https://github.com/hoangvangioi/image-processing
An image processing website using FastApi and ReactJS
https://github.com/hoangvangioi/image-processing
fastapi image-processing opencv-python reactjs
Last synced: about 1 month ago
JSON representation
An image processing website using FastApi and ReactJS
- Host: GitHub
- URL: https://github.com/hoangvangioi/image-processing
- Owner: hoangvangioi
- Created: 2023-12-01T22:58:35.000Z (over 2 years ago)
- Default Branch: main
- Last Pushed: 2024-12-02T22:35:03.000Z (over 1 year ago)
- Last Synced: 2025-01-10T05:36:30.886Z (over 1 year ago)
- Topics: fastapi, image-processing, opencv-python, reactjs
- Language: JavaScript
- Homepage: https://image-processing.hoangvangioi.com
- Size: 1.69 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 5
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# 1. Âm bản
Công thức `s = T(r) = Intensivemax - r` mô tả quá trình biến đổi ảnh âm bản trong xử lý ảnh số. Trong công thức này:
- `s` là giá trị mức xám mới sau khi biến đổi.
- `T(r)` là hàm biến đổi mức xám.
- `Intensivemax` là giá trị mức xám tối đa, thường là 255 cho ảnh xám 8-bit.
- `r` là giá trị mức xám ban đầu của pixel.
# 2. Thresholding
```python
if src[i] >= T:
dest[i] = MAXVAL
else:
dest[i] = 0
```
- `src[i]` là giá trị mức xám ban đầu của pixel.
- `T` là giá trị ngưỡng.
- `MAXVAL` là giá trị mức xám tối đa, thường là 255 cho ảnh xám 8-bit.
- `dest[i]` là giá trị mức xám mới sau khi áp dụng ngưỡng.
# 3. Logarit
$$s = c \cdot \log(1 + r)$$
- `s` là giá trị pixel đầu ra
- `r` là giá trị pixel gốc
- `c` là hằng số tỷ lệ
# 4. Exponential
$$s = c \cdot r^\gamma$$
- `s` là giá trị pixel đầu ra
- `r` là giá trị pixel gốc
- `c` là hằng số tỷ lệ
- `gamma` là hệ số gamma
# 5. Histogram Equalization
-
# 6. Averaging Filter
$$g(x, y) = \frac{1}{mn} \sum_{i=-a}^{a} \sum_{j=-b}^{b} f(x+i, y+j)$$
- `g(x, y)` là giá trị pixel tại vị trí `(x, y)` sau khi áp dụng bộ lọc.
- `f(x+i, y+j)` là giá trị pixel tại vị trí `(x+i, y+j)` trong hình ảnh gốc.
- `m` và `n` là kích thước của mặt nạ bộ lọc (trong trường hợp của bạn, cả `m` và `n` đều bằng 3).
- `a` và `b` là nửa kích thước của mặt nạ bộ lọc (trong trường hợp của bạn, cả `a` và `b` đều bằng 1).
- Tổng được tính trên tất cả các pixel trong vùng lân cận của pixel `(x, y)` được xác định bởi mặt nạ bộ lọc.
# 7. Weighted Averaging
Bộ lọc Gaussian hoạt động dựa trên công thức sau:
$$g(x, y) = \frac{1}{\sum_{i=-a}^{a} \sum_{j=-b}^{b} w_{i,j}} \sum_{i=-a}^{a} \sum_{j=-b}^{b} w_{i,j} \cdot f(x+i, y+j)$$
- `g(x, y)` là giá trị pixel tại vị trí `(x, y)` sau khi áp dụng bộ lọc.
- `f(x+i, y+j)` là giá trị pixel tại vị trí `(x+i, y+j)` trong hình ảnh gốc.
- `w_{i,j}` là trọng số của pixel tại vị trí `(i, j)` trong mặt nạ bộ lọc.
- `a` và `b` là nửa kích thước của mặt nạ bộ lọc.
- Tổng được tính trên tất cả các pixel trong vùng lân cận của pixel `(x, y)` được xác định bởi mặt nạ bộ lọc.
# 8. Median Filter
-
# 9. Roberts Operator
$$g(x, y) = \sqrt{(f * G_x)^2 + (f * G_y)^2}$$
- `g(x, y)` là giá trị pixel tại vị trí `(x, y)` sau khi áp dụng toán tử Roberts.
- `f * G_x` và `f * G_y` là kết quả của việc lọc hình ảnh với mặt nạ `G_x` và `G_y`.
# 10. Sobels Operator
$$g(x, y) = \sqrt{(f * G_x)^2 + (f * G_y)^2}$$
- `g(x, y)` là giá trị pixel tại vị trí `(x, y)` sau khi áp dụng toán tử Sobel.
- `f * G_x` và `f * G_y` là kết quả của việc lọc hình ảnh với mặt nạ `G_x` và `G_y`.
# 11. Laplacian Operator
$$g(x, y) = f * L$$
- `g(x, y)` là giá trị pixel tại vị trí `(x, y)` sau khi áp dụng toán tử Laplacian.
- `f * L` là kết quả của việc lọc hình ảnh với mặt nạ `L`.
# 12. Prewitt Operator
$$g(x, y) = \sqrt{(f * G_x)^2 + (f * G_y)^2}$$
- `g(x, y)` là giá trị pixel tại vị trí `(x, y)` sau khi áp dụng toán tử Prewitt.
- `f * G_x` và `f * G_y` là kết quả của việc lọc hình ảnh với mặt nạ `G_x` và `G_y`.
# 13. Canny Operator
-
# 14. OTSU Algorithm
$$\sigma^2(t) = \omega_{bg}(t)\sigma^2_{bg}(t) + \omega_{fg}(t)\sigma^2_{fg}(t)$$
- $\omega_{bg}(t)$ và $\omega_{fg}(t)$ là xác suất số lượng pixel cho mỗi lớp tại ngưỡng $t$.
- $\sigma^2_{bg}(t)$ và $\sigma^2_{fg}(t)$ là phương sai của giá trị màu sắc cho mỗi lớp tại ngưỡng $t$.
# 15. Run-Length Coding (RLC) Algorithm
-
# 16. Lempel-Ziv-Welch (LZW) Algorithm
-
# 17. Huffman Coding Algorithm
-
# 18. Erosion Image
-
# 19. Dilation Image
-
# 20. Closing Image
-
# 21. Opening Image
-