- 综合排序
- 最热优先
- 最新优先
- 来自专栏计算机视觉理论及其实现
CyTran: Cycle-Consistent Transformers forNon-Contrast to Contrast CT Translation
我们提出了一种新的方法，将不成对的对比度计算机断层扫描（CT）转换为非对比度CT扫描，反之亦然。解决这项任务有两个重要的应用：（i）为注射造影剂不是一种选择的患者自动生成对比CT扫描，以及（ii）通过在配准前减少造影剂引起的差异来增强对比CT和非对比CT之间的对准。我们的方法基于循环一致的生成对抗性卷积变换器，简称CyTran。由于循环一致性损失的积分，我们的神经模型可以在未配对的图像上进行训练。为了处理高分辨率图像，我们设计了一种基于卷积和多头注意力层的混合架构。此外，我们还介绍了一个新的数据集Coltea-Lung-CT-100W，其中包含从100名女性患者中收集的3D三相肺部CT扫描（共37290张图像）。每次扫描包含三个阶段（非造影、早期门静脉和晚期动脉），使我们能够进行实验，将我们的新方法与最先进的图像风格转移方法进行比较。我们的实证结果表明，CyTran优于所有竞争方法。此外，我们表明CyTran可以作为改进最先进的医学图像对齐方法的初步步骤。
60920编辑于 2023-10-07 - 来自专栏计算机视觉理论及其实现
Momentum Contrast for Unsupervised Visual Representation Learning
我们提出了无监督视觉表征学习的动量对比(MoCo)。从作为字典查找的对比学习[29]的角度来看，我们构建了具有队列和移动平均编码器的动态字典。这使得能够动态构建一个大型且一致的词典，从而促进对比无监督学习。MoCo在ImageNet分类的通用线性协议下提供了有竞争力的结果。更重要的是，MoCo了解到的情况很好地转移到了下游任务中。在PASCAL VOC、COCO和其他数据集上，MoCo在7项检测/分割任务中的表现优于其监督的预训练对手，有时甚至远远超过它。这表明，在许多视觉任务中，无监督和有监督表示学习之间的差距已经基本消除。
2K30编辑于 2022-09-02 - 来自专栏图像处理与模式识别研究所
enhance_contrast滤波器
Lena.png')#读取图像 cv2.imshow('original',img) grayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) auto=sfr.enhance_contrast grayImage,disk(5))#半径为5的圆形滤波器 cv2.imshow("result",auto) cv2.waitKey(0) cv2.destroyAllWindows() 算法：enhance_contrast An improved optical lock-in detection method for contrast-enhanced imaging in living cells. IEEE. Image contrast enhancement by wavelet based homomorphic filtering. Acta Electronica Sinica.
60820编辑于 2022-05-29 - 来自专栏磐创AI技术团队的专栏
如何评价Kaiming He的Momentum Contrast for Unsupervised?
Momentum Contrast: kaiming 大神用momentum的思想很好的弥补了我们方法的缺陷，从而使得模型在学习的过程中避免学习classifier weights 和memory bank
1.6K40发布于 2019-11-18 - 来自专栏Coco的专栏
filter: contrast() 配合 filter: blur() 的奇妙化学作用
在 CSS 中，我们还可以通过 filter: contrast() 配合 filter: blur() 这对组合来实现这个图形。 filter: contrast()： 调整图像的对比度。 但是，当他们“合体”的时候，产生了奇妙的融合现象。 是因为我们又要运用 filter: contrast() 和 filter: blur() 这对神奇的组合。 就是借助 filter: contrast() 配合 filter: blur() 的组合。 使用 filter: contrast() 配合 filter: blur() 实现波浪效果。
1.7K40编辑于 2022-09-16 - 来自专栏基于深度学习的图像增强
Deep Learning Enables Reduced Gadolinium Dose for Contrast-Enhanced Brain MRI
Deep Learning Enables Reduced Gadolinium Dose for Contrast-Enhanced Brain MRI (Journal of Magnetic Resonance
94431发布于 2020-06-03 - 来自专栏从零开始学 Web 前端
文字背景对比度contrast ratio的计算公式
Math.pow((v + 0.055) / 1.055, 2.4); }); return a[0] * 0.2126 + a[1] * 0.7152 + a[2] * 0.0722; }, contrast darkest = Math.min(lum1, lum2); return (brightest + 0.05) / (darkest + 0.05); } console.log('contrast >>>>>>',this.contrast('#ffffff', '#ffff00') ); // 1.0738392309265699 参考文档 https://www.zhangxinxu.com/ 11/css-background-color-font-auto-match/ http://www.xueui.cn/experience/app-experience/selection-of-contrast-between-text-and-background.html https://stackoverflow.com/questions/9733288/how-to-programmatically-calculate-the-contrast-ratio-between-two-colors
2.2K20编辑于 2022-05-09 - 来自专栏GiantPandaCV
OpenCV图像处理专栏七 | 《Contrast image correction method》 论文阅读及代码实现
附录 论文原文：https://www.researchgate.net/publication/220051147_Contrast_image_correction_method 后记 今天就讲到这里了 ，希望《Contrast image correction method》 这篇论文可以帮助到大家。
1.5K30发布于 2019-12-24 - 来自专栏机器之心
学界 | 邢波团队提出contrast-GAN：实现生成式语义处理
为了处理这样大型的语义变换，作者引入了一种带有新型对抗式对比目标（adversarial contrasting objective）的对比型 GAN（contrast-GAN）。 论文还提出了配有新型比较式目标的，蒙版条件式对比 GAN（mask-conditional contrast-GAN）结构，它能够用目标语义变换使图像背景脱离出来。 ? 我们提出了配有新型比较式目标的、蒙版条件式对比 GAN（mask-conditional contrast-GAN）结构，它能够用目标语义变换使图像背景脱离出来。 图 2：对比型 GAN（contrast-GAN）的概述。cy 和 cx 分别表明 X 区域和 Y 区域的物体类别（语义）。 图 5：contrast-GAN 与 CycleGAN 在 ImageNet 上进行橙子→苹果（第一行）与苹果→橙子（第二行）转译的结果对比。 ?
