图像处理

ACM MM 2026｜告别密集交互！ProtoHGF-Net：基于原型超图的RGBT目标检测新范式ProtoHGF-NetPROTOTYPE-LVL RGBT FUSION从密集融合走向原型交互ACM-MM-2026

PDF 转 HTML 免费5种方法，体积0.5%到368%同一份 4 页的 PDF 转成 HTML 后我手上五份输出里最小的只有 5,814 字节，但那一份一张图都没有。最大的有 4,338,677 字节，两头一除是 746 倍，所以这个倍数不能直接拿来比工具。固定版式、文字还能选的几种里，这份样本上体积最小的是 PDF24 的 Complete 模式。它的输出是 750,652 字节，只有源文件的 63.6%。想在电脑浏览器里就地转又不把文件发出去可以看看图映 ImgIng。它的输出是 1,266,312 字节，比源文件大了 7.3%。

航天科普怎么用AI生成3D场景？从科学约束、尺度分层到网页展示的完整方案用 AI 生成一座火星基地，再加入漫游和讲解，能否直接用于科技馆或学校课程？它可以作为制作起点，但不能直接当作科学结论。天空中天体的大小、基地所处地形、设施布局和人物运动，都可能看起来合理，却缺少可以核验的依据。

bilateral_filter_paper图像里有噪声，我们希望把噪声抹掉，但又不想把图像边缘也抹糊。最简单的想法是：把一个像素和周围几个像素取平均。但这样做的问题是——如果当前像素在边缘上，比如左边是白墙、右边是黑衣服，取平均后边缘会变灰，边缘就糊掉了。

≮傷￡≯√

opencv 图像处理(一)5：核尺寸，必须是奇数，这里是 5×5 窗口适合：图像里随机的黑白噪点（椒盐噪声）参数解释：适合：需要保留轮廓、边缘的场景（人像、物体轮廓）缺点：速度很慢，计算量大；对椒盐噪声效果差

C# 基于OpenCv的视觉工作流-章114-视觉与http通讯C# 基于OpenCv的视觉工作流-章114-视觉与http通讯本章目标：一、开启http服务；二、浏览器访问触发流程；

【Medical Image Analysis】深度学习医学图像合成综述：伪CT、合成MRI与合成PET的架构、性能与临床边界Monash 大学与帝国理工团队系统综述 2018–2023 年 173 篇文献，把医学图像合成分为伪 CT、合成 MR、合成 PET 三条任务线，比较 U-Net、GAN、Transformer 与扩散模型的设计、损失函数、数据集与性能。核心判断：Transformer 与扩散模型在脑部 MRI 及部分 CT 任务领先，cGAN 在骨盆 CT 更稳，GAN 仍是 PET 合成主力；配对数据、跨中心泛化与评价口径仍是临床落地瓶颈。

深圳安锐科技有限公司

从成像尺度到亚像素解算：变焦视觉位移监测如何让远近断面都稳视觉位移监测以靶标或结构特征在图像中的位置变化为基础。当一台设备需要覆盖近、中、远多个断面时，距离变化会同时改变靶标的像素尺度、边缘清晰度和画面亮度，进而影响定位稳定性。工程实践中常见的“近处数据平滑、远处数据发飘”，往往不是设备精度不够，而是远断面的成像条件已经不满足稳定解算的要求。本文梳理变焦视觉监测从焦位匹配到位移解算的完整链路，说明远近断面数据为何能保持一致可靠。

Python 图像处理第二十八章｜OpenCV 形态学操作进阶：腐蚀、膨胀、开运算、闭运算、梯度、顶帽黑帽上一章我们学习了仿射与透视变换，完成了文档倾斜矫正。在 HSV 颜色掩码、二值图、轮廓检测的流程里，经常会出现细碎噪点、小空洞、边缘毛刺，直接拿去找轮廓很容易检出大量无效轮廓。形态学操作就是专门针对二值图像做形状修正的预处理工具。

视频添加水印的实践：文字叠加、透明 PNG 与时间区间设置视频水印常用于作者署名、品牌标识、样片标注和内容归属提示。对于只需要添加静态文字或 Logo 的场景，可以通过视频叠加的方式实现，不一定需要使用复杂的动态图形编辑流程。

