首页 > TAG信息列表 > HSI
色彩空间转换
彩色图像的颜色空间 三原色原理 为了标准化起见，国际照明委员会(CIE)规定用波长为700nm、546.1nm、435.8nm的单色光分别作为红(R)、绿(G)、蓝(B)三原色。红绿蓝三原色按照比例混合可以得到各种颜色，其配色方程为︰C=aR+bG+cB 彩色模型（也称彩色空间或彩色系统)︰简化彩色规范stm32 HSE HSI
stm32 HSE HSI 时钟树 main.c clkconfig.h clkconfig.c 时钟树 HSE_SetSysClock和HSI_SetSysClock这两个函数就是根据上面这个时钟树编写的。 main.c 这个实验是通过HSE或者HSI配置系统时钟，结果就是，用HSE比HSI灯闪的快点，因为代码设置的是使用HSE时，SYSCLK=72，固件库应用之使用HSE / HSI配置时钟
文章目录 1.基础知识1.1 RCC是什么1.2 RCC框图分析2. SetSysClockTo72函数分析3. 编程步骤4. 使用的固件库函数4.1 RCC_HSEConfig函数4.2 RCC_WaitForHSEStartUp函数4.3 RCC_HCLKConfig函数4.4 RCC_PCLK2Config函数4.5 RCC_PCLK1Config 函数4.6 RCC_PLLConfig 函数4.7 RCC_图像RGB与HSI相互转换的C语言代码
直接 PO 代码： 1 #include <stdio.h> 2 #include <math.h> 3 #include "graphics.h" 4 5 6 /* 三通道数据，用于保存RGB或HSI图像数据 */ 7 typedef struct { 8 double *channel1; 9 double *channel2; 10 double *channel3; 11 } ThrePython+OpenCV数字图像处理，彩色空间变换（HSI和RGB空间）
Python+OpenCV数字图像处理，彩色空间变换（HSI和RGB空间） 前言代码运行结果 前言 新人轻点喷~ 在网上看到好多基本都是循环写的，逐个像素操作，比较慢，这里尝试用numpy库的where函数写了一下，速度提升了好多（呃~~~~~） RGB到HSI空间及HSI到RGB空间的原理和公式书上都有，就不列出来了（STM8S自学笔记-004 时钟
STM8S自学笔记-004 时钟与延时 STM8S的时钟源单片机世界的多种时钟源内部时钟源外部时钟源 STM8S的时钟源 上电复位后的STM8S时钟设置代码 STM8S的时钟源 单片机世界的多种时钟源 单片机的时钟源有很多种，根据其来源可将它们大致分为两类：内部时钟源 和 外部时钟源。而后，国标HSi 80-3硅黄铜棒 HSi 80-3性能
HSi 80-3硅黄铜 化学成分： Cu-----------------79.0-81.0 Fe-----------------≤0.6 Pb-----------------≤0.1 Si-----------------2.5-4.0 Zn-----------------余量 杂质---------------1.5 硅的锌当量系数高达10,显著缩小a相区。增加Si含量达4%以上时会出现新相K,为美六基于HSI和局部同态滤波的彩色图像增强算法
论文原文 基于HSI和局部同态滤波的彩色图像增强算法 项目地址 BlockHomo https://gitee.com/gshang/block-homo 基本思路 在 HSI 颜色空间下，对 I 分量进行处理，裁剪成 相同大小的 n×n 图像块，进行同态滤波，以此实现局部增强，但拼接图像时，在边缘必然会存在颜色突基于HSI和局部同态滤波的彩色图像增强算法
论文原文 基于HSI和局部同态滤波的彩色图像增强算法 项目地址 BlockHomo https://gitee.com/gshang/block-homo 基本思路 在 HSI 颜色空间下，对 I 分量进行处理，裁剪成 相同大小的 n×n 图像块，进行同态滤波，以此实现局部增强，但拼接图像时，在边缘必然会存在颜色突基于高斯函数加权直方图规定化的彩色图像去雾算法
