GEO ISP图像调试-PFC(蓝紫边校正)

news2024/11/28 18:37:42

 

目录

1、简单介绍

2、调试策略

3、输出结果


 

1、简单介绍

        GEO中中调整图像蓝紫边可分为两步,第一步:调整蓝紫边检测区域,第二步:设置去蓝紫边强度。

2、调试策略

2b668c8812c94fa0839b13e9a681c23a.png

图1 该图像蓝紫边较严重

主要原因是由于蓝紫边检测不准导致的,GEO蓝紫边检测包括边缘检测掩膜、色调掩膜、饱和度掩膜、亮度掩膜,最后输出的检测区域是由这几个掩膜综合得到的,如果其中一个策略检测区域不准都可能导致蓝紫边去除不好。

f922d4d34150484dabe4982908852f00.png

问题的图像的不同策略得到的检测区域,可以看到边缘的检测并不是很准确,所以导致最后检测区域不准。

ed2d3127ba0a47f18d44af9c21a2b7e6.png

最终检测区域,效果不理想

3ee9a8e5fe9842648319637baf820247.png

上图是调整边缘检测策略后得到的结果,对于蓝紫边的检测会准些

 9db48ddfd50c4e818e02a3023fab2dad.png

上图是优化后的蓝紫边检测区域,相比之前区域面积会准一些

3、输出结果

在使最终输出的蓝紫边检测区域比较满意是后,后续可以再通过调整蓝紫边去除强度来达到蓝紫边优化后的效果。

cefaf99e381541989061ee0f0de75e59.png

左图是蓝紫边优化前效果                                                右图是蓝紫边优化后效果 

对比两幅图可以看到,优化前蓝紫边比较严重,优化后的图像蓝紫边有所减弱,当然我们在我们在调整蓝紫边强度时,也不能太强,不然可能导致图像中蓝色有效物颜色的丢失。 

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1815850.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

怎么买充电宝不踩雷?六大充电宝选购攻略,1分钟选对充电宝!

充电宝是选快充好还是慢充好呢?充电宝的充电速度取决于多个因素,包括充电宝的容量、输入电流、充电线的质量等。一般来说,充电宝的充电速度可以通过输入电流来衡量,输入电流越大,充电速度越快。当我们面临选择充电宝的…

常说的上游服务和下游服务如何区分?

目录 上游和下游 (upstream and downstream)从信息的流向方向来看从依赖规则和价值规则来看 总结参考 上游和下游 (upstream and downstream) 一般在谈论服务和调用关系的时候,我们会使用上游和下游来表示服务间的相关…

【后端开发】服务开发场景之高可用(冗余设计,服务限流,降级熔断,超时重试,性能测试)

【后端开发】服务开发场景之高可用(冗余设计,服务限流,降级熔断,超时重试,性能测试) 文章目录 序:如何设计一个高可用的系统?可用性的判断指标是什么?哪些情况会导致系统…

小学姐教你HarmonyOS开发-02-ArkTS语言基础

简单介绍基于TypeScript扩展的ArkTS语言。 ArkTS是鸿蒙生态的应用开发语言,由ArkUI框架提供,以声明式开发范式来开发界面,让开发者可以更简洁、更自然的方式开发高性能应用。 源课程:d2school(第2学堂) 什么是ArkTS? …

免费的维吾尔语翻译工具,汉维翻译软件只推荐这一个《维汉翻译通App》,维吾尔文OCR字母识别!

免费维吾尔语翻译,真好用 《维汉翻译通》App提供免费的短文本翻译服务,支持翻译维吾尔语和汉语,无论是日常对话还是学术研究的内容,都能轻松应对。 维吾尔文OCR,文字识别新体验 高精度维文文字识别技术,让…

跟着AI学AI_11 PyTorch, TensorFlow 和JAX 功能对比简介

PyTorch, TensorFlow 和 JAX 功能对比简介 PyTorch、TensorFlow 和 JAX 是当前最流行的深度学习框架。它们各自具有独特的特性和优势,适合不同的应用场景和开发者需求。下面是对这三个框架的功能对比。 1. 基本概念和特性 PyTorch: 动态计算图&#xf…

王炸ChatGPT学术应用!从文献综述至定稿,轻松完成优质学术论文

智写论文 智写论文(chatyy.cn)是一款专注AI科研和学术写作的专业平台,AI论文写作、AI学术润色修改、科研分析、文献搜索和综述撰写,科研数据分析、英文学术润色,中英学术互译,文献查询和综述撰写&#xff…

