社区
图形处理/算法
帖子详情
有挑战性的问题:把-1024至1024这两2049个值,映射到RGB空间,该怎么做?
srxzx
2008-03-31 02:01:12
把-1024至1024这两2049个值,映射到RGB空间,该怎么做?
这个值代表的是密度,以前我们只是映射到256的灰度,所以比较简单,负的就是偏黑的,正的就偏白,从黑白就能看出密度来.
现在要映射到RGB空间,该用什么量来量化密度,而且符合人眼的视觉特性?
现在暂时还没有头绪,希望有大拿出手,赐教一下.
...全文
180
9
打赏
收藏
有挑战性的问题:把-1024至1024这两2049个值,映射到RGB空间,该怎么做?
把-1024至1024这两2049个值,映射到RGB空间,该怎么做? 这个值代表的是密度,以前我们只是映射到256的灰度,所以比较简单,负的就是偏黑的,正的就偏白,从黑白就能看出密度来. 现在要映射到RGB空间,该用什么量来量化密度,而且符合人眼的视觉特性? 现在暂时还没有头绪,希望有大拿出手,赐教一下.
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
9 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
DRACULAX05
2008-03-31
打赏
举报
回复
我现在的想法是把CT值转换为光波的波长,再从波长转换为RGB,不知道人眼欢波长的敏感性是怎么样的,有人有这方面的经验吗?
建议你找一本颜色光学理论的书来看,实际上我觉得应该根据你的数据的敏感程序设计影射的步长
比如某部分数据是癌变的信息,那么这部分影射到整个RGB空间的颜色应该更多
srxzx
2008-03-31
打赏
举报
回复
有了解CIE LAB 颜色空间吗?
如何从一个值转为 LAB, 从LAB 到 RGB 转换应该是有现成的算法的.
xkyx_cn
2008-03-31
打赏
举报
回复
试试呗,敏感度和你的步进值有关系吧
srxzx
2008-03-31
打赏
举报
回复
我现在的想法是把CT值转换为光波的波长,再从波长转换为RGB,不知道人眼欢波长的敏感性是怎么样的,有人有这方面的经验吗?
srxzx
2008-03-31
打赏
举报
回复
谢谢楼上的信息,还是没能找到相关的资料.我感觉海拔到颜色的映射是不连续的,在很多地方存在突变.
还在搜寻中,谢谢..
xkyx_cn
2008-03-31
打赏
举报
回复
确定范围类的量化值与RGB值的映射问题,貌似和地理上的海拔高度地图类似,lz 何不找这方面的资料看看,或者问问
做过类似项目的朋友,应该很容易解决的
srxzx
2008-03-31
打赏
举报
回复
这个是CT值,表示物体对X射线的吸收程度,水的CT值为0,空气的为-1000,骨气的在1000左右, 这在很大程度上反应了物体的密度,密度越小的物体对X射线吸收越少.
所以以前的CT图片是黑白的,黑的表示疏区,白的表示密区,如果什么器官上有黑点,那表示有可能是癌,癌的X光吸收率较其他低.
现在我想把CT图片彩色化,所以必须映射到RGB空间.
这就是我的问题..如果哪位大拿能帮忙解决,愿奉献所有的分.
xkyx_cn
2008-03-31
打赏
举报
回复
-1024至1024这两2049个值 代表的是啥意义,想要表示的又是啥意义?
srxzx
2008-03-31
打赏
举报
回复
还有映射的算法该怎么做?简单的映射肯定不行.
我是做医学图像处理的.
Image-based 3D Object Reconstruction: State-of-the-Art and Trends in the Deep Learning Era
Image-based 3D Object Reconstruction: State-of-the-Art and Trends in the Deep Learning Era 深度学习领域基于图像的三维物体重建最新方法及未来趋势综述 论文下载:https://arxiv.org/abs/1906.06543 摘要:三维重建是计算机视觉计算机图形学和机器学习等领域几十年来一个不适定
问题
。从2015年开始使用CNN解决基于图像的三维重建(image-based 3D reconstruction)有了极大
论文阅读:SO-Net: Self-Organizing Network for Point Cloud Analysis
SO-Net: Self-Organizing Network for Point Cloud Analysis Jiaxin Li, Ben M. Chen, Gim Hee Lee National University of Singapore Abstract 本文提出SO-Net,一种用于无序点云深度学习的置换不变网络结构。 SO-Net通过构建自组织
映射
(SOM)来模拟点云的
空间
分布。...
计算机视觉模型可解释性:Grad-CAM与Attention可视化
计算机视觉模型可解释性:Grad-CAM与Attention可视化 ,人工智能,计算机视觉,大模型,AI,计算机视觉模型的可解释性技术主要分为全局解释和局部解释。全局解释旨在理解模型在整个数据集上的决策逻辑,例如分析哪些特征对模型分类结果影响最大;局部解释则聚焦于单个样本,探究模型针对该样本
做
出决策的依据。Grad-CAM 和 Attention 可视化均属于局部解释技术,它们通过可视化的方式,直观展示模型在处理单张图像时关注的重点区域。
阅读笔记-LSD-SLAM: Large-ScaleDirect Monocular SLAM 逐行仔细阅读 lsdsalm论文解读
皮皮原创手打,欢迎交流。 基本情况 标题 :Large-ScaleDirect Monocular SLAM -2014年 作者:Jakob Engel and Thomas Sch¨ops and Daniel Cremers 论文下载地址 :https://sci-hub.mksa.top/10.1007/978-3-319-10605-2_54 代码地址 :https://github.com/tum-vi...
Self-Supervised Sparse-to-Dense: Self-Supervised Depth Completion from LiDAR and Monocular Camera
论文分享(2) 0.摘要 深度补全,一种从稀疏深度图到估计密集深度图的技术,在机器和自动驾驶中由很大的应用。然而,深度补全面临三个主要的挑战:稀疏深度输入中的不规则间隔模式;处理多种传感器模式的困难(当彩色图存在时);像素级别真值的密集深度的缺失。在这项工作中,处理了上述所有的挑战。具体来说,我们开发了一个深度回归模型来学习直接的
映射
从稀疏深度(含彩色图)到密集深度。我们也提出了一个自我监督训练框...
图形处理/算法
19,467
社区成员
50,678
社区内容
发帖
与我相关
我的任务
图形处理/算法
VC/MFC 图形处理/算法
复制链接
扫一扫
分享
社区描述
VC/MFC 图形处理/算法
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章