基于空间和谱熵的无参考图像质量评价

图片选转,另外  ///         /// 任意角度旋转,正数顺时针旋转         ///         /// 原始图Bitmap         /// 旋转角度         /// 背景色         /// 输出Bitmap         public static Bitmap KiRotate(Bitmap bmp, float angle, Color bkColor)         {             int w = bmp.Width + 2;             int h = bmp.Height + 2;      &n

模糊图像自适应正则化参数和范数选择的图像复原MATLAB，效果真心不错

功能：通过频域补零，实现时域插值，使时域信号平滑，易于观察，以matlab函数形式实现 输入：一维时域信号，插值倍数（其中插值倍数指输入时域信号长度的倍数，即最终得到插值后的时域信号长度为length(输入时域信号)*插值倍数） 输出：插值后的频域信号和时域信号

谢凤英的VC++数字图像处理(源码)包括源码和测试图像，第九章太大单独传

一个非常好的基于边缘指导的图像插值算法仿真代码    基于MATLAB里面附有论文，课对照论文学习.......................

Sobel 算子，有时被称为索贝尔过滤，用于图像处理和计算机视觉，尤其是在边缘检测算法，并创建图像，强调边缘和转换

SIFT算法是稳定快速的特征提取算法，它除了具有稳定性外，最突出的优点是算法速度快，实时性较强。

人脸检测-PC_QT版本，在linux系统下实现，ARM+linux+QT  代码实现，分类器，图片

应用背景局部二进制模式（LBP）最初纹理描述设计。它是不变的单调的灰色规模转换，这是非常纹理分析的重要。也由于实时图像处理的图像处理是可能的。LBP可以描述纹理数字图像的形状。我们已经开发了一种快速的方法，人脸识别相结合基于微观结构的空间域分类局部二进制模式和频域获取宏信息从离散余弦变换（DCT）和许多其他功能表示人脸图像关键技术 ；我们已测试的代码在6146面（13面，477班每班平均数），获得能效比等于3.07%。人脸数据库包括6146手动裁剪128-by-128灰度图像。对于一些受试者，图像在不同的时间，不同的照明，面部表达式（打开/闭上眼睛，微笑/不笑，眼睛闪烁，…）和面部细节（眼镜/没有眼镜）。许多图像被拍摄非均匀背景的主题在一个直立的，正面的位置，与一些侧面的运动公差。数据库包括但不限于使用最常见的人脸数据集模式识别，如AT&；T的人脸数据库，JAFFE数据库，耶鲁数据库和更多。关键词：MATLAB源代码，，，LBP，地方，二进制，模式，模式，DCT，脸，识别，匹配。

你看，扫描使用智能手机的文件可以被分解成三个简单的步骤：第1步：检测边缘。步骤2：使用在图像中的边缘以找出轮廓（轮廓）表示一张纸被扫描。步骤3：应用一个透视变换，以获得所述文件的俯视图。线2-7手柄导入我们需要必要的Python包。我们将通过导入我上周讨论了我们four_point_transform功能启动。我们也将使用imutils模块，它包含了方便功能调整大小，旋转，裁剪和图像。你可以在我的基本的图像操作后阅读更多关于imutils。接下来，让我们从进口scikit图像的threshold_adaptive功能。该功能将帮助我们获得了“黑与白”感觉我们的扫描图像。最后，我们将使用NumPy的数值处理，argparse解析命令行参数，并CV2我们OpenCV的绑定。第10-13行手柄解析我们的命令行参数。我们只需要一台交换机的形象，--image，这是路径包含我们要扫描的文档的图像。现在，我们有路径，我们的形象，我们可以继续前进步骤1：边缘检测。第61行执行翘曲改造。事实上，所有的繁重被four_point_transform函数处理。同样，你可以阅读更多关于上周的帖子在此功能。我们将通过两个参数为four_point_transform：第一个是我们的，我们装过盘原始图像（不是大小之一），第二个参数是代表文件，乘以调整大小比例的轮廓。所以，你可能会奇怪，为什么我们乘以调整比例是多少？我们乘了调整后的比率，因为我们进行边缘检测，发现轮廓高度= 500像素的调整后的图像上。然而，我们希望将原来的图像，而不是调整大小后的图像上执行扫描，从而我们通过调整大小比率相乘的轮廓点。要获得黑白的感觉的形象，我们再采取扭曲图像，将其转换为灰度和应用自适应阈值上线65-67。