RS迷途小书童的博客

摘要： ​ 我之前分享过【Python&RS】基于GDAL镶嵌拼接遥感影像，但是没有加入批量处理的代码。最近正好有这个需求，所以就对原来的代码进行了优化加入了批量拼接的代码。现在只需输入一个文件夹即可将其中的影像全部镶嵌起来。 阅读全文

摘要： 在数字图像处理中，我们常常会听到不同的位数术语，比如64位、16位和8位（64bit、16bit、8bit）。这些位数指的是图像的深度，也就是图像中每个像素可以显示的颜色数。位数越高，图像可以显示的颜色数就越多，图像的质量也就越高。本文将详细介绍图片位数的意义、区别、计算方法等。 阅读全文

摘要： 最近在用OpenCv库处理图片时发现cv库无法读取64位的tif影像，所有想通过Python将64位的图片转换成8位的。今天就跟大家分享一下如何利用Python的GDAL库，实现栅格数据/图片的位深度转换。 阅读全文

摘要： OpenCV作为一个强大计算机视觉库被各个领域广泛应用，今天分享下cv2.error: OpenCV(4.7.0) D:\a\opencv-python\opencv-python\opencv\modules\imgproc\s报错信息以及解决办法。 阅读全文

摘要： 我之前分享了Segment Anything（SAM）模型的基本操作，这篇给大家分享下交互式语义分割代码，可以通过鼠标点击目标物生成对应的掩膜，同时我还加入了掩膜保存的代码。 阅读全文

摘要： 我上篇博文分享了Segment Anything（SAM）模型的基本操作，这篇给大家分享下官方的整张图片的语义分割代码（全局），同时我还修改了一部分支持掩膜和叠加影像的保存 阅读全文

摘要： Segment Anything可以实现对任意物体的识别和分割提供了简单易用的接口，用户只需要通过提示，即可进行物体识别和分割操作，今天给大家分享一下SAM的源码。 阅读全文

摘要： 在计算机视觉领域，语义分割和目标检测是两个关键的任务，它们都是对图像和视频进行分析，但它们之间存在着明显的区别。本文将通过图像示例，详细阐述语义分割和目标检测之间的差异。 阅读全文

摘要： 语义分割是计算机视觉中的重要任务之一，其目的是将图像中的每个像素分配给特定的类别，从而实现对图像的精细分割。与目标检测不同，语义分割并不需要对物体进行位置和边界框的检测，而是更加注重对图像中每个像素的分类。随着深度学习的兴起，语义分割得到了广泛应用，并在许多领域中取得了显著的成果。本文将详细介绍语义分割的原理、发展历史、特点、常见模型等。 阅读全文

摘要： 目标检测（Object Detection）是计算机视觉领域的一个重要研究方向，其目的是在图像或视频中定位并识别出特定的物体。目标检测模型通常需要同时确定物体的位置和类别。 阅读全文