图像处理标签_开源鸿蒙跨平台开发者社区

图像处理

深度学习网络结构解析：从VGGNet到LSTM

本文深入分析了卷积神经网络VGGNet-16和循环神经网络RNN，包括其在图像处理和自然语言处理中的应用，特别是详细探讨了LSTM如何有效解决传统RNN的长期依赖问题。通过代码实现，我们了解了循环网络如何通过时间反向传播进行训练，以及LSTM单元的内部机制。

喵喵蜜
2025-04-11 12:54:16

 443

 4

#深度学习 #图像处理
特征匹配【7】：【MambaGlue】Fast and Robust Local Feature Matching With Mamba

效率与鲁棒性的权衡：现有基于Transformer的局部特征匹配方法计算复杂度高（随关键点数量平方增长），难以满足实时性需求。Mamba（选择性状态空间模型）与RNN这种状态空间模型要比Transformer结构更容易感知顺序关系（位置信息），Transformer则是通过位置编码来感知顺序关系，Mamba与Transformer的混合结构可以同时捕捉全局和局部上下文，提升特征表达能力。这种算法通

 找。不。到。路。了。呢。
2025-07-30 10:14:29

 1219

 28

#深度学习 #人工智能 #图像处理 +1
图像处理中的 Gaussina Blur 和 SIFT 算法

高斯模糊是通过高斯核(Gaussian Kernel)对图像进行卷积操作实现的. 二维高斯函数定义为Gxyσ12πσ2e−x2y22σ2Gxyσ12πσ2e−x2y22σ2其中：xyxy(x, y)是像素点的坐标σσ\sigma是高斯核的标准差, 控制模糊程度σσ\sigma越大, 图像越模糊。

Irisophia Xie
2025-05-09 12:28:25

 87

#图像处理 #算法 #人工智能
图像处理中的 Gaussina Blur 和 SIFT 算法

高斯模糊是通过高斯核(Gaussian Kernel)对图像进行卷积操作实现的. 二维高斯函数定义为Gxyσ12πσ2e−x2y22σ2Gxyσ12πσ2e−x2y22σ2其中：xyxy(x, y)是像素点的坐标σσ\sigma是高斯核的标准差, 控制模糊程度σσ\sigma越大, 图像越模糊。

俞宝宝爱吃鱼
2025-05-08 11:46:04

 86

#图像处理 #算法 #人工智能
图像处理中的 Gaussina Blur 和 SIFT 算法

高斯模糊是通过高斯核(Gaussian Kernel)对图像进行卷积操作实现的. 二维高斯函数定义为Gxyσ12πσ2e−x2y22σ2Gxyσ12πσ2e−x2y22σ2其中：xyxy(x, y)是像素点的坐标σσ\sigma是高斯核的标准差, 控制模糊程度σσ\sigma越大, 图像越模糊。

源汉字密码探源
2025-05-10 13:06:31

 101

#图像处理 #算法 #人工智能
【OpenCV】Python图像处理之形态学梯度运算

形态学梯度是一种基于膨胀和腐蚀运算的边缘提取方法，通过计算膨胀图像与腐蚀图像的差值来获取目标轮廓。其核心公式为Gradient=Dilation(img)−Erosion(img)，能有效提取物体边缘。OpenCV中通过cv2.morphologyEx()函数实现，支持三种梯度类型：基本梯度（内外边缘）、内部梯度（仅内边缘）和外部梯度（仅外边缘）。该方法计算速度快，适用于二值图像，但边缘较粗且抗噪

 棒棒的皮皮
2025-12-24 15:46:48

 995

 23

#opencv #python #图像处理 +1
ComfyUI-RyanOnTheInside：开启ComfyUI动态交互创作新时代

音频与MIDI交互应用：可将音频分离为单独的乐器轨道，从音频和MIDI中提取特征来创建视觉效应。比如在制作音乐可视化作品时，能根据音乐的节奏、旋律等生成动态的光影变化、图形舞动等视觉效果。粒子系统创作：利用粒子发射器和力场，如重力井和涡流，创建复杂的交互效果。粒子可根据时间、速度和颜色进行调制，常用于制作科幻场景中的能量波动、魔法特效等粒子动画。运动流处理：基于视频序列中的运动生成遮罩，创建基于运