知识图谱的应用---智慧外交

文章目录 智慧外交典型应用 智慧外交 智慧外交是指通过事件分析的手段,从历史、政治、经济、军事、文化等多个层面对各个国家的关系进行定量分析,提供智能化的外交关系研判和外交决策支撑。依托公开媒体、互联网及内部信息等海量资源数据,综合…

vivado HW_SIO_RX

HW_SIO_RX 描述 在硬件设备上,每个GT包括一个独立的接收器hw_sio_rx 由一个PCS和一个PMA组成。高速串行数据从板上的迹线流入 GTX/GTH收发器RX的PMA,进入PCS,最后进入FPGA逻辑。 相关对象 HW_SIO_RX对象与HW_server、HW_target、HW_device、H…

STM32F103 ADC

STM32 ADC 12位ADC是一种逐次逼近型模拟数字转换器,和比较型ADC相比,逐次逼近型ADC的优点是低功耗,缺点是速度慢。下图为逐次逼近型ADC。 ​ STM32F103的ADC有单次和连续转换两种模式,有通道扫描和单独工作两种模式,并且有校准和…

Gi标签管理

文章目录 前言理解标签创建标签操作标签总结 前言 理解标签 标签,可以理解为对某次commit的一次标识,相当于起起了一个别名。 例如,在项目发布某个版本时候,针对最后一次commit起一个v1.0这样的标签来标识里程碑的意义。 这有什…

inferCNV:scRNA-seq数据推断染色体拷贝数变化

inferCNV分析简介 inferCNV用于探索肿瘤单细胞RNA-Seq 数据,以确定体细胞大规模染色体拷贝数改变的证据,例如整个染色体或大片段染色体的增益或缺失。这是通过与一组参考“正常”细胞(这里的正常细胞可自行定义)进行比较&#xf…

【STM32】输入捕获应用-测量脉宽或者频率(方法2)

链接:https://blog.csdn.net/gy3509/article/details/139629893?spm1001.2014.3001.5502,讲述了只使用一个捕获寄存器测量脉宽和频率的方法,其实测量脉宽和频率还有一个更简单的方法就是使用PWM输入模式,PWM输入模式需要占用两个…

Imagic: Text-Based Real Image Editing with Diffusion Models

Imagic: Text-Based Real Image Editing with Diffusion Models Bahjat Kawar, Google Research, CVPR23, Paper, Code 1. 前言 在本文中,我们首次展示了将复杂(例如,非刚性)基于文本的语义编辑应用于单个真实图像的能力。例如…

Java NIO ByteBuffer 使用方法

前言 最近在使用spring boot websocket xterm.js 给 k8s pod做了个在线的 web 终端,发现websocket的类核心方法,用的都是ByteBuffer传递数据,如下: OnMessagepublic void onMessage(Session session, ByteBuffer byteBuffer) {…

MySQL-分组函数

041-分组函数 重点:所有的分组函数都是自动忽略NULL的 分组函数的执行原则:先分组,然后对每一组数据执行分组函数。如果没有分组语句group by的话,整张表的数据自成一组。 分组函数包括五个: max:最大值mi…

智造新篇章:MicroAlign融资助推高精度FA技术革新

随着智能化浪潮的汹涌澎湃,全球制造业正经历着前所未有的技术革新。MicroAlign,一家专注于高精度功能组装(FA)技术的创新企业,近日宣布完成了高达100万欧元的种子轮融资。这一轮融资不仅为MicroAlign注入了加速商业化的…

java基于Vue+Spring boot前后端分离架构开发的一套UWB技术高精度定位系统源码

java基于VueSpring boot前后端分离架构开发的一套UWB技术高精度定位系统源码 系统采用UWB高精度定位技术,可实现厘米级别定位。UWB作为一种高速率、低功耗、高容量的新兴无线局域定位技术,目前应用主要聚焦在室内外精确定位。在工业自动化、物流仓储、电…

【产品经理】发票系统简述

一、发票类型 增值税电子普通发票:简称电票 增值税普通发票和增值税专用发票,简称:纸票 蓝票:开票金额为正值的发票。红票:发票金额为负值的发票。 注:专票电子化系统国家目前在推,后续有更新…

digit 手写数据库笔记 (机械学习)

参考书籍 第三章内容 digit 手写数据库 # 最初的分类器 # digits 手写数字库import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from sklearn import tree # 性能评价相关的库 from sklearn import metrics# digits 数据加载 digits datase…