问题标签 [image-preprocessing]

我试过 findNonZero 和 boundingRect。但没有什么能帮助我。我是 C++ OpenCV 的新手。我使用涉及 NumPy 的 Python OpenCV 做到了这一点，但不幸的是我无法在 C++ 中做同样的事情。

输入图像

Python：

我正在用 Objective C++ 编写代码来为 iOS 提供包装器。

我有同一场景的深度和热图像，但视角略有不同。

我用来计算旋转/平移矩阵，以便将两个图像堆叠在 (300, 300, 2) 数组中。 但是像 SSD 或 Faster-R-CNN 这样的对象检测模型可以隐式学习这个矩阵吗？

我的标签框是在热图像上完成的。

深度图中同一物体对应的像素即使不在同一个位置也会被使用吗？

这是 SSD 型号的示意图：

我只淹没了框坐标预测（最佳先验和真实对象位置之间的增量）而没有相应的对象类预测（5 x 5 x 4xnb_classes）

我的第一个想法是，如果深度图像中的对象不在标签框内（这是在热图像上完成的），网络将检测到 2 个不同的对象并因预测深度图像上的对象而受到惩罚（因为没有标签此处的框），因此网络将学会忽略深度通道。

我对吗 ？或者网络有没有办法可以处理这个 pb 并学习如何在深度通道中使用像素？（另一个对象检测模型可以处理这个 pb 吗？）

我认为核心问题，直观地说，是卷积保持对象在整个网络中的定位，因此我们不能将通道 1 (x, y) 中的像素链接到通道 2 (x+delta, y+delta) 中的像素

感谢您的时间。

如何从预处理图像中去除不规则的白色像素。

我试过做侵蚀，这会使所有像素变黑。

预处理后：

要求：

我的代码：

寻找建议！

我想使用 AWS Lambda (Python) 进行图像 (svs) 预处理（创建图块等）。不幸的是，图像大约 1 GB，不适合 /tmp (512MB)。因此，我希望通过以下方式将图像直接加载到 RAM 中：

或直接将图片下载到 ramfs 或类似的东西：

在 svs 文件中也只需要 10 级中的 1 级。因此，如果有一种方法只能从 s3 存储桶中读取文件中的特定信息，那就太好了。

谢谢

将图像magick命令转换为magick++ c++代码

我是 Magick++ 的新手。我正在开发一个动态制作按钮图像对象的项目。浏览一些帮助页面，我能够创建以下转换命令来满足我的需求。现在我正在尝试将其迁移到 C++。提前感谢您的帮助。

这是我得到的收据图像，我使用 matplotlib 绘制了它，

然后，我裁剪了原始的灰色图像并使用相同的边界框坐标再次绘制它，这是结果，

所以，我正在寻找一种方法来制作边界框以适应裁剪后的图像。我不知道如何实现它。

编辑：

如果您想复制问题，这是另一个图像，receipt-2这些是图像的 b-box 坐标[1638,1462,2974,1462,2974,1549,1638,1549]。

我正在尝试将以泡菜对象的形式存储的预处理数据集转换回图像。共有 820 张图像，分辨率为 227 227 或 299 299。我附上了下面的代码。

问题是，最初 tqdm 显示每秒有数百个文件被转换，但它几乎成倍地减慢，到第 500 个文件时，它下降到每秒 1 个文件。我不确定是什么原因造成的，并且遇到了使用并发来解决这个问题的建议。我尝试使用 Matplotlib 的 savefig 保存绘图，但遇到了同样的减速。

我想知道代码的哪一部分导致速度变慢以及如何解决它，因为我必须将多个 100 个泡菜文件转换回图像。

编辑：问题是程序内存不足并变慢。

图像数据集包含大约70,000张图像。我试图从中创建 6 个泡菜文件。因此，每个 pickle 转储文件包含大约11519个预处理图像。磁盘上的图像文件夹大小约为2.5G。但是，每个 pickle 文件生成的大小为6.45G。

总共6.45 * 6 = 38.7 G！！

这是预期的行为还是我做错了什么？我使用以下脚本生成泡菜文件。

我想尝试将自动编码器全连接卷积神经网络实现为 Unet，以将图像转换为另一个图像之间存在未知非线性关系的图像。

我有高斯核卷积算法，效果很好，但我想尝试一些机器学习方法。

您对其他 ANN 架构有任何想法吗？没有标准的全连接 ANN（已经尝试过，效果很好）非常感谢

我想用 Tensorflow 提取 3 个 80 x 80 的随机、不重叠的子图像。我怎么能做到？下面的图片应该给出一个想法。