 迈火
2025-11-05 09:00:00

 1445

 41

#计算机视觉 #人工智能 #图像处理 +2
3D Face HRN基础教程：人脸检测失败原因分析与图像预处理修复指南

本文介绍了如何在星图GPU平台上自动化部署3D Face HRN人脸重建模型，实现高精度3D人脸生成功能。该模型可从单张2D照片重建3D人脸，广泛应用于虚拟形象创建、影视特效制作等场景。文章详细解析了人脸检测失败原因，并提供了图像预处理的完整解决方案。

青妍
2026-01-28 02:33:58

 199

 1

#图像处理 #深度学习
Python｜GIF 解析与构建（5）：手搓截屏和帧率控制

本文通过ctypes实现了 Windows 下的自定义截屏，并基于时间管理实现了帧率控制，下一个就是关于tk的录制软件制作。以下是完整代码：# 获取屏幕数据# 定义常量# 缩放比例zoom = 1try:finally:# 屏幕截取# 获取桌面窗口句柄# 获取桌面窗口的设备上下文return 0# 创建一个与屏幕兼容的内存设备上下文# 创建一个位图# 将位图选入内存设备上下文# 定义SRCCOPY

myzzb
2025-06-06 17:07:12

 1076

 17

#python #图像处理
基于机器视觉的车道线检测与跟踪关键技术研究

本文提出了一种基于深度学习的车道线检测与跟踪系统，采用改进的UNET_SERESNEXT101模型和加权损失函数优化训练过程。通过多尺度特征融合和图像语义分割技术，系统在复杂交通场景中表现出良好的适应性。实验使用MyDataset数据集，结合DDP框架和ModelEMA等技术优化性能。结果表明，该系统在保证实时性的同时显著提升了检测准确率，为自动驾驶技术提供了可靠支持。未来研究将探索更多优化方向以

 qq_35873960
2025-08-15 18:46:20

 1367

 21

#机器学习 #sklearn #语言模型 +4
RMBG-2.0日志监控配置：Uvicorn日志+推理耗时埋点+异常捕获

本文介绍了如何在星图GPU平台上自动化部署RMBG-2.0背景移除（内置模型版）v1.0镜像，实现高效、稳定的AI图像背景去除服务。通过平台一键部署，用户可快速构建具备日志监控、推理耗时埋点与异常捕获能力的生产级服务，广泛应用于电商商品图处理、人像证件照制作等典型场景。

薛迟
2026-02-01 00:24:50

 282

 3

#图像处理
图像处理

半径计算权重参数矩阵指的是：在图像处理中，根据一个给定的半径（Radius）值，来计算一个核（Kernel），这个核本身就是一个包含了所有权重参数的矩阵，用于后续的滤波操作。它是一个矩阵，矩阵中的每一个值代表一个权重。•局部自适应：不同于全局拉伸或直方图均衡化，ACE能根据图像不同区域的特性进行自适应增强，效果通常更自然。•数学关系：核的尺寸，通常与半径 r的关系是：size = 2 * r

七点半770
2025-09-20 11:43:41

 485

 5

#图像处理 #计算机视觉 #人工智能
ComfyUI-tinyterraNodes：解锁ComfyUI的高效图像工作新体验

图像查看与管理：提供便捷的全屏幕图像查看功能，如通过右键菜单中的“fullscreen🌏”可打开全屏幕图像查看器，展示当前ComfyUI会话中所选节点生成的所有图像。还能设置默认全屏幕节点，方便快速查看特定节点生成的图像，并且支持幻灯片模式，可自动切换到新生成的图像，便于用户查看图像生成的动态过程。快捷操作与交互：设置了丰富的快捷键，如“shift+F11”可打开或关闭全屏幕图像查看器，方向键可

