معرفی شرکت ها

disparity-interpolation-1.0.5

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
1.0.5
1.0.4
1.0.3
1.0.1
1.0.0
1.0.3
1.0.1
1.0.0

توضیحات

Nearest neighbor interpolation for disparity images with missing parts.
ویژگی مقدار
سیستم عامل -
نام فایل disparity-interpolation-1.0.5
نام disparity-interpolation
نسخه کتابخانه 1.0.5
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Jhony Kaesemodel Pontes
ایمیل نویسنده -
آدرس صفحه اصلی https://github.com/jhonykaesemodel/disparity_interpolation
آدرس اینترنتی https://pypi.org/project/disparity-interpolation/
مجوز -
[![Python 3.7](https://img.shields.io/badge/python-3.7-blue.svg)](https://www.python.org/downloads/release/python-370/) [![Python 3.8](https://img.shields.io/badge/python-3.8-blue.svg)](https://www.python.org/downloads/release/python-380/) [![Python 3.9](https://img.shields.io/badge/python-3.9-blue.svg)](https://www.python.org/downloads/release/python-390/) [![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](./LICENSE) ![Linux CI](https://github.com/jhonykaesemodel/disparity_interpolation/actions/workflows/github-deploy.yml/badge.svg) ## Fast nearest-neighbor interpolation of disparity maps using Cython Some stereo matching methods such as [Semi-Global Matching (SGM)](https://core.ac.uk/download/pdf/11134866.pdf) might provide sparse disparity maps, meaning that some pixels will not have valid disparity values. In those cases, an interpolation of the predicted disparity map might be needed for evaluation against semi-dense ground-truth, as in the [KITTI Stereo 2015 benchmark](http://www.cvlibs.net/datasets/kitti/eval_scene_flow.php?benchmark=stereo). **Usage example:** ```python import disparity_interpolation def interpolate_disparity(disparity_map: np.array) -> np.array: """Intepolate disparity image to inpaint holes. The expected run time for a stereo image with 2056 × 2464 pixels is ~50 ms. """ # Set the invalid disparity values defined as "0" to -1. disparity_map[disparity_map == 0] = -1 disparity_map_interp = disparity_interpolation.disparity_interpolator(disparity_map) return disparity_map_interp ```


نحوه نصب


نصب پکیج whl disparity-interpolation-1.0.5:

    pip install disparity-interpolation-1.0.5.whl


نصب پکیج tar.gz disparity-interpolation-1.0.5:

    pip install disparity-interpolation-1.0.5.tar.gz