第 9 章医学影像项目实战本章导读前八章解决了"每个技术点怎么做"，本章回答"一个完整项目怎么做"。医学影像 AI 项目的失败很少因为算法不够先进，而是因为：数据泄漏、标注不一致、评估设计缺陷、忽视临床工作流。本章首先建立医学影像项目的工程方法论（9.1：数据集获取、标注规范、项目管理），然后通过两个端到端案例完整走通从数据到交付的全过程——胸部 CT 肺炎检测系统（9.2，分类 + 定位任务）与病理 WSI 辅助诊断（9.3，弱监督 + Transformer 任务）。两个案例分别代表"自然影像"与"超大病理图像"两类最典型的项

视频素材处理时的隐私盲区：云处理与本地处理的边界在哪上周给某医疗企业做员工培训视频的脱敏，甲方技术负责人多问了一句——「你们字幕生成和人脸检测是用在线API还是本地的？」我愣了一下才明白他的意思。那瞬间意识到，过去半年接的两个商单都在用在线服务跑人脸检测和画面修复，素材经过的那台服务器到底在哪、数据停留多久，没人给过书面承诺。

Fusion Anything Model：面向通用多模态融合的基座模型Fusion Anything Model:面向通用多模态融合的基础模型论文名称：Fusion Anything： A Generalized Multimodal Foundation Model | 面向通用多模态融合的基础模型

用 Python 批量处理商品图：抠图、高清放大与图生视频（同步 API 完整示例）商品图片批量处理通常包含三个阶段：去背景、提高分辨率，再选择部分图片生成展示视频。本文用 requests 和线程池实现一条可选阶段的处理流水线，重点讨论同步请求、有限并发和失败后的恢复。

Unsharp Masking算法综述一、USM算法 1.USM算法的全称：Unsharp Masking算法非锐化掩膜算法，这个非锐化掩膜是对原始图像应用一个低通滤波，得到一张模糊的图像。

怎么把PDF里的图片提取出来？5种方法和在线工具的坑想把 PDF 里的图片取出来，别截图，直接取文件里存的那张原图。不介意上传就用在线工具最省事。怕上传或者怕图被改过就走本地处理，比如命令行的 pdfimages 或者电脑浏览器里的图映 ImgIng。我拿同一份公开宣传册把五种办法都过了一遍：截图、整页转图片、在线工具、命令行和浏览器本地提取。在线工具有两个代价。文件要先传到别人的服务器，有的还会把图重新压一遍。样本里 iLovePDF 导出的封面图体积缩到了原图的一半以下。

2027年智慧教育与人机交互国际学术会议（SEHCI 2027）会议官网2027年智慧教育与人机交互国际学术会议（SEHCI 2027）_RDLINK研发家 https://www.yanfajia.com/action/p/6G2GA4SA

WebP转JPG背景变黑、边缘毛刺？4种方法透明底的 WebP 转成 JPG 后整张发黑或者主体边缘多出一圈脏方块，原因是转换工具把透明通道直接删了，透明区域里原本看不见的颜色全露了出来。修法只有一句：转之前先把图合成到白底或你最终要用的底色上再存 JPG。处理透明图的办法有四种：用 Mac 自带的 sips 或预览，用 ezgif、CloudConvert 这类在线工具，自己写脚本时先铺白底，或者干脆不转 JPG 改存 PNG（比如 libwebp 自带的 dwebp）。前两种默认就会铺白底。最容易出事的是脚本，因为最顺手的那种写法恰好就是直接删

声音、图像、视频是如何形成的：从物理量到比特流的完整链条一段音乐、一张照片、一部电影，在计算机里都是同一种东西——一串按约定规则排列的字节。但这串字节不是凭空产生的，它是一条清晰因果链的末端：物理世界的连续量 → 传感器换能 → 电信号 → 采样量化 → 编码组织 → 比特流。

CT 重建从零开始（五）：ASTRA Toolbox 上手——几何、投影器与算法前几篇的实验都用 scikit-image 的 radon / iradon，或者自己写几十行 NumPy。这样讲原理足够，但一到真实尺寸就不够用了：没有 GPU 加速，没有锥束，也很难嵌进深度学习网络。