 迈火
2025-11-08 09:00:00

 1233

 20

#计算机视觉 #人工智能 #图像处理 +1
新冠康复患者的脑部 “隐形伤痕”：高精度 MRI 揭示长期神经改变的多维度证据

新冠病毒（SARS-CoV-2）不仅攻击呼吸系统，其对中枢神经系统（CNS）的潜在影响已成为全球关注焦点。尽管多数患者急性期无明显神经症状且常规 MRI 检查未见异常，但越来越多证据表明新冠可能通过间接机制（如炎症风暴、缺氧、血管损伤）引发长期脑部微观结构改变。本研究发表于《The Journal of Clinical Investigation》（Qin Y et al., 2021），首次通

 楚山之石
2025-08-01 20:45:00

 1068

 24

#mr #学习 #科技 +2
即插即用系列 | CVPR 2025 LSRNA：利用隐空间超分与噪声对齐，打破扩散模型生成 4K 图像的效率瓶颈

本文提出LSRNA框架，通过将超分辨率过程转移到隐空间，显著提升扩散模型生成高分辨率图像的效率。核心创新包括：1) 轻量级隐空间超分网络(LSR)快速放大潜变量；2) 频率感知噪声对齐(NA)模块解决分布不匹配问题。实验表明，该方法在生成4K图像时比现有技术快3倍，同时避免结构崩坏和重复纹理问题。LSRNA可无缝集成到现有扩散模型中，为高分辨率图像生成提供高效解决方案。

花开山岗红艳艳
2026-01-15 21:04:02

 1030

 21

#超分辨率重建 #人工智能 #图像处理 +3
ComfyUI - PixelArt - Detector：ComfyUI中像素艺术风格的探索与应用

游戏开发：在游戏开发领域，像素艺术风格因其独特的复古魅力和较低的资源需求而备受青睐。ComfyUI - PixelArt - Detector插件能帮助游戏开发者快速识别和提取素材中的像素艺术元素，从而更好地应用于游戏场景、角色和道具的设计。例如，在开发一款复古风格的角色扮演游戏时，开发者可以利用该插件从各种参考图像中精准检测出像素艺术风格的图案，将其融入游戏中的建筑纹理、角色服饰等部分，不仅节省

 迈火
2026-01-15 09:00:00

 637

 10

#人工智能 #计算机视觉 #AIGC +1
论文笔记：EdgeTAM: On-Device Track Anything Model

过去的方法通过压缩SAM的image encoder来实现轻量化，因为SAM的mask decoder参数量很小。转而使用基于学习的压缩器，比如Perceiver，用一组小固定 learned queries来总结密集feature map，然而简单使用Perceiver性能也会降低。两个阶段均将student model与SAM2的image encoder特征对齐，在第二阶段，还对齐memor

m0_46238121
2025-07-08 21:12:57

 726

 4

#论文阅读 #深度学习 #神经网络 +1
基于深度学习YOLOv12的草莓成熟度检测系统（YOLOv12+YOLO数据集+UI界面+登录注册界面+Python项目源码+模型）

本项目构建了一套基于深度学习 YOLOv12 的草莓成熟度识别检测系统，旨在实现对草莓在不同成熟阶段的高精度、实时检测与分类。系统采用 YOLO 格式数据集，将草莓分为 3 个类别：生（raw）、半熟（turning）及成熟（ripe），并使用 2939 张训练集与 774 张验证集图片进行模型训练与验证。模型在 YOLOv12 框架下结合多尺度特征提取与优化的锚框机制，实现了对不同大小、不同角度

 网络爬虫大揭秘
2026-01-26 00:14:25

 945

 27

#深度学习 #ui #python +3
【深度学习基础/面试高频问题】常见的归一化

批量归一化（Batch Normalization, BN）是一种通过归一化层输入来加速深度神经网络训练的技术。它通过减少内部协变量偏移，使得网络能够使用更高的学习率，并且减少对参数初始化的依赖。BN的核心思想是对每个小批量数据进行归一化，使其均值为0，方差为1，并通过可学习参数γ和β进行缩放和偏移，以恢复网络的表示能力。实验表明，BN显著加速了训练过程，并提高了模型性能，特别是在大规模图像分类任

