verilog_image_filters 这是用于在Verilog HDL中设计不同图像过滤器模块的存储库。 当前，它包含以下模块：-a）Sobel滤波器-在一个周期内接受大小对应于其分辨率的nxm像素矩阵，并执行3 x 3卷积。

目前人为扭曲的图像质量评价(IQA)数据库规模较小，内容有限。较大的 IQA 数据库内容多样化，有利于 IQA 深度学习的发展。我们创建了两个数据集，康斯坦茨人为扭曲图像质量数据库(kADID-10k)和康斯坦茨人为扭曲图像质量集(kADis-700k)。前者包含81个原始图像，每个图像在5个水平上被25个失真降级。后者有140,000个原始图像，每个有5个降级版本，其中失真是随机选择的。我们在 KADID-10k 上进行了一个主观的 IQA 众包研究，得到了每幅图像30个退化类别评分(DCR)。我们认为，注释集 KADID-10k 和未标记集 KADIS-700k 可以通过弱监督学习充分挖掘基于深度学习的 IQA 方法的潜力

很小巧的文字转为图片工具，可设置文字的背景图片，文字可设置字体与颜色

图像去噪综述论文：Deep Learning on Image Denoising: An Overview

图像作色综述：Image Colorization: A Survey and Dataset

High-Resolution Image Synthesis with Latent Diffusion Models机翻

综述报告

matlab合并代码窗口 Visual-watermarking-system-based-on-digital-image 数字图像可视化水印系统的设计与实现 (LSB算法、DCT算法、随机间隔算法、区域校验位算法、图像降级算法、图像降级算法改进等6种数字水印算法的实现) 程序介绍 这是源自我的本科毕业设计的程序，使用Python实现了一个数字图形可视化水印系统。 因为在毕设过程中，发现目前全网涉及到数字水印算法99%都是用matlab实现的，几乎没有合适的Python实现代码，于是只能参照matlab代码和算法原理，自己实现Python代码，在实现过程中也遇到了不少问题。所以我将实现成功的代码分享出来，有需要的人可以少走一些弯路，少费工夫 并且截取部分毕业论文，上面有较为详细的操作演示 论文获得2020本科优秀毕业论文 功能 LSB基本算法 随机间隔算法 区域校验位算法 图像降级算法 图像降级算法改进 DCT算法 运行方式 直接运行即可 main.py是源代码 main.exe是用pyinstaller导出的exe可执行程序(因较大没有上传) GUI使用的Tkinter，因为涉及多

cnn-classification-dog-vs-cat 基于CNN的图像分类器，使用Kaggle的猫狗图片数据。 1 requirement python3 numpy >= 1.14.2 keras >= 2.1.6 tensorflow >= 1.6.0 h5py >= 2.7.0 python-gflags >= 3.1.2 opencv-python >= 3.4.0.12 2 Description of files inputs: 猫狗图片样本数据，，使用keras库中的类读取，需要将每个类的图片放在单独命名的文件夹中存放； train.py: 自建的简单CNN，训练后测试集精度约83%； pre_train.py: 利用已训练的常用网络(基于数据集训练)，进行迁移学习，测试集精度约95%以上； data_helper.py: 数据读取和预处理模块； img_cnn.py:

图像扭曲是一种变换，它映射一个图像平面中的所有位置到第二个平面的位置。 它出现在许多图像分析问题中，无论是为了消除由相机或特定视角引入的光学失真， 使用地图或模板注册图像，或对齐两个或多个图像。 的选择扭曲是平滑失真和实现良好匹配之间的折衷。 可以通过为经线假设参数形式或对其进行约束来确保平滑度使用微分方程。 匹配可以通过要对齐的点来指定， 通过图像之间相关性的局部测量，或通过边缘的重合。 参数和非参数的扭曲方法和匹配标准，被审查