Guide de traitement du signal d'image (ISP). Apprenez tout sur le processus de conversion d'une image/vidéo en forme numérique en effectuant des tâches telles que la réduction de bruit, le filtrage, l'exposition automatique, la mise au point automatique, la correction HDR et l'affûtage d'image avec un type de média spécialisé.
Explorez des ressources et des outils pour le traitement des images et des vidéos, y compris des techniques de réduction de bruit et de filtrage (Zed requis)
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentGuide de traitement du signal d'image (ISP). Apprenez tout sur le processus de conversion d'une image/vidéo en forme numérique en effectuant des tâches telles que la réduction de bruit, le filtrage, l'exposition automatique, la mise au point automatique, la correction HDR et l'affûtage d'image avec un type de média spécialisé.
ISP-Guide compte 685 étoiles sur GitHub. Il a été forké 122 fois. ISP-Guide est écrit principalement en Python. Il est développé activement depuis 2021. Ses principaux thèmes sont : awesome, digital-image-processing, digital-signal-processing, image-classification.
Guide de traitement du signal d'image (ISP). Apprenez tout sur le processus de conversion d'une image/vidéo en forme numérique en effectuant des tâches telles que la réduction de bruit, le filtrage, l'exposition automatique, la mise au point automatique, la correction HDR et l'affûtage d'image avec un type de média spécialisé.
ISP-Guide est un projet open source.
Oui. ISP-Guide est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
ISP-Guide est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/mikeroyal-isp-guide.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.