内容索引:VB源码,图形处理,图像标尺　　一个挺不错的VB图像标尺示例程序，可以获取图像的真实像素，以及鼠标在图像上的位置坐标，类似一个HOOK一样，还可以设置标尺的单位（厘米、英寸）图像标尺放大倍数等。

这个代码主要是介绍了python使用kmeans算法来对图像中的像素进行聚类。整个kmeans算法为手动实现，不调用sklearn库。一共使用了两种方法，其中方法a.py使用了三通道像素值rgb共三个特征，方法b.py使用了rgb+像素坐标xy共5个特征。

1. 视觉SLAM 系统概述 SLAM 是Simultaneous Localization and Mapping 的缩写，中文译作“同时定位与地图构建” 。它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。如果这里的传感器主要为相机，那就称为“视觉SLAM”。 视觉SLAM流程分为以下几步 传感器信息读取。在视觉SLAM 中主要为相机图像信息的读取和预处理。 视觉里程计。视觉里程计任务是估算相邻图像间相机的运动，以及局部地图的样子。 后端优化。后端接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对它们进行优化，得到全局一致的

坐标系描述图：相机、图像、像素、世界系、旋转

首先获取图像，将此图像的像素值获取，得到相应的内容，在改变像素值将图像变形。

直方图与色调均衡化算法对图像像素的影响研究.pdf

本人qq号：226607573，欢迎互相讨论的伙伴们 毕设期间对python图像信息增强的学习与总结 图像增强主要解决由于图像的灰度级范围较小造成的对比度较低的问题，目的就是将输出图像的灰度级放大到指定的程度，使得图像中的细节看起来增加清晰。 常用的图像增强方法有以下几种： 1.提高对比度 2.Gamma校正 3.直方图均衡化 均值滤波方法：对待处理的当前像素，选择一个模板，该模板为其邻近的若干个像素组成，用模板的均值来替代原像素的值的方法。 中值滤波方法：对待处理的当前像素，选择一个模板，该模板为其邻近的若干个像素组成，对模板的像素由小到大进行排序，再用模板的中值来替代原像素的值的方法。 使

Python DBSCAN聚类算法 使用DBSCAN算法的图像像素聚类

Canny 检测算法包含下面几个阶段： 1.图像灰度化 2.高斯模糊处理 3.图像梯度、梯度幅值、梯度方向计算 4.NMS（非极大值抑制） 5.双阈值的边界选取 1、图像灰度化   当仅提取一张图片的边界，单通道的图片已经足够提供检测出边界的信息。所以我们可以将R、G、B的3通道图片乃至更高维的高光谱遥感图像进行灰度化，这是一种降维操作，它减少了冗余数据从而降低了计算开销。以下是对RGB图片灰度化的方法： def gray( img_path): 计算公式： Gray(i,j) = [R(i,j) + G(i,j) + B(i,j)] / 3 or :

最近做一个车牌识别项目，入门级别的，十分简单。 车牌识别总体分成两个大的步骤： 一、车牌定位：从照片中圈出车牌 二、车牌字符识别 这里只说第二个步骤，字符识别包括两个步骤： 1、图像处理 原本的图像每个像素点都是RGB定义的，或者称为有R/G/B三个通道。在这种情况下，很难区分谁是背景，谁是字符，所以需要对图像进行一些处理，把每个RGB定义的像素点都转化成一个bit位（即0-1代码），具体方法如下： ①将图片灰度化 名字拗口，但是意思很好理解，就是把每个像素的RGB都变成灰色的RGB值，而灰色的RGB值是R=G=B的。具体怎么改变暂且忽略，因为OpenCV有封装好的函数。 ②将灰度图片二值化