Ich portiere einen Python-Code nach NodeJS, aber das Ausgabebild sieht rötlich aus.
Ich möchte opencv nicht in NodeJS verwenden. Ich verwende scharf. Haben Sie eine Idee, wie Sie das Problem beheben können?
Das Eingabebild ist ein Schwarzweißbild für Python- und NodeJS-Code. Das Ausgabebild sollte farbig sein. Der Code wandelt also Schwarzweiß in Farbe um. Es verwendet das ONNX-Modell. Allerdings liefert Python das erwartete Ergebnis, aber im Fall von NodeJS liefert es eine rötliche Ausgabe.
Ich habe unten zwei Bilder angehängt, Ausgaben von NodeJS bzw. Python. Python eins war korrekt, aber nicht nodejs
Dies ist nodejs-Code
Ich portiere einen Python-Code nach NodeJS, aber das Ausgabebild sieht rötlich aus. Ich möchte opencv nicht in NodeJS verwenden. Ich verwende scharf. Haben Sie eine Idee, wie Sie das Problem beheben können? Das Eingabebild ist ein Schwarzweißbild für Python- und NodeJS-Code. Das Ausgabebild sollte farbig sein. Der Code wandelt also Schwarzweiß in Farbe um. Es verwendet das ONNX-Modell. Allerdings liefert Python das erwartete Ergebnis, aber im Fall von NodeJS liefert es eine rötliche Ausgabe. Ich habe unten zwei Bilder angehängt, Ausgaben von NodeJS bzw. Python. Python eins war korrekt, aber nicht nodejs Dies ist nodejs-Code [code]const sharp = require('sharp');
// Convert image to tensor data const imageToTensor = async (imageBuffer, rFactor) => { // const img = new Image(); // img.src = imageBuffer;
const imageSharp = sharp(imageBuffer); // Create a sharp instance // Get metadata (includes width and height) const metadata = await imageSharp.metadata();
// Get original dimensions and LAB values const originalLab = await imageSharp.toColorspace('lab').raw().toBuffer();
// First convert to grayscale using sharp for better preprocessing const grayscaleBuffer = await imageSharp .grayscale() .resize(rFactor, rFactor, { fit: 'fill', kernel: 'lanczos3', // Use better quality resizing }) .raw() .toBuffer();
// Prepare tensor data with proper normalization const tensorData = new Float32Array(3 * rFactor * rFactor); for (let i = 0; i < grayscaleBuffer.length; i++) { // Normalize to 0-1 range const normalizedValue = grayscaleBuffer[i] / 255.0;
// Fill all three channels with the same normalized value tensorData[i] = normalizedValue; tensorData[i + rFactor * rFactor] = normalizedValue; tensorData[i + 2 * rFactor * rFactor] = normalizedValue; }
async function colorizeImage(inputImageBuffer, colorizedData, dimensions) { try { // Convert original image to LAB to extract L channel const originalLab = await sharp(inputImageBuffer) .toColorspace('lab') .raw() .toBuffer();
// Create buffer for final image const finalImageBuffer = Buffer.alloc( dimensions.width * dimensions.height * 3 );
// 3. Combine channels: // - Use L (luminance) from original image // - Use a,b (color) channels from colorized result for (let i = 0; i < dimensions.width * dimensions.height; i++) { const idx = i * 3;
// Copy L channel from original image finalImageBuffer[idx] = originalLab[idx];
obiges Bild in NodeJS (dieses Bild sieht rötlich aus, ich will es nicht) Das ist Python-Code [code]import requests import numpy as np import cv2 import onnxruntime
# Preprocess image: # - Convert to LAB, extract L channel, convert back to RGB targetL = cv2.cvtColor(image,cv2.COLOR_BGR2LAB) targetL,_,_=cv2.split(image)
Ich portiere einen Python-Code nach NodeJS, aber das Ausgabebild sieht rötlich aus.
Ich möchte opencv nicht in NodeJS verwenden. Ich verwende scharf. Irgendeine Idee, wie man das Problem beheben...
Ich habe einen tiefen Lernmodus, den ich in der JIT -transformierten Weise durch:
verwandeltemy_function_checked = checkify.checkify(model.apply)
model_jitted = jax.jit(my_function_checked)
err,...
Ich habe einen tiefen Lernmodus, den ich in der JIT -transformierten Weise durch:
verwandeltemy_function_checked = checkify.checkify(model.apply)
model_jitted = jax.jit(my_function_checked)
err,...
Gibt es eine Möglichkeit, einen Enum-Satz von Konstanten zu definieren, indem die Daten aus einer Skriptdatei (vielleicht einer XML- oder einer JSON-Datei) geladen und analysiert werden?