1.2K40发布于 2018-05-09 - 来自专栏基于深度学习的图像增强
Learning a Deep Single Image Contrast Enhancer from Multi-Exposure Images(TIP18)
这是一篇单一图像对比度增强的论文，传统的单一图像对比度增强方法包括基于HE和Retinex理论，但由于自然场景的复杂性和单张图像包含的信息有限，往往很难产生高质量的结果。因此有了基于多曝光图像序列的图像增强，主要有多曝光图像融合(MEF)和高动态范围图像堆叠（stack-based HDR image），再加上色调映射，但这些序列图像中会，存在模糊或者物体移动，导致得到的结果产生伪影。 为了解决上述问题，这篇文章构造了一个大规模的多曝光率图像数据集，包含不同曝光率的低对比度图像及其对应的高质量ref图像，这个对应的ref图像是通过现有的13中MEF和HDR堆叠等方法生成的效果最好的一种，这样就可以用一张图像作为输入，通过网络学习来达到MEF的目的，作者很巧妙地构造了这样一个数据集，使得单图输入也可以实现多图像输入的结果。 网络的设计也不是特别复杂，作者刚开始直接使用一个15层的网络端到端的学习，发现效果不是很好，然后参考了一些其他论文的方式，图像低频信息代表整体自然度，高频信息代表局部细节，先把图像分为高频和低频部分，对两部分分别进行增强，若直接合并两部分的结果效果不是很好，所以作者把增强后的两部分进行合并后再通过一个网络进一步增强，最终得到对比度增强的结果。训练的时候，先分别训练这两个stage，用第一阶段训练好的参数再来训练第二阶段的网络。两个阶段训练完后，移除第一阶段的两个loss，使用DSSIM作为loss来fine-tune整个网络。
1.1K50发布于 2020-06-03 - 来自专栏ISP图像处理相关
【阅读笔记】自适应双平台直方图均衡算法《A new adaptive contrast enhancement algorithm for infrared images based on doubl
一、自适应双平台直方图均衡算法 《A new adaptive contrast enhancement algorithm for infrared images based on double plateaus
68610编辑于 2024-08-07 - 来自专栏ISP图像处理相关
【阅读笔记】多尺度高斯细节增强及改进《DARK IMAGE ENHANCEMENT BASED ON PAIRWISE TARGET CONTRAST AND MULTI-SCALE DETAIL B
https://www.cnblogs.com/Imageshop/p/7895008.html 1、背景 《DARK IMAGE ENHANCEMENT BASED ON PAIRWISE TARGET CONTRAST
34210编辑于 2024-08-07 - 来自专栏布衣者博客
PYTHON之帮我命名截图
in range(len(contrast_lists[0])): if contrast_lists[1][contrast]! in range(len(contrast_lists[0])): if contrast_lists[1][contrast]! =-1: contrast_num[fileok]=1 file_shiyong[i]=1 contrast_lists=[contrast_list ("将进行候补模式：") file_rename(fpath,contrast_lag[0],contrast_lists[0][contrast_lists[1].index j in range(len(contrast_lag_remove)): contrast_lag.remove(contrast_lag[contrast_lag_remove
65320发布于 2021-09-07 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine ——2001-2017年使用坡度、化学和物理土壤特性得出的土壤肥力能力分类，预测平均值和标准偏差数据集
10 #feb66a Gravel, High erosion risk: textual contrast 12 #feb66a Slope, High erosion risk: textual contrast 14 #f3854e Gravel, Slope, High erosion risk: textual contrast 17 #feb66a Shallow, High erosion , High erosion risk: shallow depth 27 #e54f35 Shallow, Gravel, High erosion risk: textual contrast, erosion risk: shallow depth 31 #d7191c Shallow, Gravel, Slope, High erosion risk: textual contrast, risk: textual contrast, Low K 526 #e54f35 Gravel, Slope, High erosion risk: textual contrast, Low K
22410编辑于 2024-02-02 - 来自专栏Coco的专栏
你所不知道的 CSS 滤镜技巧与细节
brightness表示亮度，contrast 表示对比度。 : contrast() 的画布） 意思是，上面两圆运动的背后，其实是叠加了一张设置了 filter: contrast() 的大白色背景，而两个圆形则被设置了 filter: blur() ，两个条件缺一不可 核心还是 filter: contrast() 与 filter: blur() 配合使用，不过实现的过程也非常有趣，我们需要使用 CSS 画出一个火焰形状。 （不一定准确，求赐教），在 PS 里尝试还原这个效果，但是 PS 没有 contrast() 滤镜，得到的效果偏差挺大的。 : brightness(1.5) contrast(150%) 处理同一张图片，得到的效果是不一样的，原因在于滤镜的色值处理算法对图片处理的先后顺序。