 MB
2025-05-19 13:36:26

 863

 24

#深度学习 #人工智能 #计算机视觉 +2
Layer Normalization 层参数详解以及与BatchNorm的对比

normalized_shape：指定归一化的最后几个维度的大小，而不是 batch 维度。eps：防止除零，默认为 1e-5，可以调大增加稳定性。True（默认）：使用 learnable gamma 和 beta 参数。False：只做归一化，不引入 learnable 参数。device 和 dtype：控制计算设备和数据类型。

weixin_51700815
2025-03-25 18:06:52

 1784

 19

#人工智能 #深度学习 #计算机视觉 +2
【OpenCV】Python图像处理之图像加密解密

摘要：本文介绍了使用OpenCV-Python实现图像加密解密的多种方法。主要包括：1）基础异或加密，通过逐像素异或运算实现可逆加密；2）像素置乱加密，包括Arnold变换和随机置换两种方式；3）组合加密，结合异或加密和Arnold变换提高安全性；4）混沌加密，利用Logistic映射生成随机密钥。文章详细说明了每种方法的实现原理、代码示例和注意事项，并比较了不同方案的安全性和适用场景。强调密钥管

 棒棒的皮皮
2025-12-04 17:51:09

 706

 3

#opencv #python #图像处理 +1
RMBG-2.0镜像部署：支持NVIDIA Container Toolkit，Docker Compose一键启停

本文介绍了如何在星图GPU平台上自动化部署🧿 RMBG-2.0 · 境界剥离之眼-背景扣除镜像，实现高效的AI背景扣除功能。该平台简化了部署流程，用户可快速搭建服务，并将其应用于电商产品图白底制作、人像摄影背景替换等场景，显著提升图像处理效率。

FasterThanMind
2026-03-13 02:11:16

 25

#图像处理
【图像恢复】论文精读：Omni-Kernel Network for Image Restoration

图像恢复旨在从退化的低质量观察中重建高质量图像。最近，Transformer模型在图像恢复任务中取得了很好的性能，因为它们具有强大的建模长期依赖关系的能力。然而，相对于输入大小，二次增长的复杂性使它们不适用于实际应用。本文通过增强多尺度表示学习，开发了一种用于图像恢复的高效卷积网络。为此，我们提出了一个由三个分支组成的泛核模块，即全局、大型和局部分支，以有效地学习全局到局部的特征表示。具体而言，全

 18岁小白想成大牛
2025-08-10 08:41:43

 1432

 29

#计算机视觉 #图像处理 #深度学习 +2
libbmp 在 OpenHarmony 上的适配与实战全攻略：从零到一的图像处理突围

今天，我就想把这段从"头铁"到"真香"的经历整理出来，带你深入了解如何将这个轻量级的"瑞士军刀"完美植入 OpenHarmony 生态。这不仅仅是一篇技术文档，更是一场关于"小而美"哲学的实战演习。我会从实际遇到的坑出发，带你理解每一个技术决策背后的思考，而不仅仅是告诉你"应该怎么做"。

wdracky
2026-03-27 11:02:29

 402

 11

#图像处理 #人工智能 #鸿蒙 +1
OpenHarmony相机和图像处理 | Flutter开发指南

本文探讨了在Flutter应用中实现相机和图像处理功能的技术方案。文章首先介绍了相机功能的基础架构，包括状态管理和图片路径存储。然后详细讲解了拍照功能的实现，包括调用系统相机和从相册选择图片的方法。在图片预览部分，展示了如何根据状态显示不同的UI组件。最后，文章介绍了图像处理功能的实现，包括裁剪、旋转、滤镜等操作按钮的布局设计。此外，还简要提及了Flutter与OpenHarmony系统桥接的原理

 2501_94452454
2025-12-04 23:07:51

 699

 19

#flutter #图像处理
即插即用系列 | CVPR 2025 DICMP：基于深度信息辅助的图像去雾与深度估计双任务协同互促网络

本文提出了一种基于深度信息辅助的双任务协同网络（DICMP）用于单幅图像去雾。该方法通过构建去雾与深度估计的闭环系统，利用双任务交互模块（DTI）实现特征级信息共享，并提出差异感知机制，通过深度估计误差反馈指导去雾网络重点关注困难区域。实验表明，该方法在SOTS和NYU Depth v2数据集上取得了SOTA性能，同时提升了深度估计精度。该框架的核心创新在于利用任务间的物理关联性构建反馈机制，为多

