学习图像算法阶段性总结 (附一键修图Demo) 2016.04.19更新demo

今天特别感慨,自己从决定研究图像处理,势必要做出一键修图算法。

经历了,三个多月的书籍积累,三个多月的算法调整以及优化。

人是一种奇怪的动物,当你做不到的时候,你以为做到了,自己会感觉很爽,很有成就感。

而当你做到了,却会觉得也就那么回事。

一开始自己只是很意外性地做到了一种劣质的颜色矫正算法,就觉得自己牛上天了。

再到后来一次又一次改进算法,最后那个最原始的算法,烂到我自己都不好意思说。

仅仅一个颜色的修复我就耗费了四五个月,再到半个月做完智能曝光算法,一切好像就是那么顺理成章,自然而然。

跟大多数人不同的是,我是从一开始就坚持每一个算法都要自己写,自己实现。

包括图像裁剪,图像翻转,图像模糊,图像锐化,图像降噪,图像缩放,PS曲线等等很基础的算法,

我都是自己一句一句敲出来的,在写的过程中,也不记得自己修改了多少次了。

我固执地认为,图像修复是所有图像算法,包括识别分析以及深度学习机器学习等等算法,最基础也是最核心的东西。

因为如果图像能修复到一定的程度,对所有上层算法,绝对是质量的飞跃,例如识别算法,识别准确率必然是提升的。

在这个过程中,最大的感受就是千万不要小看每一个算法,你只要用每一个算法最核心最优秀的思想,就能创造更多更优秀的算法。

至于算法优化其实就是一句话:时空,时间空间,用时间换空间,用空间换时间,如果能两者兼顾则更佳。

所以我自己在写算法的时候,就是时刻考虑内存空间,算法耗时,这非常重要。

昨天看了下自己离职的日期:2015.9.16,时至今日已经半年多了。

半年多的坚持和努力,白发也多了起来,人也憔悴多了。

最近也开始投简历了,在这个过程中也碰到了不少挫折,

主要是没多少人相信我是真的想回企业里踏实成长,

经历了那么多事情,其实也只是希望自己能真正地稳定下来,特别是在图像算法这个领域能有所建树。

这段时间,认识了不少网友,得到了不少网友的认可,自己也尽自己所能,回答一些他们询问我的问题,分享自己的一些心得体会。

也有不少网友热情地邀我去加盟他们,不过说实话,北京,上海,杭州,这几个地方自己就是不太喜欢,最喜欢的还是深圳。

原因很简单,我把深圳图书馆当成了家。

在深圳的那段时间,除了上班,偶尔跟朋友出去,我去得最多的地方就是图书馆。

为了能稳定一点,若非特殊情况,现在我只考虑大公司。

学习是一生的事情,投资自己不会错的。

在珠海金山的时候,每个月,薪水里都有一千多元被我用来买书学习,

在学习这方面我真的不节俭,所以到现在,自己除了一身的能力和知识,也没什么积蓄。

而在深圳,图书馆经常有新书,资料非常全,省去了我很大一部分的开销,这也是为什么我很喜欢深圳这个图书馆城市最大的原因。

我的QQ和微信签名是:

To get where you want to go, you have to know where you are.

不记得什么时候写的,然后一直没再改过,你要去什么地方的前提是,你必须知道你自己现在在哪里。

在学图像算法的过程中,我经常看一些招聘信息,看看企业要求的条件是什么,

自己是不是满足这个条件,如果不满足,排个期,一步一步学起来。

学习以及能力培养,没有捷径,一步一个脚印,踏踏实实,稳稳当当。

虽然到现在,自己很多能力还是没达到标准。

我一直认为,100分只是及格.

