python批量对图片伪色彩图像增强

import osimport cv2path = './'all = os.walk(path)for path, dir, filelist in all:for filename in filelist:if filename.endswith('.bmp'):filepath = os.path.join(path, filename)img = cv2.imread(filepath).

致力于变成碰不到BUG的幸运儿

546人浏览 · 2021-06-21 10:27:54

致力于变成碰不到BUG的幸运儿 · 2021-06-21 10:27:54 发布

import os
import cv2

path = './'
all = os.walk(path)
for path, dir, filelist in all:
    for filename in filelist:
        if filename.endswith('.bmp'):
            filepath = os.path.join(path, filename)
            img = cv2.imread(filepath)
            im_gray = cv2.imread(filepath, cv2.IMREAD_GRAYSCALE)
            im_color = cv2.applyColorMap(im_gray, cv2.COLORMAP_JET)
            cv2.imwrite(filepath, im_color)
            print(filepath)

先上代码

原图效果如下，不太好分辨主特征，所以想给上点颜色，但是网上找到的是针对单张图片，然而我有4000张。。。。。

最终结果如下：亲测可用哦

感谢GM同学，提供代码思路，撒浪嘿呦~

魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

【计算机视觉】Pixel逐像素分类&Mask掩码分类理解摘要

魔乐社区

计算机视觉（opencv）实战三十二——CascadeClassifier 人脸微笑检测（摄像头）

本文从原理到实现，详细介绍了基于 OpenCV Haar 分类器的人脸与微笑检测：讲解了 Haar 特征和级联检测原理。对代码逐行拆解并解释参数含义。画出完整流程图，帮助理解执行过程。给出了常见问题和优化建议，甚至扩展到深度学习方法。这种方法简单、轻量、实时性好，非常适合入门和小型应用项目。但如果需要更高准确率和更强鲁棒性，建议使用深度学习检测器替代 Haar 分类器。