领域的相对频率作为隐写特征。这种方法在解压后的JPEG文件中表现很好，但在大量具有单一色彩的图像中表现不佳

python PIL 图像处理 This blog is from: https://www.jianshu.com/p/e8d058767dfa Image读出来的是PIL的类型，而skimage.io读出来的数据是numpy格式的 #Image和skimage读图片 import Image as img import os from matplotlib import pyplot as plot from skimage import io,transform img_file1 = img.open('./CXR_png/MCUCXR_0042_0.png') img_file2 = io.imread('./CXR_png/MCUCXR_0042_0.png') 输出可以看出Img读图片的大小是图片的(width, height)；而skimage的是(height,width, channel), [这也是为什么caffe在单独测试时要要在代码中设置：transformer.set_transpose('data',(2,0,1))，因为caffe可以处理的图片的数据格式是(channel,height,width)，所以要转换数据] #读图片后数据的大小： print "the picture's size: ", img_file1.size print "the

在写OpenCV程序时，发现通过image = imread(“the path of a image”);的方式读入的灰度图片都是3通道，并且每个通道都完全相同，可以通过打印image.channels()进行测试。 为了正确地读入灰度图像，需要通过image = imread(“the path of a image”, IMREAD_GRAYSCALE);的方式来实现，同样打印image.channels()发现读入的图片只有单通道。 来源： CSDN 作者： chensonglu 链接： https://blog.csdn.net/lkj345/article/details/53148617

原文: http://blog.gqylpy.com/gqy/418 置顶：来自一名75后老程序员的武林秘籍——必读 （博主推荐） 来，先呈上武林秘籍链接： http://blog.gqylpy.com/gqy/401/ 你好，我是一名极客！一个 75 后的老工程师！ 我将花两分钟，表述清楚我让你读这段文字的目的！ 如果你看过武侠小说，你可以把这个经历理解为，你失足落入一个山洞遇到了一位垂暮的老者！而这位老者打算传你一套武功秘籍！ 没错，我就是这个老者！ 干研发 20 多年了！我也年轻过，奋斗过！我会画原理图，会画 PCB，会模拟，会数字！玩过 PLC，玩过单片机，会用汇编，会用 C！玩过 ARM，比如 PLC，STM32，和时下正在起飞的 NXP RT1052！搞过 DSP，比如 TMS320F28335！搞过 FPGA，不管 Xilinx 还是 Altera，也不管是 Verilog 还是 VHDL，或者直接画数字电路图！我懂嵌入式系统，比如 uCOS 和 Linux！我懂开源的硬件，比如 Arduino 和树莓派!我也搞软件，学了一堆上位机的语言C#，JAVA，Python，Kotlin，Swift！会写爬虫工具，又自学写APP，不管Android 还是 IOS！ 可是这一切有什么用呢？土鸡瓦狗！不值一提！干技术的永远就是最苦逼的那个人！ 我相信看到这里的你，应该是个 IT

介绍 PIL是一个专门用来处理图像的模块，可以对图象进行各种各样的变换 打开一张图片 python from PIL import Image # 调用Image下的open方法，即可打开一张图片 # 得到的im便是图片的字节流 # 我们便可以对im进行操作 im = Image.open("古明地觉.jpg") 查看图片的相关信息 显示图片 python im.show() 获取图片的信息 python print(im.format) # JPEG 获取大小 python print(im.size) # (960, 626) """ 关于图片的大小，我要说两句 首先图片的结构是一个三维数组，第一维表示行，第二维表示列，第三位表示rgb或者灰度值 我们平常说一张图片是1920*1080，指的是这张图片每一行有1920个像素，每一列有1080个像素，想成一个长方形的话，就是长为1920，宽为1980 每一个像素点，是一个rgb或者灰度值，所有的像素组合，成为一张图片 1920 * 1080相当于是有1080行，1920列 一般我们对数组进行操作时，比如numpy，通过指定在哪一行、以及哪一列来获取对应的元素。都是先确定行，然后再确定列 比如对于这样一张1920*1080的图片，假设转为了一个numpy里面的数组。我如果要获取图片最右下角的那一个点的像素值的话，我要怎么获取呢？

1 计算数组加权和用addWeighted函数，作用是计算两个数组（图像阵列）的加权和。原型如下： void addweighted(InputArray srcl,double alpha,InputArray src2,double beta,double gamma,OutputArray dst,int dtype=-1); uploading-image-436808.png 2 对RGB三个颜色通道的分量进行分别显示和调整用opencv中的split和merge split是将一个多通道数组分离为几个单通道数组 merge是将多个单通道数组合并成一个多通道数组 如果要想动多通道数组中提取出特定的单通道数组，或者说实现一些复杂的通道组合，可以用mixChannels（）函数 来源： https://www.cnblogs.com/shuguomeifuguo/p/11938430.html