1.8K50发布于 2018-06-21 [C++][opencv]基于opencv实现photoshop算法亮度和对比度调整
define COLOR_RANGE(value) CLIP_RANGE(value, 0, 255) #define M_PI 3.14 /** * Adjust Brightness and Contrast * @param dst [out] OutputArray * @param brightness [in] integer, value range [-255, 255] * @param contrast = CLIP_RANGE(contrast, -255, 255); /** Algorithm of Brightness Contrast transformation The formula value y is the output pixel value B is brightness, value range is [-1,1] k is used to adjust contrast / 255.; double c = contrast / 255.; double k = tan((45 + 44 * c) / 180 * M_PI); Mat lookupTable(
28000编辑于 2025-07-21- 来自专栏Coco的专栏
你所不知道的 CSS 滤镜技巧与细节
brightness表示亮度，contrast 表示对比度。 : contrast() 的画布） 意思是，上面两圆运动的背后，其实是叠加了一张设置了 filter: contrast() 的大白色背景，而两个圆形则被设置了 filter: blur() ，两个条件缺一不可 核心还是 filter: contrast() 与 filter: blur() 配合使用，不过实现的过程也非常有趣，我们需要使用 CSS 画出一个火焰形状。 （不一定准确，求赐教），在 PS 里尝试还原这个效果，但是 PS 没有 contrast() 滤镜，得到的效果偏差挺大的。 : brightness(1.5) contrast(150%) 处理同一张图片，得到的效果是不一样的，原因在于滤镜的色值处理算法对图片处理的先后顺序。
1.4K50发布于 2018-05-28 - 来自专栏Coco的专栏
巧用滤镜实现高级感拉满的文字快闪切换效果
在尝试的过程中，我发现了另外一类能够使用 CSS 非常轻松实现文字快闪动画，运用了blur() 滤镜和 contrast() 滤镜产生的融合效果，类似于这样： 这个技巧也在多篇文章就提及，本文再简述下 blur 滤镜混合 contrast 滤镜产生融合效果 本文的重点，模糊滤镜叠加对比度滤镜产生的融合效果。 filter: contrast()： 调整图像的对比度。 但是，当他们“合体”的时候，产生了奇妙的融合现象。 : contrast() 的画布） 当然，背景色不一定是白色，我们稍稍修改上面的Demo，简单的示意图如下： 使用 blur/contrast 滤镜实现文字的切换 利用上述的技巧，我们可以实现文字的融合效果 上述的 .g-container 添加了这样一句代码 -- filter: contrast(15)，去掉这句的话，效果是这样的： 加上这句关键的代码 -- filter: contrast(15)，
1.7K20发布于 2021-11-17 - 来自专栏码出名企路
OpenCV项目(18)|图像对比度亮度调整
imshow("yuan", srcImage); imshow("xiaoguo", dstImage); } int _brightness = 100;//亮度值 int _contrast , void* ) { int histSize = 64; //对比度和亮度的初始值 int brightness = _brightness - 100; int contrast = _contrast - 100; /* * The algorithm is by Werner D. *contrast/100; a = 255./(255. - delta*2); b = a*(brightness - delta); } else *contrast/100; a = (256.
76440编辑于 2022-06-16 - 来自专栏算法与编程之美
JavaScript|你不知道的CSS属性-Filter（滤镜）
具体内容 1滤镜属性简介 CSS滤镜的语法： filter: none | blur() | brightness() | contrast() | drop-shadow() | grayscale | saturate() | sepia() | url(); CSS滤镜参数的含义如下表： 参数名称 效果 blur() 设置图片的高斯模糊效果 brightness() 设置图片的明暗度效果 contrast 图2.2 明暗度滤镜效果图 2.3 对比度滤镜 contrast滤镜用于设置图像的对比度效果。 其语法格式如下： filter : contrast (%) 当参数设置为0%时，图像会变成全黑；当参数为100%时图像无变化。 示例： <! .b{ -webkit-filter: contrast(30%); filter: contrast
1.6K20发布于 2020-03-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号