所以很多东西还不够好,还有缺陷。

有网友跟我聊,他说他是在学习,而我是在超越。

其实也很正常,只有超越别人,才有核心竞争力。

我把100分当及格分,你把100分当满分,这是非常不一样的。

很多时候,心态要好,傻逼样的去坚持,必有牛逼样的结果。

想想自己最惨的时候,在大学里,5片面包过一天。

现在与那时候相比,已经好太多了。

那些看不起我的人,就让他们看不起呗,与我无关。

前段时间向一个老同事请教,他说他经历跟我有点像,但也有不同。

不过他告诉我最深刻的话就是:

  人太在意别人对自己的看法,而忽略了自己最重要的东西。

要放下执念,稳稳当当地走下去。

 一键修图也算是自己最近一段时间的短期目标,从不懂到做出来,也只有自己知道这之间的苦楚。

很多时候,我想做什么事情的时候,都有朋友笑我天真,不自量力。

但是,我是强执行力,行动派,不去做,我不知道自己能做到什么样子,但是要去做。

很多人做事情只停留在想和想去做,而不是立刻去做。

其实失败没那么可怕,失败又不会死,没什么好怕的,如果你连死都不怕,那就更没什么好怕的了。

有不少网友也一直想我分享这个算法,不是我不愿意,是我觉得授人以鱼不如授人以渔,而且自己那么辛苦做出来的东西,真的没那么容易就分享出去。

我不是伟人,我没那么伟大。

这个世界还有很多事情,值得我们用心去做好它。

贴一些一键修图的效果图(图片源自网络)。

原图->效果图。

Demo下载:   

2016.04.19更新:

优化算法,改进背光图片的修复。

新Demo下载:

(注:可能会被杀毒软件误杀,添加为信任即可)

不少网友在问,我就补充一下这个我这个算法的核心思路是: 拟合曲线

只能说这么多,说破没酒喝。

俺的联系方式如下:

邮箱: gaozhihan@vip.qq.com

QQ:200759103

联系我时请说明来意,不然一律忽略,谢谢。

除了IT技术之外,本人也涉猎了很多其他领域的知识,欢迎大家一起来互相探讨学习。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技大本营的专栏

AI技术讲座精选:数学不好,也可以学习人工智能

【AI100导读】越来越多工程师想学习大热的深度学习,但深度学习技术需要数学功底,数学不好怎么办?这篇文章可以提供成为深度学习工程师的数学路径。 如果你像我一样...

3216
来自专栏数据猿

2017年十本必读的大数据&人工智能领域书籍,你都读过吗?

【数据猿导读】年关将至,回顾2017,小编记得自己曾在年初的时候给自己定下一个小目标——就是读30本书。然而随着春节的临近,小目标却成了遥不可及的梦。不知道在过...

91013
来自专栏AI科技评论

学界 |「眼」来助听:谷歌视觉-音频分离模型解决「鸡尾酒会效应」

Google Research 软件工程师发表了可解决「鸡尾酒会效应」视觉-音频语音识别分离模型。 AI 科技评论按:人类很擅长在嘈杂的环境下将其他非重点的声...

4347
来自专栏企鹅号快讯

No.3 啥是数据运营(三):思维方式

今天这篇可以说是思维方式的总结,一共十四对我个人而言较为重要的思维方式,分享给大家。请不要嫌弃我的灵魂画作。 1.信号与噪音(信度与效度) 信度的英文为Reli...

1938
来自专栏PPV课数据科学社区

如何看待和学习人工智能?这是五位哈佛博士生的AMA

最近,五位哈佛的在读博士生集体来到著名社区reddit,展开一场围绕人工智能和认知科学的AMA(Ask Me Anything)。 简单介绍一下这几位博士生:R...

3515
来自专栏新智元

Ian Goodfellow:我最大的失败是用无监督解决计算机视觉的监督学习问题

1834
来自专栏数据派THU

英雄联盟如何指挥团战?AI帮你做决策(附资源)

[ 导读 ]英雄联盟是一个需要默契团队配合的多人对战游戏。在瞬息万变的战斗中,如何做出正确的决策非常重要。最近,数据分析师 Philip Osborne 提出了...

1465
来自专栏人工智能头条

五月人工智能博文Top10

832
来自专栏量子位

清华马少平教授详解:人工智能能做什么?

原文刊载于 明略数据(Minglamp_BigData) 量子位 | QbitAI 已获授权编辑转载 这是7月下旬,马少平老师在明略数据内部做的一个分享,基于此...

3766
来自专栏量子位

全球最大的第一视角视频数据集开源,取自真实生活,还能提升厨艺

最近,一个有趣的视频数据集开源了,它不仅能助你研究生涯一臂之力,或许还能提升你的……嗯,厨艺。

1558

扫码关注云+社区

领取腾讯云代金券