Wolfram 图像 | 应用示例

在代码中点击并按下
+
，即可编辑并运行任何代码。
图像处理、分析与计算。无论是初学者还是专家，Wolfram Image 都能提供一套全面高效的图像处理、识别和分析功能，并与高度自动化的机器学习、统计、可视化等功能紧密集成。

导入、处理和导出图像

导入图像文件：
Run
In[]:=
flower=Import["ExampleData/coneflower.jpg"]
应用图像效果：
Run
sepiaflower=ImageEffect[flower,"Sepia"]
以您选择的格式导出结果：
Run
Export["flowerexample.png",sepiaflower]

图像增强与复原

锐化图像：
Run
In[]:=
Sharpen

自动增强图像的对比度、亮度与伽马值：
Run
ImageAdjust

对图像进行滤波以去除噪声：
Run
MedianFilter
,1

色彩处理和图像效果

通过改变颜色创建新版本的产品图像：
Run
ImageRecolor
,ColorsNear
,0.1
,ColorsNear
,0.02
,_

通过自动平衡色彩模拟自然光照：
Run
ColorBalance

使用第二张图像的图形样式重新设计第一张图像：
Run
ImageRestyle
,


图像对齐与拼接

将重叠图像组合为连贯的整体：
Run
ImageStitch
,
,

对齐一组失准且具有不同焦点的图像：
Run
aligned=ImageAlign
,
,
,
;
通过填充使边界统一，然后将对齐图像合成为全焦图像：
Run
ImageFocusCombine[ImagePad[#,-9]&/@aligned]

执行目标检测

使用预训练网络识别图像中的对象：
Run
In[]:=
ImageContents

高亮显示检测到的对象：
Run
HighlightImage
,ImageBoundingBoxes

图像分类与特征识别

对图像主题进行分类：
Run
In[]:=
ImageIdentify
,
,

识别面部特征（如情绪）：
Run
FacialFeatures
,
,
,"Emotion"

运行基于图像的神经网络

导入特定的预训练模型：
Run
In[]:=
net=NetModel["ResNet-101 Trained on YFCC100m Geotagged Data"]
对著名地标图像应用模型以识别图像的地理位置：
Run
In[]:=
locations=net
,
,

绘制所得位置：
Run
GeoGraphics[GeoMarker[locations],GeoRangePadding->Scaled[0.1]]

执行分割与区域分析

创建显示连通分量的二值图像（本例指定了检测上限阈值）：
Run
MorphologicalBinarize
,.9
对各分量进行着色：
Run
ColorizeMorphologicalComponents
,.9,Method->"Nested"
从 Wolfram 神经网络库导入并使用语义分割网络：
Run
cityNet=NetModel["Dilated ResNet-22 Trained on Cityscapes Data"]
使用导入的网络执行语义分割并对结果着色：
Run

处理 3D 图像