3. Opencv 版本：3.x 版本应该都可以 1.数字图像的表示和类别 2.OpenCV 图像文件格式 1.下面给出示例程序 1.熟悉并学会 opencv-

该书简单全面介绍图像处理技术主要研究内容的理论基础，注重理论与实践结合，所有相关算法都给出了基于MFC的应用程序框架下的C++编程实现（光盘中附上了相关代码），本书适合合入门图像处理技术的初学者阅读，也可作为 研究人员参考书籍，是一本非常不错的参考教材，值得下载。 本文档包括了本书的第5-10章内容和本书彩色高清电子版本下载地址。

详情见https://blog.csdn.net/man1669/article/details/127537127?spm=1001.2014.3001.5502

数字图像处理的实验报告

word里有源码截图

数字图像处理第二版冈萨雷斯习题解答-91331980DigitalImageProcessingSecondEditionProblemSolutions.rar 数字图像处理第二版（冈萨雷斯）习题解答，这本书是由冈萨雷斯编写的国外经典名著《数字图像处理（第二版）》的习题解答，对于多数使用这本书的同志十分有用。 哈哈，好资料欢迎下载 本论坛同时提供数字图像处理第二版（冈萨雷斯）下载！

数字图像处理的人脸识别和去噪声等功能，有样图和结果图

基于opencv传统数字图像处理实现车道线检测_python_c++源码+项目说明.7z 【实现方法】 实现车道线检测，主要包含两部分操作 道路图像的处理，主要包括灰度图转换、基于高斯平滑的图像去噪、基于Canny算法的边缘提取。 车道线检测方法，主要包括获取感兴趣区域（ROI）、形态学闭运算、基于Hough变换的直线检测。

SJTU数字图像处理课设_传统图像处理结合yolov5算法实现电车轨道ROI区域标注及障碍物检测项目源码+项目说明.7z 【SJTU数字图像处理课程设计】 采用传统的数字图像处理方法（边缘检测，透射变换，霍夫变换等）对视频中的电车轨道进行检测和标注，并标注轨道所处的ROI区域，基于此ROI区域使用当下较为流行的YOLOv5目标检测深度学习算法进行区域内的障碍物识别与检测并将其标注。算法最终效果较好，可准确的检测两种环境（白天和夜晚）下的电车轨道并对轨道附近障碍物进行识别。算法识别效率为17FPS，效果较好。 主要任务为完成有轨电车轨道与轨道上障碍物的检测

在图片处理中，霍夫变换主要是用来检测图片中的几何形状，包括直线、圆、椭圆等。 在skimage中，霍夫变换是放在tranform模块内，本篇主要讲解霍夫线变换。 对于平面中的一条直线，在笛卡尔坐标系中，可用y=mx+b来表示，其中m为斜率，b为截距。但是如果直线是一条垂直线，则m为无穷大，所有通常我们在另一坐标系中表示直线，即极坐标系下的r=xcos(theta)+ysin(theta)。即可用（r,theta）来表示一条直线。其中r为该直线到原点的距离，theta为该直线的垂线与x轴的夹角。如下图所示。 对于一个给定的点（x0,y0), 我们在极坐标下绘出所有通过它的直线（r,theta)