C# OpenCvSharp DNN 二维码增强 超分辨率

效果

项目

代码

cs 复制代码
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using OpenCvSharp;
using OpenCvSharp.Dnn;
using OpenCvSharp.Extensions;

namespace OpenCvSharp_DNN_二维码增强
{
    public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();
        }

        private string fileFilter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";
        Bitmap bmp;
        String imgPath = "";

        const string prototxt_path = "sr.prototxt";
        const string caffe_model_path = "sr.caffemodel";

        private void button2_Click(object sender, EventArgs e)
        {
            OpenFileDialog ofd = new OpenFileDialog();
            ofd.Filter = fileFilter;
            if (ofd.ShowDialog() != DialogResult.OK) return;
            imgPath = ofd.FileName;
            bmp = new Bitmap(imgPath);
            pictureBox1.Image = bmp;

        }

        private void button1_Click(object sender, EventArgs e)
        {
            if (pictureBox1.Image == null)
            {
                return;
            }

            var src = Cv2.ImRead(imgPath, ImreadModes.Grayscale);
            var srnet = CvDnn.ReadNetFromCaffe(prototxt_path, caffe_model_path);
            Mat blob = CvDnn.BlobFromImage(src, 1.0 / 255, src.Size(), new Scalar(0.0f), false, false);
            srnet.SetInput(blob);
            var prob = srnet.Forward();
            var dst = new Mat(prob.Size(2), prob.Size(3), MatType.CV_8UC1);
            for (int row = 0; row < prob.Size(2); row++)
            {
                for (int col = 0; col < prob.Size(3); col++)
                {
                    float pixel = prob.At<float>(0, 0, row, col) * 255;
                    dst.Set<byte>(row, col, (byte)(Math.Max(0, Math.Min(pixel, 255f))));
                }
            }
            pictureBox2.Image = BitmapConverter.ToBitmap(dst);

            // Cv2.ImShow("src", src);
            // Cv2.ImShow("dst", dst);
        }
    }
}

Demo下载

相关推荐
olivesun8821 分钟前
AI的第一篇编码实践-如何用RAG和LLM
人工智能
龙山云仓25 分钟前
No153:AI中国故事-对话毕昇——活字印刷与AI知识生成:模块化思想与信息革
大数据·人工智能·机器学习
狒狒热知识34 分钟前
2026年软文营销发稿平台优选指南:聚焦178软文网解锁高效传播新路径
大数据·人工智能
十铭忘42 分钟前
个人思考3——世界动作模型
人工智能·深度学习·计算机视觉
rgb2gray44 分钟前
优多元分层地理探测器模型(OMGD)研究
人工智能·算法·机器学习·回归·gwr
大猫子的技术日记1 小时前
2025 AI Agent 开发实战指南:从上下文工程到多智能体协作
前端·人工智能·bootstrap
Hoking1 小时前
milvus向量数据库介绍与部署(docker-compose)
人工智能·milvus·向量数据库
PPIO派欧云1 小时前
PPIO 上线 MiniMax M2.5:体验架构师级编程与高效 Agent 能力
人工智能·ai·大模型
laplace01231 小时前
deque+yield+next语法
人工智能·笔记·python·agent·rag