 花开山岗红艳艳
2025-12-27 21:15:49

 868

 9

#深度学习 #计算机视觉 #人工智能 +3
Python+Qt图像处理长宽面积检测识别

这篇博客针对《Python+Qt图像处理长宽面积检测识别》编写代码，代码整洁，规则，易读。学习与应用推荐首选。

alicema1111
2024-06-02 09:34:55

 1117

 18

#python #qt #图像处理 +2
算法实战应用案例精讲-【图像处理】跨平台C++应用程序开发框架QT应用详解

Qt是一个跨平台的C++应用程序开发框架。它由Qt Company（前身为Nokia）开发，用于开发图形用户界面、嵌入式系统、以及其他应用程序，支持Windows、macOS、Linux、Android和iOS等多个操作系统。Qt框架提供了丰富的功能和工具，包括图形用户界面设计、数据库操作、网络编程、文件处理等。它还包括了一个广泛的类库，开发者可以使用这些类来加速应用程序的开发过程。Qt还具有良好

 林聪木
2024-04-17 00:30:00

 1.4w

#算法 #图像处理 #c++
QT配置OpenCV-4.5.1并运行程序

近期打算结合QT做一个人脸识别的项目，所以配置了一下QT中的OpenCV环境

 桂花年糕仔
2022-06-02 21:58:49

 8401

 4

#opencv #qt #计算机视觉 +1
双线性内插法--图像缩放算法

目录一、问题描述二、算法原理双线性内插法双线性内插法参数计算三、算法效果四、算法代码一、问题描述我们在处理图像的时候常常会遇到图像放大的问题，那么选择什么样的图像放大算法，能有什么样的效果，就是我们比较关心的问题了。最近（其实是很久以前），我根据网上大神们，关于双线性内插算法的资料，总结了一个用于图像缩放的算法的代码，我把它总结在博客里，希望能够方便自己和大家随时的...

神迹降临
2019-08-13 23:55:10

 2865

 6

#图像处理
Create an identity image from a string

Create an identity image from a stringIf you want to identically generate an image to identify multiple objects, here is the right place you come.In a project, I want to do so in C++ with Qt. Thanks t

yanmiao_liu
2020-11-02 16:42:45

 255

#c++#图像处理
OpenCV与Qt图像处理集成实践

的基本知识和图像处理的初步应用。我们实现了图像的加载、显示、保存、基本处理和鼠标事件的响应，为后续深入学习。）是一个开源的计算机视觉和机器学习软件库，能帮助用户开发和实现多种图像处理和计算机视觉任务。OpenCV与Qt图像处理集成实践（包含详细的完整的程序和数据）资源-CSDN文库。OpenCV与Qt图像处理集成实践（包含详细的完整的程序和数据）资源-CSDN文库。进行图像加载、显示、保存、简单处

 xiaoxingkongyuxi
2024-11-23 15:02:41

 741

 17

#opencv #qt #图像处理 +4
flutter开发实战-图片缩放裁剪框图片裁剪功能

flutter开发实战-图片缩放裁剪框图片裁剪功能在开发中，需要选择相册的图片进行裁剪出图片的一小块内容作为目标图片，如上传头像，就是在用户选择头像后，根据裁剪狂来裁剪出所需要的图片进行上传。这里记录一下使用extend_image实现的图片缩放裁剪框图片裁剪功能。

BruceBoy
2023-10-31 12:23:42

 2986

#flutter #图像处理
React Native中图像处理的实践技巧

本文深入探讨了React Native中处理图像的多种技术，包括如何处理不同分辨率的图像、如何通过URI加载远程图像以及如何使用样式属性对图像进行样式定制。通过使用resizeMode属性控制图像在组件中的裁剪方式，使用aspectRatio属性按特定宽高比渲染图像，以及如何在图像加载时显示加载指示器，文章提供了详细的实践方法和代码示例。