Defogging Algorithm of Color Images Based on Gaussian Function Weighted Histogram Specification 1.主要思想 通过对RGB空间雾霾图像的对比分析，采用基于散射特性的HSI空间亮度转换模型，提取强度图像I，采用基于高斯函数权值的直方图规范化算法进行处理，然后进一步转换到RGRGB 和 HSI互相转换 python代码
图像RGB空间和HSI空间之间互相转换 # -*- coding: utf-8 -*- import numpy as np def __Rgb2Hsi(R, G, B): # 归一化到[0,1] R /= 255 G /= 255 B /= 255 eps = 1e-8 H, S, I = 0, 0, 0 sumRGB = R + G + B Min = min(R,G,B) S = 1 - 3 *高光谱图像处理深度学习方法综述（二）
5.卷积神经网络（CNN）用于HSI分类任务 CNN可以分为两个结构：特征提取（FE）网络和分类器。本文主要研究三种CNN架构： 谱段CNN 空间CNN 谱段--空间结合CNN A.谱段CNN框架用于HSI分类任务 谱段CNN模型中只考虑\(1D\)谱段信息（\(x_i \in R^B\)）作为输入。 下面列举一些着重从谱段进行研究的论HSI和RGB的转换
下面的公式来自数字图像处理（刚萨雷斯第二版第6章） 首先确定hsi的各分量变化域，H为[0,360],S为[0,1],I为[0,255]， 1.RGB转HSI (1)H: 这里θ的计算方式, (2) S, （I的公式在（3）中） (3) I 2.hsi转rgb 刚萨雷斯里面的HSI的I是归一化RGB后的，这里不归一化（求RGB时最后的分量不是用1减，而是3I减数字图像处理技术--学习笔记1--图像编程基础
【1】图像和数字图像 I=f(x,y)表示一幅图像，可以用矩阵的形式描述： 矩阵的各元素叫像素，一幅数字图像是由在水平方面上的M列像素和垂直方向上的N行像素构成的，在数值上等于数字图像在该坐标点处的灰度值。 【2】颜色与颜色空间 （1） RGB颜色模式如下： （2）HSI颜色模式 色调(Hue)、色饱STM32F4 3.STM32F4时钟系统
在 STM32F4 中，有 5 个最重要的时钟源，为 HSI、HSE、LSI、LSE、PLL。其中 PLL 实 际是分为两个时钟源，分别为主 PLL 和专用 PLL。从时钟频率来分可以分为高速时钟源和低速 时钟源，在这 5 个中 HSI，HSE 以及 PLL 是高速时钟，LSI 和 LSE 是低速时钟。从来源可分为 外部时钟源和内部时钟源，STM32(七)时钟——HSE、HSI、PLL介绍
stm32可以使用三种不同的时钟源来驱动系统时钟 (SYSCLK)，分别为HSI振荡器时钟、HSE振荡器时钟、主PLL时钟 一、高速外部时钟信号（HSE） 它主要是有以下两种时钟源产生： HSE外部晶体/陶瓷谐振器 HSE用户外部时钟 二、芯片内部时钟信号（HSI） HSI时钟信号由内部8MHz的RC振荡器产生，可直STM8L151C8单片机学习例程（2）——CLK切换
STM8L_2_CLK： 1.User：工程及main文件 2.Hardware：CLK,LED,Delay 3.STM8L15x_StdPeriph_Driver：STM8自带库文件 4.Debug：hex文件存放于EXE文件夹 5.Function: 不同CLK时，LED闪烁 /** ****************************************************************************** * @file【学习笔记】Capsure Networks for HSI
【利用胶囊网络处理高光谱图像问题】 Abstract 传统的CNNs对高光谱图像（HSI）识别问题有很好的效果，但是传统的CNNs对于找到空间-光谱间特征的联系领域上面存在障碍。(光谱-空间特征的联系是解决远景HSI 高等级复杂度的关键) 之前的解决办法是使用大量的信息数据调试参数。 我们建