python图像数据增强代码，深度学习用，分割，合并，数据增强，批量化修改文件名，归一化大小

利用 OpenCV 对图像像素进行操作， 计算归一化直方图。并在窗口中以图形的方式显示出来，绘制RGB三色直方图

01.数据预处理——数据归一化.ipynb

医学图像配准的MATLAB仿真程序，实现互信息配准，归一化互信息配准得到图像配准测度曲线和配准图像。实现互严格凹函数测度和f信息测度对比

最近学习需要，接触了一些图片预处理的工作（用python实现），但网上集中的篇幅不多，故整理如下，主要包括： 批量重命名大量图片 修改格式（此处以.bmp转化为.jpg为例） 统一图片大小（分辨率128*128） 将上述操作后的图片另存为目标路径 对图片进行灰度化处理 对图片进行归一化处理，并将每个像素点的BGR保存在txt文件里 版本：python3.8 运行：PyCharm2019 下面开始详细讲解喽： 第一步： 分别批量重命名文件夹中的图片名称，并将.bmp格式的图片修改为.jpg格式。 下图是从网络上下载的量两组图： 上面一排是5张兔子Judy(.bmp格式), 下面一排是5张花朵（.

该函数制作归一化直方图，即概率密度函数的估计。 直方图的面积等于 1，因为该面积低于理论 PDF 函数。 您可以使用此脚本的输出将经验数据与特定分布的理论 PDF 进行比较。 输入： 数据 - 经验数据bins - 直方图 bins 的数量视图（可选）- 1 = 将直方图绘制到图中，0 = 仅获取值（0 是默认值） 输出： h - 直方图条的标准化“高度” x - 箱的中心

针对基于模板匹配的目标跟踪算法在目标被遮挡时容易出现跟踪丢失的问题,提出一种改进的结合遮挡判断和Kalman预测器的模板匹配算法。首先使用三帧差分法提取运动目标并计算运动目标区域。然后针对目标是否被遮挡引入Bhattacharyya距离进行判断,当Bhattacharyya距离小于设定的阈值,表明目标没有被遮挡,则使用归一化互相关(NCC)匹配算法对目标进行稳定跟踪,反之则利用Kalman预测器对被遮挡目标的位置和大小进行预测。实验结果表明,所提算法在静态背景下、目标发生遮挡时的跟踪成功率达到71.43%,比单一NCC匹配算法提高了21.43个百分点。

本程序可以实现遥感图像的辐射校正、辐射归一化(This program can achieve the radiometric calibration of remote sensing images, radiation normalized)

这两个函数都计算坐标为 t 的向量 x 的 Lomb 归一化周期图（又名 Lomb-Scargle、Gauss-Vanicek 或最小二乘谱），这本质上是对不均匀采样数据的 DFT 的推广。 这些代码是从 Fortran 转录的子程序，见“Fortran 77 中的数值方法：科学计算的艺术”，第 2 版，第 13.8 节（第 569-577 页）。 1，剑桥大学出版社，纽约，美国，2001 年，WH 出版社，SA Teukolsky，WT Vetterling 和 BP Flannery， 但是，为了使Matlab 快速运行，已经考虑到了Matlab 的特性。 FASTLOMB 比 LOMB 快得多（尤其是当输入长度增加时），但即使是 LOMB 也比我在 FileExchange 中找到的任何其他实现都快。 此外，它们都没有内存问题（我对它们都进行了 100,000 个样本的输入测

图像数字水印技术中对于水印的相似度的评价标准