包括图像增强，图像分割，图像去噪等图像处理算法

医学图像处理 图像增强算法 可看清一些看不到的细节

加利福尼亚理工学院101类图像数据库，包含102类物体的图像

win版本下的LabelImg打标软件，可以在win10、win7和win8环境下运行，避免在Linux环境下因pyQt4安装问题无法运行。本资源为加密压缩包形式，解压密码：“君渃淽水”。

曲波(Curvelet)作为一种新的多尺度分析方法比小波更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力。将curvelet变换引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息。第二代curvelet理论的提出也使得其理论更易理解和实现。因此,提出了一种基于第二代curvelet变换的图像融合方法,首先将图像进行curvelet变换,然后在相应尺度上利用融合规则将curvelet系数融合,最后进行重构得到融合结果。对多聚焦图像进行了实验,采用均方误差、偏差指数和相关系数对融合结果进行了客观评价,并与基于小波变换的融合进行了比较,实验结果表明该方法除分解2层时与小波性能相当,取其他分解层数时均获得更好的融合效果。

包括直方图增强，线性增强和非线性增强3种

ImageProcessing-Python 该资源为作者在CSDN的撰写Python图像处理文章的支撑，主要是Python实现图像处理、图像识别、图像分类等算法代码实现。该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望该资源对您有所帮助，一起加油！ 前文参考： 希望文章对您有所帮助，如果有不足之处，还请海涵~ 原博客参考地址： 后续会尝试结合深度学习进行更深入的研究。 CSDN Eastmount 杨秀璋 2021-05-09 效果图：

对于原始噪声图像，设计并实现图像恢复算法，给出最优的恢复效果。

本文以数字图像为载体，研究红外图像的边缘检测技术，并进行红外图像目标边缘检测和提取的应用。针对红外图像的边缘检测，不仅需要对采集到的图像进行预处理，而且要针对特定的目的进行具体的应用程序开发。为了提高程序的运行效率，使检测结果更具实时性和鲁棒性，本课题在Windows 操作系统上借助Visual Studio以及MATLAB进行数字图像处理的处理和相关的理论知识研究，大大提高了工作效率。 首先介绍了相关的实验平台，然后研究数字图像处理的核心方法，包括图像的获取、颜色空间变换、线性和非线性变换以及边缘检测等，包括了Sobel算子、Prewitt算子和Robert算子，以及Log算子和Canny算子；最后重点展示了红外图像边缘增强效果和边缘检测效果，并通过对比实验，得到本文中较好的检测方法。

图像金字塔与残差金字塔、二维快速小波变换的matlab代码实现。包括测试图像与result。数字图像处理教材例子复现。