云山雾村
2025-05-17 10:11:48

 344

 3

#图像处理
使用 Kotlin 和 Tesseract OCR 实现验证码识别

借助 Kotlin 的简洁语法和 Tesseract OCR 的强大文本识别能力，我们可以快速实现验证码的自动识别。tesseract.setDatapath("/usr/share/tesseract-ocr/4.00/tessdata")// 根据实际路径调整。Tesseract 是一个开源的 OCR 引擎，可以轻松集成到 Kotlin 中。println("识别结果：$result")pri

ttocr.com
2025-03-31 15:28:36

 589

 4

#计算机视觉 #图像处理
windows11配置Qt5.15.2+pcl1.20.0+vtk9.1.0+vs2019

本文省去大部分教程雷同的CMake编译和Vs2019编译部分，着重说一下编译完成后如何把繁琐的pcl库文件导进Qt。

popkl
2023-12-28 16:14:05

 1949

 24

#qt #开发语言 #c++ +2
图像处理——Qt5.12.0+opencv2.4.6的使用

本次项目主要是使用Qt平台编写图像处理程序，用到了opencv库。本文主要讲解怎么在Qt平台中添加opencv库，以及使用opencv库的注意事项，通过opencv库实现图像的直方图分析，形态学处理，线性滤波和非线性滤波，图像二值化，边缘提取以及轮廓分析，人脸检测，使用多线程批量处理图片加快处理速度等。若想要编译好的opencv库，请查看咸鱼，链接：https://market.m.ta...

kissgoodbye2012
2019-09-12 19:34:38

 1628

#opencv #图像处理
一个完整的app代码涉及到很多复杂的步骤，包括设计、前端和后端的开发、测试等。

创建一个完整的app代码涉及到很多复杂的步骤，包括设计、前端和后端的开发、测试等。由于篇幅和时间限制，我无法为您提供一个完整的app代码，但我可以为您提供一些简单的示例或框架，以帮助您入门。Flutter是Google的开源移动UI工具包，用于开发原生的iOS和Android应用。对于Android应用，您可以使用Kotlin和Android Studio来开发。对于iOS应用，您可以使用Swif

ElvisUlysses
2024-04-26 19:55:51

 801

 13

#前端 #图像处理 #数据分析 +1
美颜sdk的多平台适配与跨平台开发技术分享

美颜sdk作为互联网时代的重要工具，也因其高效、稳定、易用的特点，被越来越多的应用开发者所采用。然而，在不同的平台上使用美颜sdk时，会遇到一些问题，如何进行多平台适配和跨平台开发，成为了一个值得探讨的话题。

美狐美颜sdk
2023-05-16 11:04:31

 533

#ios #android #图像处理 +2
随机生成KMP OpenHarmony 跨平台处理

图像处理和分析是现代应用开发中的重要需求。无论是在图片编辑、图像识别、视觉效果处理还是图像分析中，都需要进行各种图像处理操作。然而，不同的编程语言和平台对图像处理的实现方式各不相同，这导致开发者需要在不同平台上重复编写类似的逻辑。本文介绍一个基于 Kotlin Multiplatform (KMP) 和 OpenHarmony 平台的图像处理和分析工具库。这个工具库提供了一套完整的图像处理能力，包

 suyuhan123456
2025-12-02 23:07:22

 1052

 9

#图像处理 #人工智能
系统性能监控与优化 KMP OpenHarmony PC端系统监控

本文介绍了一个基于Kotlin Multiplatform(KMP)和OpenHarmony平台的跨平台图像处理工具库。该库通过KMP技术实现一次编写多平台运行，支持Kotlin/JVM、Kotlin/JS和OpenHarmony/ArkTS平台。核心功能包括图像缩放、旋转、滤镜应用、色彩分析、图像增强等8大模块。文章详细展示了Kotlin实现的核心图像处理类ImageProcessor，包含灰度

 2401_89199813
2025-12-02 22:51:41

 745

 17

#图像处理 #人工智能