pythonは純粋な色彩の画像を求める境界を実現します。
本論文の例では、pythonの純粋な色彩画像を求めるフレームワークを共有しました。参考にしてください。具体的な内容は以下の通りです。
先に効果図を示して、ここで少し色収差があって、実際の数値は純色で、混合色のではありません。
局部の細部を拡大して見るとこのようになります。
原図は次のようなものです。
このアルゴリズムの最大の特徴は、フレームを白に統一するのではなく、元のピクセルの値を保持することです。
実現したアルゴリズムも超簡単です。ちょっと遅いです。私のこの応用シーンは性能要求が高くなくて、人より速くてもいいです。人工はその何百倍です。だから大丈夫です。
テスト結果は1080*1920の図1枚で3秒、c言語に置き換えれば0.5秒程度と推定されます。
アルゴリズムの原理は、各4つの田子型ピクセルを逐行スキャンします。4つのピクセルが一致しないと結果図に出力されます。そうでなければ、出力0です。
コードは以下の通りです
先に効果図を示して、ここで少し色収差があって、実際の数値は純色で、混合色のではありません。
局部の細部を拡大して見るとこのようになります。
原図は次のようなものです。
このアルゴリズムの最大の特徴は、フレームを白に統一するのではなく、元のピクセルの値を保持することです。
実現したアルゴリズムも超簡単です。ちょっと遅いです。私のこの応用シーンは性能要求が高くなくて、人より速くてもいいです。人工はその何百倍です。だから大丈夫です。
テスト結果は1080*1920の図1枚で3秒、c言語に置き換えれば0.5秒程度と推定されます。
アルゴリズムの原理は、各4つの田子型ピクセルを逐行スキャンします。4つのピクセルが一致しないと結果図に出力されます。そうでなければ、出力0です。
コードは以下の通りです
#
# demo.py
#
#
import argparse
import os
import numpy as np
import time
from modeling.deeplab import *
from dataloaders import custom_transforms as tr
from PIL import Image
from torchvision import transforms
from dataloaders.utils import *
from torchvision.utils import make_grid, save_image,to_image
import matplotlib
matplotlib.use('TkAgg')
import matplotlib.pyplot as plt
def main():
im = Image.open("test_border.png")
npimg = np.array(im) # 1 .
# chwimg = npimg.transpose(2,0,1) # HWC CHW
print(npimg.shape)
h,w,c = npimg.shape
src = np.sum(npimg,axis=2) # , 3 , 1 .
print(src.shape)
borderimg = np.zeros(src.shape) # 0 0 .
# bug, .
borderimg[0,:]=src[0,:]
borderimg[:,0]=src[:,0]
borderimg[-1,:]=src[-1,:]
borderimg[:,-1]=src[:,-1]
t1= time.time()
for x in range(0,h-1,1):
for y in range(0,w-1,1):
# point = src[x,y]
# if(point>0):
# print(point)
if not (src[x,y] == src[x+1,y] == src[x,y+1] == src[x+1,y+1]): # 4 .
borderimg[x,y] = src[x,y]
borderimg[x+1,y] = src[x+1,y]
borderimg[x,y+1] = src[x,y+1]
borderimg[x+1,y+1] = src[x+1,y+1]
t2= time.time()
print(" ",t2-t1)
plt.figure()
plt.title('display')
plt.imshow(src)
plt.show( )
plt.imshow(borderimg)
plt.show( )
print("start test get image border ...")
if __name__ == "__main__":
main()
else:
main()
以上が本文の全部です。皆さんの勉強に役に立つように、私たちを応援してください。